局部维度改进的教与学优化算法

针对原始教与学优化算法局部搜索能力不强和进化后期容易陷入局部最优的问题,提出基于局部维度改进和自学习扰动的教与学优化算法.将局部维度改进融入教和学2个阶段,将个体的高质量维度变量保留到下一代,不断改善低质量维度变量,提高算法的细粒度搜索能力.提出一种混合全局维度改进和局部维度改进的个体更新方式,通过2种改进权重的逐代变化实现算法早期全局搜索和后期局部探测的平衡.在新算法中增加基于个体最优位置和搜索边界信息的自学习阶段,使种群在进化后期仍能向最优解方向搜索,避免算法过早陷入局部最优.基于标准测试函数的仿真结果表明,相比于原始的教与学优化算法和当前其他优秀的改进版本,局部维度改进的教与学优化算法的收敛精度平均提高了10~2～10~5倍,收敛速度平均提高了2～3倍.

基于改进花授粉算法的无人船空间全局优化

在分析无人船的空间路径规划的数学建模基础上,提出基于粒子群局部搜索算法策略和维度改进算法策略的改进花授粉(IFPA)的全局搜索优化算法。该算法在水面中解决无人船(US)路径规划问题中,可以加快全局收敛速度,同时保留标准花授粉算法(FPA)的强鲁棒性。实验结果表明:相比其他9种基于群体的算法,IFPA方法对解决US在水面路径规划更为有效。

基于DIGWO-VMD-CMPE的轴承故障识别方法

针对滚动轴承故障信号特征提取困难和识别准确率低的问题,提出了一种基于维度学习的改进灰狼优化算法(DIGWO)优化变分模态分解(VMD)和复合多尺度排列熵(CMPE)的轴承故障识别方法。首先,采用基于维度学习的狩猎(DLH)搜索策略、余弦收敛因子a和个体狼ω位置更新的方法将灰狼优化算法(GWO)改进为DIGWO,并利用DIGWO算法的自适应性优化VMD分解,得到了多个本征模态函数(IMFs);然后,利用复合多尺度排列熵计算IMFs的特征值,选取适当维数的特征,构建了故障特征向量;最后,利用DIGWO算法优化支持向量机(SVM)的惩罚系数C和径向基函数g,建立了DIGWO-SVM滚动轴承故障诊断分类器,并利用滚动轴承的振动数据验证了算法的有效性。研究结果表明:基于CMPE的DIGWO-SVM滚动轴承故障诊断方法能够有效地识别轴承的运行状况,识别准确率达到了99.42%,相较于PSO-SVM、SSA-SVM方法提高了7.75%、1.68%,证明了该方法的分类性能在滚动轴承故障诊断中更具优势。

安全文化持续改进体系建构研究

由于员工的不安全行为与监管漏洞,行为者常常能够从其违章行为中获得即时收益,却并非每次都会遇到被惩罚或生产事故的情况,鼓励了员工持续做出故意违章行为。二维度安全文化持续改进体系针对员工不安全行为动机设计。外驱阶段借助外部力量通过观念引领、全员培训、制度改善及行为训练的方式改变员工的风险观念及行为方式。内驱阶段注重发挥非正式群体的作用,为员工提供自觉参与隐患治理、安全改善及安全教育活动的渠道,促成安全行为习惯的养成。