改进BP算法在混合气体定量检测中的应用

针对单一反向传播(BP)神经网络用于混合气体检测中出现的检测误差较大和依赖初始权值和阈值的问题,提出引入自适应调整发现概率的布谷鸟搜索(CS)算法和模拟退火算法优化BP网络初始权值和阈值的方法来实现混合气体的定量检测。利用CS算法强大的全局搜索能力,对神经网络的初始权值和阈值进行优化,在算法迭代过程中,使用模拟退火操作避免算法陷入局部最优,并在此基础上引入发现概率的自适应调整策略用于新解生成;以此优化后的参数作为初始连接权值和阈值用于BP网络进行混合气体的定量识别。在MATLAB软件上对实验数据进行仿真处理,与以往单一BP算法相比,改进算法对混合气体的定量检测效果显著,平均相对误差在10%左右。

布谷鸟算法求解组装车间仓储调度优化问题

为提高产品组装效率,对影响产品组装效率的因素进行了分析,将仓储作业与组装作业作为组装任务,以其完工时间总和最小为目标,建立了组装车间仓储调度模型,并提出一种改进的布谷鸟算法对其进行求解。该算法通过自适应调整发现概率,避免了在搜索过程中陷入局部最优,通过动态调整步长,提高了收敛速度。为验证该算法的性能,结合工业现场实例与原始布谷鸟算法及遗传算法进行了仿真对比,结果表明本文提出的算法在收敛精度及收敛速度上都取得了较好的效果。

基于改进布谷鸟搜索的Benchmark框架损伤识别

工程优化问题中,布谷鸟搜索存在收敛精度不高、收敛速度较慢等弊端,从发现概率和随机步长两方面对布谷鸟搜索进行改进,并成功进行了实验室结构的损伤识别。对基本布谷鸟搜索进行了改进,发现概率自适应调整,步长自适应变化。基于MATLAB建立了英属哥伦比亚大学实验室ASCE Benchmark框架的3维有限元模型,并提取了6种损伤工况的实测频率和振型。基于频率因子和振型因子建立了目标函数,分别采用基本布谷鸟搜索和改进布谷鸟搜索进行了损伤识别,结果表明,改进的布谷鸟搜索能够更好地识别结构的损伤位置和损伤程度。研究成果具有一定理论研究意义和较高的工程应用价值,可应用于实际工程的损伤识别和健康监测。