基于MSTSO算法的冷水机组负荷分配模型研究

为降低空调系统的运行能耗,优化冷水机组的负荷分配,提出了一种多策略改进的金枪鱼优化算法(MSTSO),引入黄金正弦觅食机制和非线性惯性权重来加强算法对最优解的全局定位能力;通过蜜獾随机搜索策略赋予算法更强的性能以跳出局部最优;利用双向长短期记忆网络(BiLSTM)搭建能效预测模型并对各机组的能效比(COP)进行预测,同时使用MSTSO算法对网络的初始参数进行寻优从而获得最佳训练效果;提出BiLSTM-MSTSO负荷分配模型,对多台冷水机组的部分负荷率(PLR)进行合理分配与优化;实验结果表明,优化后的BiLSTM预测模型拥有更高的预测精度,MSTSO算法相较其他智能优化算法可以减少更多的能耗并最大化提升冷水机组的运行效率;因此BiLSTM-MSTSO智能模型适用于多冷水机组的能耗预测与优化。

分层表冷器的水循环优化预测控制研究

针对分层表冷器的协同控制问题,根据室外温度和室外相对湿度这2种环境变量,采用门控循环单元(gated recurrent unit,GRU)网络搭建表冷器温湿度系统预测模型,用于预测室内平均温度和室内平均湿度。首先,针对水循环优化算法收敛速度慢的问题,将生物地理学优化(biogeography-based optimization,BBO)算法中的迁入迁出行为嵌入到水循环算法(water cycle algorithm,WCA)中,以提高算法性能;然后,利用改进的水循环算法(improved water cycle algorithm,iWCA)滚动优化得到控制量,即主表冷阀、副表冷阀和电动三通阀的开度。仿真实验结果表明:与传统的预测控制算法相比,GRU-iWCA预测控制方法具有更高的跟踪精度和稳定性。

空压机负荷预测与智能调度算法研究

针对目前空压机机组调度中存在能源消耗高、资源浪费严重等问题,结合空压机机组的组合特点,对空压机的台数调度进行研究。提出一种多策略改进的哈里斯鹰优化算法(MHHO)和深度回声状态网络(DESN)相组合的空压机负荷预测模型,在获得一天24 h所需负荷之后,利用MHHO算法对机组组合进行调度和用气量分配。实验结果表明:预测模型对空压机负荷预测具有更高的准确性,提高了机组的运行效率,减少了系统能源消耗,具有应用价值。

采用改进被囊群算法的多冷水机组负荷分配优化

为了降低中央空调系统的运行能耗,针对多冷水机组负荷分配优化问题,提出一种随机森林特征优选结合核函数极限学习机的冷水机组能效预测模型,通过剔除冗余特征提高预测精度;然后提出一种混合策略改进的被囊群算法,融合鲸鱼螺旋搜索策略改进个体更新方式,引入非线性动态权重平衡全局探索和局部开发,使用空翻扰动策略避免陷入局部最优;最后在能效模型的基础上,采用改进被囊群算法对多冷水机组负荷分配进行优化;实验结果表明,随机森林特征优选的方法可以有效地提高能效预测模型的准确度;改进被囊群算法通过优化机组的启停状态和负荷率可以有效发挥系统的节能潜力,与原有方法相比能耗降低约6%;说明该方法适用于多冷水机组的负荷分配优化问题。

过渡季空调温湿度辨识模型与模糊控制研究

为了解决空调机组过渡季工况冷热相消的能耗问题,针对表冷器和加湿器建立了基于能量谷优化算法的辨识模型,为了提高能量谷算法的优化性能,采用二阶振荡法融入到能量谷算法中,提高了优化算法的系统辨识精度。采用模糊控制器对表冷器和加湿器阀门开度进行调节,为了提高模糊控制器的控制性能,采用量化系数自动产生更优的模糊规则。仿真实验说明该系统提高了控制精度,控制系统的跟踪性和抗干扰性也得到了提高,使得输出的温湿度快速、准确地逼近设定值,有利于满足生产工艺的需求。

