基于改进麻雀搜索算法-BP神经网络的电缆接头线芯温度间接测量方法

电缆接头线芯温度实时监测对提升电缆线路载流量和安全运行有重要意义。针对目前测温方法适用性不强、精度低且抗干扰能力弱的问题,提出了一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化反向传播神经网络(back propagation neural network, BPNN)的温度反演间接测量方法。首先引入帐篷(Tent)混沌映射、自适应T分布变异、生产者数量和搜索空间动态调整混合策略对SSA进行改进,然后用改进后的SSA优化BP神经网络超参数。最后通过不同工况下的接头仿真与试验数据,结合自回归滑动平均模型(auto regressive moving average model, ARMA)对表面测温数据进行降噪,基于线路负荷及表面温度对接头线芯温度进行反演,并与粒子群优化算法(particle swarm optimization, PSO)-BP、SSA-BP、灰狼优化算法(grey wolf optimizer, GWO)-BP反演效果进行对比。结果表明改进模型的平均绝对误差不超过0.5℃,反演精度更高,能够实现对电缆接头运行...     

基于布谷鸟搜索算法的漏磁反演方法研究

针对漏磁检测中的缺陷反演重构问题,引入了一种新型启发式优化算法—布谷鸟搜索算法,提出了以径向基函数神经网络为前向模型,布谷鸟搜索算法用作迭代算法的漏磁反演方法.为验证该反演方法的有效性,分别使用了不含噪声和含噪声的漏磁仿真信号以及实测漏磁信号.实验结果表明,与粒子群优化算法和差分进化算法相比,布谷鸟搜索算法的处理误差最小,而且对含噪声仿真漏磁信号和实测漏磁信号的重构结果依然能够较好地逼近真实缺陷.因此,基于布谷鸟搜索算法的反演方法对噪声具有一定的鲁棒性,是一种有效可行的漏磁反演方法.     

基于磁纳米测温的IGBT热网络参数评估方法

提出一种基于磁纳米测温的绝缘栅双极晶体管(IGBT)热网络模型估计方法,可用于在线评估降维简化的IGBT热阻-热容网络模型.分析了磁纳米测温的理论模型和热网络传递模型,通过磁性纳米测温获得IGBT外壳背部的升温和降温曲线,从而估计热网络模型参数.通过设计的热网络模型参数估计系统和实验流程进行了仿真和实验,结果均验证了基于磁纳米测温的IGBT热网络模型参数评估方法的可行性,这种精确的在线估计方法能为评价IGBT内部热累积效应提供重要依据,也给出了实现大功率器件热安全性的在线评估解决办法.     

异步变化收缩因子粒子群算法心脏电流模型重构

针对收缩因子的粒子群算法(CFPSO)求解复杂问题时精度偏低,提出了异步变化收缩因子的粒子群算法(NL-CFPSO).该算法利用异步变化的学习因子来产生收缩因子,改善粒子进化中的社会性和自身的学习性能,同时引入了"发散"和"收敛"操作,有效提高了粒子的收敛速度和精度.在该算法中,首先在给定的搜索空间上随机产生初始的粒子种群,在进化过程中采用异步变化的收缩因子,再根据判别函数来执行"发散"和"收敛"操作,使得粒子加速向全局最优的位置运动.将新算法和CFPSO在最新的6个测试函数进行对比,结果证明新算法比CFPSO算法具有更高的搜索精度和较低的时间复杂度.将该算法用于心脏单电流偶极子模型的反演计算仿真中,仿真结果证明该算法可以得到精确的模型参数,能够反映心脏模型的电磁现象,具有很高的实用价值.     

磁纳米粒子磁矩分布信息的新型测量方法

针对常规磁矩测量技术或仪器中存在的测量设备昂贵和耗时等缺点,提出了一种新型的磁纳米粒子磁矩分布信息测量方法.依据郎之万顺磁理论研究一次谐波、三次谐波幅值信息与磁矩分布信息之间的耦合关系,构建测量模型并建立矩阵方程组,然后采用奇异值分解法求解矩阵方程反演得到磁纳米粒子的磁矩分布信息.仿真分析了磁矩分布测量方法,并通过搭建的磁矩分布测量实验系统,测量了磁纳米粒子样品的磁矩分布信息.仿真和实验结果表明:该方法能够快速准确获取磁纳米粒子的磁矩分布信息.     

