基于三维数值模拟-SVM非线性模型的大型洞室群围岩参数进化识别

对于大型洞室群工程,基于三维数值模型进行力学参数识别具有重要意义,但三维数值模拟正算过程需消耗大量时间,且解容易限于局部最小,传统优化方法受到限制。为解决上述问题,本文在已有研究基础上,引入支持向量机和遗传算法,提出了一种新的力学参数识别方法———基于三维数值模拟-SVM非线性模型的洞室围岩参数进化识别方法。将该方法应用于清江水布垭电站地下厂房工程的围岩参数识别,获得了令人满意的效果。

基于改进参数协进化和声搜索算法的配电网重构

配电网重构是智能电网的关键技术之一,是非确定性多项式难题(NP-hard)。在确立了网损最小为配电网重构的优化目标后,提出一种改进的参数协进化和声搜索算法。首先,针对参数协进化和声搜索算法在局部寻优时反馈环较长的问题,提出一种辅助新和声的策略进行优化;其次,为克服和声搜索算法本身应用于整数规划的配电网重构时音调调节带宽难以确定的困难,使用并优化一种自适应新和声优化策略;最后,通过对T型节点的分析提出一种不可行解的处理方案,提升了算法的寻优性能。基于IEEE 69节点系统和某实际配电网的仿真对比测试表明,所提出算法与其他改进的和声搜索算法相比,具有更好的收敛性能和寻优性能。

基于参数自适应动态差分进化算法的变压器局放源定位

针对变压器局部放电超声定位中混合优化算法存在的寻优参数较多及寻优过程较为复杂等不足,提出了一种基于PADDE(参数自适应动态差分进化)算法的变压器局放源定位方法。在种群的变异及交叉过程中,结合适应度函数自适应地对传统DE(差分进化)算法参数进行选择,并动态地对当前种群进行更新,从而有效提高了寻优性能,并加快了收敛速率。通过Benchmark标准测试函数和实际变压器局部放电超声定位对该方法的有效性和可行性进行验证,结果表明:相比于传统的DE算法,PADDE算法寻优能力更强,得到的定位结果更加精确,定位误差始终保持较小的数值。

改进的结构进化无限冲激响应数字滤波器设计方法

为了进一步提高无限冲激击响应(IIR)数字滤波器的性能,提出了一种基于结构和参数同时进化的IIR数字滤波器设计方法。首先,通过遗传算法(GA)得到初始滤波器结构;然后,利用差分进化(DE)算法优化滤波器参数;最后,通过动态调整个体搜索步长和双向试探搜索的改进寻优算法对滤波器参数进一步优化,并将该算法用于低通、高通数字滤波器的设计。同基于遗传算法结构进化的IIR滤波器方法相比,继续利用差分进化算法和改进的寻优算法优化乘法器参数得到的低通数字滤波器的通带性能相差不大,但是过渡带宽度减小了65%,阻带最小衰减下降了36.48 d B;得到的高通数字滤波器通带波纹减少了75%,过渡带宽度减小了44%,阻带最小衰减下降了12.13 d B。实验仿真结果表明,所提方法可以获得性能更佳的滤波器,是一种有效可行的IIR数字滤波器的设计方法。

基于多尺度特征实现超参进化的野生菌分类研究与应用

在我国,因误食不可食用野生菌而导致中毒的事件频发,尤其是云南等西南地区,由于野生菌种类的类间特征差异较小,且实际场景下的图像背景复杂,仅靠肉眼分辨困难。目前虽然有多种方法可对野生菌进行分类,且最为可靠的方法为分子鉴定法,但该方法耗时长、门槛高,不适合进行实时分类检测。针对这一问题,提出了一种基于深度学习的方法,即使用注意力机制(CBAM),配合多尺度特征融合,增加Anchor层,利用超参数进化思想对其模型训练时的超参数进行调整,从而提升识别精度。与常见的目标检测网络SSD,Faster_Rcnn和Yolo系列等进行对比,该模型能更准确地对野生菌进行分类检测;经过模型改进后,相较于原Yolov5,Map提升3.7%,达到93.2%,准确率提升1.3%,召回率提升1.0%,且模型检测速度提升2.3%;相较于SSD,Map提升14.3%。最终将模型简化,部署到安卓设备上,增加其实用性,解决当前因野生菌难以辨别而误食不可食用野生菌导致中毒的问题。

参数独立的加权局部均值伪近邻分类算法

针对局部均值伪近邻(LMPNN)算法对k值敏感且忽略了每个属性对分类结果的不同影响等问题,提出了一种参数独立的加权局部均值伪近邻分类(PIW-LMPNN)算法。首先,利用差分进化算法的最新变体——基于成功历史记录的自适应参数差分进化(SHADE)算法对训练集样本进行优化,从而得到最佳k值和一组与类别相关的最佳权重;其次,计算样本间的距离时赋予每类的每个属性不同的权重,并对测试集样本进行分类。在15个实际数据集上进行了仿真实验,并把所提算法与其他8种分类算法进行了比较,实验结果表明,所提算法的分类准确率和F1值分别最大提高了约28个百分点和23.1个百分点;同时Wilcoxon符号秩检验、Friedman秩方差检验以及Hollander-Wolfe两处理的比较结果表明,所提出的改进算法在分类精度以及k值选择方面相较其他8种分类算法具有明显优势。

