电力信息网络安全态势评估方法

电力信息网络安全态势评估是当今网络安全领域研究中的热门领域.但现有基于神经网络的网络安全态势评估方法效率较低,且容易陷入局部最优导致评估精度不高.提出一种改进人工蜂群优化神经网络的网络安全态势评估方法.首先,通过引入混沌序列改进人工蜂群算法提高蜂群的多样性,使其具备更强大的全局搜索能力.然后,利用改进的蜂群算法代替反向传播算法来优化神经网络的各权值参数.最后,新方法对真实的电力信息网络攻击实验进行了安全态势评估预测.与传统的评估方法相比,基于改进的人工蜂群和神经网络的安全评估方法提高了安全评估精度,加快了收敛速度.     

基于改进人工蜂群算法的大青杨晚材率预测

为了更加准确地预测人工林大青杨(Populus ussuriensis)晚材率,通过对标准人工蜂群算法(artificial bee colony, ABC)的蜜源更新公式进行改进,提出了分段式蜜源搜索半径公式,并用改进的人工蜂群算法(AABC)对径向基(radial basis function, RBF)神经网络的初始参数进行优化,提出一种基于改进的人工蜂群算法和径向基神经网络算法结合的预测模型,并与粒子群(partical swarm optimization, PSO)优化的RBF神经网络预测结果进行对比。结果表明:传统的RBF预测模型不仅收敛速度慢,而且预测精度不高。基于改进的ABC算法优化RBF神经网络预测模型整体比PSO优化的效果相对较好,收敛速度从42步提升至28步,预测的平均相对误差从2.54%降低到0.95%。可见对ABC算法的改进是可行的,而且提高了晚材率预测的精度。     

基于改进人工蜂群算法优化小波神经网络的短时交通流预测

为了提高城市道路短时交通流量的预测精度,克服小波神经网络预测过程中存在收敛速度较慢、容易陷入局部最优的缺点,提出改进的人工蜂群算法优化小波神经网络预测模型。该算法引入差分进化算法中的自适应变异操作和遗传算法中的选择算子、交叉算子与变异算子来优化传统的人工蜂群算法,改善人工蜂群算法后期收敛速度慢、局部搜索能力弱的缺点。本文使用该算法优化小波神经网络的参数并对短时交通流进行预测,模型的仿真结果表明,改进人工蜂群算法优化小波神经网络预测的结果误差更小,精确度更高,训练次数少,具有较高的实际应用价值。     

基于改进遗传算法的自适应越区切换方案

针对列车通信在越区切换过程中切换触发率和切换成功率均较低的问题, 提出一种基于改进遗传算法的自适应联合判决切换算法. 首先, 以遗传算法为基础, 在高速特性下对切换判决过程中的相关参数进行优化, 针对列车的不同运行速度动态选择出满足快速切换需求的迟滞容限值； 其次, 引入满意通信概率（SCP), 当列车在小区之间移动时, SCP值达不到要求的将不能接入下一个小区, 以保障通信质量的优良. 仿真结果表明, 与传统切换方案相比, 该方案可实现提高切换触发率和切换成功率的目标, 具有较高的满意通信概率.     

基于改进遗传算法的自适应越区切换方案

针对列车通信在越区切换过程中切换触发率和切换成功率均较低的问题, 提出一种基于改进遗传算法的自适应联合判决切换算法. 首先, 以遗传算法为基础, 在高速特性下对切换判决过程中的相关参数进行优化, 针对列车的不同运行速度动态选择出满足快速切换需求的迟滞容限值； 其次, 引入满意通信概率（SCP), 当列车在小区之间移动时, SCP值达不到要求的将不能接入下一个小区, 以保障通信质量的优良. 仿真结果表明, 与传统切换方案相比, 该方案可实现提高切换触发率和切换成功率的目标, 具有较高的满意通信概率.     

基于混合群智能算法优化BP神经网络的粮食产量预测

针对前馈神经网络预测粮食产量的方法易陷入局部最优的问题,提出一种基于粒子群算法和人工蜂群算法的改进BP神经网络模型.利用粒子群优化算法和人工蜂群算法在全局搜索能力上的不同优势,结合两者对BP神经网络的权值和阈值进一步优化,以提升粮食产量预测模型的准确性与鲁棒性.给出基于粒子群和人工蜂群混合的ABPSO算法的具体实现,并选择1979年至2012年我国粮食的产量及影响其产量的8项因素作为数据集进行试验.结果表明:改进的BP神经网络能够较好地预测国内近几年的粮食产量变化趋势;相比未优化的BP模型,新算法预测误差平均值由847 780 t降低至240 320 t,误差范围由1 894 200 t降低至586 800 t.     