基于粒子群-最小二乘法的岩石流变模型参数反演

为解决参数数量随加载级数增加而成倍增加,对参数反演带来困难这一问题,在分级加载蠕变模型中,根据粒子群算法和最小二乘法对参数反演的特点,先采用粒子群算法(PSO)对模型参数进行反演得到一个全局次优粒子,再将其作为初始值对模型参数进行最小二乘法反演.工程实例表明,粒子群-最小二乘法反演可以很好地应用于分级加载蠕变模型的参数反演.     

磁场退火诱导下组装的FePt纳米粒子体系(英文)

为解决FePt纳米粒子在磁记录应用中面临的三个问题:高的转变温度、强的磁耦合和垂直取向,提出一个统一的解决方案.包覆聚乙烯吡咯烷酮(PVP)分子的FePt纳米颗粒体系在磁场诱导下被组装.磁退火后,得到具有较低转变温度和垂直取向的FePt纳米颗粒组装体系.碳化的壳层不仅抑制了粒子的生长,还降低了相邻粒子之间的交换耦合.     

金磁微粒的制备及其固定牛血清蛋白的研究

采用水热法快速制备Fe_3O_4纳米粒子,并通过表面氨基化与金纳米粒子自组装构建金磁微粒(Fe_3O_4@Au).表征Fe_3O_4@Au理化性质,并优化Fe_3O_4@Au对牛血清蛋白的固定体系.实验结果表明,所制备的金纳米粒子平均粒径达到(7.8±0.4)nm,氨基化的磁性材料可以固载金纳米粒子,金磁微粒饱和磁化强度为61 emu/g;金磁微粒对牛血清蛋白的固定化体系为金磁微粒添加量0.1 g,固定化温度50℃,固定化时间10 min,且平均固定量为5.189 mg/g.     

基于最优化函数的多光谱高温计真温反演算法

未知发射率的制约使得多光谱高温计的数据处理成为一个难题.目前已有的一些解决方案是预先假设发射率与波长或发射率与温度之间存在某种特定的数学关系.但是,发射率假设模型与实际情况存在的偏差严重影响真实温度的反演结果.因此,本文的主要目的是研究不需要预先假设发射率模型的真温优化反演算法.提出了一种新的多光谱高温计的数据处理算法,即基于最优化函数(fmincon)的算法,它不需要预先假设发射率模型.该算法的核心思想是将多光谱高温计的数据处理问题转化为约束优化问题,然后通过fmincon函数求解.对一些典型的光谱发射率模型进行了仿真验证,结果表明该算法的精度和效率很好.火箭喷管温度实验结果表明,该算法的真实温度反演结果与理论设计温度吻合良好.因此,所提出的算法有望成为消除多光谱高温计未知发射率制约问题的真温反演算法.     

改进人工鱼群算法在气溶胶粒径分布反演中的应用

基于光谱消光法,利用一种改进的人工鱼群算法(improved artificial fish school algorithm,IAFSA)反演单峰和双峰气溶胶粒子粒径分布。其中,正问题的求解采用反常衍射近似(anomalous diffraction approximation,ADA)和Lambert-Beer定律。研究结果表明:相对标准人工鱼群算法而言,IAFSA能很好地避免出现后期收敛速度慢、精度低等问题。在非独立模型下反演气溶胶粒径分布时,IAFSA算法体现出很好的收敛精确度和鲁棒性。在非独立模型下,IAFSA算法可用于反演实际测量得到的哈尔滨地区气溶胶粒径分布。     

一种时间序列优化的粒子滤波算法

针对预测对象在动态过程中发生结构性变化的时间序列,难以建立一个实时解析变化趋势的模型.本文提出基于时间序列自适应建模的粒子滤波算法(TS-PF).采用时间序列方法动态构建预测模型,并将粒子滤波算法中一系列加权粒子以该模型进行状态转移,运用粒子滤波重采样技术,使预测误差进一步减小,预测精度逼近最优估计.非线性预测系统仿真实验表明基于时间序列自适应建模的粒子滤波算法(TS-PF)比单纯采用时间序列动态建模算法(TS)精度更高,提高了动态目标跟踪的准确性.     

