基于高斯过程回归的主动配电网负荷控制优化方法

以需求响应为核心进行配电网负荷控制优化时,节能百分比较低。因此,提出基于高斯过程回归的主动配电网负荷控制优化方法。依托于随机森林算法,判断所有输入变量的重要性,明确主动配电网负荷影响变量。运用高斯过程回归原理,应用负荷预测算法,准确得出主动配电网需求侧未来一段时间内的负荷要求。在此基础上,以直接负荷控制为核心,建立负荷控制协调优化模型,再应用遗传算法求解最优负荷控制优化方案。算例分析结果表明:所提优化方法的节能百分比达到6.23%,说明该方法达到了节能的目的。

基于机器学习的网络拥塞控制算法研究

随着网络规模的扩大及其复杂化,网络拥塞问题加剧,传统的网络拥塞控制算法应对乏力。基于此,本文对基于机器学习的网络拥塞控制策略进行了探索,利用预测与优化能力精准识别和调整拥塞状态,旨在提升算法性能和用户体验。文章在综述了基于机器学习的网络拥塞控制算法研究现状后,提出了新的算法优化策略,阐述了核心思想、模型构建的思路,最后还对未来研究方向进行了展望,旨在为网络拥塞控制方向的研究者提供参考。

在线优化参数的无模型预测神经网络自抗扰控制

关于难以建模的非线性系统的控制问题,提出具有辅助变量的全格式动态线性化方法逼近非线性系统模型,基于其构建系统的预测模型,给出采用直接极小化指标函数自适应优化算法的参数估计算法,在扩张状态观测器中引入控制输入的微分项,并将控制输入和其微分的系数改进为关于观测状态的函数,因其未知,使用RBF神经网络逼近,利用非线性递推最小二乘法同时优化RBF神经网络参数和自抗扰控制器参数,综上研究提出在线优化参数的无模型预测神经网络自抗扰控制算法。仿真研究验证了上述研究的合理性和有效性,系统响应精度高。

实用NARMAX-L2模型的神经网络自校正控制器

针对实用随机非线性NARMAX模型,参照改进的NARMA-L2模型,提出实用随机NARMAX-L2模型,采用BP神经网络逼近该模型,依据直接极小化指标函数自适应优化算法估计随机干扰模型的参数,并对BP神经网络的连接权进行学习,根据广义控制目标函数提出神经网络显式自校正控制器,仿真研究验证了上述研究的有效性,系统具有理想的控制效果。

多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题,提出改进的具有辅助向量的多变量全格式动态线性化方法,采用其逼近非线性系统,用其构成预测模型,将其转化为具有耦合的若干个子系统,利用直接极小化指标函数自适应优化算法辨识其参数,将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数,并由该向量函数的逆向量函数构建当前控制输入向量,因其未知,使用对角回归神经网络逼近控制输入向量函数,采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数,综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高,性能好,优于传统的线性自抗扰控制算法。

采用遗传算法的新型节能电磁换向阀的优化设计

采用遗传算法对文献新型节能电磁换向阀进行了优化设计 ,给出了优化设计数学模型和优化结果 ,并对采用遗传算法和改进遗传算法进行优化设计获得的结果进行了比较 。

资源约束系统的控制与调度协同优化方法

对于一类通信约束的网络控制系统,应用通信序列的概念和混合逻辑动态的构架,将其建模成一类集成控制和调度的资源约束系统模型.采用线性矩阵不等式来描述离散周期系统的周期通信序列和H∞控制的协同优化问题,并用一种递增优化序列算法来求解优化的调度策略及其相应的渐近稳定及r指数稳定的H∞控制器.该算法结合线性矩阵不等式凸优化问题解决了调度与控制的协同设计问题,同时也节省了搜索优化解的计算时间.

