基于DBO-BP的工业机器人定位误差补偿方法

为提高工业机器人绝对定位精度,提出一种基于DBO-BP与离线前馈校正相结合的方法。该方法适用于工业机器人定位误差补偿研究。通过使用拉丁超立方抽样法获取工业机器人的位姿样本,并利用BP神经网络建立误差预测模型,应用DBO优化算法改善了局部最优现象,从而提高了模型的收敛性和鲁棒性。经过离线前馈补偿处理后,降低了工业机器人定位误差,大幅提高了机器人绝对定位精度。这种方法能够有效提高机器人的精度和稳定性,并为工业机器人的精准定位问题提供了可行的解决方案。

基于DBO参数寻优的KELM混凝土坝变形预测模型

传统回归模型与单一的智能学习模型,无法准确反映混凝土坝变形监测数据与环境量之间复杂的非线性关系,且所构建的变形预测模型精度不高、过拟合问题显著。为此,结合蜣螂优化(DBO)算法和核极限学习机(KELM),利用DBO算法对KELM模型中的正则化参数和核函数参数自动全局寻优,构建了DBO-KELM混凝土坝变形预测模型。结合工程实例,验证模型对于大坝变形真实情况的反映效果,结果表明,DBO-KELM混凝土坝变形预测模型预测精度高、泛化能力强。

基于DBO-SVR算法的爆破振动预测比较研究

为提高预测精度和适应性,基于梅山铁矿的爆破工程,提出了一种基于蜣螂算法优化的支持向量回归(Dung Beetle Optimize Support Vector Regression,DBO-SVR)模型用于爆破时质点峰值振动速度(Peak Particle Velocity,PPV)预测,使用皮尔逊热图分析各特征与PPV的相关性,并使用均方误差和决定系数作为模型评估指标,对比分析DBO-SVR,DBO-XGB,SVR,XGB四个算法的预测结果,四个算法的均方误差分别为0.028,0.152,1.084,0.226,决定系数分别为0.985,0.917,0.408,0.877。研究结果表明,DBO-SVR算法的预测效果优于其他几个模型;DBO-SVR算法模型综合考虑了多个爆破设计参数对PPV的影响,极大缩短样本数据的训练时间,并加快模型的收敛速度以满足实际爆破振动的速度预测要求,预测结果更精确,误差更小,可为类似爆破工程的峰值振动速度的预测提供参考。

基于DBO-LQR和MPC的智能车轨迹跟踪控制

为提高智能车辆轨迹跟踪的精度和稳定性,提出1种基于蜣螂优化(DBO)算法优化的线性二次型调节器(LQR)与模型预测控制(MPC)的横向、纵向控制策略。构建车辆动力学模型和基于Frenet坐标系下的横向误差模型,设计带有前馈的横向LQR控制器,利用蜣螂优化算法确定LQR控制器权重系数;基于MPC实现纵向速度和位置的跟踪,利用纵向速度联结横向控制器与纵向控制器,同时对车辆的速度和转向进行控制;最后基于CarSim和Matlab/Simulink联合仿真平台在不同道路工况下进行仿真实验,验证所提策略的有效性。结果表明:在城市道路泊车、城市道路换道、高速公路换道3种工况下,车辆的最大横向跟踪误差均小于0.010 m、航向偏差在0.0250 rad内;横摆角速度及前轮转角变化比较平稳、无明显抖动,所提策略可有效提高车辆跟踪轨迹的精度和稳定性。

基于DBO优化的球载吊舱自抗扰姿态控制

针对采用扭转器作为执行机构的球载吊舱姿态控制方案,利用步进电机作为动力来源,设计了基于自抗扰控制(ADRC)算法的串级控制器,利用蜣螂优化算法(DBO)对控制器中的关键参数进行了寻优,利用寻优得到的控制器相关参数,对吊舱的姿态控制进行了仿真,并考虑了吊舱在飞行过程中抛砂对控制产生的影响。仿真结果表明,所设计的控制算法能跟踪静态与动态目标,控制精度较优,并具有一定的抗干扰能力,也证明了蜣螂优化算法的有效性。

基于DBO-VMD和IWOA-BILSTM神经网络组合模型的短期电力负荷预测

新能源在现代电力系统中占比不断提高,其负荷不规律性、波动性远大于传统电力系统,这就导致负荷预测精度不高。针对这个问题,提出了蜣螂优化(dung beetle optimizer,DBO)算法优化变分模态分解(variational mode decomposition,VMD)与改进鲸鱼优化算法优化双向长短期记忆(improved whale optimization algorithm-bidirectional long short-term memory,IWOA-BILSTM)神经网络相结合的短期负荷预测模型。首先利用DBO优化VMD,分解时间序列数据,并根据最小包络熵对各种特征数据进行分类,增强了分解效果。通过对原始数据进行有效分解,降低了数据的波动性。然后使用非线性收敛因子、自适应权重策略与随机差分法变异策略增强鲸鱼优化算法的局部及全局搜索能力得到改进鲸鱼优化算法(improved whale optimization algorithm,IWOA),并用于优化双向长短期记忆(bidirectional long short-term memory,BILSTM)神经网络,增加了模型预测的精确度。最后将所提方法应用于某地真实的负荷数据,得到最终相对均方根误差、平均绝对误差和平均绝对百分比误差分别为0.0084、48.09、0.66%,证明了提出的模型对于短期负荷预测的有效性。