Landsat-8影像地表温度反演算法对比分析

针对Landsat-8数据地表温度(land surface temperature,LST)反演中单通道(single-channel,SC)算法和劈窗算法(split-window algorithm,SW算法)在不同区域的反演精度的不一致性问题,以NOAA地表辐射通量网(surface radiation budget net-work,SURFRAD)中不同地表覆盖类型和不同海拔高度的3个站点为验证站点,选取2018年1月1日—2019年6月30日质量较好的37景不同季节的Landsat-8影像,基于站点实测温度,对比分析Jiménez-Mu?oz等提出的普适性SC(generalized SC,GSC)算法与SW算法的地表温度反演精度.结果表明:GSC算法与SW算法的反演精度呈现出一定的季节依赖性.在春季与冬季,GSC算法的平均绝对误差(mean absolute error,MAE)在1 K左右,SW算法的MAE高于1 K,GSC算法的均方根误差(root mean square error,RMSE)较SW算法分别低约0.37、0.13 K.GSC算法的精度较高,其中,在春季,GSC算法的精度比SW算法精度高约0.53 K;在冬季,GSC算法的精度比SW算法精度高约0.14 K.在夏季与秋季,GSC算法与SW算法的MAE都小于2 K,但SW算法的精度较高.其中,在夏季,GSC算法的精度比SW算法精度低约0.35 K;在秋季,GSC算法的精度比SW算法精度低约0.25 K,GSC算法的RMSE较SW算法高约0.24 K.2种算法与实测温度的相关系数分别为0.9907、0.9922,表现出较为强烈的相关性,SW算法相关性更高.     

基于自适应粒子群优化和MPI的大地电磁并行反演算法

针对大地电磁粒子群反演算法存在的计算时间过长的问题,基于自适应粒子群优化和消息传递接口提出一种新的大地电磁并行反演算法.在曙光4000L大型机平台上,利用该并行反演算法进行一维大地电磁层状介质反演实验,实验结果表明,新的并行反演算法能有效解决大地电磁粒子群反演计算时间过长的问题.     

基于自适应混沌变异粒子群算法的地震参数反演

提出了一种改进的基于自适应混沌变异的粒子群优化算法来解决地震参数反演问题.该算法提出自适应飞行策略,根据搜索能力对粒子群进行划分,增强了子群间的协同能力,使算法具有良好的全局寻优能力;两阶段混沌变异策略能够在粒子进化的不同阶段进行自适应性搜索,使算法具有较高的搜索精度.实验结果表明,该算法可有效避免标准PSO算法的早熟收敛,具有寻优能力强、搜索精度高、稳定性好等优点.首次将该算法应用于地震参数反演问题,结果表明该算法提高了反演精度且不受初始模型影响,能够较好地解决地震参数反演问题.     

基于IUPF算法与可变参数电池模型的SOC估计方法

针对常用电池模型参数固定和适用范围有限的问题,建立受温度和SOC影响的可变参数的Thevenin模型,并利用实验设计(DOE)方法和最小二乘法对模型参数进行辨识.针对系统噪声较大时影响算法估计精度的问题,提出了一种改进的无迹卡尔曼粒子滤波(IUPF)算法.将系统状态噪声和量测噪声两者同时引入到采样点中,对其进行对称采样处理,同时将其引入到算法计算过程中以保证算法的精度.在可变参数Thevenin模型基础上采用的IUPF算法,在保证模型适用范围的同时减小了噪声对系统估计精度的影响.实验及仿真结果表明,基于IUPF算法与可变参数电池模型的SOC估计方法在解决现有电池模型适用范围有限、保证模型精度的同时,在多个温度下对SOC有较高的估算精度.尤其在系统状态噪声、量测噪声影响较大时,算法估算精度有了明显提高,且对由模型参数所带来的扰动具有良好的鲁棒性.     

