ABC-BP风力发电机组短期功率预测方法

稳定可控的风力发电系统是风力资源开发利用的核心,提出一种基于人工蜂群-神经网络算法(artificial bee colony-back propagation,ABC-BP)的风力发电机短期功率预测方法,进一步提高短期风电功率预测的准确性。针对现有短期功率预测方法中遇到的收敛速度慢、局部最优等缺陷,结合ABC人工蜂群算法,提出改进ABC-BP算法。在对其数学模型收敛性证明的基础上,采用实际风电数据进行仿真验证,并通过模拟风力发电平台,进行实验,实验结果表明,预测数据达到实验要求,所提出的改进算法模型是可行的。改进ABC-BP算法应用于风力发电机监测系统中,为降低风电系统运维成本、提高监测效率提供一种有效解决方案。

基于改进斥力模型的人工势场局部路径规划

针对传统人工势场算法易陷入局部最优点问题,提出一种改进斥力模型的人工势场方法,以提高自动驾驶汽车的安全性和稳定性。根据汽车速度方向和障碍物位置的相对关系以及障碍物与道路边界之间的距离,确定斥力偏转方向和偏转角度,避免汽车陷入局部最优;重新设计斥力场函数,把汽车避障安全距离引入到斥力作用范围中,在斥力函数中引入对数函数以及纵向相对距离调节因子,减小规划路径的曲率以及总转角。仿真计算结果表明:在应用改进斥力模型的人工势场方法进行局部路径规划时,斥力偏转角的选取对路径的稳定性和安全性有直接影响,合适的斥力偏转角能避免路径规划时出现局部最优。在多障碍物环境下车辆需要连续避障时,改进斥力模型所规划的路径总转角以及曲率峰值显著下降,能有效提高行驶安全性指标。

复合最优模型微粒群优化算法研究及应用

针对微粒群算法全局最优(Gbest)模型收敛速度快、局部搜索能力强、鲁棒性差,局部最优(Lbest)模型全局搜索能力强、鲁棒性好、收敛速度慢的特点,提出了一种结合全局最优和局部最优两基本模型特点的复合最优模型微粒群优化算法。用4个Benchmarks函数进行了测试,实验结果表明,与微粒群算法的两种基本模型相比,该复合模型算法能有效提高算法的收敛速度及全局搜索能力。最后将算法应用于一个非线性系统模型的辨识,辨识结果验证了该算法的有效性。

基于电路地图的移动机器人路径规划

分析比较了障碍分布特性与网格电路电阻阻值之间的类似特性 ,利用电路中电流集中于阻值最小通路的原理 ,即最大电流通路具有与实际环境中道路长度短而且在障碍区中的道路宽度大的路径的相互对应性 ,尝试了一种基于电路地图的路径规划方法 .这种方法在局部规划的同时 ,兼备了路径规划的全局性 ,有效地从根本上避免了人工势场法等方法容易陷入局部最优的不足 .

基于局部最小生成树的干涉SAR二维相位展开

二维相位展开是干涉SAR数据处理中的关键步骤之一。该文在分支优化模型的基础上提出一种基于局部最小生成树的干涉SAR二维相位展开算法。该钟.法克服了经典的Goldstein算法中残余点之间重复连接形成闭合区域的缺点。同时由于质量图的使用,优化了残余点的连接,局部最小化了分支的总长度,实验结果证实了该算法的有效性。

基于SSA-BP算法的道路交通流量预测研究

由于交通车流量预测存在不定性、周期性、非线性的特点,传统预测算法受到函数逼近能力的影响,容易陷入局部最优问题.该文在麻雀搜索算法(Sparrow Search Algorithm,SSA)和BP(Back Propagation)神经网络算法(BP Neural Network,BPNN)研究的基础上提出一种交通车流量区间预测优化算法,即SSA-BP预测算法.该算法采用SSA算法来优化BP神经网络算法的初始权值和阈值,利用SSA算法寻优能力强、收敛速度快、稳定性高的特点,在一定程度上解决了BP神经网络算法对初始值依赖度高,易陷入局部最优的问题.通过仿真实验,将改进算法的均方误差降至0.0092,拟合度值为0.9704,说明算法具有良好的泛化能力,能够更好地反映交通流量的变化.