基于NGO-VMD和DBO-SVM的滚动轴承早期故障诊断

针对滚动轴承早期故障阶段信号微弱难以提取和识别的问题,提出利用北方苍鹰算法优化变分模态分解参数,并结合蜣螂优化算法优化支持向量机的方法进行故障提取和分类识别。首先,采用北方苍鹰算法对变分模态的最佳参数进行搜索,将信号用变分模态分解为若干个本征模态函数;然后利用峭度选取最优本征模态函数;最后将其输入蜣螂优化算法-支持向量机诊断模型中进行故障分类识别。实验结果表明,北方苍鹰算法-变分模态分解方法在迭代次数和收敛精度上均有一定的优势,采用峭度选择最优本征模态函数,包络解调分析后提取早期微弱故障信号故障特征的能力最佳;蜣螂优化算法-支持向量机诊断模型能在故障信号微弱背景下,使故障诊断分类识别率有一定的提高。该方法具有较好的故障特征提取和分类识别能力,为滚动轴承早期故障诊断提供技术支持。

基于IDBO-RBF的自适应巡航系统轮速传感器故障诊断

汽车自适应巡航系统发生故障,将会造成巨大的生产经济损失,甚至直接危害人身安全。该文提出一种基于改进蜣螂算法(improved dung beetle optimizer,IDBO)优化RBF神经网络的自适应巡航系统轮速传感器故障诊断方法。首先,利用Matlab建立自适应巡航系统轮速传感器故障仿真模型,提取出故障诊断模型的特征参数;其次,用融合了Levy飞行和自适应权重对蜣螂算法进行优化,用优化后的算法建立IDBO-RBF故障诊断模型;最后,与传统BP和DBO-RBF模型进行对比验证,实验结果表明,IDBO-RBF模型在故障诊断精度上达到96.8%,可以有效诊断自适应巡航系统轮速传感器的故障类型。

昆明城市盲道系统的DBO模式应用

研究通过对昆明市的一个视障人群聚居区进行实地走访和对视障人群和市民进行城市盲道建设的认知及满意度调查,借助调查所得材料和数据,分析研究昆明城市盲道存在的问题,提出尝试将DBO模式首次应用于盲道的设计、建设和长期运营上,由政府相关部门作为DBO主体对整体项目进行把控和资金支持工作,承包商承担整体工作,对项目进行协调推进,并基于此模式提出昆明盲道系统运营管理新策略,以期为国内城市盲道的建设提供科学的理论参考和依据。

基于DBO-PSO-BPNN的Stewart平台正运动学求解方法研究

为了提高Stewart并联机器人的正运动学解算精确度,文中首先建立了Stewart并联机器人的运动学模型,并提出了一种基于双级BPNN的神经网络结构,解决了位置数据和姿态数据量纲不同的问题;其次针对BPNN的阈值和权值优化初值的选择问题,提出了一种基于DBO-PSO的混合优化算法;最后为验证以上方法的效果,通过Stewart并联机器人的逆运动学构建了BPNN训练的数据集,并将提出的DBO-PSO的混合优化算法与DBO和PSO优化算法相比较,结果表明提出的基于DBO-PSO的双级BPNN具有更好的解算精度。

DBO合同及其风险分担研究——以城市水务项目为例

DBO模式是一种新型工程项目采购模式,传统项目采购模式相比,其在项目融资和激励私营方提高运营绩效方面具有十分明显的优势。因此近年来在国内外基础设施领域,尤其在交通和城市水务领域得到了广泛应用。FIDIC于2008年颁布了《DBO合同(正式版)》,以适应DBO模式的迅猛发展,促进其规范化应用。文章对DBO模式及其合同结构进行了初步探讨,以城市水务项目为例,通过与常见的BOT模式对比,研究了DBO合同风险分担及其优势。并结合案例介绍了DBO模式的应用,指出其在我国城市水务发展转型期将有广阔的应用前景。

