基于多目标灰狼优化算法与RBF神经网络的真空灭弧室触头结构优化设计

在真空灭弧室触头开断过程中,合适的磁场分布有利于提高其开断性能;在合闸过程中,动、静触头间存在的电动斥力会导致触头出现弹跳现象。针对以上问题,首先建立了带铁芯式杯状纵磁触头的三维模型,进行了磁场分布与电动力的计算;为了进一步提高触头的性能,然后构建了以触头片开槽长度、开槽宽度、径向偏转角度、杯座斜槽高度及单个斜槽上下旋转角度为输入,电流峰值时刻触头间隙中心平面纵向磁场强度最大值、过零时刻中心点处磁滞时间、合闸时动静触头间的电动斥力分别为输出的RBF神经网络模型;最后结合RBF神经网络模型与多目标灰狼优化算法(MOGWO)对触头结构进行了优化。结果表明:与初始结构参数相比,当触头片开槽长度为19.74mm、宽度为3.94mm、径向偏转角为19.9°、杯座斜槽高度为18.0mm、斜槽上下旋转角为119.2°时,触头具有更好的磁场分布特性,且动、静触头间的电动斥力明显减小,有利于提高触头的工作性能。

基于EMD分解和改进GWO-BP神经网络的滑坡位移预测

考虑到滑坡位移受多因素的影响,结合信号分解与智能算法,提出了一种时序分解-模型构建-模型训练的EMD-BP-TIGWO滑坡位移预测方法。首先,利用EMD方法将滑坡监测数据分解为多个IMF分量及一个残余量,将分解后的分量划分为周期项及趋势项位移;其次,构建BP-TIGWO模型,引入Tent映射及自适应权重,提高灰狼算法的收敛速度及全局搜索能力,并利用TIGWO算法优化BP神经网络的权值及阈值;利用Pearson相关系数对周期项滑坡位移与降雨量间的时滞期数进行分析,利用优化后的BP模型分别对周期及趋势项滑坡位移进行预测;最后,将各分量预测值进行叠加得到滑坡累计位移预测值,并对模型预测准确率进行评价。实验结果表明,EMD-BP-TIGWO模型在考虑降雨输入特征下,连续32 d预测的RMSE、MAE及R2分别为0.64、0.51及0.97,模型预测精度明显高于未考虑时滞的EMD-GWO-BP、EMD-GWO-BP、BP-TIGWO、BP模型的预测精度,可为预测滑坡的位移提供参考。

基于结构改进RBF神经网络的NO_(x)预测模型比较

针对燃煤电厂选择性催化还原(selective catalytic reduction,SCR)脱硝系统入口氮氧化物浓度测量准确性的问题,提出基于结构改进的径向基函数神经网络(improvedradial basis functionneural network,IRBFNN)预测模型。采用互信息选取辅助变量作为模型的输入变量,避免变量过多或过少导致模型精度降低;利用k近邻互信息估计辅助变量的延迟时间,解决时序问题;采用调整时序的辅助变量和主导变量建立结构改进的RBF神经网络(RBFNN)预测模型;采用人工鱼群算法(artificial fish swarm algorithm,AFSA)和粒子群优化(particle swarm optimization,PSO)算法加速验证结构改进模型的优越性,并对2种优化算法的优化能力进行分析。仿真结果表明,结构改进的RBF神经网络模型的均方根误差和平均绝对百分比误差明显高于原模型;AFSA优化后的模型精度高于PSO算法,然而其需要调节的参数较多。

基于改进灰狼算法的RBF神经网络研究

对于RBF神经网络权值参数优化问题,提出一种基于改进灰狼优化算法的RBF神经网络的方法.针对灰狼算法的收敛精度低的缺点提出一种非线性收敛的灰狼算法,将隐层到输出层的权值矩阵映射成灰狼算法里的人工狼,利用灰狼优化算法收敛速度快,全局搜索能力强的特点对RBF网络的隐层到输出层的权值进行优化.本文采用KDD CUP99数据集进行实验,实验结果表明:本文所提出的算法具有更好的分类检测效果具有更好的检测分类效果,并在一定程度上增强了RBF神经网络对非线性问题的处理能力.

