多调整因子模糊控制的地下水水位自动监测方法

为提升地下水水位自动监测效果,研究一种基于多调整因子模糊控制的地下水水位自动监测方法。利用改进蝙蝠算法优化多调整因子,利用优化的多调整因子,设计多调整因子模糊控制器;将采集的地下水压力信号误差作为控制器的输入,输出压力传感器控制量,用于控制压力传感器的采集过程;在长短期记忆神经网络内输入采集的压力信号,输出地下水水位自动监测结果。实验证明:该方法可有效完成地下水水位自动监测工作,且监测误差较小;在不同降雨量时,该方法也能够有效监测地下水水位。

基于去噪降维和蝙蝠优化的高光谱图像盲解混算法

为解决盲源分离技术难以直接用于高光谱图像解混这一问题,将丰度非负及和为1约束作为盲源分离的目标函数,改变传统的独立性假设;同时,针对目标函数中具有大量的局部极小,引入蝙蝠优化算法,解决传统梯度类优化算法易陷入局部极值的问题.在降维过程中,提出一种基于奇异值分解去噪的正交子空间投影的降维方法.仿真数据和真实遥感数据实验表明,所提出算法收敛速度和解混准确度高,具有较强的抗噪声干扰能力,适用于像元纯度很低的高光谱图像解混.

基于混合算法的含DG配电网故障区段定位

针对现有故障区段定位方法在含分布式电源DG(distributed generation)配电网定位效果不理想,且故障信息畸变会影响故障区段定位准确性的问题,提出了一种基于蝙蝠和差分进化的混合算法的故障区段定位方法。首先在蝙蝠算法中引入差分进化算法,然后建立含DG配电网拓扑结构的开关函数和区段定位评价模型,解决了含DG配电网故障区段定位问题。该混合算法提高了收敛精度、多样性,避免种群个体陷入局部最优,算例仿真结果验证了该算法能够准确地定位含DG配电网的单一和多重故障区段,具有良好的容错性。

基于自学习因子c和权重系数的改进蝙蝠算法

针对传统的蝙蝠算法存在求解精度低和易陷入局部最优的问题,提出了一种加入自学习因子c和比例权重系数的改进方法。通过一系列基准的测试函数的测试结果表明,改进后的蝙蝠算法较传统的蝙蝠算法能够解决算法陷入局部最优的问题,且有效地提高了求解精度。

基于优化VMD的滚动轴承故障诊断方法

当滚动轴承出现不同严重程度的故障时,所提取的特征用于诊断中识别率较低。为解决这一问题,根据变分模态分解的原理,提出使用改进的蝙蝠算法优化变分模态分解的参数,利用优化后的参数对故障信号进行分解,以求得样本的能量熵和能谱熵。根据三个筛选因子对分量进行筛选,求取保留分量的主频分布特征。将能量熵、主频分布特征、能谱熵作为特征向量输入到支持向量机中进行故障识别。实验表明,提取的特征提高了故障状态的识别率。