动态差分进化算法在梯级水库优化问题中的应用

采用标准差分进化算法在求解梯级水库优化问题时,随着解链长度的增加,算法求解性能下降,进化后期种群多样性降低,算法极易陷入局部最优解。为此,定义了个体差异参数来动态控制差分进化算法的缩放因子,即定义算法可进化度参数来动态控制算法的选择机制。通过对比标准差分进化算法、逐步优化算法和动态差分进化算法求解2个标准测试函数和某梯级水库优化调度的模拟仿真结果,发现后者较前者的全局搜索能力有了显著提高。

改进和声搜索算法用于配电网重构

针对配电网重构大规模非线性混合整数规划的特点,提出采用通过粒子群算法控制参数进化的改进和声搜索算法对配电网进行重构。首先,将粒子群算法引入和声搜索算法,用于智能引导和声搜索算法参数的进化;然后,提出新的支路组断开原则及其相关概念。通过上述改进克服固定参数设置对和声搜索算法搜索能力的制约,提高算法的全局寻优性能并有效减少不可行解的生成。最后,将上述方法和原则结合对IEEE33节点系统以及PG&E69节点系统进行仿真,得到的仿真结果验证了该方法的准确性和有效性。

基于参数自适应差分进化算法的煤矿开采沉陷预计

通过模拟实验研究基于参数自适应差分进化算法的数值模型参数反演的可行性,在此基础上结合工程实例开展开采沉陷预计,并利用差分技术对数值模型进行误差控制。研究结果表明:采用参数自适应差分进化算法进行参数反演收敛速度快,能提高参数反演效率,并可在短期内,使用差分技术对数值模型的误差进行控制,提高煤矿开采沉陷预计的精度。

SHADE算法在无线传感器网络节点分布优化的应用

为了提高无线传感器网络覆盖率,减少目标区域覆盖盲区,采用基于历史成功的自适应参数差分进化(SHADE)算法对节点分布进行优化,制定节点优化方案。以网络覆盖率为优化目标函数,建立联合概率模型,采用SHADE算法对目标函数进行求解。SHADE使用了控制参数设置的历史记忆来指导未来控制参数值的选择,确保了精确和快速收敛到全局最优,增强了算法鲁棒性。通过与差分进化算法和人工蜂群差分进化算法进行仿真对比,验证了SHADE算法能够快速收敛,网络覆盖率高。仿真结果表明,在500次模拟情况下,SHADE算法的平均覆盖率分别高于差分进化算法5.17%、人工蜂群差分进化算法1.88%。

变风量末端装置的基于IPSA-DE算法室温PI~λD~μ-送风量PI串级控制器的数值仿真

目前,空调房间配用的变风量末端装置(Variable Air Volume Terminal,VAV-TMN)往往采用整数阶PID-P串级调节方式,这带来了室温控制误差和超调量较大以及调节时间较长等问题。鉴于此,提出了空调VAV-TMN的室温分数阶PID-送风量PI的串级调节器设计方法。首先,综合分析空调工艺和自动控制的相关要求,对室内温度对象、温度和风量测量变送单元、送风量执行单元分别进行建模,确定主控制器为室温分数阶PID控制器(Indoor Temperature Fractional Order Proportional Integral Derivative Controller,IT-FOPIDC)和副控制器为送风量PI控制器(Sending Air Volume Proportional Integral Controller,SAV-PIC)的控制策略。其次,基于改进的自适应差分进化(Improved Parameter Self-adaptive Differential Evolution,IPSA-DE)算法来分别整定出IT-FOPIDC和SAV-PIC的控制参数最佳值。最后,借助MATLAB/Simulink工具,对该空调VAV-TMN的室温PIλDμ-送风量PI串级调节系统进行组态和数值模拟相应的控制效果。结果表明,该串级控制系统在理论上是可行的,且室温的控制效果明显优于基于Ziegler-Nichols整定法和DE算法的整数阶室温PID-送风量PI串级调节系统。

基于SAMDE整定PI的中频感应加热温度控制系统

为了降低工件在热加工过程中出现的不良因素干扰系统稳定运行,而导致控制系统中温度精度有所下降这一影响。该文提出了基于个体适应度参数的自适应差分进化(SAMDE)整定PI算法,设计了基于该算法的中频感应加热智能温度控制系统,运用Matlab语言编写控制系统SAMDE整定PI控制算法,并对SAMDE整定PI控制算法与常规PID控制算法的控制效果进行了对比仿真。结果表明,与常规PID控制相比,SAMDE整定PI控制算法表现出具有良好的控制品质特性(自适应性强、鲁棒性高等),它不仅提高了中频感应加热设备温度控制的控制精度,而且还较容易实现对控制系统的温度进行在线参数校正,满足现场设备实时地对温度控制的要求,具有重大的工程实际研究价值。