基于快速匹配追踪的混合域地震稀疏反演方法

匹配追踪稀疏地震反演是基于模型参数L0范数稀疏性度量的高分辨率反射系数反演方法。针对经典匹配追踪反演策略抗噪能力强但计算效率低的问题,通过控制多原子迭代次数和迭代阈值搜索模型最优解,提出基于快速匹配追踪算法的混合域地震稀疏反演方法。首先,在相对纵波阻抗低频模型约束下,构建混合域褶积模型正演算子和正则化方程,低频背景的引入将有效缩小模型参数的搜索空间;然后,在多原子快速匹配追踪反演框架推导混合域稀疏反演目标泛函,提高地层反射系数的恢复效率和收敛精度;最后,利用数据测试及实际地震资料对该方法的预测精度和可靠性进行试验分析,该方法相比常规时间域反演有助于选择高信噪比的频率分量提高算法的抗噪能力,而且在改善反演分辨率的同时避免了匹配追踪算法存在的计算效率低和局部极值的问题。     

基于MODIS的祁连山区陆面温度反演算法比较

基于MODIS影像,利用7种分裂窗算法对祁连山区的陆面温度参数进行了反演.通过算法间直方图对比、算法间RMS误差分析,认为Becket-Li(1990)的算法比较适合本研究区的陆面温度反演.不仅和其他算法反演结果的相对误差较小,精度上可以保证,而且算法简单,不用考虑大气水汽含量对算法造成的误差影响.通过分裂窗算法误差估计,研究区分裂窗算法反演地表温度的精度为0.5～2.7℃,其中水体和冰川积雪的估算误差较小,而植被和裸土的混合地表误差较大.     

基于改进粒子群算法的大地电磁反演

粒子群算法是一种粒子群在全空间随机搜索的非线性反演方法,具有易于实现的优点,已在大地电磁（MT）反演得到了广泛应用,但其存在容易陷入局部最优解的缺点,在二维反演中应用较少且效果不好。本文提出了一种改进的优化粒子群算法,整个进化过程引入了局部进化,并且添加收缩因子和惯性权重参数,来改善该算法容易陷入局部最优解的缺点。最后将改进算法应用于二维MT反演,反演时加入核函数,结果表明改进粒子群算法在过早收敛问题上有明显改善,反演异常体位置也与实际模型吻合较好。因此,本文改进的粒子群优化算法提高了MT反演精度,为矿产资源勘探开发提供了理论基础。     

基于BFGS修正的高斯牛顿光束法平差解算方法

针对高斯牛顿(Gauss-Newton, GN)方法求解光束法平差模型时对初值准确度要求高、应用场景受限的问题, 提出基于拟牛顿法BFGS (Broyden-Fletcher-Goldfarb-Shanno)修正的高斯牛顿算法——BFGS-GN 法。当高斯牛顿法的信息矩阵失去正定性后, 使用BFGS算法对法方程进行补充修正, 可从根本上消除高斯牛顿方法对初值敏感的数学缺陷。在数据集上的实验结果表明, BFGS-GN算法对不同类型的初值具有鲁棒性, 在初值较好的情况下, 所提方法与高斯牛顿法具有相同的精度和迭代效率; 在初值较差的情况下, 高斯牛顿方法 因发散而失效, BFGS-GN算法仍可以收敛到较高的精度。     

一种改进的算术优化算法及其在水文地质参数智能反演中的应用

水文地质参数的高效、准确、智能化获取对地下水资源科学管理和地下工程安全建设具有重要意义,因此提出一种新的水文地质参数智能反演方法.首先,提出了改进的算术优化算法(Chaotic Simplex Arithmetic Optimization Algorithm, CSAOA),在搜索空间中使用混沌理论初始化粒子位置,引入随机优化的超参数自适应调整策略,同时使用单纯形法优化粒子位置更新法则,进一步提高算法的局部开发能力和勘探能力,减小算法陷入局部最优的概率.其次,选取8个基准函数进行数值实验,结果表明CSAOA算法在前期勘探收敛速度和后期局部开发收敛精度方面优于其他对比算法.再次,将传统的人工配线法转化为基于优化算法的全局最优化问题,构建基于CSAOA算法的水文地质参数反演模型,提出了基于CSAOA算法的水文地质参数智能反演方法.最后,将该方法应用于泰斯和汉图什井流模型参数反演实例进行验证,快速准确反演得到了水文地质参数,实现了水文地质参数智能识别.结果证实了该方法的可靠性与先进性,为解决水文地质参数反演问题提供了一种新的方案.