基于改进PSO算法的岩石蠕变模型参数辨识

微粒群优化(PSO)算法是一类随机全局优化技术,具有收敛速度快、规则简单、易于实现的优点.针对岩石蠕变本构模型参数的辨识问题,本文利用FLAC软件自带的fish语言实现了改进PSO算法对本构模型参数的辨识.该方法从岩石本构模型参数的随机值出发,以蠕变过程中试件变形的实验值与计算值的误差大小作为适应度函数来评价参数的品质,利用改进PSO算法规则实现模型参数的进化,搜索出全局最优的模型参数值,从而实现了岩石蠕变本构模型参数的自适应辨识.利用该方法对页岩蠕变实验进行了仿真研究,实验结果表明:改进的PSO算法用于岩石蠕变模型的参数辨识是有效的.     

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.     

基于并行PSO算法的岩石细观力学参数反演研究

用颗粒流方法(PFC)模拟岩石细观参数的校准过程主要采用反复试验,既依赖于经验又费时。提出了一种基于并行粒子群优化(PSO)算法的细观力学参数反演方法,该方法 PSO算法中微粒的适应值取宏观力学参数模拟计算值和试验值间的误差平方和,采用Open MP技术实现了PSO算法的并行计算。实例计算结果表明,以反演结果作为计算参数,宏观力学参数模拟计算值与试验值相比,相对误差普遍低于4%;敏感性分析表明,细观参数之间不独立,岩石宏观力学参数与细观力学参数之间存在高度非线性关系;计算效率分析表明,并行PSO算法是一种高效自动的PFC模型细观力学参数反演方法。     

考虑损伤的岩石非线性蠕变模型

蠕变行为广泛地存在于岩石类材料中,并对岩体的稳定性有着重要的影响。因此,对岩石类材料的蠕变行为进行深入的研究是很有必要的。为了更好地揭示岩石的蠕变机制,结合分数微积分理论,建立了一个考虑损伤的蠕变模型。通过推导元件的蠕变方程,得到了整个模型的蠕变本构方程;并基于广义塑性力学理论对此方程进行了三维应力状态下的扩展。结合一系列的煤岩、泥岩和盐岩三轴蠕变实验,对此模型进行了验证。将此新模型的验证结果和西原正夫模型进行了对比研究。结果表明,此模型能够更好地模拟岩石蠕变的全过程,尤其是加速蠕变。     

改进的Poyting-Thomson岩石损伤蠕变模型研究

针对经典的Poyting-Thomson模型不能描述岩石非线性特征尤为明显的加速蠕变阶段的不足,考虑岩石在蠕变变形过程中裂隙演化损伤过程,基于Kachanov损伤率公式,推导了损伤变量在加速蠕变阶段随应力和时间的演化方程,并根据Lemaitre应变等效原理将黏塑性体中的无损模型参数用有效模型参数代替,来表征岩石加速蠕变阶段的非线性特征;然后将损伤黏塑性体与经典的Poyting-Thomson模型串联,从而建立改进的Poyting-Thomson岩石蠕变模型。采用砂岩、泥质页岩、橄榄岩和粉砂岩压缩蠕变试验结果对改进的Poyting-Thomson岩石蠕变模型的合理性和精确性进行验证。结果表明：改进的Poyting-Thomson岩石蠕变模型理论曲线与试验曲线基本吻合,该模型不仅能反映四种岩石的衰减蠕变阶段和等速蠕变阶段,而且能准确描述其加速蠕变阶段,拟合相关系数均在0.99以上,其合理性和精确性得到验证。     

基于混沌粒子群算法(CPSO)在目标选址问题中的分析

基于国土资源有限的情况下,为使兴建的新工厂和设备在空间资源得到合理分配,对兴建的新工厂和设备等目标建立选址模型,并将蚁群算法,粒子群算法和混沌粒子群优化算法应用在该模型中,由模型数据的三种算法而对得到的数值进行对比和分析证实,混沌粒子群算法在目标选址问题上具有更好的寻优效果。     

岩石力学参数反演分析的优化算法

基于煤矿地下巷道开挖后实测位移，提出求解地下巷道各岩层弹性模量的位移反演模型，针对目标函数多极值性、收敛结果与初值及观测误差相关等问题，提出了一种位移反演分析优化算法，数值计算结果表明，本文所提出的数值方法反演的结果是唯一和稳定的。     

