基于智能算法的多水源泵站在线优化控制技术

在供水系统实际运行过程中,调度人员往往根据实际需求,在当前水泵运行状态的基础上开启或关闭一台水泵,以调节管网中的压力和流量.人工经验的调度方式难以充分反映并结合管网中压力、流量的变化及实际需求,进而及时作出科学决策.针对此问题,提出了多水源泵站在线优化控制技术,建立了基于直接优化调度方法的在线优化控制模型,采用智能优化算法进行了求解,并确立了四项方案评价指标对在线优化控制方案进行评价.将所建立的模型,应用于南方城市供水系统在线优化控制中,验证了其实用性,并编制了相应的计算程序软件.     

具有学习能力的FPN在航保系统易损性评估中的应用

基于Petri网模糊推理算法,引入改进粒子群优化算法,使其具有参数学习能力,摆脱系统中众多未知参数对专家和经验的依赖.以舰船航空保障系统为研究对象,建立了基于具有学习能力FPN(Fuzzy Petri net)的系统易损性评估模型,算例佐证了其学习效率及精度.与传统系统易损性评估方法的对比试验表明该评估模型的全面性和合理性,并可推广应用于复杂舰船系统易损性评估研究.     

水库调度PSO优化模型及求解方法

水库优化调度是水资源系统工程的一个典型,其实质是一个非线性的不等式约束优化问题,然而现行的求解方法中针对离散精度和复杂约束处理两个问题一直考虑不足,相关方面的研究也较少。将连续域寻优的粒子群算法引入到水资源系统工程中,建立水库调度的PSO优化模型,避免因离散而引起的寻优瓶颈,并针对传统粒子群算法的趋同性问题和复杂约束问题,提出退火罚函数法和混沌变异因子法,使改进后的粒子群能更有效地解决水库调度问题。通过实例分析,验证该方法的可靠性,为水库调度提供了一种新的求解途径。     

基于复杂适应系统理论的水土资源优化配置研究进展

复杂适应系统理论是现代系统科学的一个新的研究方向,已经在国内外水土资源优化配置中得到了应用并取得了成果。论述了复杂适应系统理论的基本概念、核心思想以及近年来该理论在国内外水土资源优化配置应用的研究现状,分析了理论在应用过程中存在的问题,强调指出了目前的研究中对单项的水、土资源优化配置研究较多,把二者结合起来的较少。最后对复杂适应系统理论在水土资源优化配置中的应用前景进行了展望。参38。     

探讨用系统哲学原理诠释科学发展观的科学内涵

我国经历了60年伟大的社会主义建设的发展实践,在60年的历程中,取得了丰富的成功经验和一系列的历史性教训。"科学发展观,是立足社会主义初级阶段基本国情,总结我国发展实践,借鉴国外发展经验,适应新的发展要求提出来的。"本文试图用学习系统哲学之体会,进一步理解与诠释科学发展观的科学内涵。文中根据系统哲学中的协同和谐原理、自组(织)涌现原理和整体优化原理来探讨科学发展观的含义,试图说明树立科学发展观就应学会用系统思维方法和系统哲学原理来思考问题和处理问题。文中还讨论了整体优化律发展了否定之否定律和人们的知识结构整体优化的有关问题。     

协同仿真技术在行星框架动态优化中的应用研究

行星框架作为行星传动机构的重要零部件,在设计时依然采用传统静强度设计理论,不能充分反映动载荷工况下的动态特征,导致工作过程中发生裂纹、突然断裂的现象,严重影响了行星传动机构的可靠性,给维修和保障带来很大的困难。因此对行星框架进行动态优化设计具有十分重要的意义。以行星轮数目为设计变量,采用基于接口的协同仿真技术作为求解工具,对某任务剖面下的行星框架进行动态结构优化,完善了行星传动设计方法,为设计部门提供有关寿命预测的参考数据。     

基于多元共生遗传神经网络的藻类预测仿真

提出一种多元共生遗传神经网络(PGANN),从遗传算法和神经网络——进化和学习两方面及其相互关系着手完善进化过程,以提高优化效果和泛化能力。该算法包括一个共生平衡交叉算子,一种多元选择策略和一种神经网络的分级优化策略,其中共生平衡算子能够兼顾进化过程中的方向性、多样性和自适应性;多元选择策略能够适应进化过程不同时段对选择压力不同的需求;而分级优化使运算规模和运算速度之间的矛盾得到缓解。将该改进的遗传神经网络PGANN应用于水库和湖泊有毒的优势蓝绿藻爆发预测,取得了满意的效果。     

基于两级扫描线优化的快速立体匹配算法

通过引入视差梯度理论,提出了一种弱连续性约束,它表示相邻点的视差变化总在一定的范围之内.同时引入了一种两级扫描线优化方法,它从水平和垂直两方向进行扫描线优化.最后把弱连续性约束与两级扫描线优化方法结合起来得到一种快速立体匹配方法.通过对比实验表明,与未加入弱连续性约束的两级扫描线优化算法相比,所提算法计算量更少,同时减轻了同纹理区域的匹配不确定性;与传统一维扫描线优化算法相比,该算法具有更高的匹配准确性并解决了扫描线间的不连续性.     

基于仿真模型的鲁棒协同优化方法研究

复杂产品往往由多个子系统通过复杂的耦合方式组成.针对复杂产品的多学科鲁棒设计优化技术已得到广泛应用.为了使用仿真模型进行多学科鲁棒设计优化,提出了SUA-RCO和DRS-RCO两种方法.在SUA-RCO方法中,仿真模型首先被拟合为近似的数学模型,然后利用近似数学模型进行RCO计算.系统的不确定性由SUA方法进行计算.为了解决大参数方差问题,DRS-RCO方法将仿真模型近似拟合为双响应面形式,分别使用两个响应面来拟合均值和方差.然后,进行协同优化计算.     

基于支持向量机元模型的随机鲁棒设计

随机鲁棒设计是一种基于蒙特卡洛仿真的优化设计方法.通常情况下,对于复杂仿真模型的随机鲁棒设计时间开销很大.为减小随机鲁棒设计过程中的时间开销,使用参数最优的最小二乘支持向量机替代仿真模型进行随机鲁棒设计.使用标准粒子群优化算法搜索支持向量机参擞和控制器参数的寻优.通过一个基准测试问题证明了该方法的可行性.