自适应差分阈值的心电信号R峰检测算法

针对传统差分阈值算法的不足,设计了一种自适应差分阈值算法实现对R峰的准确检测。该算法能够依据R峰高幅值、高斜率的特征自适应更新信号检测阈值,并且根据R-R峰之间的心率间隔特征,设计回溯判定机制提升算法的灵敏度和适用范围。文中选用MIT-BIH心率失常数据库中的心电数据作为信号样本,采用带通滤波和小波变换相结合的方法完成对心电信号的去噪,依据自适应阈值检测实现对心电信号的R峰特征提取。从实验结果来看,自适应后的差分阈值法将心电信号的检测准确率提高到了99.59%,灵敏度达到了99.64%,减少了R峰检测过程中漏检、误检情况的出现,提高了检测的准确性。

基于SSA ELM和自适应差分进化算法的拉曼放大器设计

提出了一种将樽海鞘群算法优化极限学习机与自适应差分进化算法相结合的方法,并利用该方法优化多泵浦拉曼光纤放大器的参数配置。采用极限学习机构建泵浦参数和拉曼增益之间的非线性映射,并利用樽海鞘群优化算法对极限学习机参数进行优化获得最佳模型。对比分析了上述模型与BP神经网络和传统的极限学习机模型在评价指标方面的差异,结果表明本文所提出的模型预测性能较好。为了提高增益平坦性,利用自适应差分进化算法优化泵浦参数,得到最佳的参数配置。仿真结果表明,利用该方法设计出的拉曼放大器达到了预期效果,其目标增益与预测增益的最大误差不超过05dB。该方法为今后拉曼光纤放大器的设计提供了一种新的思路方法。

自适应差分进化算法求解多平台多武器-目标分配问题

针对水面舰艇编队防空反导作战中的武器-目标分配问题,建立了编队防空火力分配模型,将自适应差分进化算法应用到模型的求解与仿真中,并根据参数优化,改善了问题求解的收敛特性。针对模型求解的特殊要求,采用适当的编码方案,使种群个体编码满足约束条件,利用混沌序列初始化种群,加强种群的搜索多样性,变异、交叉参数的动态自适应策略和混沌序列扰动避免算法陷入局部最优等方法对算法进行优化改进,较方便快捷地解决了多平台多类型武器-目标分配问题。实例证明,该方法能够获得满意的结果,与其他智能算法相比,在优化性能上有较大改进。

带局部搜索的动态多群体自适应差分进化算法及函数优化

提出将一种改进的差分进化算法——带局部搜索的动态多群体自适应差分进化算法(DMSDELS)应用于函数优化.该算法将种群中的个体随机动态分成多个子群体,以增强个体间的信息交换;变异操作中,选择最优个体为基向量,差分向量的方向选择有利于搜索的方向,以提高收敛速度;变异尺度因子F与交叉概率CR采用自适应机制,以平衡局部搜索与全局搜索;部分优秀个体搜索达到指定代数进入局部搜索,以加快收敛.通过对13个benchmark典型复杂函数进行测试,并与其他七种优化算法进行比较,仿真结果表明:DMSDELS算法具有较高的搜索精度和收敛性,且具有较强的跳出局部最优解能力.

光电跟踪伺服系统的自适应差分进化算法辨识

为了获得准确的光电跟踪伺服系统的模型,采用自适应差分进化算法对光电跟踪伺服系统进行辨识研究,该算法根据辨识误差平方和自动调整变异、交叉因子。在输入为正弦离散数字信号下辨识系统的离散模型。为了验证算法的有效性,在频域内与扫频法辨识的一、二阶模型和系统实际输出比较研究。实验结果表明:在相同正弦离散信号条件下,辨识输出与系统实际输出基本一致,与扫频法的RMSE相比减小了20.33%,二阶模型在高频段偏离系统实际输出稍大些,一阶系统输出与系统实际输出基本一致。研究结果表明,自适应差分进化算法计算量小,方法简便,辨识准确,在光电跟踪伺服控制领域具有一定的工程应用价值。

