基于PSO-SVR算法的工业机器人分级标定方法

为了提高六自由度机器人在应用中的定位精度,提出一种提高机器人绝对定位精度的分级标定方法。该方法第一阶段进行几何参数误差的标定,以改进的Denavit-Hartenberg(MD-H)模型为基础,加入减速比和耦合比的因素建立了完整的工业机器人几何参数误差模型,之后采用Levenberg-Marquarelt(LM)算法辨识出机器人的几何参数误差并计算出剩余残差;第二阶段建立基于粒子群—支持向量回归(PSO-SVR)算法的剩余误差预测模型,来预测并补偿修正几何参数后剩余的残留误差。最后,以六自由度工业机器人进行试验验证,经过分级标定后机器人末端中心点的平均位置误差由5.866 mm减少到0.211 6 mm,最大位置误差由10.322 9 mm减少到0.699 9 mm,验证了该标定算法的正确性和有效性。

基于VEPPSO-EXTRA混合算法的分布式直接定位技术

相对于集中式直接定位技术,分布式直接定位算法具有计算复杂度小和通信代价小等优点,但存在定位精度损失的问题。针对于此,该文提出一种基于VEPPSO-EXTRA混合算法的分布式直接定位技术。首先,基于子空间融合的直接定位算法,推导其分布式优化的数学模型;其次,基于多种群联合进化的思想,提出一种基于向量评估的并行粒子群算法(VEPPSO)实现全局寻优,由此得到辐射源迭代初始值;最后,引入分布式精确一阶算法(EXTRA)求解最终位置以降低分布式计算带来的精度损失。实验结果表明,相较于现有的分布式直接定位算法,该技术能解决定位精度损失的问题,且其计算复杂度与通信代价低于对应的集中式直接定位算法。

基于PPSO算法的电力系统无功优化

电力系统无功优化可以降低系统的有功损耗,保证系统运行的安全性和经济性.采用向量粒子群优化(PPSO)算法求解电力系统无功优化问题,在算法中通过初始化得到向量的相位角,并将相位角引入速度更新过程,这样可以更有效地提高搜索精度.在IEEE14节点系统中,采用PPSO算法、标准粒子群优化算法、随机惯性权重粒子群优化算法和改进吸引排斥粒子群优化算法进行无功优化仿真实验对比,结果表明,PPSO算法可以更好地降低有功损耗.

基于VMD的长江航运干散货运价指数预测

我国长江航运干散货运价指数(YBFI)呈现非线性、非平稳性等波动特征,传统的单一预测模型和组合预测法难以获得较好的预测效果。为此,基于“分解-重构-预测-集成”的思想,提出一种基于变分模态分解(VMD)的YBFI组合预测模型构建方法。选用变分模态分解(VMD)将原始运价指数序列分解为多个模态分量,并通过聚类分析将分量重构为高频、中频、低频和趋势项,对重构后的序列波动特点进行解释。选用BPNN对高频项和低频项进行预测,采用PSO-SVM方法对中频项和趋势项进行预测,最后将重构项预测结果相加集成得到最终预测值。实证结果表明,构建的基于VMD的组合预测模型比SVM、BPNN、ARIMA、PLS等单一预测模型,以及未优化的VMD组合模型、VMD-BP等组合模型具有更好的预测效果。

二进制粒子群支持向量机算法在SAR图像海面溢油特征选择的应用

对合成孔径雷达(synthetic Aperture Radar,SAR)图像提取得到的几何、灰度、纹理特征共66个特征量,采用封装模式算法进行特征选择,降低特征维度并提高对溢油及疑似溢油样本的识别率。特征选择采用二进制离散粒子群优化(binary particle swarm optimization,BPSO)和支持向量机(support vector machine method,SVM)的封装模式算法(BPSO-SVM)进行,该方法在特征选择的同时可对支持向量机模型中的参数进行优化。论文采用BPSO-SVM算法和序列前向搜索(sequential forward selection,SFS)算法、序列后向搜索(sequential backward selection,SBS)算法与SVM算法相结合特征优化算法(SFS-SVM和SBS-SVM算法)进行实验。并将BPSO-SVM算法、SFS-SVM算法、SBS-SVM算法和直接使用SVM算法的分类识别结果进行比较。实验结果表明,BPSO-SVM算法在SAR图像上溢油特征量筛选与识别效率方面行之有效。