基于改进遗传算法的RBF神经网络结构优化研究

针对RBF神经网络隐含层节点数过多导致网络结构复杂的问题,提出了一种基于改进遗传算法(IGA)的RBF神经网络优化算法。利用IGA优化基于正交最小二乘法的RBF神经网络结构,通过对隐含层输出矩阵的列向量进行全局寻优,从而设计出结构更优的基于IGA的RBF神经网络(IGA-RBF)。将IGA-RBF神经网络的学习算法应用于电子元器件贮存环境温湿度预测模型,与基于正交最小二乘法的RBF神经网络进行比较的结果表明:IGA-RBF神经网络设计出来的网络训练步数减少了44步,隐含层节点数减少了34个,且预测模型得到的温湿度误差较小,拟合精度大于0.95,具有更高的预测精度。

基于改进神经网络与五防规范的操作序列的自动化生成

为了高效、安全地制定相应的操作票,提出了一种基于改进人工神经网络的操作序列自动生成方法。利用改进粒子群(PSO)算法对广义径向基神经网络中相关参数进行寻优,并通过设定编码规则,规范输入输出的编码格式与含义,并据此将操作任务目标数字化后输入,利用五防规则对其生成的预结果进行保留或修改,使之最终生成对应的操作序列,从而辅助变电运行人员完成操作票的制定。最后利用湖北某变电站操作票序列做实例验证,实验表明利用该方法自动生成操作序列较传统的人工方法效率更高、更为安全、具有较强的智能性。

基于MPSO-RBF混合优化的过热汽温神经网络自适应控制

提出了基于改进PSO算法的RBF神经网络混合优化(MPSO-RBF)方法,该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合,克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点.针对具有较大惯性和滞后的非线性系统构造出一个基于MPSO-RBF混合优化方法的带输入迟延链的复合神经网络自适应控制系统(MPSO-NNC),针对某超临界600MW直流锅炉高温过热器的过热汽温控制进行了仿真试验,并与GA-RBF和Smith预估控制效果进行了对比,结果表明该方法具有更好的性能指标.

改进GWO-RBF神经网络的高频地波雷达海杂波预测模型

高频地波雷达的海上目标探测能力与海杂波的抑制效果息息相关,而海杂波的精确预测又是其有效抑制的重要前提.为实现海杂波的精确预测,提出一种基于改进灰狼算法优化RBF神经网络的预测模型(MGWO-RBF),为解决灰狼优化算法收敛速度慢和易陷入局部最优的缺点,提出一种灰狼狼群分工搜索的策略,使得整个迭代过程中狼群始终兼具大范围搜索和局部探索能力.与经典的粒子群算法、标准灰狼优化算法和动态权重灰狼优化算法对比得出结论:改进的灰狼算法在收敛速度和精度上都有明显提升,MGWO-RBF预测模型对海杂波预测的精度达到96.23%,取得了较好的预测效果.

基于改进灰狼优化算法的管道泄漏定位研究

针对往复压缩机循环水管道泄漏点定位的问题,提出了一种基于改进的灰狼优化算法的管道泄漏定位方法。该方法采集携带泄漏信息的负压波信号,并对传统灰狼优化算法进行改进,提出一种改变其控制参数的收敛因子a,使其迭代前期递减速度变慢,迭代后期递减速度变快的算法,从而使改进后灰狼算法满足全局搜索要求并加快寻优速度。利用改进后的灰狼优化算法,优化VMD信号降噪和BP神经网络算法,其定位精准度相较于原始GWO、传统改进IGWO都有所提高,证明改进后的算法更适合管道泄漏定位的研究。

基于灰狼算法与RBF神经网络对污水出水BOD的预测

针对污水处理过程生化需氧量(Biochemical Oxygen Demand, BOD)具有非线性和难以预测的特点,建立了一种基于灰狼算法和RBF神经网络的污水处理模型,来预测污水处理参数BOD.引入灰狼算法解决了由于RBF神经网络收敛速度慢,容易陷入局部最优的特点,优化隐含层到输出层的权值,避免了过训练的现象.仿真结果证明,所设计的关键参数BOD预测精度高,比传统的BP网络训练效果好.