基于注意力模型的混合学习算法

为了解决传统BP(back-propagation)算法收敛速度慢,训练得到的网络性能较差的问题,在借鉴生理学中“选择性注意力模型”的基础上,将遗传算法与误差放大的BP学习算法进行了有机的融合,提出了基于注意力模型的快速混合学习算法.该算法的核心在于将单独的BP训练过程划分为许多小的切片,并对每个切片进行误差放大的训练和竞争淘汰机制的选择.通过发现收敛速率较快的个体和过滤陷入局部极值的个体,来保证网络训练的成功率和实现快速向全局最优区域逼近的目的.仿真结果表明,该算法有效地解决了传统BP算法中由于初始权值的随机性造成的训练失败问题,并能有效解决饱和区域引起的后期训练缓慢问题,在不增加网络隐层节点数的情况下,显著地提高了网络的收敛精度和泛化能力.这将使神经网络在众多实际的分类问题上具有更广泛的应用前景.

基于激光雷达观测的大气边界层自动识别局部最优点算法

大气边界层高度是影响近地面大气物理运动的主要因素,同时也是影响地面污染物浓度的一个重要因素。地基激光雷达可以对大气气溶胶的垂直分布进行连续稳定的监测,应用激光雷达技术对大气边界层进行连续观测可以为环境监测与预报提供指导性的动态信息。针对存在残留层以及外来污染物输入情况时边界层高度变化检测的可靠性及计算效率问题,结合梯度法的物理意义与激光雷达时序图的图形图像学特征,提出了一种基于时空邻近度的边界层局部最优点识别算法。以江苏省无锡市新区偏振米散射激光雷达太湖观测站点的气溶胶垂直观测数据为例,通过对2012年底两次污染事件进行观测分析,分别使用梯度法和局部最优点法进行大气边界层高度的自动识别。实验结果表明,在静稳状态和污染混入后的情况下,梯度法与局部最优点识别法的结果较为接近,但梯度法在处理污染混入状态以及存在残留层的情况下误判率较高。基于时空邻近度的局部最优点算法通过对垂直特征值以及水平相关性的控制,有效地消除了在弱信号、噪声信号、低云以及存在残留层和外来污染等情况下导致的计算机误判现象,在减小算法时间复杂度的同时在计算机自动识别结果具有更高的稳定性,弥补了梯度法在自动化运行中的识别精度与计算效率的不足。

基于分析方法的热力系统计算

基于等效焓降理论提出了有效降的概念,建立了当抽汽量扰动时对整个热力系统影响的数学模型。这样,当热力系统的结构局部变动或热力系统某一参数改变时,不需对整个热力系统进行全盘计算,即可求得整个热力系统经济性的改变。这种分析方法的建立,避免了常规分析法中的抽象的物理概念和繁琐的计算过程,对于分析法在实际工程中的推广应用具有积极的作用。

基于内点法考虑风电穿透率的区域间可用输电能力研究

根据鼠笼异步风力发电机(SCIM)无功功率对机端电压和有功功率的表达式,修正了原-对偶内点法中的雅可比矩阵和海森矩阵,协调了算法的计算精度与迭代效率。采用连续潮流法计算了不同节点的穿透功率极限,得到SCIM和恒功率因数控制的双馈感应风力发电机(DFIG)不同穿透率下的可用输电能力(ATC)值。仿真结果表明,联络区域节点接入风电场大幅提升送电区与受电区间的ATC,而对于送电区的风电接入情况结论相反;DFIG的功率因数对ATC有较大的影响;通过合理的补偿措施可解决某些并网方式下算法收敛于局部最优解的问题,多节点电压越限为陷入局部最优的主因。

分布实时仿真系统静态负载平衡策略的研究

研究负载平衡是保证分布仿真系统高效运行的重要前提,分布实时仿真在实时性方面的要求,实现负载平衡需要考虑更多的因素。分别通过对仿真任务和仿真节点的分析,从影响负载平衡的主要因素出发,建立的仿真任务和分布实时仿真系统的数学模型,并根据仿真任务映射到仿真节点上的等效计算量,确定了目标函数,并依此提出了局部最优平衡策略。在假设模型上,对调度策略进行了验证,结果表明采用策略能够获得较小的调度长度,同时由于实时性的考虑,在平衡中存在一定的"不平衡"。

配对数据条件得分函数:Mantel-Haenszel估计量推广

提出配对数据条件得分函数,用其推广Mantel-Haenszel估计量;给出指数分布族模型下推广的Mantel-Haenszel型估计量表达式或估计方程,解释估计量具有稳健性的原因,并给出应用实例。

自适应二次粒子群算法钢架模型修正

粒子群算法参数少,简便易行,具有较好的全局搜索能力和计算效率,在优化等领域得到了广泛应用,但它易于陷入局部极值,因此需要进行改进以增强其优化性能。修正了基本粒子群算法中的速度公式权重因子和最优位置,提出了形式简单且搜索效率高的自适应二次粒子群算法,并应用于五层钢架结构模型修正,修正结果证实了算法的有效性和优越性。