基于粒子群算法的双目标可靠性网络设计

用离散的路段通行能力变量来刻画路网的随机性,建立了网络设计的双层规划模型。上层模型为基于路网期望总走行时间最小和路网净经济效益可靠度最大的双目标规划模型,下层模型为弹性需求下的用户平衡配流模型。采用增设多余需求路段的方法求解下层模型,采用基于向量的粒子群算法(VEPSO)求解整个双层规划模型。计算结果表明:所得到的解为一组Pareto解,路网期望总走行时间和净经济效益可靠性为2个相悖目标;随着期望总走行时间下降,可靠度也有所降低;在可靠度不变的情况下,减少期望总走行时间,会导致总投资额的增加。在进行网络设计时,应结合总投资额和现实需要来选取最优解作为网络设计方案。

基于SVM算法的PQ型控制逆变器出口故障分类

随着全球清洁能源的广泛应用,含有分布式能源的电网将会是未来配电网的主要供电形式。分布式能源常常经PQ控制型逆变器件接入配电网,由于控制模式的应用,对于分布式电源并网条件下,故障下暂态过程将会发生新的变化。现有研究主要集中于馈线保护和DG保护,而针对PQ控制型微源出口故障选相的研究则非常有限。文中首先分析PQ控制型逆变器的数学模型,故障电流特性及控制器特征状态变量故障特性,在此基础之上,形成PQ控制型逆变器故障特征矩阵,然后,进一步分析粒子群算法改进的多分类支持向量机算法流程,最后,在Digsilent软件进行算例仿真计算,验证了所提方法的可行性和有效性。

基于数据填补的煤自燃温度预测模型

现有煤自燃温度预测模型的建立大多基于较为完整的指标气体样本数据,但指标气体数据受仪器或人为因素影响,往往存在数据缺失现象,导致煤自燃温度预测准确率较低和过拟合等问题。针对上述问题,提出了将K近邻算法(KNN)、随机森林(RF)、决策树(DT)及基于粒子群优化的支持向量回归等填补算法(PSO-SVR)应用于缺失值填补,缺失数据和填补后的数据通过RF、SVR和极限梯度提升树(XGBoost)算法分别进行训练,并通过PSO算法优化参数,构建了基于数据填补的RF、XGBoost和SVR煤自燃温度预测模型。利用煤自然发火实验选取CO,CO_(2),CH4,C_(2)H_(6),O_(2)作为指标气体,并设计整体缺失率为10%,20%,30%和CO,CO_(2)缺失率为40%,50%,60%共6种随机数据缺失,采用平均绝对误差百分比(MAPE)作为填补效果评价指标,采用MAPE、判断系数R^(2)和均方根误差(RMSE)作为模型性能评价指标,对4种填补算法和3种预测模型进行对比。对比分析结果表明:在6种数据缺失情况下,DT填补算法填补效果优于其他3种算法,在CO,CO_(2)存在较多缺失值时,RF算法的填补值与实际值的MAPE偏大;在不调参的情况下,XGBoost模型虽然在训练集效果极好,但极易过拟合,而SVR模型预测效果极差,无法满足预测要求;在6种数据缺失情况下,基于DT填补算法的PSO-SVR、RF与PSO-RF煤自燃温度预测模型的MAPE均在4%左右,基于DT填补算法的RF模型无需优化就能较好地预测出煤自燃温度,具有良好的稳定性。