基于西原体模型的非定常岩石蠕变模型

为了能反映岩石稳定蠕变阶段力学参数的非线性和准确模拟岩石加速蠕变变形,通过将非线性函数引入Kelvin模型和构建一个关于蠕变破坏时间的损伤黏性元件进而得到一个非线性损伤西原体模型;基于塑性力学理论,推导了该模型的本构方程、一维和三维蠕变方程;引入蠕变试验数据验证该模型并对模型参数进行分析。结果表明该模型对不同形式的岩石蠕变曲线都能较好的模拟,模型参数可以表征岩石蠕变的非线性特征,可为蠕变模型的研究提供一定的参考。     

粒子群算法在时效变形参数反演中的应用

以往的现场刚性承压板压缩蠕变试验中部假设岩体变形为黏弹性变形,然后推求岩体的蠕变变形公式,并结合最小二乘法反演获得蠕变参数,这种方法由于进行了黏弹性变形的假设从而无法考虑岩体的黏塑性变形,为此,采用粒子群智能算法的数值反演方法进行研究,并且提出将流变模型中控制瞬时变形和时效变形的2种参数分开反演的二次粒子群算法.研究结果表明:采用这种方法可以有效地减小反演的难度,提高了反演精度;将此方法应用于现场压缩蠕变试验的参数反演,拟合时效变形参数曲线与试验曲线较吻合,从而可获得相应的流变参数.     

人工冻土蠕变非定常开尔文模型

为了更好地描述人工冻土的蠕变特性,将广义开尔文模型中的经典Newton黏壶中的黏滞系数定义为与时间有关的非定常参数,通过推算得到非定常开尔文模型,用粒子群优化算法识别模型中的参数。非定常开尔文模型能模拟不同应力下的蠕变试验数据,效果都很好,充分说明了该模型的合理性。目前采用非定常开尔文模型来研究人工冻土的蠕变规律的很少,此方法的提出为人工冻土领域的计算开辟了新思路。     

混沌免疫粒子群优化算法在BP网络训练中的应用

将人工免疫系统中的克隆选择和混沌算法引入粒子群优化算法,提出一种混沌免疫粒子群优化算法.算法的主要特点是利用克隆和混沌变异等操作,提高收敛速度和种群的多样性.结合Iris分类问题,将新算法应用到BP网络的权值优化中,并和基于标准PSO算法的方法和单纯BP网络训练进行比较.实验结果表明,该算法性能优于所比较的两种算法,并且具有良好的收敛性和稳定性.     

云模型和混沌粒子群算法的多目标无功优化

为了克服基本粒子群算法易陷入局部最优值和后期收敛速度慢的不足,提出一种基于云模型的自适应粒子群算法。该算法首先采用混沌优化策略对粒子群进行初始化,增加粒子取值的多样性;其次根据粒子的适应度值将种群中的粒子分成靠近最优值、较靠近最优值和远离最优值3个子群,并分别采取不同的惯性权重生成策略进行处理,其中较靠近最优粒子子群的惯性权重由正态云发生器动态自适应调整,摆脱算法陷入局部最优值束缚;最后在迭代后期通过正态云算子实现粒子的变异操作,使算法后期快速收敛到最优解。对标准IEEE30节点系统和IEEE118节点系统进行测试仿真,结果表明了文中算法解决多目标无功优化的有效性。     

采用混沌粒子群优化算法的水质模型参数辨识

提出了一种新的适用于水质模型参数辨识的混沌粒子群优化(LCPSO)算法.与粒子群优化(PSO)算法相比,该算法将Logistic混沌搜索嵌入到PSO算法中,利用混沌变量产生初始粒群,并对子代部分粒子群体进行微小扰动,随着搜索过程的深入逐步调整扰动幅度,以克服PSO算法的早熟、易陷入局部极值等固有缺陷.采用标准测试函数,将该算法与遗传算法(GA)和PSO算法进行比较,证明了其收敛速度和寻优能力的优越性.采用实测水质数据,将LCPSO算法应用于具有一定工程价值和复杂程度的Dobbins-Camp BOD-DO水质模型的参数辨识.结果显示,所得水质数据与实测值误差平方和仅为0.150 3,且相对误差在±0.2%范围内,故该算法可为水质模型的参数辨识提供一条新的途径.     

