基于NOA-VMD的炮口冲击波谐振噪声降噪算法

火炮发射时产生的炮口冲击波信号频谱范围广,受限于采集系统中压力传感器有效工作带宽导致采集过程引入大量谐振噪声。为了降低谐振噪声对炮口冲击波信号的影响,提出了一种基于星鸦优化算法(NOA)优化变分模态分解(VMD)的炮口冲击波谐振噪声降噪算法。首先以最小包络熵为适应度函数的NOA对VMD的分解模态数与惩罚因子参数进行优化;其次通过NOA-VMD算法对炮口冲击波信号进行分解,计算各分量谐振能量损失比筛选出谐振分量;最后对剩余信号分量进行重构得到去除谐振分量的炮口冲击波。实验结果表明,NOA寻优效果最佳,基于NOA-VMD算法有效降低谐振噪声对炮口冲击波信号的干扰。

煤矿井下的UWB定位基站布设优化研究

为了克服煤矿井下复杂环境对超宽带(UWB)定位系统基站布设的影响,本研究引入了一种创新的自然启发式元启发算法——星鸦优化算法(NOA),旨在优化UWB定位系统的基站布局。本文以UWB基站布设的区域覆盖率作为优化的目标函数,并通过NOA的迭代过程,寻求最优的基站布局方案。仿真试验表明,NOA的收敛精度和收敛速度很高。研究结果表明,NOA在井下复杂环境中的UWB定位系统中的应用潜力很大,为进一步测试实际环境和算法优化提供了理论基础和实践指导。

融合改进NBEATSx和时间注意力机制的空气污染预测

针对现有空气污染预测存在结构复杂、对多元变量与不同时间步间依赖关系提取不充分和多步预测精度低的问题,引入了β分布和非线性动态控制函数改进星鸦优化算法(INOA),优化NBEATSx模型参数,提高收敛精度;并融合时间模式注意力机制(TPA)为不同时间尺度的多外生变量自适应分配权重,再结合预测因子获取时间模式关系.利用所提模型对北京地区的PM2.5进行预测,与传统模型相比精度提高超过18.45%,为空气污染预测提供了一种新方法.