基于自适应寻优遗传算法的牛肉变质区域识别方法

针对传统方法对牛肉变质区域识别的准确率低、用时长的问题,提出基于自适应寻优遗传算法的牛肉变质区域识别方法。将牛肉检测光谱数据子集作为染色体,引用二进制编码,计算群个体编码及种群初始化;通过适应度函数优化交叉与变异操作,为种群的不同个体计算单独的交叉概率与变异概,输出最终牛肉变质区域的检测光谱数据。实验数据表明,所提方法仅迭代40次可完成牛肉变质区域识别,且平均识别准确率为95.8%,识别用时为1.7 s,与两种传统方法相比,识别精度分别提高了28.72%和20.34%,识别耗时分别缩短了2.09 s和4.13 s;由此得出结论,所提方法具有收敛速度快,且适应度均值较高,全局搜索能力强;所提方法在识别牛肉变质区域方面具有识别率高、用时短的优势,具有较高的可靠性、科学性和可行性。

电站锅炉燃烧系统案例推理自适应寻优方法及应用研究

以提升火电机组调峰调频灵活性,促进可再生能源消纳为目标,针对某火电机组运行过程中燃烧稳定性、经济性等问题展开研究。采用自适应遗传算法优化核函数参数和正规化参数,建立最小二乘支持向量机(LS-SVM)锅炉燃烧过程模型。在建立模型的基础上,采用自适应遗传算法离线建立优化案例库。进而从便于工程应用角度提出一种基于案例推理(CBR)寻优方法,结合主、客观因素利用遗传算法优化案例推理特征权重,提高了检索精度,并自适应地从庞大的案例库中检索出与目标案例相匹配的案例。应用CBR自适应寻优算法,在保证机组稳定燃烧的同时,兼顾锅炉燃烧效率和NO_x排放浓度,合理给出二、三次风门挡板开度指令及氧量定值,实现锅炉稳定经济燃烧。将系统整体运用到某350 MW燃煤发电机组,简化了优化计算的过程,寻优时间短,稳定性高,适合在线实时寻优。

自适应分块的改进最小费用网络流解缠算法

相位解缠是进行精确差分干涉测绘的关键步骤,在相位解缠算法中,最小费用网络流(MCF)是当前常用的算法,该算法具有精度高、限制残差点误差扩散、优先将误差限制在低相干区域的优点,但随着残差点数量的增多,其计算效率也随之降低。改进的MCF算法通过对其做分块,有效提升了算法效率,但块尺寸的选取影响最后的准确度与效率。本文提出一种自适应分块的改进MCF解缠算法,通过自适应寻优的方式选取合适的分割块,将相干性较高的点集中在同一块内,使得在准确度不受过多影响的情况下有效地提升算法效率。

自适应动态寻优控制系统仿真研究

对采用自适应动态寻优方法的极值调节控制系统进行仿真研究,其目的是为解决在工业生产过程中若采用传统的动态寻优方法就必须准确地辨识极值调节控制对象线性部分的参数这一无法回避的难题。对参数飘移的极值调节控制系统进行仿真研究,仿真结果表明,采用自适应动态寻优方法对极值调节控制对象线性部分模型的先验知识要求很少,只需要知道极值调节控制对象的线性部分的阶数就足够了,在动态寻优的过程中不仅能够自动辨识控制对象的参数,而且还能够自动适应参数的飘移。从而可得出如下结论:在实际工业生过程中,若采用自适应动态寻优方法,根本不需要辨识极值调节控制对象线性部分的参数,而且还能够自动适应参数的飘移。从而能有效地保证控制系统运行的连续性与稳定性。因此采用自适应动态寻优方法的极值调节控制系统将会在实际工业生产过程中发挥其强大的控制功能。