苏里格地区三水模型与数学方法结合的致密砂岩储层评价

应用三水模型评价苏里格地区致密砂岩储层时,在孔隙度较高的层段,孔隙度和含水饱和度预测结果与岩心数据符合度很好;在孔隙度较低的层段,孔隙度预测结果符合度较好,但含水饱和度预测结果存在很大偏差。造成这一现象的原因是孔隙度较低的层段岩性更加致密,孔隙结构更加复杂,三水模型中的参数难以赋值。为此,提出三水模型与数学方法结合的致密砂岩储层评价方法,通过全区密闭取心资料分析确定三水模型处理下限,在下限之下的层段结合广义回归神经网络(GRNN)和粒子群-支持向量机(PSO-SVM)算法得到处理结果。三水模型结合数学方法在苏里格地区综合处理的结果与该区岩心数据符合度较好,说明方法是可行的。

基于改进VEPSO的MMC-MTDC系统多目标最优潮流方法研究

针对模块化多电平换流器型多端直流输电系统(Modular Multilevel Converter Multi-Terminal DC,MMCMTDC)最优潮流问题,提出一种基于改进向量估计粒子群算法(Vector Evaluated Particle Swarm Optimization,VEPSO)的多目标最优潮流优化方法。首先建立MMC-MTDC分层控制和优化体系,换流站级采用直流电压斜率控制策略以稳定直流电压和平衡有功功率,系统级考虑线损和电压不平衡度建立多目标潮流优化模型。在兼顾系统稳定和功率平衡等约束条件的同时,加入换流站N-1约束,通过对系统进行多目标潮流优化得到MMC控制目标参考值,最终实现系统的优化运行。针对等式约束和不等式约束条件,提出了一种基于动态调整罚函数的方法以提高算法的收敛性。最后通过优化和仿真验证了所提基于改进VEPSO的多目标最优潮流计算方法的有效性。

航空交流电弧故障和串扰问题的频域分析及特征量提取

航空交流电弧故障直接危害着飞机飞行的安全,由于航空环境复杂极易引发电弧故障,因此这一问题越来越受到人们的重视。依据标准搭建了点接触串联和电缆切割并联电弧故障实验及串话干扰实验,后者模拟了当有一个支路发生电弧故障时对另一个支路电流信号的影响,并且在故障检测时被干扰支路信号应诊断为正常情况。鉴于频域相比于时频域和时域方法兼具了实时性和可靠性的优点,因此利用快速傅里叶变换对采集的实验电流信号进行频谱分析,在特征频段内提取奇次谐波和值与偶次谐波和值之后用欧式距离算法对其进行融合处理得到特征量谐波和距离值,根据电弧故障、被干扰和正常情况下谐波含量的变化情况区分是否产生电弧故障。将特征量输入到训练之后的粒子群算法优化的支持向量机中进行测试识别,结果表明该方法的识别准确率达到了98.125%,具有较好的实时性和适用性。最后采用测试负载验证了上述电弧故障识别算法的有效性。

基于广义S变换的航空串联电弧故障检测

航空串联电弧故障隐蔽性强导致检测困难,严重危害航空飞行的安全,这一问题越来越受到人们的重视。鉴于目前串联电弧故障诊断时频方法的局限性,提出利用广义S变换对实验电流信号进行分析,并提取特征量。依据标准搭建串联电弧故障模拟发生装置和串话干扰实验,并采集电路中的电流信号,采用信号选取框截取实验数据进行广义S变换,提高了电弧故障识别准确率。根据发生故障后时频谱的变化情况,对2kHz分量分别提取均方根值和能量作为特征量,通过与小波变换方法的分析结果进行对比,结果表明该方法在进行航空串联电弧故障诊断时具有更高的识别准确率,并且串话干扰情况不会被误判。最后,对提取的特征量构建特征向量再输入到粒子群优化的支持向量机中进行识别,结果表明识别准确率达到98.75%,与单一特征量故障识别相比,准确率得到了进一步提升,为航空电弧故障断路器的研制提供了可靠参考。