DBO模式在污水处理行业的应用研究

DBO模式是PPP模式之一,在国家大力推进PPP模式之际,尝试开展DBO模式在污水处理行业的应用研究,分析污水处理行业发展趋势与问题,DBO模式在污水处理行业应用的适用领域与适用条件、优点,提出DBO模式在污水处理行业的推行路径,希望通过DBO模式解决污水处理行业的问题,促进行业健康发展。本文认为,城镇、乡镇与村庄生活污水处理、工业企业废水治理等领域具有项目设计与建设非标准化、项目需求明确、责任边界清晰、项目运营服务质量和成本容易监测等特点,应用DBO模式具有可行性。这些领域内的项目若有可靠的建设资金来源、稳定的运行费用保障机制、急于改善的区域水环境质量及严格的环保设施运行需求,适合采用DBO模式。DBO模式可以提高这些项目的建设质量和运营质量,节约成本,缩短建设周期,提高抗风险能力。同时,在行业层面,能够解决这些领域面临的项目设计不合理、建设质量不高、运行费用高、运行管理不善、闲置等诸多问题,可以促进先进实用技术和管理经验的应用,提高行业技术和运营管理水平的整体进步。因此,建议政府从开展实施试点、制定行业规范、加大宣传和推广、颁布政策文件等方面大力推进DBO模式在污水处理行业的应用。

DBO模式在医疗废物集中处置设施中的应用探讨

我国医疗废物集中处置行业呈现多种投资来源和多种运营模式并存的格局,医疗废物集中处置设施建设和运营主要采用以BOT为主的特许经营模式,部分设施由于模式选择不当,导致产权边界不清、稳定运行困难等问题,一定程度限制了行业的可持续发展。近年来开始应用于我国污水处理设施的DBO模式具有责任主体一致、建设运营效率较高等特点,在环境污染治理领域的应用前景较为广阔。本文通过对DBO模式和BOT模式的所有权归属、责任主体、实施期限等方面进行对比,分析得出DBO模式较BOT模式在设施的运营阶段具有突出优势,应用于医疗废物集中处置设施可以更有效地保证运营效率、节约财政支出、强化政府监管。同时,预期在医疗废物集中处置项目中推行DBO模式可能存在的阻碍,包括政府积极性不高、招商面临一定难度、实施过程的不确定因素较多等,并有针对性提出了在中小城市开展试点、发放环境基础设施建设债券、邻近区域多个项目捆绑招商等建议,以促进DBO模式在医疗废物集中处置设施中的应用。

建设项目采用DBO模式的交易费用浅析

随着技术的发展和工程建设模式的创新,一些国家和地区出现了一种新型模式——DBO,主要应用于基础设施和公共设施项目。此文以新制度经济学中交易费用理论为基础,分析DBO模式的特点,并与DB+O模式进行交易费用的比较与分析,阐述DBO模式的先进性,以期在我国工程建设领域得到推广应用。

基于DBO和AJAX技术的教学管理系统的设计与实现

提出一种基于DBO和AJAX技术的教学管理系统实现方式,详细讨论了其体系结构、系统设计;最后给出了作业管理模块的部分详细设计和实现。系统使用UML作为系统分析建模的工具,使用VS2005作为开发平台,从而使得系统开发维护方便,系统可扩展性强。

DBO模式在分散型乡镇污水处理项目中的应用

乡镇水环境日趋恶化,污水处理设施建设势在必行,针对乡镇污水处理的特点,提出DBO全周期管理和商业模式,分析了DBO模式在乡镇污水处理项目中的优点,列举了环巢湖生态修复二期项目案例中DBO模式的应用,为乡镇污水处理项目提供参考。

浅析DBO模式下城市污水处理厂建设项目的实施

本文以城市污水处理厂建设项目为研究对象,分析了DBO模式下,项目在设计、建设和运营各阶段的实施过程中需要注意的一些问题,包括污水处理厂的进水水质和水量,出水标准,总包商对项目的整体掌控能力,联合体成员之间的协调配合,以及工程的变更风险。

多孔硅/多孔氧化铝与DBO-PPV复合光致发光特性研究

通过旋涂法,实现了阳极氧化多孔硅和多孔氧化铝与有机发光材料DBO-PPV的复合。发光特性的测试表明,多孔硅与DBO-PPV复合后发光光谱中出现了在多孔硅和DBO-PPV的光致发光谱中都没有的发光峰,被认为是DBO-PPV向多孔硅发生了载流子的转移。而多孔氧化铝/DBO-PPV复合体系的发光特性兼具有多孔氧化铝和DBO-PPV的特征,PL谱呈现多峰的结构(四峰)。多孔氧化铝的纳米孔有效地吸附了DBO-PPV分子,抑制了DBO-PPV分子的聚集,使它的禁带宽度变宽,从而使DBO-PPV的发光峰蓝移,蓝移量为90nm。

GB/T 7251.3/IEC 61439-3配电板（DBO）试验浅析

介绍GB/T 7251.3—2017的试验项目,并与其代替版本GB/T 7251.3—2006相比较,给出新增和有变化的试验内容,详细分析电磁兼容(EMC)试验。

DBO模式在逸仙园污水处理厂项目上的应用

逸仙科学工业园的发展宗旨是以高新技术产业为龙头,立足整体发展,发挥区域、行业优势;以高新科技研究成果向其产品工业化生产的转化过程为切入点;以开发和生产附加值大、利润高的高科技产品为目的;建设具有国际水准的投资和开发环境,创造高效能的基础设施、高质量的生态环境及生活环境。