一种简捷、高效、实用的自适应动态寻优方法

对于极值调节控制系统,提出了一种简捷、高效、实用的自适应动态寻优方法,以解决在工业生产过程中必须准确地辨识极值调节控制对象线性部分的参数与阶数这一无法回避的难题。该文所提出的这种新的自适应动态寻优方法对极值调节控制对象线性部分模型的先验知识要求很少,只需要知道其线性部分可以近似为一个一阶惯性环节与延滞环节的串联,或者是一个二阶惯性环节与延滞环节的串联就足够了。这一新的自适应动态寻优方法不仅能自动辨识极值调节控制对象线性部分的参数,又能自动适应这些参数的漂移,因此简捷、高效、实用。

控制对象参数跃变的自适应动态寻优控制系统

对于控制对象的参数跃变与漂移的极值调节控制系统,详细地分析了各类参数跃变与漂移对自适应动态寻优方法的影响以及相应的控制策略,理论分析表明:只要选择好一个合适的步进周期T0,无论控制对象的参数怎么跃变与漂移,采用曾提出的简捷、高效、实用的自适应动态寻优方法都是可行的。这一方法最突出的优点就是对控制对象模型的先验知识要求的非常少,解决了以往的动态寻优方法在工业生产过程中必须准确地辨识极值调节控制对象线性部分的参数与阶数这一无法回避的难题,只需要知道控制对象的线性部分可以近似成为一个一阶惯性环节与一个纯时滞环节的串联或者一个二阶惯性环节与一个纯时滞环节的串联就够了。因此实际调试过程就会容易得多,在工业生产过程中实现起来也就会简便得多。

自适应寻优永磁同步电机MTPA控制方法

永磁同步电机作为高效率的传动设备,近几年应用逐步广泛,因此提高永磁同步电机的控制效率是目前比较热门的研究内容。永磁同步电机较为高效的控制方法是MTPA法,但是通过公式计算MTPA的方法计算量大而无法工程应用;制作查表法的MTPA控制有效减小了计算量,但数据点的不连续会导致控制精度较低。针对MTPA控制的诸多弊端,提出一种自适应寻优的永磁同步电机MTPA控制方法,通过查表法先初步确定次优化的MTPA位置,再通过变步长扰动法逼近最优工作点,最终实现MTPA控制。仿真结果表明,该方法能够快速实现高精度的MTPA控制。

基于神经网络的全局寻优自适应BP学习算法

根据梯度算法中网络权值的演化规律,并基于终端吸引子,提出一种能全局寻优自适应的快速BP算法,该算法的基本思想是最小二乘算法,采用梯度搜索技术,以期使网络的实际输出值与期望值的误差的均方值为最小.同时,进行BP学习算法的稳定性和快速收敛问题分析研究.并进一步给出改善BP算法学习率修正、假饱和现象消除等训练结果的措施.

基于自适应模拟退火的改进混合粒子群算法

为了改善旅行商(TSP)优化求解能力,对模拟退火与混合粒子群算法进行改进,引入了自适应寻优策略。交叉、变异的混合粒子群算法,易于陷入局部最优,而自适应的模拟退火算法可以跳出局部最优,进行全局寻优,所以两者的结合兼顾了全局和局部。该算法增加的自适应性寻优策略提供了判定粒子是否陷入局部极值的条件,并可借此以一定概率进行自适应寻优,增强了全局寻优能力。与混合粒子群算法实验结果对比,显示了本文算法的有效性。

基于自适应DBSCAN算法的开关柜绝缘状态评价方法

为了更合理地评价开关柜绝缘状态,挖掘开关柜异常数据蕴含的价值,提出一种基于自适应DBSCAN的开关柜绝缘状态评价方法。首先计算绝缘状态检测数据暂态对地电压和超声波的偏差量,消除背景噪声;将绝缘状态偏差量与开关柜环境温度、环境湿度和运行年限构成开关柜绝缘状态的特征量,并建立开关柜的多维特征数据集。然后采用K平均最近邻法和数学期望法生成DBSCAN算法的扫描半径r和最少数目MinPts的候选参数,引入密度阈值自动寻找聚类簇数变化稳定的区间;利用开关柜检测数据集自身分布特性对DBSCAN算法中参数进行自适应最优选择,避免了人为主观设定导致的误差。最后构建基于加权集成的聚类有效性指标来判断聚类结果的有效性,以某开关柜现场检测数据为例,通过比较K-means和DBSCAN两种算法的结果,验证了该评价方法的优越性,为开关柜运行状态的评价提供一定的理论依据。