基于紫外/三维荧光的海水总有机碳浓度测量

目前,测量海水总有机碳(TOC)数值的国标法主要采用高温催化燃烧氧化法和湿法氧化法,而且两种方法还停留在实验室分析阶段,存在测量过程繁琐、造成二次污染、人力物力消耗大等不足。因此,提出一种基于紫外/三维荧光的海水TOC检测方法,利用粒子群优化-最小二乘支持向量机算法进行了荧光光谱数据处理。实验结果表明采用255、265、275 nm波长的紫外LED作为光源能够激发出效果较好的三维荧光光谱。此外,还详细分析了TOC测量数据的建模过程。所建数学模型的校正集决定系数为0.997 7,检验集决定系数为0.977 7,建立的定量数学模型效果较好,可以通过得到的三维荧光光谱数据准确的检测样品中TOC浓度数值。因此,荧光光谱检测技术是分析水体中低浓度TOC的有效方法,可以满足海洋水质环境监测的要求。

基于Levene检验的航空交流串联电弧故障检测

航空电弧故障直接影响着航空飞行的安全,这一问题越来越受到重视,其中,交流串联电弧故障更隐蔽,造成的危害更大。该文基于航空115V/400Hz交流系统开展串联电弧故障模拟实验,并对检测方法进行了研究,鉴于目前统计学方法的局限性,提出用Levene检验对实验电流信号进行分析并提取特征量。Levene检验是分析两组及以上数据的方差齐性,从而找到正常和电弧故障情况的明显差异,与常见统计学方法峭度、偏态指标和相关系数利用粒子群算法优化的支持向量机进行识别准确率测试。结果表明,该方法的效率高于其他三种,并采用测试负载验证了其有效性。由此,在识别航空串联电弧故障时,Levene检验方法有较好的实时性和适用性,易于设定阈值,具有重要的工程应用价值。

船舶通信定位信号短时中断插值预测模型构建

为了提高船舶通信定位信号的短时中断插值预测精度,提出一种非线性的船舶通信定位信号短时中断插值预测模型。首先对当前船舶通信定位信号的短时中断插值预测方法缺陷进行描述,指出船舶通信定位信号短时中断具有随机性,然后采集船舶通信定位信号短时中断历史数据,将其看作是一种时间序列数据,并通过粒子群算法优化支持向量机对其进行建模,建立船舶通信定位信号短时中断插值预测模型,最后的船舶通信定位信号短时中断插值预测结果表明,本文模型的船舶通信定位信号短时中断插值预测精度高,预测误差小于线性的船舶通信定位信号短时中断插值预测模型,可以更好地适应船舶通信定位信号短时中断变化,具有一定的理论和实际应用价值。

地铁安全文明施工费费率标准动态测算研究

为有效解决目前地铁工程中安全文明施工费费率标准指导效用滞后问题,在数据时效性约束下研究该费率的实时测算。在界定地铁工程安全文明施工费内涵的基础上,将其按固定费用和变动费用精细化分析,进而统计并预测其费用投入以作为费率测算分子;构建用粒子群算法优化的最小二乘支持向量机（PSO-LS-SVM）模型,用其预测竣工结算造价,从中提取计费基数作为费率测算分母;最终形成地铁工程安全文明施工费费率标准的动态测算方法;选取武汉地区在建样本项目进行实证分析。结果表明：用动态测算方法测算的费率,能够反映实时环境下的地铁工程对安全文明施工费的需求。

基于LSSVM与CPSO的瓦斯涌出量组合预测

为了提高矿井瓦斯涌出量的预测精度,提出了一种基于最小二乘支持向量机(LSSVM)与经典粒子群优化算法(CPSO)的矿井瓦斯涌出量非线性组合预测方法。该方法应用最小二乘支持向量机建立了一个多输入单输出的瓦斯涌出量非线性组合预测模型,对3个常用的单项预测数据进行非线性组合并作为最终预测结果,模型的参数由经典粒子群算法与学习样本的平均绝对误差最小原则进行智能优化。实验结果表明,所提出方法最大绝对误差为0.0183m3·t-1、平均绝对误差为0.0039m3·t-1,达到了高精度预测的要求,对矿井瓦斯涌出量预测研究具有较好的实用价值。