基于反向学习的人工蜂群算法

提出基于反向学习的人工蜂群算法(简称OABC算法).在人工蜂群算法的跟随蜂阶段,种群依概率进行反向学习代替跟随蜂搜索方案.保留标准人工蜂群算法中雇佣蜂和侦察蜂阶段以保证种群的探索能力以及种群的多样性,增设参数控制一般的反向学习过程中对位搜索范围,充分利用种群信息和个体信息优化种群,提高对位点的有效性,从而提高反向学习的成功率.仿真实验结果表明,OABC算法有效提升了算法寻优速度和收敛精度.     

基于位置信息与波束赋形辅助的LTE-R切换算法研究

针对高速铁路LTE网络切换成功率未被充分提升的问题,提出一种基于位置信息与波束赋形辅助的切换算法.首先通过接收信号波达角(Direction of Arrival, DoA)和邻区列表快速锁定目标小区;然后将波束赋形引入高铁的切换重叠区,以产生不同的波束赋形增益服务于不同的区域;最后计算出预触发起点位置和触发位置,并分别执行信道资源的预分配和触发判断任务.由实验结果表明,改进算法相比于传统切换算法和提前切换算法,在列车处于相同位置时有更高的切换成功率,可更好地适应高速铁路环境.     

LTE系统中一种切换自优化算法研究

综合研究了长期演进切换算法中切换参数值、用户移动速度和负载均衡机制对系统掉话率的影响,提出了一种结合用户移动速度和负载均衡机制的切换自优化算法。仿真结果表明,如果用户的移动速度一定,且切换迟滞因子和切换触发时延小于一定阀值时,增加其中一个或两个参数值会导致系统掉话率增加。如果切换控制参数一定,系统掉话率随用户的移动速度增加而增加。针对移动速度为低速、中速和高速的用户,分别采用4,3,2 dB的切换参数较为合适。如果用户速度和切换参数均相同,采用负载均衡机制后,系统的掉话率明显降低。经仿真验证,与传统切换算法相比,采用结合用户移动速度和负载均衡机制的切换自优化算法可以有效降低系统掉话率,并使系统整体性能得到提升。     

高铁进出站控制系统的Petri网故障诊断研究

高铁进出站控制系统是保证高铁正常运行的关键枢纽。针对高铁进出站控制系统是否发生故障及故障发生的准确位置,基于部分可观Petri网的结构特点和整数线性规划问题,提出了一种在线故障诊断算法。算法获取被诊断系统的基本观测序列和基本点火序列,计算观测序列的最大长度,选取故障诊断参数K,应用提出的故障诊断算法对高铁进出站控制系统进行仿真实验并进行了故障诊断分析。实验结果指出高铁进出站控制系统在运行过程中出现的故障,与实验设定故障完全相符。而对于系统中不可观事件和不可观运行状态所发生的故障,该算法仍准确指出了故障发生位置,由此可证明该诊断方法能够满足高铁进出站控制系统对故障诊断算法实时、准确的要求。     

一种基于优先级的异构无线网络切换算法

无线网络对性能的要求促进了网络融合的必然性,为了解决异构无线网络切换过程中存在的问题,提出一种基于优先级的异构无线网络切换算法。该算法包含2个部分,基于业务优先级对用户进行排队,可以有效地解 决群组用户同时切换所可能造成的网络拥挤。在网络判决过程中,对判决参数分层处理,分步计算和分析,可以降低传统算法中复杂度和计算量过高的问题。仿真结果表明,改进算法与传统的切换算法相比,该算法不仅能够改 善网络拥挤,减少切换时延,提高切换成功率,而且可以降低切换判决过程所耗费的资源,改进后的算法能够提高用户满意度及网络性能。     

基于优化列车模型上的多模软切换的高速列车速度控制

针对高速列车速度控制的快速性、精度以及多模态切换控制的振荡等问题,提出一种基于T-S型模糊加权的多模软切换控制方法.在建立高速列车运动学模型的过程中,结合真实的列车参数进行了模型参数寻优设计;传统的单质点模型不考虑列车长度,在变坡点会出现较大的速度计算误差,因此结合真实的线路数据提出了附加阻力优化计算方法.再采用T-S型模糊推理对模糊控制、模糊PID控制及PI控制进行软切换控制设计.根据分析结果可知,附加阻力优化计算方法有效地提高了变坡点附近受力计算的精度,减小了速度控制的误差.针对优化后的列车模型所设计的多模软切换控制在兼顾多种控制方法优点的同时,克服了切换控制的振荡问题,提高了高速列车速度控制的精度和舒适度.     

