基于ACPSO优化SVR的棒材连轧轧制力预测研究

针对钛合金棒材热连轧轧制力的精确预测问题,提出了一种基于加速收敛的粒子群(accelerate convergence particle swarm optimization,ACPSO)优化支持向量回归(support vector regression,SVR)的预测算法。该算法首先通过使粒子在每次速度迭代过程中偏离速度迭代一个小角度,在位置迭代过程中偏离迭代位置一小步,改善了粒子群算法的收敛性及收敛速度,再通过ACPSO算法实现对支持向量回归机的参数ε、c、γ的同时寻优,从而使ACPSO-SVR模型具有较高的预测精度和泛化能力。通过仿真实验和实际数据的比对,验证了方法的有效性。实验结果表明,ACPSO-SVR算法能够有效、快速地实现轧制力的精确预测,在预测速度和适应性方面,优于基于PSO-SVR(particle swarm optimization-support vector regression)的预测算法;在预测精度等方面,该算法优于BPNN(back propagation neural network)、SVR、PSO-SVR等算法,平均误差率从BP神经网络的±9%降到±4%以内。

多特征和APSO-QNN相结合的语音端点检测算法

针对传统端点检测算法在多种复杂噪声环境下端点检测正确率低、鲁棒性较弱的问题,提出多特征和加速粒子群优化量子神经网络(APSO-QNN)相结合的端点检测算法。该算法通过提取语音信号的短时能量特征、循环平均幅度差函数特征、频带方差特征及美尔频率倒谱系数特征,将这些特征量输入量子神经网络(QNN)进行学习并利用加速粒子群算法对量子神经网络参数进行优化,构建语音端点检测模型,实现对信号的类型的判别。仿真实验结果表明,该方法不仅提升了语音端点检测的正确率,而且降低了虚检率与漏检率,具有较强的抗噪鲁棒性。

基于LSSVM-DACPSO模型的物流需求预测

最小二乘支持向量机(LSSVM)的推广与应用依赖于核函数中参数的选择。文章针对LSSVM在物流需求预测中参数选择的随意性、耗时性等问题,将LSSVM与动态加速系数粒子群优化(DACPSO)算法结合,提出一种基于LSSVM-DACPSO的物流需求预测模型。该模型首先利用DACPSO算法的寻优能力选择LSSVM最优参数,然后运用LSSVM的非线性运算能力对物流需求量进行预测。利用我国的物流数据进行实例分析,结果表明,相比于TVACPSO算法、PSO算法和交叉验证法,DACPSO算法优化的LSSVM具有更高的预测精度和更快的建模速度,该模型具有一定的推广与应用价值。

股指波动率的最小二乘支持向量机预测方法

为了提高金融波动率的预测精度,提出一种将相空间重构技术、最小二乘支持向量机(LSSVM)与变加速系数粒子群优化(PSO_TVAC)算法相结合的波动率预测方法。首先,对原始波动率序列进行相空间重构,判断其混沌特性;其次,利用LSSVM优良的非线性映射特性对重构后的序列进行建模及预测,同时采用PSO_TVAC算法选择LSSVM最优参数。将该方法应用于上证综指股指收益的波动率预测,结果表明,此方法获得了较高的波动率预测精度,为波动率的准确预测提供了一种有益尝试。

TC4与PBTCF30的激光直接连接工艺优化

为了满足金属与聚合物在工业轻量化中的连接需求,采用半导体连续激光器对钛合金TC4和碳纤增强聚合物PBTCF30材料进行激光连接实验研究。通过在钛合金表面进行织构预处理,可使接头在激光连接后获得机械铆接从而提高其强度;将接头剪切强度和预处理时间作为响应,并根据两响应与相关工艺参数之间的关系,利用响应曲面法建立数学模型,分析了织构扫描直径、织构扫描间距、织构扫描次数、激光连接功率和激光连接速度对接头剪切强度及预处理时间的交互式影响,最后通过加速粒子群优化(APSO)算法获得最优解。结果表明,对接头强度影响最大的三个参数组合为:扫描间距-扫描次数、扫描次数-连接速度、连接速度-连接功率。模型验证及优化结果验证表明,所建模型的预测值与实验值吻合较好,模型可靠。

AGPSO-MEPP模型在云南省水安全动态评价中的应用

从生命安全、经济安全、社会安全和生态安全4个方面选取20个指标构建区域水安全动态评价指标体系和分级标准。利用自治粒子群优化(AGPSO)算法寻优最大熵投影寻踪(MEPP)技术最佳投影方向,提出AGPSOMEPP水安全评价模型,并分别构建加速粒子群优化(APSO)算法、惯性权重线性递减粒子群优化(LDWPSO)算法和基本粒子群优化(PSO)算法-MEPP模型作对比模型对云南省2006-2015年及2020年水安全进行评价。结果表明:AGPSO寻优MEPP目标函数获得的最优值、最差值、平均值和标准差均优于APSO、LDWPSO和PSO算法,具有较好的全局极值寻优能力;AGPSO-MEPP模型对云南省2006-2013年水安全评价为"不安全",2014-2015年评价为"基本安全",2020年评价为"安全"。2006-2015年的10年间云南省水安全随时间呈提升趋势,且提升趋势显著;AGPSO-MEPP模型对云南省水安全评价结果与APSO-MEPP模型相同,但在排序上存在差异;与LDWPSO-MEPP、PSO-MEPP模型在评价结果及排序上均存在差异。其中,与PSO-MEPP模型的评价及排序结果差异最为显著,表明算法的极值寻优能力决定着评价精度的高低。

基于变换域APSO的任意阵列宽带DOA估计算法

为了提高宽带信号来波方向(Direction-of-arrival,DOA)估计精度并降低计算复杂度,本文结合已知的发射信号波形,提出了一种基于变换域加速粒子群最优化(Accelerated Particle Swarm Optimization,APSO)的宽带DOA估计算法,该算法适用于任意阵列和低采样率情况。首先对阵列接收数据进行匹配滤波以及傅里叶变换处理,其次根据频域宽带阵列数据模型,利用确定性极大似然(Deterministic Maximum Likelihood,DML)准则构建宽带DOA估计的空间谱函数,然后采用变换域APSO算法对空间谱函数进行最大值搜索,搜索结果即为DOA估计值。该算法无需DOA预估计,不依赖空间谱函数的梯度信息,计算复杂度低。仿真实验表明,所提算法具有高估计精度和低计算复杂度,在信噪比为20 dB时,DOA估计均方根误差为0.02°。

适用任意平面阵列的二维宽带DOA快速估计算法

二维宽带波达方向(DOA)估计对实现水声通信定位一体化具有重要作用。双边相关变换(TCT)算法是高分辨宽带DOA估计的经典算法之一,但只适用均匀线列阵下的一维DOA估计,且计算量大。本文在对TCT简化算法(STCT)进行扩展改进的基础上,提出了一种适用于任意面阵列且具有低计算复杂度的二维宽带DOA快速估计算法。所提算法利用水声通信同步信号的已知波形对阵列输出数据进行匹配预处理,有效压缩了聚焦变换所需频点数量,从而降低了聚焦变换过程的计算量;利用余弦域加速粒子群最优化(APSO)搜索二维空间谱谱峰,在保持高搜索精度的同时显著降低了搜索计算量。相较于单纯的STCT扩展算法,所提算法保持高DOA估计精度,在信噪比为20 dB时精度约为0.02°,但计算量远低于前者。仿真和实验结果验证了所提算法的优势。