基于网络化控制模型的改进无功优化算法

针对网络具有前向通道数据丢包的情况,提出一种基于网络化控制模型的改进无功优化算法。首先将网络化控制模型引入无功优化实时控制,实现了基于网络化控制模型的无功优化问题建模,并分析了网络数据丢包对于无功优化算法的影响;进而针对网络前向通道中数据丢包问题,提出利用历史控制量进行去冗–保持处理的改进优化方法;最后以定向变异遗传算法为例,针对IEEE 118节点系统进行了无功优化仿真分析。结果表明:当系统的网络前向通道中存在不可控输出量时,利用该方法不仅能保证系统达到近似的最优状态,而且其收敛性和求解速度都得到提高。

正交多智能体算法求解管网直接优化调度模型

针对传统遗传算法存在高维空间寻优能力较差的问题,提出采用正交多智能体算法求解管网直接优化调度模型.对智能体的随机初始种群进行正交操作,得到较优初始种群,通过智能体的竞争和自学习,找到较优解.结果表明:与正交自适应遗传算法相比,正交多智能体算法具有更强全局搜索能力和更快寻优速度,并且正交多智能体算法优化方案较大提高了水泵运行效率,可节电2.96%.

基于改进KFDA与DE优化SOM的故障诊断模型及其化工过程诊断

针对化工过程故障诊断数据存在高维度、故障特征不易区分、自组织映射(self-organizing map,SOM)网络易陷入局部最优等问题,提出了一种基于改进核Fisher判别分析(kernel Fisher discriminant analysis,KFDA)与差分进化算法(differential evolution,DE)优化SOM神经网络相结合的故障诊断方法。该方法首先利用欧氏距离对类间距进行加权处理,以避免因类间距离过大造成投影后的数据存在重叠的问题,使故障数据样本获得较好的投影效果,优化分类性能;然后,利用DE算法对SOM神经网络的权值向量进行动态调整,有效避免了由于“死神经元”的出现陷入局部最优的问题;最后,通过对田纳西-伊斯曼(tennessee-eastman,TE)过程和对二甲苯(paraxylene,PX)歧化工艺过程的故障数据进行诊断测试。结果表明,与传统SOM网络相比,提出的KFDA-DESOM算法具有较高的分类诊断精度,可有效应用于化工过程的故障诊断。

卫星网络中基于双向寻优粒子群优化算法的连接计划设计

针对卫星网络中拓扑时变、连接瞬断及资源受限的问题,提出了一种基于双向粒子群优化(BPSO)的连接计划设计(CPD)方案。首先,通过对资源受限的时变卫星网络分析,建立了基于任务的时间拓展图(TEG)模型;其次,考虑网络拓扑的离散性和节点资源的有限性,通过初始化、编码及修复环节生成卫星网络中的可用连接计划(CP);再次,根据执行任务的特点设计评价函数以区分所生成的可用CP的优劣;最后,根据CP中链路稀疏的特点确定最差位置中待修正的比特,提出BPSO算法不断修正CP以优化空间数据传输性能。仿真结果表明,所提方案能够有效降低任务传输时间,提升任务到达率。

基于遗传算法的激光跟踪仪控制网优化设计

针对跟踪仪三维控制网测量时因跟踪仪设站位置凭经验布设无法保证测量结果最优的问题,提出一种基于遗传算法的跟踪仪控制网优化设计方法。该方法以多台激光跟踪仪三维网的距离前方交会为理论基础,取目标点精度均方差最小为目标函数,兼顾了工作区域边界、目标点的可视性、跟踪仪间距等约束条件,基于遗传算法实现了跟踪仪设站位置的优化设计。实验结果表明,该优化设计算法具有明显的效果,算法设计出的网形较随机网形的测量精度有明显提高,能够为实际测量中跟踪仪的布设位置提供参考。

联合应用现代优化方法与S2流面计算进行多级涡轮的气动设计

本文联合应用S2流面正问题计算和多级局部优化设计对某三级涡轮进行多级气动优化设计。优化联合采用人工神经网络和遗传算法,流场计算采用全三维粘性流N-S方程求解,计算网格采用H-O-H型网格,即入口段、出口段采用H型网格,叶片区域采用O型网格。通过优化,总效率提高1.1%,总体性能提高,达到设计要求。

