一个基于二阶粒子群的关联规则挖掘算法

针对经典的Apriori算法在处理大型数据库时挖掘效率有所下降,提出一种基于二阶粒子群算法的关联规则挖掘方法.该算法首先利用Partition算法将原始数据库划分为n个不重叠的子数据库,然后对每一子数据库通过Apriori算法进行关联规则挖掘,并采用二阶粒子群算法进化得到最优的规则集,最后将每一子数据库得到的规则集全局合并得到最优的前M个规则.通过采用Partition算法对数据库进行划分并使用Apriori算法进行关联规则挖掘,在处理大型数据库时可以加快数据的扫描速度,避免由于数据量过大造成的内存溢出;采用二阶粒子群算法进行优化,通过支持度和置信度的综合评价,可以提取出因单个标准而被忽略的关联规则.将该算法应用到超市购物篮数据、FoodMart2000、AdventureWorks2008R2三个数据集上,实验结果表明,该算法在进行数据知识发现时,尤其在针对大型数据库挖掘时,相比于随机产生粒子的粒子群算法应用到关联规则具有更高的效率.

基于二阶粒子群算法优化的神经网络再制造工件疲劳寿命预测

再制造工件多元异质材料特性及工艺参数对疲劳寿命的影响,使得传统的疲劳寿命计算方法无法适用于再制造工件,针对此问题建立了再制造工件疲劳损伤预测修正模型,并通过疲劳试验分析了不同熔覆厚度和宽度条件下对试件疲劳强度和可靠性寿命的影响,同时获取了寿命预测修正系数;进而采用二阶粒子群算法优化的反向传播(back propagation, BP)神经网络,构建了材料性能参数、应力水平及再制造工艺影响因素与疲劳寿命之间的关系模型,针对再制造工件进行寿命预测。结果表明,神经网络的预测结果与试验数据相符,优于数值计算预测模型,为实现再制造工件的疲劳寿命预测提供了一种新的方法和手段。

利用二阶粒子群优化的支持向量机回归对带缺陷管道疲劳寿命的预测分析

针对带缺陷管道疲劳寿命的预测分析,提出了利用二阶粒子群优化的支持向量机的管道疲劳寿命预测方法。利用粒子群智能算法优化支持向量机的回归参数,可以避免按经验选取输入参数的盲目性,能有效地提高预测速度和精度。实例仿真结果表明用该方法对管道疲劳寿命预测具有很高的精确度,远优于BP神经网络的预测结果。

基于二阶粒子群优化的支持向量机回归在炉龄预测中的应用

针对钢铁企业对炉龄预测精度要求高的特点,提出了基于二阶粒子群优化的支持向量机的炉龄预测方法。利用粒子群智能算法优化支持向量机的回归参数,可以避免按经验选取输入参数的盲目性,能有效地提高预测速度和精度。实例仿真结果表明用该方法对炉龄预测具有很高的精确度,远优于BP神经网络的预测结果。

基于改进二阶粒子群算法的微电网群优化调度

分布式电源(distributed generators,DG)在电网中渗透率不断提高,微电网群(multi-microgrid,MMG)作为就地消纳DG的小型电力系统,能有效解决DG出力不确定性带来的问题。针对MMG优化调度问题,建立了基于运行经济性的协同优化调度模型。为提高模型求解的精度与速度,提出了一种改进的二阶振荡粒子群算法。该算法首先通过Logistic映射初始化种群,然后采用自适应动态方法改变惯性权重,并引入4个振荡变量增加粒子群的多样性,仿照微分方程根的特性确定振荡变量范围,使算法前期全局振荡收敛,后期局部渐近收敛。最后利用仿真案例验证了所提算法求解MMG协同优化调度模型的有效性。