基于功率-距离的LTE-R切换算法优化研究

传统的基于长期演进的铁路移动通信系统(long term evolution-railway,LTE-R)切换算法对切换参数的选择不能很好地适应列车的高速移动,由此导致的“切换滞后”现象容易造成更多的失败切换,影响列车运行控制和旅客无线通信体验。当列车高速穿越小区时,对越区切换的要求更加严格,简化信令流程以及实现快速切换是LTE-R急需解决的问题。以减少错误触发和实现快速切换为出发点,提出一种基于功率-距离的切换优化方案,充分考虑速度对切换参数的影响,并加入距离因素,只有当列车到达一定触发位置时才可以进行触发判断,如满足条件则直接进行切换。该算法在避免列车提前错误触发的同时舍弃触发时延(time to trigger, TTT)指标,在一个测量周期内即可实现快速切换。仿真结果表明,所提的方案能够更好地保证高速环境下列车的切换成功率。     

基于动量因子优化学习率的BP神经网络PID参数整定算法

针对传统BP神经网络学习过程中学习率选取过大导致振荡的问题, 提出一种新的BP神经网络PID(比例-积分-微分)参数自适应整定算法. 采用BP神经网络对PID参数进行自适应调节和优化, 并利用动量因子优化学习率和增加动量项抑制BP神经网络训练中出现的振荡现象, 以加快收敛速度. 实验结果表明, 该算法有效缓解了振荡现象, 加快了算法的收敛速度.     

基于动量因子优化学习率的BP神经网络PID参数整定算法

针对传统BP神经网络学习过程中学习率选取过大导致振荡的问题, 提出一种新的BP神经网络PID(比例-积分-微分)参数自适应整定算法. 采用BP神经网络对PID参数进行自适应调节和优化, 并利用动量因子优化学习率和增加动量项抑制BP神经网络训练中出现的振荡现象, 以加快收敛速度. 实验结果表明, 该算法有效缓解了振荡现象, 加快了算法的收敛速度.     

人工蜂群优化神经网络的无线传感器节点定位算法

为了改善传感器节点定位性能,提出了人工蜂群优化神经网络的无线传感器节点定位算法。首先测量3个锚节点与定位传感器节点之间的参数,然后采用人工蜂群优化神经网络对测距误差进行建模与预测,并根据检测结果确定权重,最后根据三边定位算法进一步提高定位精度,并采用仿真实验测试其有效性。结果表明,该文算法提高了定位的精度,加快了定位的速度,定位实时性优异。     

基于改进蝙蝠算法优化BP神经网络的电力变压器故障诊断研究

提出了一种基于改进蝙蝠算法优化BP神经网络的电力变压器故障诊断方法。利用蝙蝠算法对BP神经网络的权值和阈值参数进行优化,并针对蝙蝠算法优化后期易陷入局部最优缺点,使用混沌算法对群体进行混沌优化,使其减少无效迭代,提高收敛速度。将优化得到的参数值应用到构建的BP神经网络诊断模型中,对数据进行训练和测试。通过实例分析,表明改进蝙蝠算法优化BP神经网络用于变压器故障诊断具有实用性和有效性。     

面向再生制动能利用的地铁列车时刻表优化模型

通过对列车时刻表进行优化,可以使再生制动能量最大程度的被牵引列车利用,进而可以减少地铁列车的牵引能耗,达到节能运行的目标.在充分考虑地铁系统首、末班车服务时刻不变和列车旅行时长限制等情况下,提出一种通过时刻表优化实现再生制动能量利用最大化的新问题,并建立了其数学模型,设计了一种基于人工蜂群的智能优化算法来求解该问题.在此基础上,基于北京地铁燕房线的实际数据进行了仿真实验.结果表明:优化后的列车时刻表能够在较少影响地铁系统服务质量的前提下,比既有列车时刻表再生制动能利用量提高132.29%.同时,通过与遗传算法进行对比,证明了基于人工蜂群的智能优化算法求解时刻表优化问题的有效性.通过对列车运行存在不同程度干扰时的再生制动能量利用情况进行仿真分析,证明了所获得的优化时刻表的鲁棒性.     

基于改进灰色-马尔可夫模型的LTE-R越区切换算法

高速列车在越区切换过程中,由于路径损耗和地形等因素的影响,参考信号接收功率(reference signal receiving power, RSRP)会发生上下波动,采用基于A3事件的传统越区切换判决方法,会导致发生乒乓切换和切换成功率下降。文中提出基于改进灰色-马尔可夫模型的切换算法,改进灰色-马尔可夫模型对参考信号接收功率进行处理和预测,结合预承载方法,利用处理结果作为切换判决依据执行切换过程。仿真结果表明,采用改进切换算法,使列车接收到的源小区和目标小区RSRP值的波动情况得到明显改善,乒乓切换概率更低,切换成功率得以有效提高。     

基于二次插值的人工蜂群算法

人工蜂群算法是一种基于蜜蜂采蜜行为的一种优化算法.针对标准人工蜂群算法的收敛速度慢、搜索能力差、精度低的缺点。提出了一种基于二次插值的人工蜂群算法(QIABC)。保持全局搜索和局部搜索的平衡.数值实验说明了改进的人工蜂群算法在函数评价次数、收敛速度、精度和鲁棒性方面具有较大的优势,从而表明改进方法的有效性。