基于混沌粒子群优化的微电网短期负荷预测

针对粒子群算法(Particle Swarm Optimization,PSO)优化最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)时存在非最优解问题,提出了一种基于混沌理论(Chaos theory)的粒子群优化LSSVM参数的短期负荷预测的方法.该预测模型首先引入混沌理论,对粒子群算法加以改进;然后让结合混沌理论的PSO对LSSVM回归估计进行参数优化,得到CPSO-LSSVM;最后将该方法应用于短期负荷预测,通过Matlab仿真训练得到预测结果.仿真实验结果表明该方法不仅可以降低算法陷入局部极值的可能性,还提高了学习能力,从而提高了预测的精准度.     

基于Cholesky分解的LSSVM在线学习算法

针对最小二乘支持向量机(LSSVM)用于在线建模时存在的计算复杂性问题,提出一种LSSVM在线学习算法.首先引入了基于Cholesky分解求LSSVM的方法,接着根据在线建模期间核函数矩阵的更新特点,将分块矩阵Cholesky分解用于LSSVM的在线求解,使三角因子矩阵在线更新从而得出一种新的LSSVM在线学习算法.该算法能充分利用历史训练结果,减少计算量.仿真实验显示了这种在线学习算法的有效性.     

基于ADPSO算法优化LSSVM的高速公路交通量预测方法

针对高速公路交通量与其经济影响因素之间的复杂非线性关系,将最小二乘支持向量机(least squares support vector machines,LSSVM)与自适应动态粒子群优化(adaptive dynamic particle swarm optimization,ADPSO)算法相结合,提出一种ADPSO算法优化LSSVM的高速公路交通量新型预测方法.将建模简单、精度高的LSSVM作为预测模型,通过寻优能力优异的ADPSO算法选择LSSVM最优参数.以某市高速公路交通量为例验证模型的有效性.结果表明,所提方法的预测性能较好,适合于高速公路交通量的短期预测.     

建筑物碳排放量和成本的优化设计研究

建筑行业的碳排放量是全球碳排放量的第二大主体.由于建筑物的碳排放量和成本有着密切的关系,因此设计优化时需同时考虑碳排放量和成本两个变量以寻求降低碳排放量和成本的最佳方案.本研究提出基于建筑信息模型(BIM)技术模拟建筑物的能耗和碳排放量,以及通过统计建筑物工程量进而快速准确地计算出全寿命周期碳排放量和成本的数值,然后基于粒子群算法(PSO)对全寿命周期碳排放量和成本同时进行多目标优化,最后选择最优的设计方案,以促进建筑业的可持续发展.     

基于粗糙集的分体错位式动态汽车称重系统研究

开发设计了基于粗糙集的分体错位式动态汽车称重系统。将称台进行分体式错位安装,4路传感器增加为8路。结合粗糙集理论对称量算法进行改进,提出了一种基于粗糙集的动态称重算法,对车辆作弊行驶数据进行动态约简处理和精准度补偿。本系统能很大程度上遏制跳秤,根本上克服车辆S型过秤,提高整体称量精度,并满足我国计量检定规程要求。     

基于性能导航中基于数值分类的RAIM算法改进

卫星接收机完好性监测(RAIM)根据基于性能导航运行方式提出,确保导航精度及系统完好性的方法.该文重点论述基于性能导航运行下RAIM预测中提高故障检测识别率的监测性能的算法改进.根据导航卫星完好性概念及RAIM预测原理,分析了在基于性能导航运行中,RAIM性能产生异常的情况,采用数值分类法建立RAIM故障监测识别的改进算法.该算法计算量小,在故障卫星监测、识别方面均具有一定可靠性,可为提高RAIM性能提供理指导.     

基于黑洞算法的LSSVM的参数优化

采用黑洞(BH)算法对最小二乘支持向量机(LSSVM)的惩罚系数C及径向基核函数参数σ进行搜索优化,提高LSSVM的预测性能.黑洞算法模拟自然界黑洞,吸引一定范围内的星体向其运行并吸收它们;算法在运行过程中,始终保持黑洞为最优解,通过星体的运行搜索整个空间.通过基于黑洞算法的LSSVM和基于粒子群(PSO)算法的LSSVM实现对二维函数的预测,并对二者进行了仿真研究.仿真结果证实,黑洞算法可以更好地实现LSSVM参数的优化搜索,且基于黑洞算法的LSSVM方法具有更高的预测精度.     