基于鲁棒最小二乘支持向量机的电机振动故障诊断

对时序数据建模与辨识技术进行了分析,提出了使用鲁棒最小二乘支持向量机(LS-SVM)算法建立自回归移动平均(ARMA)时序预测模型。该模型是在LS-SVM的约束条件中考虑了鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到电机振动故障诊断的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报电机的振动值,从而预测电机振动故障。实验表明该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为确保电机正常运行创造了良好条件。

基于模拟退火的并行粒子群优化研究

针对粒子群优化(PSO)容易陷入局部极小,提出将模拟退火(SA)引入并行PSO算法.这种模拟退火并行粒子群算法,结合了并行粒子群算法的快速寻优能力和SA的概率突跳特性,保持了群体多样性,从而避免了种群退化.针对转炉提钒过程是一个复杂非线性反应过程而难以建立终点控制模型的问题,提出了基于模拟退火的并行粒子群RBF网络的辨识模型,优化了RBF核中心个数,从而克服了随机性选择.将该模型用于预测提钒吹氧时间,仿真结果表明预测误差不超过真实值的20%.

空间密度聚类在数字图书馆图像检索中的应用

图像聚类为数字图书馆图像管理提供了新的技术支持,能够在大量图像数据中发掘使用户感兴趣的信息。传统应用于图像聚类的特征提取算法往往忽略图像颜色的空间分布信息,且适应性较差。通过等面积矩形环对图像进行划分并计算各空间区域的相关性,并根据空间区域相关性计算各区域的重要性,将空间信息与颜色信息进行融合。同时对快速搜索密度峰值聚类算法的截断距离进行了合理改进,在保证聚类精度的同时提高收敛速度。最后将该密度聚类算法应用于数字图书馆图像检索之中。通过实验验证,本文提出的方法是可行的、有效的。

改进RPE算法的神经网络在客户欺诈预测中的应用

客户欺诈在一定程度上抑制了消费,这会妨碍电信运营商和电信用户的亲密度,从而削弱电信运营商的市场竞争力。客户欺诈现象存在非常复杂的多元非线性关系,从统计学角度出发,难以建立预测模型,针对这些问题,提出了基于递推预报误差(RPE)算法神经网络的方法建模,并采用改进的动态遗忘因子方法保证了平稳收敛。实验结果表明,用该算法预测客户欺诈的危险度效果优于BP神经网络模型,具有实用性和有效性。

自反馈RBF网络在高炉热状态模型预测中的应用

在RBF神经网络的输入上加入了自反馈的神经元,提出了自反馈RBF神经网络,使网络对过去时态的数据具有了记忆能力,对该网络进行了稳定性分析后,采用层叠的自反馈神经元以增加网络的动态处理能力,并设计了自反馈RBF的在线训练算法,通过对混沌时序数据的仿真实验证明该算法的有效性。在此研究基础上,建立了高炉的热状态预测控制模型,预报铁水中硅的含量以达到判断高炉热状态的目的,实验表明该模型提高了高炉热状态的预报精度。

基于鲁棒LS-SVM的ARMA时序模型研究

对时序数据建模与辨识技术进行了分析,提出了使用鲁棒LS-SVM算法建立ARMA时序预测模型。该模型是在LS-SVM的约束条件中加入鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到高炉的热状态的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报铁水中硅的含量,从而达到了预测高炉热状态的目的。说明了该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为稳定钢铁质量和生产工艺创造了良好条件。

增量式遗传RBF神经网络在铁水脱硫预处理中的应用

铁水脱硫预处理过程是一个非常复杂的多元非线性反应过程 ,针对它提出了基于增量式遗传RBF神经网络的模式识别方法 ,预测脱硫剂加入量 .该算法克服了RBF中心个数选择的随机性 ,较好地解决了样本聚类 .为了保证网络结构能适应不断扩大的数据集 ,提出了增量数据处理方法 ,对原有网络参数进行修正 ,这样就有利于连续生产操作 .现场测试结果表明 ,采用该算法后结果的误差较小 ,满足了终点命中率在90 %以上的指标 ,提高了经济效益 ,这说明该算法具有工程实用性 .

