基于混沌蚁群优化小波阈值法地磁信号噪声压制

地磁信号测量广泛应用于资源勘探、地质勘查和管线探测等领域。由于实际测量地磁信号易受到外界环境因素干扰,影响后期地磁数据资料解释。针对常规去噪算法需要获取噪声信号的统计特性,难以达到较好的去噪效果,基于混沌蚁群优化的小波阈值方法,将信号小波分解后,使用广义交叉验证函数选取阈值,结合混沌蚁群算法迭代寻优,确定最优阈值,进而实现地磁信号的噪声压制。通过对合成正弦信号和实测地磁信号进行去噪处理,与常用方法去噪法对比,本文方法去噪效果明显提升。

混沌蚁群优化的高速公路匝道PI控制器

研究混沌蚁群算法优化PI控制器的参数,调控进入高速公路的车辆数量。首先建立了高速公路交通流模型,阐述了混沌蚁群算法的基本原理,并给出了该算法优化的步骤;然后结合非线性反馈理论设计了基于混沌蚁群优化的入口匝道PI控制器;最后用MATLAB软件进行系统仿真。结果表明,该系统响应速度快,具有优越的动态和稳态性能,控制效果优于传统的和基于蚁群优化的PI控制器。

一个修改的混沌蚁群优化算法

本文提出一个用于混沌蚁群优化算法的算法结束条件,并将算法结束条件加入混沌蚁群优化算法.通过数值试验,验证其有效性.数值试验表明混沌蚁群优化算法可以得到较高精度的最优解.修改的混沌蚁群优化算法可以通过多次混沌搜寻,逐步逼近最优解,可以用来求解复杂连续空间优化问题.

混沌蚁群组合优化算法实现盲信号检测

根据混沌映射的伪随机性、遍历性以及规律性等特点提出一种新的算法,基于混沌-蚁群组合优化盲检测算法,即在信息素初始化时采用混沌初始化,并且在信息素更新时加入混沌扰动。仿真实验分别采用了4种不同的混沌映射:经典的Logistic映射、两种阶数不同的切比雪夫映射和改进的H映射。仿真结果表明,提出的基于混沌蚁群组合优化盲检测算法(CACO)可以提高计算效率,表现出了优于文献算法的良好性能。

基于混沌蚁群算法的大时滞对象神经网络控制

为了有效控制未知大时滞对象,以最小二乘支持向量机为辨识器,通过改进模糊PID控制,构造了一种智能型神经网络作为控制器.在此控制方案下,对蚁群算法引入混沌搜索机制进行改进,将其应用于控制器参数的离线优选.仿真结果表明:该方案及其优化策略能有效改善系统的性能,稳态无静差,动态性能好,且具有一定的鲁棒性.

一种新的地磁信号去噪算法研究

地磁观测数据应用十分广泛。由地磁观测数据对各种环境因素的敏感性,严重影响了地磁数据的处理和利用。如果使用传统的噪声消除算法,难以获得良好的噪声消除效果。混沌序列可以提供一定的随机性和非线性特性,以帮助优化算法更好地搜索最优解。地磁信号则是需要去噪的原始信号。通过使用混沌蚁群算法构建目标函数,可以对地磁信号进行优化和去噪处理。算法会根据目标函数的设定,通过模拟蚁群行为和混沌序列的引导,逐步调整信号的参数和特征,以达到减小噪声、提取有效信息的目的。

基于支持向量机属性约简集成的模拟电路故障诊断

针对模拟电路故障数据存在大量无关或冗余特征的特点,为进一步提高故障诊断准确率,提出支持向量机属性约简集成的模拟电路故障诊断新方法。首先证明一致决策表属性约简与集合覆盖的等价性,将最优属性约简问题转化成最小集合覆盖问题;然后在结合混沌优化产生初始信息素分布和进行混沌扰动的基础上,设计求解最小集合覆盖问题的混沌蚁群算法;最后给出基于属性约简集成的模拟电路故障诊断模型。用双二次滤波电路对算法进行验证,取得97.8%的故障诊断准确率,与其他方法进行比较,结果显示了本文方法的优越性。

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.

转盘跟踪试验系统的控制策略研究

为创建精确、稳定的试件二维加速度过载环境,提高对转盘跟踪试验系统的控制精度,对系统矢量转盘进行建模,采用自适应混沌蚁群优化的RBF神经网络PID控制器,解决RBF神经网络权值优化较慢的问题,有效缩短神经网络学习时间,提高PID控制器的在线自适应能力,使转盘跟踪试验系统快速跟踪目标。仿真结果表明:自适应混沌蚁群优化的RBF神经网络PID控制器优于传统的RBF神经网络PID控制器,具有很好的准确性和快速性,对于转盘跟踪试验系统设计具有较大的工程意义。

多源多汇WSNs中基于概率路由的数据融合方法

针对传统多对一数据融合方法无法有效支持多源多汇无线传感器网络(WSNs)应用场景,难以适应网络动态性和可扩展性等问题,提出了一种基于概率路由的分布式多对多数据融合方法。在无需全局知识的前提下,多个汇聚节点能同时高效地收集来自多个源节点的感知数据。新方法使用混沌蚁群优化指导数据传输方向,结合数据融合和多播技术降低通信负载。当网络环境保持稳定时,路由结构逐渐收敛为近似最优数据融合结构,如果网络环境发生变化,路由结构也会迅速调整。通过与现有方法的比较,实验仿真验证了新方法的可行性和高效性。

一种基于混沌系统部分序列参数辨识的混沌保密通信方法

本文提出一种混沌保密通信方法,即混沌系统的部分序列用于混沌系统参数辨识其他序列用于通信保密.利用混沌蚁群优化算法对部分序列混沌系统进行参数辨识,以达到了解混沌系统全部信息的目的.在参数辨识过程中引入参数空间和蚁群空间,通过空间变换函数使参数空间与蚁群空间之间相互变换.文中使用Lorenz系统进行数值试验,其结果验证混沌系统部分序列参数辨识及混沌保密通信的可行性.