WCPSO优化的小波神经网络在传动箱故障诊断中的应用

针对传动箱振动信号复杂及故障类型难以预知的问题,提出一种基于动态加速常数协同惯性权重的粒子群优化算法(WCPSO)优化的小波神经网络进行传动箱的故障诊断,并比较经WCPSO优化的小波神经网络和传统小波神经网络诊断的结果。结论是该方法能明显提高收敛精度,对多故障征兆有较好的故障识别率,是解决故障诊断问题的有效途径。

基于粒子群优化算法的传感器优化部署方法研究

针对目前三维空间传感器部署算法PSO算法存在寻优精度、全局收敛性和收敛速度不能保证的问题,提出了通过惯性权重线性递减策略与动态加速常数自适应策略改进的基于粒子群的WCPSO优化算法,有效地提高了算法的寻优精度和收敛速度。给出了算法的设计方案并进行了来袭路径未知和来袭路径预估情况下的仿真实验,仿真实验结果表明WCPSO算法的优化效果和效率都要优于改进前的PSO算法。

基于粒子群优化算法的船舶柴油机故障诊断

为了提高模糊神经网络收敛速度,克服容易陷入局部极值的不足,提出利用改进的动态加速常数协同惯性权重的WCPSO算法对网络参数进行优化。该算法通过对标准粒子群算法WPSO的改进,实现动态加速常数随进化代数线性变化,使被优化的网络收敛速度加快,不易陷入局部极值。将其应用于船舶柴油机模糊神经网络故障诊断模型中,仿真结果表明经过优化的故障诊断模型更为准确,提高了诊断速度。

基于粒子群优化算法的房地产税基评估——以武汉市10个区的数据为例

房产税改革的核心和关键就是如何准确合理地进行房地产税基评估,税基评估主要有三种基本途径:市场途径、收益途径、成本途径。通过探究国外税基评估的经验,针对现阶段中国房地产基本信息数据库还不完备、评估技术还不成熟等问题,提出了一种新的房地产税基评估方法,选取了武汉市10个区的房地产样本数据作为研究对象,通过改进的粒子群优化算法(WCPSO)对这10个区的房产单价进行评估。该算法弥补了房地产基本信息数据库不完善和计算机辅助批量评估(CAMA)技术难以大范围应用的短板,能够通过少量样本数据和参数进行估算。该算法的评估结果与实际房地产单价相比误差率在5%以内,适合于房地产税基评估,前景广阔。

基于仿水循环粒子群算法的含风电短期节能减排经济调度

针对粒子群算法在上述问题的全局最优解计算中耗时大且往往不易收敛的问题,从自然界水循环过程中得到启发,揭示水循环过程与粒子群算法的结合,提出仿水循环粒子群算法,并导出该算法结构与公式。