基于三维荧光的产麻痹性贝毒藻浓度监测研究

近年来,我国沿海赤潮发生的次数和面积持续增加,经济损失严重。根据赤潮的毒性特点,通常分为三类,分别为无毒赤潮、鱼毒性赤潮和有毒赤潮。其中有毒赤潮产生的毒素主要是麻痹性贝毒,其由于分布广,毒性强成为危害最大的生物毒素之一。根据麻痹性贝毒的摄入量不同,人类误食染毒的贝类后,身体各部位会出现刺痛或灼热的感觉,然后全身麻痹,严重者甚至在短时间内死亡。近年来,多地出现人类误食染毒的贝类后死亡的事件。麻痹性贝毒的摄入量主要取决于产麻痹性贝毒藻的浓度,因此,对产麻痹性贝毒藻浓度的监测就显着尤为重要。提出了用三维荧光光谱结合化学计量学方法建立产麻痹性贝毒藻定量分析模型。首先,利用F-4600荧光光度计采集微小亚历山大藻(Alexandrium minimum)、链状裸甲藻(Gymnodinium catenatum)和太平洋亚历山大藻(Alexandrium pacificum)三种典型的产麻痹性贝毒藻类三维荧光光谱数据,获取藻类样本的三维荧光光谱等高线图,并进行图谱分析;然后,利用不同激发波长下的发射光谱数据建立产麻痹性贝毒藻三维荧光光谱的串行表示模型,提取新的特征;最后,将新的特征数据分别作为粒子群优化最小二乘支持向量机算法(particle swarm optimization-least squares support vector machine, PSO-LSSVM)和偏最小二乘回归(partial least squares regression, PLSR)的输入,建立产麻痹性贝毒藻的定量分析模型。结果表明,运用粒子群优化最小二乘支持向量机算法建立的产麻痹性贝毒藻的定量分析模型普遍优于偏最小二乘回归算法。当激发波长选择460和530 nm,发射波长选择650~750 nm作为PSO-LSSVM的输入数据,建立的产麻痹性贝毒藻的定量分析模型效果最好,结果显示Rc=0.999 9, RMSEC=0.017 1,Rp=0.949 2, RMSEP=0.291 0。这体现出三维荧光光谱结合PSO-LSSVM定量分析模型可有效地监测活体产麻痹性贝毒藻的浓度数值,为产麻痹性贝毒藻浓度检测提供了一种在线检测的新方法。

基于EMD-GA-BP与EMD-PSO-LSSVM的中国碳市场价格预测

由于碳交易市场价格的波动性大及相互影响关系的复杂性,本文试图构建碳价格长期和短期的最优预测模型。考虑到碳交易价格波动的趋势性和周期性特点,基于经验模态分解算法(EMD)、遗传算法(GA)—神经网络(BP)模型、粒子群算法(PSO)—最小二乘支持向量机(LSSVM)模型及由它们构建的组合预测模型,对中国碳市场交易价格进行短期预测和长期预测。实证分析中将影响碳交易价格的不同宏观经济因素和碳价格时间序列因素做为输入变量,分别代入组合模型进行预测。研究结果表明,在短期预测中,EMD-GA-BP模型预测效果优于GABP模型和PSO-LSSVM模型;而在长期预测中,组合模型EMD-PSO-LSSVM模型预测效果优于只考虑碳价格波动趋势性或周期性预测效果。

基于函数型特征数据的光伏短期功率预测方法

短期光伏发电功率预测对电网的安全、经济和稳定运行具有重要的意义。随着"互联网+"和"大数据时代"的到来,光伏电站收集的数据更加密集和连续,呈现出函数型特性。目前,光伏发电预测研究还局限于稀疏、离散的传统数据。针对具有函数型特征的min级数据对光伏电站短期功率进行预测。首先,通过傅里叶基函数变换将具有函数型特征的离散数据转化为函数型数据;利用函数主成分分析将数据降维,得到少量函数主成分特征向量,使用高斯混合模型—最大期望算法对特征向量聚类,结合天气信息验证聚类的效果;然后使用改进PSO-ELM算法分别对聚类得到的典型场景进行预测;最后,通过四川某地区实例验证了模型的有效性。