改进粒子群优化滚珠丝杠进给系统BP神经网络PID控制策略研究

针对传统的BP神经网络PID(BP-PID)控制因其初始权值随机,导致系统的收敛速度较慢、控制前期会有较大误差和BP神经网络初始权值优化等问题,建立了滚珠丝杠进给系统伺服三环模型,设计了BP-PID控制器,提出了一种二阶振荡混沌映射粒子群算法(SCMPSO)优化滚珠丝杠进给系统BP-PID控制器。首先,混沌映射初始化粒子位置,使粒子均匀分布于空间,增加粒子解的多样性;随后,提出一种非线性余弦自适应惯性权重,以平衡算法的全局搜索能力和局部搜索能力;其次,在算法中引入二阶振荡环节,在面对突变多峰干扰时,能及时跳出局部最优解。研究结果表明:当加入外界干扰时,控制策略SCMPSO-BP-PID在正向进给时段的位移平均误差为0.013 mm,相比SAWPSO-BP-PID、LDWPSO-BP-PID、PSO-BP-PID这3种控制策略分别提升约45.8%、55.2%、61.7%;当加入阶跃响应时,SCMPSO-BP-PID的最大超调量仅为0.029,系统调节时间和峰值时间相比3种控制策略均有较大提升,具有较高的控制精度和稳定性。

基于知识推理和二阶振荡粒子群算法的桩基础优化设计

为辅助设计者准确高效地完成桩基础设计工作,降低工程造价,基于知识推理和二阶振荡粒子群算法开发出一套桩基础优化设计系统.系统通过结合C#语言和CLIPS推理机实现桩基础埋深推理功能,进而求出当前场地条件下的最优桩长.选择以工程造价为目标函数设计优化数学模型,根据已知的最优桩长简化优化变量.选用二阶振荡粒子群算法作为优化算法,结合桩基础规范设计约束条件,编制出桩基础优化程序.最后以某十层实验教学楼为例进行分析,证明了本优化算法的可行性.

基于混合粒子群算法的拖拉机制动器优化设计

在拖拉机制动器的设计过程中,为尽量降低制动器的温升,应使制动器的重量越轻越好。影响制动性能和制动器质量的参数较多,采用传统设计计算方法很难找到最优解。本文在建立制动器的优化数学模型的基础上,对约束问题用外点法处理,结合二阶粒子群优化算法,形成一种混合粒子群算法。利用MATLAB编制相应程序,对拖拉机制动器进行优化设计。比较计算结果,该种混合粒子群算法最优解效果较好。该方法也可以用于其它相类似的非线性约束问题的求解。

云制造平台加工能力分享调度优化研究

云制造平台加工能力分享的调度优化是云制造模式的核心运营问题。为提高云制造平台对参与能力分享企业资源的利用率,解决实际云制造需求环境下企业级制造资源调度问题,达到云制造平台动态实时的要求,以最小化工期和成本为目标函数,构建了基于平台并面向分享的云加工能力调度模型。为快速求解多个云任务订单的最优调度序列,引入任务简易编码和随机权重,设计了改进的二阶粒子群算法,并提出可分享加工能力时间窗的更新策略。最后,通过算例验证云制造平台加工能力调度机制的可行性和有效性。

基于RandW-SecPSO的四旋翼飞行器分数阶PID控制器参数优化

为了提高四旋翼飞行器姿态控制的控制性能,将分数阶PID控制器运用到四旋翼飞行器的控制系统中。提出了一种带随机权重平均值的二阶粒子群算法(RandW-SecPSO)去优化分数阶PID控制器的参数。将随机权重平均值与二阶粒子群算法相结合,对粒子群进行二阶初始化,同时加入随机权重用以平衡全局搜索能力和局部开发能力,这样提高了算法的收敛精度,并将其与PID控制器进行仿真分析。通过搭建仿真平台,验证了该算法的可行性。仿真结果表明:RandW-SecPSO算法在优化四旋翼飞行器分数阶控制器的参数上要好于粒子群算法(PSO),与PSO算法相比调节时间缩短了0.7 s,上升时间减少了0.2 s,超调量减小了8%,具有收敛速度快、超调量小、稳定性好等优点。总之RandW-SecPSO算法优化分数阶PID动态响应特性比PID要好很多。