一种并行协同粒子群优化的支持向量机预测模型

转炉提钒过程是一个非常复杂的多元非线性反应过程,从统计学和反应机理等角度出发,难以建立终点控制静态模型．针对这样的问题,提出了并行协同粒子群优化的支持向量机预测模型,不仅克服了支持向量机偏差ε和折中参数C选择的随机性,而且较好地解决了大数据集的快速并行计算,缩短了计算时间,从而有利于连续生产操作．试验表明,用该模型预测转炉提钒的冷却剂加入量和吹氧时间,结果的误差减小,满足了终点命中率在90%以上的指标,具有工程实用性．

并行多层关联规则的挖掘算法研究

在分析了单数据库多层关联规则算法SMAM算法的基础上,为了提高现有算法的效率,改善内存的使用率,提出了两种并行多层关联规则算法PMAM-L和PMAM-LG。在无共享的工作站机群上进行性能测试,证明PMAM算法是有效的。

基于M-BUS现场总线协议的自动计量系统

利用现场总线技术实现企业生活区能耗监测系统是智能住宅的要求。实践证明,将M-BUS协议的现场总线技术应用于生活小区自动计量,取得了良好的效果。结合现场实践经验,阐述了以M-BUS现场总线技术构成的自动计量系统的体系结构,包括实际工程应用中的网络拓扑结构以及应用软件设计。

数字图书馆的语义图像检索综述

结合国内外图像语义映射领域最新的研究成果,给出了图像语义映射框架,并将现有的语义映射方法分为三大类,对各类方法中的典型模型逐一进行了讨论,同时介绍了图像语义映射的关键技术。最后结合目前图像语义映射方法问题提出了今后该领域的研究重点及方向。

快速搜索密度峰值聚类在图像检索中的应用

为缩减图像检索和匹配范围,提高检索速度和准确率,将快速搜索密度峰值聚类用于对图像,按照特征相似性原则进行聚类,在类中心和最接近的一类中进行图像检索。考虑到传统的图像特征提取算法忽略了图像颜色的空间分布信息,提取的特征信息无法突出感兴趣的图像区域,通过等面积矩形环对图像进行划分并计算各空间区域的相关性,根据空间区域相关性计算各区域的重要性,将空间信息与颜色信息进行融合;对聚类算法的截断距离进行合理改进,保证了聚类的精度;将该密度峰值聚类算法应用于图像检索之中。对比实验结果表明,所提聚类算法和空间特征提取方法提高了图像检索的效率和准确性。

并行混沌粒子群优化研究及应用

粒子群优化算法(PSO)是进化计算领域中的一个新的分支,其源于鸟群和鱼群群体运动行为的研究。针对粒子群优化容易陷入局部极值点的问题,该文提出并行混沌粒子群算法,该算法保持了群体多样性从而避免了早熟,经过计算机仿真实验这是一种高效的优化算法。针对转炉提钒过程是一个多元非线性反应过程而难以建立终点控制模型的问题,提出了并行混沌粒子群RBF算法的方法建模。克服了RBF中心个数选择的随机性。试验表明,用该算法预测冷却剂加入量误差较小,具有工程实用性。

一种结合O3-opt局部优化的智能蚂蚁算法研究

针对基本蚂蚁算法容易出现停滞、参数难以确定的局限性,改进为一种智能蚂蚁算法,改进之处包括:(1)引入蚁群优化算法中对转移概率公式、信息素更新规则的修改;(2)在蚂蚁算法中加入O3-opt局部优化,从而进一步缩短解路线的长度,以加快蚂蚁算法的收敛速度。最后,通过实例仿真验证了智能蚂蚁算法与基本蚂蚁算法相比具有明显的优越性。

优化的邻近支持向量机在图像检索中的应用

邻近支持向量机由支持向量机衍生而来，它将支持向量机中二次规划问题的求解转换为线性方程组的求解，从而能在保证一定精度的情况下更加快速地得到分类器。传统的非线性核邻近支持向量机不能很好地解决多范围数据的多分类问题。提出了一种邻近支持向量机的优化方法，并将其应用到图像检索中。它利用高斯函数将图像特征数据映射到0-1之间以提高其差异化水平，并将其放入非线性核中，然后以加权K-means聚类算法选择最优参数，从而提高了非线性核PSVM的分类能力。实验以coral图像库中的4类图片作为图片库，对比了优化前后的检索命中率。实验结果表明：优化后的检索效果优于优化前，说明将优化的邻近支持向量机应用于图像检索是有效的。