一个基于粒子群算法的淋巴瘤形态参数分类器

对自适应粒子群算法引入变异算子,并对其进行改进,将其应用到淋巴瘤形态参数的分类问题上.主要讨论了基于粒子群算法的淋巴瘤形态参数分类器的编码、适应度函数的构造及分类器的设计.实验结果表明,该方法能有效地进行淋巴瘤细胞形态参数的分类.     

基于樽海鞘群与粒子群混合优化算法的特征选择

针对现有特征选择方法中存在的收敛速度慢和计算效率低等问题,提出了一种基于樽海鞘群与粒子群优化的混合优化(hybrid optimization of salp swarm algorithm and particle swarm optimization,HOSSPSO)特征选择方法,该方法在樽海鞘群算法(salp swarm algorithm,SSA)的基础上,引入粒子群优化(particle swarm optimization,PSO),提高了SSA的收敛速度,改进了探索和开发步骤的效率,增加了解空间更多的灵活性和多样性,使得方法能够迅速获得全局最优值.为了验证算法的性能,在2个实验序列上进行了测试:第一个实验序列使用基准函数,将HOSSPSO与标准SSA、PSO进行了比较;第二个实验序列采用不同的UCI数据集,通过提出的算法确定最佳特征集.实验结果表明,相比于其他优化算法,HOSSPSO的性能更具优势,在多项评估指标中获得较好的效果,能以极少量的特征获得最大的分类精度.     

融合混沌和捕食搜索的混合粒子群算法

针对标准粒子群算法在处理复杂函数时存在的收敛速度慢、易陷入局部最优的缺点,提出了新的混合粒子群算法.该算法利用混沌运动的遍历性、对初始条件的敏感性等特性进行群体的混沌初始化,且捕食搜索策略可以通过调节限制级别的控制粒子群的搜索空间,从而平衡全局搜索和局部搜索.测试结果表明,新算法具有更快的收敛速度和更强的全局寻优能力.     

基于混沌粒子群优化算法的二维熵图像分割方法

针对二维熵图像分割方法在求取最佳阈值时存在计算量大及微粒群算法容易陷入局部最优且速度较慢等等问题,提出了基于混沌粒子群优化算法的二维熵图像分割方法。该方法考虑了图像中像素点灰度——邻域灰度均值对作为阈值对图像进行分割;利用混沌运动随机性、遍历性和初值敏感性,将混沌粒子群优化算法与阈值法相结合在二维空间作全局搜索。实验结果表明了基于混沌粒子群优化算法的二维熵图像分割法用于阈值寻优减少了搜索时间,提高了收敛率。     

基于改进型粒子群优化的节点自定位算法

为了提高测距误差影响下无线传感器网络节点自定位精度,提出一种基于距离的节点自定位新算法.对混沌搜索与粒子群优化进行算法融合,给出一种改进型粒子群优化算法,将其应用于节点自定位.新算法利用未知节点与信标节点之间的距离信息,通过改进型粒子群优化算法获取未知节点的位置.仿真结果表明,改进型粒子群优化算法对两种标准测试函数的搜索结果优于一般的粒子群优化算法.在测距误差和信标节点数量相同的条件下,相对于最小二乘估计法,新算法在各个测距误差级上的定位精度更高,其定位误差随测距误差增大而上升的趋势更缓慢.新算法具有更好的鲁棒性,适用于测距误差较大、信标节点数量较少的情况.     

基于改进微粒群算法的带有软水管的混凝土热学参数反分析

埋设冷却水管是常用的混凝土温控措施之一,塑料质水管由于铺设快捷、接头方便、价格便宜而得到广泛应用,但其在温控防裂分析计算中热分析参数很难确定.根据曹娥江大闸施工现场实测的温度值,利用改进微粒群算法对大闸混凝土温度场进行反演计算,并将计算值和实测值进行对比,分析计算结果的合理性,得到反映混凝土热学性能的参数.反演结果表明,微粒群算法作为一种优化算法,具有收敛速度快、效果好等特点.     

基于混沌粒子群的SVM参数优化算法

支持向量机的性能与核函数的参数及惩罚系数C有很大关系.利用Lozi’s映射的较好遍历性,在粒子群优化算法中引入Lozi’s映射的混沌思想,提出基于混沌粒子群优化算法的SVM参数优化方法.仿真实验表明,该算法能有效提高整个迭代搜索的收敛速度和精度,从而更好地优化SVM参数.