加速混沌优化算法的改进及其在船型论证中的应用

利用混沌运动所特有的随机性、遍历性和规律性,对加速混沌优化算法进行一些改进,提高了混沌优化算法的收敛速度和精确性.改进的加速混沌优化算法利用混沌运动的性质,同时不断缩小变量的搜索空间,在混沌优化搜索过程中,以具有一定保证的当前最优解为中心,不断地缩小优化变量的搜索区间,调整细化参数,促使搜索能够更快、更有效地向全局最优解收敛.将该改进算法应用到具体的船型论证中,不仅证明了该改进算法简单,容易实现,具有较高的收敛速度和可靠性,而且具有较高的寻优精度和较少的优化迭代次数,也体现了该算法在船型论证领域中的实用性和有效性.

加速混沌变尺度混合优化算法

提出了一种加速混沌变尺度混合优化算法 (SCOA- DFP) .首先利用加速混沌算法(SCOA)找到一点比较满意的“初始最优点”,再以此点为初始值使用变尺度方法 (DFP)进行迭代 ,两种方法交替进行 .算法简单明了 ,性能良好 .

基于改进混沌优化的选择性催化还原系统参数辨识方法

针对选择性催化还原系统(SCR)系统在工作过程中,模型参数会受到老化、损耗等影响发生偏移,特别是催化剂硫中毒会造成氨的最大吸附能力严重下降,导致SCR系统失效的问题,提出了融合加速混沌优化和单一搜索(SCOA+SSA)算法的参数在线辨识方法。该方法能同时辨识SCR系统化学反应动力学中8项关键参数。试验结果表明:该方法能在SCR系统中氨的最大吸附能力阶跃下降时,实时辨识得到新的系统参数;并且,相比于传统的SCOA方法,本文提出的SCOA+SSA方法能将辨识精度提高5.44%,但付出的代价是增加了2.9%的耗时。

基于CAFOA-GRNN的包装机热封温度传感器的故障检测

目的为了实现自动包装机热封工艺中温度传感器的故障实时故障检测。方法使用广义回归神经网络(General Regression Neural Network,GRNN)构建了热封温度传感器状态自动检测网络,再采用混沌加速果蝇优化算法(Chaos Accelerated Fruit Fly Optimization Algorithm,CAFOA)进行广义回归神经网络的学习因子优化选取,求解出最优学习因子。通过建立CAFOA-GRNN自动检测模型,再结合统计学中置信区间的方法,对故障进行诊断分类。结果在传感器故障实验中,将理想故障函数与历史运行数据叠加,产生故障数据集,并将其用于验证建立的模型,获得了较好的检测效果,准确率较高。结论该方法实现了传感器故障的实时检测,可以用于提高生产的可靠性,具有一定的工程实用价值。