基于改进PSO算法的过热汽温神经网络预测控制

将改进粒子群优化算法(MPSO)融合到神经网络预测控制中,提出了基于MPSO-RBF混合优化策略的模型预测器,以及基于MPSO算法的非线性优化控制器.针对过热汽温的控制。构造了基于神经网络预测控制的串级控制系统,并就该系统在实现时所涉及到的预测模型、滚动优化算法、反馈校正、仿真参数设置问题等进行了分析,给出了MPSO算法的粒子编码、操作设计和混合优化算法步骤.对某超临界600 MW直流锅炉高温过热器的过热汽温控制,进行了仿真试验,结果表明该方法具有良好的性能指标和应用前景.

用于车辆非线性液压悬架的径向基函数神经网络控制优化与仿真

车辆行驶受到路面噪声激励后,导致车辆行驶的稳定性下降。对此,建立车辆液压悬架振动模型简图,根据牛顿定律建立车辆垂直方向非线性控制方程式。采用液压驱动车辆悬架机构,推导出液压流量控制方程式。设计径向基函数(RBF)神经网络控制器,引用改进遗传算法对RBF神经网络结构进行优化和调节,给出了车辆液压悬架神经网络控制结构。采用Matlab软件对车辆性能参数进行仿真,并与优化前进行比较。结果表明:车辆液压悬架控制器优化后,轮胎行程最大值、悬架行程最大值和车身加速度最大值分别降低了52.0%,39.2%和44.2%,车辆垂直方向振动幅度较小。采用改进遗传算法优化车辆液压悬架RBF神经网络控制器,能够提高车辆行驶的稳定性和安全性,改善车辆乘坐的舒适度。

改进的单形进化算法及在神经网络上的应用研究

单形进化算法(Surface-Simplex Swarm Evolution Algorithm,简称SSSE)是一种新型群体智能优化算法,该算法通过建立粒子的单形邻域搜索算子和多角色态搜索机制,具有很好地收敛效果.为了对该算法的性能进行进一步分析与讨论,同时,为了强调全局搜索的应用场景并提高算法的勘探搜索能力,提出一种改进的单形进化算法(ISSSE),ISSSE对原算法的多态平衡搜索机制进行了两点改进;然后用8个标准测试函数进行性能测试,并同不同的算法比较;最后将ISSSE算法应用于径向基神经网络(RBF)的参数优化中.实验结果表明,改进的单形进化算法(ISSSE)在其性能上具有更好的勘探搜索能力,提高了算法的求解精度和收敛速度,并且能够很好应用于RBF的参数寻优,提高了RBF的分类正确率.

基于IGWO与BP神经网络的海洋沉积物质量评价

针对单因子评价法在海洋沉积物质量评价中评价结果粗糙等问题,提出一种新的利用改进灰狼优化算法(IGWO)优化BP神经网络的海洋沉积物质量评价模型。该模型引入具有快速收敛、简单高效、全局优化能力较强特点的改进灰狼优化算法,在模拟灰狼捕猎的过程中得到了BP神经网络的各层权值、阈值的最优解。并以温州东部沿海海域的监测数据作为样本进行海洋沉积物的质量评价,实验结果表明该评价模型具有收敛速度快、准确性较高等特点,能够准确、合理地对海洋沉积物质量做出评价。

基于改进GWO-GRNN的管道焊缝三维重构测量

为提高双目相机不同位姿下焊缝的三维重构测量精度,提出一种基于立体视觉图像误差补偿的管道焊缝三维重构测量方法。采用改进灰狼算法(IGWO)优化广义回归神经网络(GRNN)补偿焊缝三维重构图像点的坐标误差。采用混沌映射、非线性收敛因子和最优记忆保存思想对GWO算法进行改进,通过8个标准测试函数进行仿真验证;利用优化后的GRNN模型对图像点坐标误差进行预测和补偿,计算三维坐标重构出焊缝点云,三维测量焊缝的焊宽、余高和长度。试验结果表明:该模型在双目相机不同的位姿状态下都能较准确地实现焊缝的三维重构,焊缝的三维测量相对误差在0.9%以内。