一种动态分群的自适应粒子群优化算法

粒子群优化算法是模拟鸟类觅食行为思想的随机搜索算法,主要是通过迭代寻找最优解。将粒子随机初始化改进为固定初始化,并将动态分群思想引入粒子群优化算法将整个种群划分为三个子群,根据不同群中粒子的情况自适应地选择惯性权重,以此提高粒子的搜索能力。仿真实验结果表明,该方法大大提高了搜索过程中粒子的多样性,避免粒子陷入局部最优,提高了求解的速度和精度。

自适应模拟退火混合粒子群算法的配电网故障定位

针对传统配电网故障定位模型结果精度低的问题,提出一种基于自适应模拟退火混合粒子群算法的故障定位方法。首先,分析实际情况,改进开关节点状态值,在此基础上构造故障模型开关函数。然后,基于模拟退火算法收敛速度快的特性,结合混合粒子群算法搜索范围广的优点,实现两种算法的结合。为了避免陷入局部最优解,引入自适应寻优方案进行迭代判别。接着,分析改进算法故障定位原理,构建适应度函数。最后,对产生的多种故障情况通过Matlab进行算例仿真分析。仿真结果表明:改进算法在配电网故障定位的过程中收敛速度和精度均有明显提高,并针对不同的情况具有一定鲁棒性。

基于稀疏指标的优化变分模态分解方法

针对复合信号源信号数目未知,无法正确预设分解模态数K值而不能对信号进行有效变分模态(variational mode decomposition,VMD)的问题,提出了一种基于稀疏指标的优化VMD法。该方法基于VMD所构建变分模型中各个分量的稀疏先验知识,实现了VMD自适应寻优K值,其将最佳K值确定为稀疏指标由上升至下降的转折点;在计算VMD各个分量的稀疏度时,考虑到不同分量间的能量差异加入了能量权值因子,最后将稀疏指标确定为分解后各分量边际谱稀疏度的平均值。仿真信号与实际信号分解试验验证表明:相较于其他两种VMD的K值确定方法,该方法确定的K值结果更为准确,实现的优化VMD自适应性更强,较其他信号分解法如经验模态分解(empirical mode decomposition,EMD)有更好的分解效果,为源信号数目未知的复合信号VMD提供了新思路;此外,噪声的鲁棒性试验证明所提基于稀疏指标的优化VMD法还具有一定的抗噪能力,较稳健,可开发应用于实际工程。

基于遗传神经网络的舰船磁场等效源重构方法

针对传统等效源模型的磁场预测精度和稳定性易受等效源参数设置(数量和位置)影响的问题,本文提出了利用遗传神经网络重构等效源的舰船磁场预测算法。以传统的等效源理论为基础,利用人工神经网络的非线性学习能力和遗传算法的自适应寻优功能,通过多次网络训练,得到一个隐性的等效源模型;设计了数值仿真试验和船模试验,把包含场点和源点信息的系数向量作为神经网络的输入,把近场平面的磁场测量值作为输出,代入隐性等效源模型。结果表明:该方法的磁场预测精度优于传统等效源模型,对船模磁场垂向分量的预测误差小于5%,具有工程应用价值。