多属性能力agent的复杂联盟生成算法

研究了具有多属性能力的agent复杂联盟生成问题。首先从能力分类的角度,给出了agent及联盟的能力向量的形式化描述,并建立了复杂联盟生成问题的模型;然后提出了基于二阶段修正的PSO算法的求解框架,采用面向可加能力分配的整数编码策略,每次优化过程分两个阶段对约束进行处理。第一阶段通过粒子编码修正过程处理可加能力约束,生成初始联盟;第二阶段针对可并能力约束,提出了一种具有多项式时间复杂度的算法,生成可行联盟。仿真实验结果表明,该算法能够有效地实现多属性能力的agent复杂联盟的生成。

基于GRA-TOOPSO-LSSVM的港口吞吐量预测

为对港口吞吐量进行科学预测,在最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)基础上,引入灰色关联分析(Grey Relational Analysis,GRA)和二阶振荡粒子群优化(Two-Order Oscillating Particle Swarm Optimization,TOOPSO),提出一种新的GRA-TOOPSO-LSSVM算法预测港口吞吐量.采用GRA法筛选出对上海港吞吐量有重大影响的因素,并将其作为LSSVM的输入变量;采用TOOPSO法对LSSVM的参数进行寻优;运用LSSVM非线性映射的优势对上海港吞吐量进行预测.在上海港吞吐量实证研究的过程中,GRA-TOOPSO-LSSVM算法与TOOPSOLSSVM和基于交叉验证的LSSVM算法进行对比分析.研究结果表明,GRA-TOOPSO-LSSVM算法具有更好的预测精度和收敛速度,为港口吞吐量预测的研究提供了一种新的方法.

智能扫路车行驶轨迹跟踪控制算法研究

智能扫路车在规划好的全局路径下工作时,对路径跟踪的偏差较大。针对这个问题,提出模型预测控制(MPC)和二阶振荡粒子群优化算法(PSO)相结合的智能扫路车行驶轨迹跟踪控制算法。对智能扫路车运动学和动力学非线性模型进行线性处理得到线性时变系统;设计模型预测控制算法的目标函数和相关约束条件并利用二阶振荡粒子群算法寻找最优的控制时域和预测时域,构建自适应轨迹跟踪控制器;将自适应轨迹跟踪控制算法与其他的轨迹跟踪算法进行实验对比,自适应轨迹跟踪控制算法在跟踪精度和响应时间上更具优势。

基于需求响应的家庭能量双层优化调度

随着人民生活水平的提升,家庭用电负荷也在逐渐升高,本文针对降低家庭用电支出问题,考虑需求响应在分时电价环境下,采用双层优化策略。上层是对家庭用电设备分类调度,通过对家庭设备分类调整,将可调度负荷从电价高的时间段调节到低电费的平时段和谷时段运行,从而大大减少家庭用户的用电开支;下层对光伏发电设备和储能设备出力时段进行调整,通过储能设备和光伏设备的配合,合理高效地利用光伏能量。最后通过某典型家庭负荷配置为例,采用改进二阶振荡粒子群算法,分析仅对用电时段优化、用电时段和光伏均优化等不同场景,结果显示该优化算法在迭代23次左右达到稳定,优化后家庭用电支出减少53.64%,验证了文中所采用的双层优化调度有效性。

基于改进Otsu法的镀膜金属带缺陷分割

为实现镀膜金属带表面缺陷在线实时准确识别,提出一种基于二阶振荡粒子群优化的Otsu算法。通过加入二阶振荡粒子群优化Otsu算法最佳阈值选取,加快分割算法收敛速度,提高图像分割效率。针对图像分割结果,进行形态学分析与孔洞填充处理,得到精确分割结果。实验结果表明,该算法实现阈值分割仅需25 ms,比传统Otsu算法提高了约88%,比迭代最佳阈值法节省至少90%的时间,全局收敛性优于标准粒子群Otsu算法,在分割速度提高的同时能较好地实现缺陷准确分割。