WSN中基于改进灰狼优化的分簇路由协议

针对无线传感器网络能耗不均衡、网络生存期短的问题,提出一种基于改进灰狼优化的分簇路由算法.在簇构建阶段,首先采用自组织神经网络映射(SOM)对网络节点聚类分簇,然后在簇内使用改进的灰狼优化算法选择最优簇头;簇间路由阶段,综合考虑节点的剩余能量和地理位置,为簇首选择合理的下一跳;簇内通信阶段,引入轮询控制机制,进一步降低网络能耗.仿真结果表明:在不同规模的场景下,所提算法均能够均衡网络能耗、延长网络生存期、提高网络吞吐量.

MPSO-RBF优化策略在锅炉过热系统辨识中的仿真研究

提出了基于改进PSO算法的RBF神经网络混合优化(MPSO-RBF)方法,并将其应用到非线性系统的辨识中。该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合,克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点。经典型非线性系统仿真试验,并与GA-RBF和RBF辨识效果进行了对比,结果表明基于MPSO-RBF的混合优化方法较GA-RBF和RBF优化速度快、逼近性能好,可以达到更优的辨识精度。最后,通过对火电厂的过热汽温动态特性的辨识实例,同样证明了MPSO-RBF方法具有更好的性能指标。

基于MPSO算法的RBF网络学习算法

针对标准粒子群优化(PSO)算法存在早熟收敛,易陷入局部极值的缺陷,提出了一种利用混沌优化算法确定PSO算法参数的改进粒子群优化(MPSO)算法。为了提高径向基函数(RBF)神经网络的精度和性能,提出了一种基于改进粒子群优化(MPSO)算法的RBF网络学习算法。RBF网络隐层节点个数用对手受罚的竞争学习(RPCL)算法确定后,基函数的中心矢量、方差和网络权值用MPSO算法在全局空间动态确定。采用Iris分类问题做仿真实验,并与基于标准PSO算法的方法和单纯BP网络训练进行比较。实验结果表明,该算法性能优于所比较的2种算法,并且具有良好的收敛性和模式分类能力。

基于IGWO-RBF的LTE-R切换算法研究

针对高速铁路LTE-R越区切换中,A3事件下的越区切换算法容易出现乒乓效应(PPE)和无线链路连接失败(WLF)的问题,提出了粒子群优化(PSO)灰狼算法改进的RBF神经网络(IGWO-RBF)的越区切换优化算法。该算法采集大量列车以不同速度(0~100 m/s)运行在特定环境中时切换成功率高的切换迟滞门限(Hys)和触发延迟时间(TTT)参数集,送入改进的RBF神经网络,训练完成后得到不同速度下的Hys和TTT的拟合曲线。根据列车接收到的参考信号接收质量(RSRQ),加入自矫正项对Hys和TTT进行二次优化调整。在matlab上进行仿真实验,结果表明提出的算法减小了掉话率和乒乓切换率,提高了列车在高速环境下的切换成功率及鲁棒性。

基于改进灰狼算法优化LSTM的断面交通流预测

为提高断面交通流的预测性能,提出一种基于改进灰狼优化算法(IGWO)优化长短期记忆神经网络(LSTM)的断面交通流预测方法。首先,针对灰狼优化算法(GWO)中存在的狼群易陷入局部最优等问题提出了非线性收敛因子、基于SPM混沌映射的种群初始化和基于权重的位置更新策略3个方面的改进。其次,建立IGWO优化LSTM网络超参数的断面交通流预测模型(IGWO-LSTM),同时构建并行子模型。最后,将IGWO-LSTM应用于断面交通流预测,结果表明所提出的IGWO-LSTM模型在断面交通流中具有更好的预测性能。此外,还研究了所提出的模型在跨步断面交通流中的预测效果,以测试和验证所提出的模型。