深井冻结施工远程监测与故障诊断物联网的设计

针对千米深井冻结施工的Internet远程监测与故障诊断的技术难题,提出了基于富互联网RIA技术的物联网架构:在传感层,研发了测量深度突破千米的"自适应寻优驱动一总线"18B20测温算法和节点模块;在网络传输层,实现了现场实时传感数据的汇总和重组,并传送至位于云环境中物联网中间件;在应用层中,提出了基于自学习概率统计的故障识别诊断算法,开发了物联网中间件与数据中心Web Service、基于Flex代理和Java EE的Web应用系统,以及基于Flex强交互性的Web人机界面。最终成功地应用于1 200 m深的陕西核桃峪矿深井冻结施工项目,实践表明:该物联网系统能够通过Internet远程监测冻结工程中1 200 m深井的实时数据,进行故障识别诊断,实现数据的曲线图表可视化,以及历史数据的统计分析与管理,能有效地远程指导冻结施工。

基于二维粒子群优化的图像模糊增强算法研究

针对传统基于灰度变换方法进行图像增强后图像质量不高等现象,对粒子群优化算法、模糊增强算法进行研究,同时结合禁忌搜素和粒子空间对称分布原理,提出一种基于二维粒子群优化的图像模糊增强算法。该算法通过对搜索粒子进行空间对称分布调整以避免算法陷入局部最优、提高全局搜索能力,并且在算法迭代后期加入禁忌搜索算法记录粒子搜索位置,以减少粒子位置重复寻优、提高算法搜索效率。最后将改进后的粒子群优化算法中粒子搜索位置和速度更新方向设定为二维并与模糊增强算法相结合,自适应搜索出模糊参数Fp和Fe最优值,实现模糊增强。实验结果表明,改进后算法对图像增强效果较好,并且将算法用于过暗SAR图像、医学MR图像的增强,可有效提高图像质量。

全自动酶免分析仪定量分析系统研究

为了提高酶免分析仪检测精度,建立了基于改进遗传算法的多组分定量分析校正模型。通过自适应寻优空间技术和小生境技术,对遗传算法进行改进。采用全息凹面光栅作为分光元件,搭建扫描式紫外可见分光光度实验系统,对食品工业中最常见的苋菜红和胭脂红二组分混合水溶液进行定量分析,并与最小二乘回归方法进行了比较。实验结果表明:改进遗传算法预测精度与最小二乘法相近,对苋菜红和胭脂红的预测均方根误差(RMSEP)分别为0.88,1.71μg/m L;收敛速度明显快于传统遗传算法,为多组分同时测定提供了新的思路。

基于AI的精密空调群控节能应用研究与实践

随着国家“双碳”战略目标的提出,通信机房能耗管控越来越重要。本文对某运营商一处通信机房开展空调系统AI群控节能改造,利用人工智能和大数据技术,通过采集温感、能耗和制冷设备运行数据,建模分析机房各区域热力趋势以及制冷设备能效,并利用动态控制全局制冷参数来精确匹配机房发热,从而实现机房空调系统全方位智能节能精细化管控。改造完毕后经28天连续测试,可节省18.62%的空调用电量,节能减排效果良好。

嵌入式模糊智能控制系统设计

文章概括了嵌入式模糊控制的基本数学理论基础和重要应用价值,从实践和理论角度全面综述了嵌入式模糊智能控制系统的基本构造和设计特点,说明了嵌入式模糊控制体系设计、仿真、实现的一般规律和方法措施。文章重点阐述了二维SVFC和MISO-MVFC体系的嵌入式过程实现,理论结合实践,列举了一系列典型的具体项目设计实例。文章探讨了嵌入式模糊控制的优势和不足,进一步阐述了如何进行嵌入式模糊控制体系的自适应寻优设计问题。

嵌入式模糊智能控制系统设计

文章概括了嵌入式模糊控制的基本数学理论基础和重要应用价值,从实践和理论角度全面综述了嵌入式模糊智能控制系统的基本构造和设计特点,说明了嵌入式模糊控制体系设计、仿真、实现的一般规律和方法措施。文章重点阐述了二维SVFC和MISO-MVFC体系的嵌入式过程实现,理论结合实践,列举了一系列典型的具体项目设计实例。文章还探讨了嵌入式模糊控制的重要优势和不足,并进一步阐述了如何进行嵌入式模糊控制体系的自适应寻优设计问题。