基于黑洞算法的LSSVM的参数优化

采用黑洞(BH)算法对最小二乘支持向量机(LSSVM)的惩罚系数C及径向基核函数参数σ进行搜索优化,提高LSSVM的预测性能.黑洞算法模拟自然界黑洞,吸引一定范围内的星体向其运行并吸收它们;算法在运行过程中,始终保持黑洞为最优解,通过星体的运行搜索整个空间.通过基于黑洞算法的LSSVM和基于粒子群(PSO)算法的LSSVM实现对二维函数的预测,并对二者进行了仿真研究.仿真结果证实,黑洞算法可以更好地实现LSSVM参数的优化搜索,且基于黑洞算法的LSSVM方法具有更高的预测精度.     

基于改进遗传BP算法的产业产值中单位GDP碳排放量的预测研究

针对产业产值中单位GDP碳排放量的预测问题,系统分析了产业产值与能源消耗碳排放量的关系,在传统遗传算法的基础上,根据动态神经网络模型优化算法过程,克服了传统遗传算法的无动态性,提出了改进遗传BP算法.根据2005—2014年北京等10个省市第三产业的单位GDP碳排放量相关数据资料,利用改进遗传BP算法预测各省市在2015年的单位GDP碳排放量,其预测值与真实值的平均误差值为-0.03,其平均相对误差仅为1.06%,说明该算法在数值预测方面的有效性.     

基于动态惯性权重粒子群算法的齿轮箱故障诊断研究

针对工程上齿轮箱实时监测和故障诊断的需要,对JZQ250型齿轮箱展开研究,提出了基于动态惯性权重PSO算法训练BP神经网络的齿轮箱故障诊断方法。通过时域参数分析提取监测特征值作为齿轮箱的状态监测值,将故障特征向量作为神经网络的输入向量进行故障诊断,并与BP算法的诊断结果进行了比较。实验结果表明,动态惯性权重PSO算法具有收敛速度快,经过神经网络学习训练后能较好地收敛于最优解;该算法用于齿轮箱故障诊断效果理想,能够准确进行齿轮箱故障定位,在故障诊断领域里具有广泛的应用前景。     

巷道收敛监测三维动态可视化系统开发

结合传统巷道收敛仪与三维激光探测系统的优势,提出了一种巷道表面收敛变形的三维可视化方法,该方法利用激光扫描获取巷道点云数据,建立巷道三角形壳体模型.采用反距离加权插值算法,计算巷道表面的收敛量.利用收敛量与颜色索引对应的抛物线非线性增强算法,突出了关注范围内大的收敛变形.基于VS2010与HOOPS进行了系统的开发,实现了巷道表面监测收敛量三维云图的动态可视化显示.并在铁蛋山矿进行了实例应用,直观地展示了监测区域巷道收敛变形的危险区域与变形过程,系统满足工程人员对监测数据直观表达和可视化分析的需求.     

基于CHCQPSO-LSSVM的空战目标威胁评估

针对传统评估方法存在的模型精度低、结构复杂、无法进行实时动态威胁评估等问题,提出了一种基于最小二乘支持向量机(LSSVM)的空战目标威胁评估方法。首先,对空战特征数据进行威胁指数分析,结合专家评判构建威胁评估样本库;然后,采用交叉杂交的混沌量子粒子群算法(CHCQPSO)对LSSVM中的正则化参数与核函数参数进行寻优,并与经典PSO、BP神经网络、网格法模型进行对比分析;最后,用优化后的LSSVM模型实现空战目标实时动态威胁评估。仿真结果表明,所提方法评估精度高、用时短,为空战目标威胁评估提供了一种新思路。     

基于LSSVM-GPC的流化床锅炉多变量协调控制方法

为了获得良好的流化床锅炉控制品质,提出了一种基于最小二乘支持向量机广义预测控制(LSSVM-GPC)的多变量协调控制方法,以适应流化床锅炉多变量、强耦合、大滞后的动力学特性.在研究流化床机理模型的基础上,采用LSSVM算法辨识流化床模型,并将所得的决策函数转化为广义预测模型.对比结果显示,LSSVM预测模型能够准确描述对象输出特性,并有效去除测量噪声.为了解决FBC多变量预测控制中易出现的病态矩阵以及调节量动作频繁等问题,进一步利用关联分析法,设计了基于LSSVM-GPC的流化床协调控制方法.仿真结果表明,结合该方法能使锅炉负荷响应具有良好的快速性和稳定性,同时能保持床温基本稳定,并有效避免调节量的频繁变化,达到了节能优化控制的目的.     