基于模拟退火的Map Reduce调度算法

在计算能力作业调度算法的基础上,提出一种基于模拟退火的Map Reduce作业调度算法。利用带记忆功能的模拟退火算法选择最优作业,从而避免陷入局部最优解。在Hadoop平台上的实验结果表明,该算法能减少所有作业的运行时间以及每个作业的等待响应时间,具有较高的作业调度效率及用户满意度。

高原特长隧道驾驶人动态决策跟驰模型与限速研究

为研究高原特长隧道跟驰特性及驾驶人决策行为,优化隧道路段限速值,在云贵高原地区特长隧道进行了实车跟驰试验.基于采集跟驰数据,分析驾驶人在高原特长隧道的驾驶决策行为并得到加减速决策模型;提出隧道跟驰过程中驾驶人局部效用最优概念,通过安全跟驰距离模型、驾驶人感知速度模型及驾驶人决策模型,建立局部最优的驾驶人动态决策跟驰模型,仿真驾驶人在隧道路段上的最优决策行为.研究结果表明:在高原特长隧道进口段及出口段,驾驶人趋于选择更大的跟驰距离;基于局部最优的驾驶人动态决策跟驰模型,能较好地仿真最优跟驰行为,得到隧道路段最优决策速度并作为最高限速值.本文结论为改善高原特长隧道路段行车安全状态提供了理论支撑.

融合并行混沌萤火虫算法的K-调和均值聚类

针对K-调和均值算法易陷于局部最优的缺点,提出一种基于改进萤火虫算法(firefly algorithm,FA)的K-调和均值聚类算法。将基于FA的粗搜索与基于并行混沌优化FA的精细搜索相结合,其中精细搜索部分首先通过FA搜索到当前最优解及次优解,然后通过改进的logistic映射与并行混沌优化策略产生混沌序列在其附近直接搜索,以增强算法的寻优性能。最终,将这种改进的FA用于K-调和均值算法聚类中心的优化。实验结果表明:该算法不但对几种测试函数具有更高的搜索精度,而且对6种数据集的聚类结果均有一定的改善,有效地抑制了K-调和均值算法陷于局部最优的问题,提高了聚类准确性和稳定性。

基于云模型的入侵杂草优化算法

提出一种基于云模型的入侵杂草优化算法,根据杂草适应度值的大小将杂草种群分为优良子群、普通子群和较差子群。通过CR调整标准差,不同的子群采取不同的标准差进行扩散,优良子群采用较小的标准差进行精细搜索,普通子群利用云模型的随机性和模糊性动态调整标准差,进行自适应搜索,较差子群采用较大的标准差进行全局搜索。由此加快了算法的收敛速度,较好地平衡了全局搜索能力和局部搜索能力,并且在一定程度上避免了算法陷入局部最优。对7个测试函数进行仿真实验,结果表明,该算法具有较高的寻优精度和更快的收敛速度。

提供偶发事件路线导行信息的路网混合均衡模型

根据局部系统最优原则 ,建立了提供偶发事件路线导行信息下的路网混合均衡模型 ,并给出了求解算法。利用算例研究了模型解的特性及实际应用的可能性。

一种基于局部最优的权系数组合预测模型

针对最优权系数组合模型在组合不同单项预测模型时,由于模型的拟合精度不同而出现过度偏权问题,文中提出了一种基于局部最优的权系数组合预测模型,即以t\-0~N时刻各个预测模型的残差平方和为目标函数,通过最小二乘准则确定模型的局部最优权,并将该权作为组合预测模型的权值。通过实测水位监测数据验证了该方法的有效性,与最优权系数组合预测模型和实测数据进行对比分析,结果表明:该方法能很好地解决过度偏权问题,提高组合模型的预测精度。

基于改进蚁群算法的移动机器人路径规划研究

传统的蚁群算法在移动机器人路径规划过程中,在加速算法收敛时易陷入局部最优问题,针对此问题提出了一种新型蚁群算法的移动机器人路径规划方法。首先建立了机器人路径规划数学模型,在此基础上对传统的蚁群算法进行了改进,将环境中局部的机器人路径信息引入到蚁群信息素的初始化和路径选择概率中,提高了蚁群算法的收敛速度并防止算法早熟。通过引入交叉操作并对蚁群算法中参数进行调整,避免了算法陷入局部最优。仿真结果表明,所提方法能够明显提高最佳路径搜索能力,整体性能优于传统蚁群算法。