卫星网络控制器动态部署优化方法研究

当前有关研究软件定义卫星网络控制器静态部署方法忽略了卫星网络拓扑的动态性、用户数据流量的不稳定性。综合卫星网络的动态特性,基于软件定义卫星网络的架构,通过设定的三门限值,采用交换机迁移的方式,提出了一种改进鲸鱼优化算法（MWOA）的多控制器动态部署方法,有效地实现了多控制器动态部署。仿真实验表明：MWOA相比于其他算法,在交换机迁移开销、控制链路时延及负载均衡方面均有显著优势,该方法能够进一步提升卫星网络的处理性能,满足用户通信需求。     

一种融合多种策略的改进鲸鱼优化算法

针对标准鲸鱼优化算法容易陷入局部最优、收敛精度低的问题,提出一种融合动态划分等级策略和交叉存档策略的自适应鲸鱼优化算法,记为IWOA。首先引入自适应收敛因子,根据适应度值动态调整个体在迭代过程中的包围步长,平衡算法的探索和开发能力;然后对适应度不同的个体采用不同的自主学习策略,在增加种群多样性的同时加快算法的收敛速度;最后提出一种交叉存档策略,赋予陷入更新停滞的个体更好的位置,增强算法跳出局部最优的能力。在22个基准测试函数上的实验结果表明,IWOA在收敛速度和寻优精度等方面均有显著改善。在压力容器设计问题中的应用也表明IWOA可以有效解决复杂的非线性优化问题。     

基于2维鲸鱼优化加权的WGG-Otsu算法的钢板表面缺陷图像分割

相对于1维Otsu算法,2维灰度级-梯度Otsu算法的抗噪声能力有所增强,但对受噪声影响较大的钢板表面缺陷图像的分割精度仍不高,且分割效率较低.为提高钢板表面缺陷图像分割的精度和效率,提出2维鲸鱼优化加权的灰度级-梯度Otsu算法. 2维鲸鱼优化加权的灰度级-梯度Otsu算法能增大分布概率较低的阈值类间方差,减少背景与目标间差异对分割的影响.仿真实验结果表明,4种算法中,2维鲸鱼优化加权的灰度级-梯度Otsu算法的分割精度及效率均最高.     

基于遗传-鲸鱼优化的SCARA自适应迭代学习控制

针对SCARA重复运动后的轨迹会出现偏差的问题,给出了一种基于改进鲸鱼算法的自适应迭代学习优化控制策略。根据SCARA驱动方程,设计了动力学系统的迭代学习控制律。由于鲸鱼算法收敛速度慢,利用遗传算法与鲸鱼算法结合,提高算法的全局搜索能力。对机械臂控制器参数K_P、K_D进行寻优。实验结果表明,该算法灵活性好,对系统期望轨迹具有较高的跟踪精度,有效降低了双关节机械臂的位置、速度跟踪误差,具有较强的可行性与有效性。     

基于改进鲸鱼算法优化神经网络的飞机空气循环系统建模及故障分析

飞机空气循环系统在飞行过程中很容易出现故障,因此在地面上模拟仿真飞机空气循环系统有着重要意义.首先建立飞机空气循环系统仿真模型,针对该系统建立神经网络模型进行训练;引入PID控制算法调节参数以应对飞机遇到的不同飞行状况;针对神经网络模型引入鲸鱼算法,并运用烟花算法、重启机制和正余弦混沌双弦算法对鲸鱼算法进行改良.结果表明:模型可以模拟飞机引气到排出过程,以及不同情况下飞机空气循环系统4个主要组件的出口温度;神经网络系统可以根据输入指标数据预测不同组件的出口温度,并分辨出飞机空气循环系统是否出现故障及哪里出现故障.改进后的神经网络训练速度加快,准确率提升,明显降低了陷入局部最优值的可能性.     

鲸鱼为什么要吐泡泡

<正>我知道螃蟹喜欢吐泡泡,但是,我看到电视上有些鲸鱼也会吐泡泡,这是为什么呢?A:这种会吐泡泡的鲸鱼叫做座头鲸,它是海洋中的庞然大物。     

基于鲸鱼优化算法的VMD-NLM脉搏信号滤波算法研究

针对采集到的脉搏波信号中存在基线漂移和高频噪声等干扰,导致后续病理研究分析困难、测量精度相对较差的问题,提出了一种改进的变分模态分解和非局部均值降噪结合的滤波算法。针对变分模态参数选取不同对结果存在不同影响的问题,采取鲸鱼优化算法自适应选取合适的参数,并根据排列熵结果筛选模态分量,对噪声分量进行非局部均值滤波,最后将信号重构,实现对脉搏波信号的噪声去除。实验结果表明：含噪信号经过改善后的滤波算法处理后,其信噪比与均方根误差均优于其他降噪方法,证明该算法能够有效地滤除信号的噪声,有助于脉搏波的分析处理。     

基于改进鲸鱼算法的PID参数整定系统设计

被控对象数学模型的精度决定了PID控制算法的效果。为解决建模困难的问题,上位机采用混沌序列生成鲸鱼优化算法的初始种群数据并发送给下位机。下位机控制被控对象运行,并将结果反馈给上位机。多次迭代计算之后,上位机基于鲸鱼算法获得最优PID参数组合。该系统无需建立数学模型,提高了参数整定精度,简单易用。在对比实验中,混沌鲸鱼算法的寻优结果优于鲸鱼算法和混沌粒子群算法,控制效果良好。     

基于MWOA-Elman神经网络的接地网瞬变电磁缺陷识别

为改进当前瞬变电磁探测系统的局限,提高接地网缺陷识别的效率与精度,提出一种MWOA-Elman神经网络,完成数据由采样到成像的转化过程,快速实现视电阻率成像,精准识别接地网的不同缺陷。首先,通过理论计算完成接地网瞬变场参数样本集,构造Elman神经网络的单映射关系。其次,围绕收敛因子、自适应权重与阈值对鲸鱼算法进行改进,用改进鲸鱼算法(modified whale optimization algorithm, MWOA)优化Elman神经网络的权值和阈值。测试结果表明,MWOA-Elman神经网络在第854步收敛,4项误差指标MAE、MSE、RMSE、MAPE分别为0.103 51、0.040 09、0.126 64和0.333 52%,接地网缺陷识别精度为99.678%,识别效率与精度均优于其他模型。最后,通过分析3×3接地网3种典型缺陷位置的成像结果,验证了MWOA-Elman神经网络应用于接地网缺陷识别的有效性,为嵌入瞬变电磁探测系统的智能算法提供参考。     

基于混合鲸鱼优化算法的鲁棒多用户检测

针对冲击噪声环境下多用户检测误码率高的问题,提出一种基于混合鲸鱼优化的鲁棒多用户检测算法。该算法首先利用基于非线性控制策略的改进鲸鱼优化算法,加速寻优算法迭代过程的收敛;再利用自适应差分进化算法丰富算法种群个体信息,增强优化算法的全局收敛性;同时将适应度较好的个体信息保存到集合中,以保证下一次迭代寻优方向的可靠性,最终实现对最优解位置的快速解算。仿真结果表明,基于本文算法设计的多用户检测器相比采用遗传算法、差分进化算法,以及鲸鱼优化算法的多用户检测器寻优迭代次数更少,且误码率低。