计及可靠性成本的风光储微电网储能容量协同优化

对比常规能源,新能源具备可再生、污染低、资源丰富的优势,其中风光发电被大规模引入到微电网系统,但由于其发电量具有较强的不确定性,这使得如何提高新能源消纳水平、提升电力系统运行稳定性以及降低微电网配置成本成为了充满挑战性的重要问题。针对上述问题,文章提出一种计及可靠性成本,同时考虑风、光资源多时间尺度不确定性的风光储互补微电网系统储能容量协同优化的方法。该方法采用自回归滑动平均模型和Homer软件仿真离散的风速、光辐照度序列,构建出风机、光伏发电机的出力模型;采取电量不足期望值为评估指标建立可靠性成本函数,构建出微电网配置成本模型;使用改进二阶振荡粒子群算法求解系统最优配置成本。算例结果表明了该方法的可行性及经济性,可为实际风光储互补微电网系统配置规划提供参考。

双馈风电场AVC系统协调优化控制策略研究

针对当前风电场AVC系统无功出力分配算法功能单一,无法实现风电场电压调节成本最低这一问题,提出了风电场AVC系统协调优化控制策略。该策略通过二阶震荡粒子群法对带有罚函数的风电场无功优化模型进行求解以降低风电场有功损耗,并通过调整无功源的工作方式实现电网电压的稳定。以辽宁地区某风电场为例,建立了该风电场的优化计算模型和包含所提控制策略的仿真模型。仿真结果表明,该策略可在保证风电场并网点电压稳定的同时,有效减小风电场稳态运行过程中的有功损耗,并在电网发生故障时为电网提供一定的无功支撑。

一种纹理缺陷特征提取算法

为了更加准确地提取具有纹理的物体表面细微缺陷特征,论文提出了一种基于2代Curvelet变换、灰度共生矩阵和二阶振荡粒子群优化的核主成分分析的纹理表面缺陷特征提取算法。首先对纹理缺陷图像在不同尺度和方向上进行Curvelet分解,利用灰度共生矩阵找出包含纹理特征的高频分量,并予以舍弃来去除纹理;然后用二阶振荡粒子群优化后的核主成分分析算法对缺陷训练样本特征和测试样本特征进行提取;最后使用相似度函数求出测试样本特征向量和训练样本特征向量之间的相似度,根据测试样本相似度值大小确定测试样本的缺陷类型。最后结果表明,与无纹理去除的核主成分分析特征提取算法和经论文纹理去除算法后的基于小波变换的核主成分分析特征提取算法相比,论文算法提取的特征更加完整,缺陷的识别率更高。

计及综合需求响应的综合能源系统优化调度

为提高系统运行的可靠性和经济性,在综合能源系统优化调度的基础上引入综合需求响应,利用不同形式能源间的相互转化关系,实现削峰填谷,提高能源利用效率。计及综合需求响应策略,建立了基于电价的电力负荷需求响应和基于激励的热负荷需求响应模型。并以运行成本最小为目标函数,提出了综合考虑供需平衡和供储能设备约束的综合能源系统调度模型。采用改进二阶振荡粒子群算法对模型进行求解。该算法在常规粒子群算法的基础上对速度迭代公式进行更新,克服了常规粒子群算法易陷入局部最优的问题。通过实际算例仿真,验证了所提出模型和求解算法的有效性。

基于PSO-WNN模型的超短期风速预测及其误差校正

小波神经网络(wavelet neural network,WNN)具有多分辨率局部时频特性,在风速预测中得到了广泛应用,但模型参数的优化选择是一难点,为此提出一种基于PSO(粒子群算法)-WNN的超短期风速预测模型。引入粒子位置变化量与二阶振荡环节改进粒子群算法,以平衡粒子群的全局搜索能力和局部改良能力;采用改进的粒子群算法优化WNN模型参数,进而对风速进行超短期预测;为进一步减小预测误差,分析风速预测的模型误差及其相关因素,并采用一阶线性回归法进行误差校正。算例表明,所提PSO-WNN预测模型及误差校正措施能够有效提高风速预测模型的泛化性能和预测精度。