基于PSO算法的HVAC系统LSSVM预测控制

针对暖通空调(HVAC)系统,提出一种基于粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)的预测控制方法。该方法利用LSSVM建立HVAC系统预测模型并预测系统的输出值,引入输出反馈和偏差校正以克服模型失配等因素引起的预测误差,以此构造加权预测控制性能指标。由PSO算法滚动优化得到系统的最优控制量。利用该控制方法对一个HVAC系统进行仿真实验,结果表明该方法具有较好的控制效果。     

基于移动终端的楼宇应急疏散导航系统设计

为服务于城市防灾减灾应急管理,针对复杂楼宇应急疏散难题,构建面向应急疏散的楼宇空间数据模型.通过Dijkstra算法,动态分析并确定火灾发生时影响应急疏散路径的各项因子,结合移动终端人员特征,设计面向移动终端的楼宇应急疏散动态路径算法.基于室内定位和火灾消息,推送位于事发地点的室内人员所处的周围区域建筑结构情况信息,借助移动终端展示现场的地理空间结构,使疏散人员可直观地把握事发场景及其发展态势.     

基于多传感器信息融合的矿井提升机监测系统

为了保证煤矿安全生产，实现煤矿生产现代化，有必要对矿井提升系统 进行实时监测及运行状态分析。本文根据煤矿的生产实际，设计了多传感器的矿井提升设备运行状态计算机自动监测系统，介绍了自动监测系统的硬件组成及软件结构，并设计了几种实用性强、可靠性高的硬件电路。应用结果表明，所设计的基于多传感器信号融合的计算机自动监测系统对矿井提升这样多变量、非线性的复杂系统非常适用，能准确地进行动态监测、故障诊断及事故处理。     

胃食道酸碱度动态监测信号的人工神经网络分析算法

在深入分析胃食道pH值动态监测方法的基础上,提出了一种基于自适应共振理论(ART）适用于外参比电极胃食道pH值动态监测信号的分析算法．该算法的特点是综合考虑了食道pH值与胃pH值;结合pH值波形幅值和波形形态来确定返流判据;兼顾自适应方法与定阈值方法．理论和实验表明,这种算法具有一致、稳健和自适应等优点,在提高返流判据“客观性”方面具有一定的实际意义,与临床普遍采用的方法相比,判断精度有显著提高．     

基于优化支持向量机的带钢延伸量软测量研究

带钢退火过程中存在多变量非线性主导因素和数据噪声,难以用数学模型精确描述退火炉内带钢的延伸量.针对这一问题,提出基于核主元分析(KPCA)与免疫粒子群(ICPSO)优化最小二乘支持向量机(LSSVM)的炉内带钢延伸量软测量方法.采用ICPSO算法避免了粒子群算法易陷入局部最优的缺陷,利用ICPSO对LSSVM进行参数寻优,通过KPCA去除样本噪声,提取输入数据样本中的非线性主元信息,建立ICPSO-LSSVM软测量模型.此方法用于退火炉内带钢延伸量预测,通过现场生产数据仿真实验进行非线性函数估计;对比其他几种现有算法,实验结果表明本文方法具有较高的预测精度.     

基于“能源大脑”的城市区域碳排放实时计算方法

现有碳排放计算方法不能很好地满足碳排放区域逐渐细化和实时需求.为保证碳排放责任分摊的实时和准确,提出一种城市区域碳排放实时计算方法.利用改进的K-means聚类算法,对城市区域能源负荷的运行时段和运行场景进行聚类组合,得到典型碳排放特征.将区域单位电力碳排放量作为碳排放指标;归类运行时段和场景,计算各簇单位电力碳排放量和城市区域碳排放总量.基于中国东部某地区“能源大脑”中部分能源消费历史数据进行验证,结果表明：该聚类方法和碳排放指标可以有效地实时计算城市区域碳排放总量.     

基于DE-LSSVM的谐波源特性分析

根据电力系统中谐波源的变化特点,提出基于差分进化算法优化最小二乘支持向量机(DE-LSSVM)的电力系统谐波源分析模型.该模型采用非线性映射能力强的LSSVM拟合谐波电流、电网电压和特征参数之间的联系,采用差分进化算法对LSSVM参数进行动态优化.对模型性能的测试和分析结果表明,DE-LSSVM不仅加快了电力系统谐波源建模速度,而且获得比其他模型更优的谐波源特性分析结果.