基于语义的产品自适应混合免疫遗传形态设计

为进一步探讨产品设计中形态特征和用户情感匹配的问题,提出了一种基于语义的自适应混合免疫遗传产品形态设计优化方法。通过目标语义的模糊隶属度的匹配来生成初始抗体集合,再利用专家建议来生成疫苗集合,并在演化过程中通过疫苗接种和基于亲和度的选择来加速收敛并保持种群多样性,利用反向传播神经网络(BPNN)将形态特征语义空间映射到情感语义空间并构造适应度函数。此外,疫苗接种概率按接种效果进行自适应调节,并基于信息熵理论定义抗体之间的亲合度及抗体的选择概率。原型系统实现了形态设计的快速生成和设计评价,验证了方法的有效性。

混合粒子群优化算法及其在预测控制中的应用

在时变加速因子的自组织粒子群算法、中值粒子群算法、混沌粒子群算法的基础上,提出了一种新的混合粒子群优化算法(MPSO),并利用这种新的算法来训练径向基函数(RBF)神经网络的参数(连接权、隐节点中心和宽度),验证了所提方法的有效性.进一步,提出了基于神经网络的非线性系统直接预测控制方案,实现非线性系统的实时控制.通过非线性系统实例进行仿真,仿真效果良好.

DTC系统中神经网络转速辨识器优化研究

基于直接转矩控制(DTC)系统中的非线性关系,提出了利用改进粒子群优化(PSO)算法优化BP神经网络来构造转速辨识器。利用惯性权重线性递减法和粒子调整机制相结合来改进PSO算法,能加快BP神经网络收敛速度并实现全局搜索。通过对3种改进BP神经网络的仿真和实验,验证了改进PSO-BP神经网络能够使系统具有更为良好的静态和动态性能。

网络化控制系统离散二次型最优控制综合设计

基于网络QoS如延迟、丢包建立网络化控制系统状态方程,提出一种根据网络QoS离散化连续系统二次型代价函数及设计相应最优LQR(Linear Quadratic Regulator)控制器的方法。针对系统控制性能对网络QoS的约束,提出一种能够兼顾系统性能与网络QoS的控制与调度综合协调设计方法。仿真实验证明了提出的网络化控制离散二次型最优综合设计方法的必要性和与已有的二次型最优控制方法相比的优势。

新型阀用电磁机构的组合优化设计

遗传算法用于元件的设计和选型是目前研究的热门课题。采用遗传算法与 传统优化方法相结合的组合优化方法对文献［１］［２］中提出的新型节能电磁换 向阀的电磁机构进行了优化设计，给出了优化设计数学模型及优化结果，并 对采用一般遗传算法和组合优化方法进行优化设计获得的结果进行了比较。 比较结果表明，采用组合优化设计方法对于新型阀用电磁机构的优化设计具 有寻优精度高，寻优速度相对较快的优点。

遗传算法在水科学若干领域应用中的改进

对遗传算法在布水管网设计、水模型参数估值、水污染控制系统规划、水电站水库优化调度4个水科学领域的应用中的改进作了提取和分析,并对这些改进进行了评述,提出了一些有待进一步研究的问题。

具有星间链路的导航星座重构研究

针对具有星间链路的导航星座在卫星节点或链路失效情况下的重构优化设计问题,提出了一种基于遗传算法的设计方法。首先,根据导航星座的功能需求与设计约束,建立了星座综合重构优化设计模型。其次,提出了基于遗传算法的综合优化设计方法,并根据问题特性对遗传算法的具体操作进行了修改。最后,应用该方法对Walker 24/3/2构型星座及网状星间网络在节点和链路混合故障模式下的重构进行了优化设计。结果表明,基于该方法重构后的星座与网络拓扑性能能够得到一定程度的改善,证明了方法的可行性。