基于精英反向学习粒子群算法的光伏电池参数辨识

快速准确辨识光伏电池参数对于电池输出功率预测及电池故障诊断模型的研究具有重要意义.针对传统智能算法应用于光伏电池参数辨识时存在准确性低、易陷入早熟的问题,提出一种精英反向粒子群算法(EOPSO),在算法进化过程中,对当前种群中的优秀个体根据概率进行精英反向学习,生成精英反向种群,并将精英反向种群与当前种群进行竞争,当算...     

粒子群优化模糊PID的塔式起重机定位和防摆研究

针对塔式起重机控制系统是一个大时滞性、时变及非线性的控制系统,无法建立准确数学模型,难以进行精确控制的问题,设计了模糊PID控制器,通过模糊推理对PID的参数进行在线调整,但由于专家经验具有局限性、盲目性以及模糊控制内不确定因子过多,导致控制性能较差.因此,本文采用粒子群算法对量化因子和比例因子先在离线状态下进行迭代优...     

一种新的模糊神经网络删剪策略

模糊规则的数量直接决定模糊神经网络结构的复杂度和效率.基于神经网络自构行学习(NNSCL)算法,用共轭剃度预条件正则方程算法求取删除隐层神经元后的剩余权值,得到改进的NNSCL-1算法.将此算法应用到模糊神经网络的规则推理层,可以极大地优化网络的规则及结构,并且结构优化后不需要重新训练也能保持网络的精确度和泛化能力.仿真结果显示了此算法的有效性和可行性.     

基于反馈判决的鲁棒自适应机动目标跟踪算法

针对平方根容积卡尔曼滤波(SRCKF)在机动目标跟踪中面临测量异常和模型失准时估计精度下降的问题,提出了一种基于反馈判决的鲁棒自适应算法.利用Huber函数对观测残差序列处理获得权重向量以修正测量协方差,增强算法的抗差能力以克服测量异常问题;同时,引入多重渐消因子调整预测误差协方差,从而改变滤波增益,增强算法的自适应性...     

重图的T-染色

重图的T-染色是图的T-染色的一个较为实用的部分,这是因为在研究频率分配时,干扰可能会在不同的水平上发生.由于一个重图G能够被剖分成K个不同部分,用G(y,G0,G1,……,GK-1)来表示G.重图G(V,G0,G1,…,GK-1)的一个T-染色是指一个函数f,f满足同时是Gi的T(i)染色,即:对(A)i=0,1,……,K-1,{x,y}∈E(Gi)(→)|f(x)-f(y)|(∈/)T(i).G的f染色的色数是指值不同的f(x)的个数,记作:XT(f).其中x∈V(G).G的f染色的跨度等于max|f(x)-f(y)|,记作:spT(f),其中{x,y}∈E(G).G的T-染色的色数和跨度分别记作XT(G)和spT(G),当f取遍所有G的T-染色时,XT(G)=minXT(f),spT(G)=minspT(f).本文将给出一些关于重图的T-染色的已知结论,同时还将给出一种计算重图的spT的新算法.     

NSS自身安全防护系统的设计与实现

介绍了网络安全扫描系统(NSS)采用的两种安全防护保护机制和相关算法的描述.     

基于多技术融合的Web服务安全的研究与实现

随着Web服务的广泛应用,身份认证成为影响其发展的关键技术之一.本文在研究Web服务安全机制、数字签名技术(DSA算法)和智能卡技术的基础上,实现了一种基于多技术融合的Web服务安全的解决方案,有效的提高了Web服务的安全性,可以用于对Web服务安全性要求较高的信息系统.     

小数据集下基于DRKDE-ICSO 的BN结构学习

为了解决在小数据集条件下进行数据拓展时产生数据高度相似的问题,提出了基于降维核密度估计的小数据集拓展方法,从而得到较为准确的拓展数据。另外,针对鸡群优化算法求解效率低下和收敛性不足的问题,提出改进的鸡群优化算法进行结构学习:在雄鸡的位置更新公式中引入莱维飞行,使鸡群算法具有更强的跳跃能力;采用指数递减的动态调节惯性权重,以加速局部搜索和提高收敛速度;通过引入最优个体引导策略,增加找到较优位置的概率。实验结果表明,所提算法在小数据集条件下,BIC评分、准确率及汉明距离等指标均优于MCMC算法、BPSO 算法、CSO 算法、ADLCSO-I算法和SA-ICSO 算法。     

基于改进差分进化算法的超临界水氧化动力学参数估计

为了准确地估计反应动力学参数,提出一种改进差分进化算法(MDE),能根据算法搜索进展情况而自适应地确定变异率,使算法在初期保持个体的多样性,避免早熟;在后期逐步降低变异率,保留优良信息,避免最优解遭到破坏,增加搜索到全局最优值的概率。与传统的差分进化算法(DE)相比较,MDE算法的离线性能和在线性能都有较大的改进,搜索到全局最优解的概率获得较大提高,对算法参数的敏感性低。将MDE算法应用于2-氯苯酚在超临界水中氧化反应动力学参数的估算,获得模型的拟合相对误差绝对值之和比文献报道值降低了14.2%。     

基于GAs/PSO组合算法的水轮机调速系统PID参数寻优

提出了一种基于GA s/PSO组合算法的P ID控制器参数自整定方法,这种方法兼有遗传算法(GA s)和粒子群算法(PSO)的优点。组合算法种群由GA s和PSO的最佳个体迁移形成,其中GA s采用了实数编码和变异概率自适应,PSO算法采用了带指数衰减的惯性因子的速度更新算法,以加快收敛速度。通过对水轮机调速系统P ID控制器参数寻优仿真比较表明,该组合算法寻优性能比单独的GA s和PSO表现更为优异,且所得系统具有更好的动态性能。