基于自适应差分进化算法优化极限学习机的球磨机料位测量

极限学习机在实际应用中具有学习速度快、训练误差小的优点,但其稳定性与泛化能力却较差。针对其缺点,将自适应差分进化算法引入极限学习机对其改进,利用自适应差分进化算法的全局寻优能力,求取训练误差较小时极限学习机的输入权值矩阵以及隐含层偏置矩阵,从而优化极限学习机。将优化后的极限学习机应用于球磨机料位测量,实验结果表明,优化后的极限学习机与传统极限学习机相比具有较高的测量精度和较好的稳定性。

基于自适应差分进化和BP神经网络的光伏功率预测

针对光伏功率的波动性和间歇性,通过分析光伏发电的影响因素,建立了基于自适应差分进化和BP神经网络的光伏功率预测模型。该模型利用自适应差分进化算法优化BP神经网络的权重阈值,克服了BP算法收敛速度慢、容易陷入局部极值的缺点。利用光伏电站的历史数据和气象观测站的气象数据,对预测模型进行训练和光伏功率预测。结果表明,基于自适应差分进化和BP神经网络的模型预测精度高于BP神经网络模型,验证了所提模型和算法的有效性和可行性。

基于自适应差分进化极限学习机的车牌识别算法

针对目前车牌识别算法中存在的模型训练慢、字符识别准确率低等问题,研究了一种基于自适应差分进化极限学习机的车牌识别算法。综合利用边缘检测和颜色定位的优点来检测车牌区域,然后用改进后的垂直投影法对车牌区域进行分割,最后将自适应差分进化极限学习机用于字符识别。研究结果表明,所提出算法具有训练速度快、字符识别率高等优点,可以应用于复杂的交通场景。

基于自适应差分进化算法的MT信号激电信息提取

从MT信号中提取激电信息的研究有助于提高大深度探测技术的勘探精度、深度和范围。针对MT信号激电信息提取中存在的非线性和非凸特征,通过改进混沌自适应差分进化算法中进化参数的自适应策略,提出了一种基于非均匀统计分布的自适应差分进化两阶段最小构造反演方法。一方面该方法利用柯西分布和高斯分布的统计特性自适应获取进化参数F和CR,提高算法的全局搜索能力,通过记忆以往迭代过程中的优秀进化参数提高算法后期的稳定性;另一方面该方法通过引入第二阶段的反演过程强化极化率对观测数据的影响;通过将正则化参数引入差分进化算法的适应度函数解决反演的多解性问题。对含激电效应的MT一维模型的反演结果表明,本文算法能够较好地重构地电结构和提取激电信息并在加噪环境下具有较强的鲁棒性。与其他非线性算法(混沌自适应差分进化算法,标准差分进化算法和粒子群优化算法)的反演结果对比表明,本文算法具有更为优越的全局搜索能力和较高的反演精度,适于微弱激电信息的提取。

面向可靠性冗余优化的自适应差分进化算法

针对可靠性冗余优化问题中解的精度低及算法早熟收敛的问题,提出一种自适应的差分进化算法.该算法在原始差分进化算法的基础上修改了变异算子和交叉算子;在进化过程中,缩放因子F和交叉概率CR分别由三角函数实现自适应调节,以提高可行解的多样性及算法的收敛速度.解决了可靠性冗余优化问题解的精度低及早熟收敛问题.实验结果表明,该算法在解决可靠性冗余优化问题上不仅提高了解的精度,且具有更好的稳定性及更快的收敛速度.

基于改进的自适应差分演化算法的二维Otsu多阈值图像分割

针对常规最大类间方差法在多阈值图像分割中存在的运算量大、计算时间长、分割精度较低等问题,该文提出一种基于改进的自适应差分演化(JADE)算法的2维Otsu多阈值分割法。首先,为增强初始化种群的质量、提升控制参数的适应性,将混沌映射机制融入到JADE算法中;进而,通过该改进算法求解2维Otsu多阈值图像的最佳分割阈值;最终,将该算法与差分进化(DE), JADE,改进正弦参数自适应的差分进化(LSHADE-cn Ep Sin)以及增强的适应性微分变换差分进化(EFADE) 4种算法的2维Otsu多阈值图像分割进行比较。实验结果表明,与其它4种算法相比,基于改进JADE算法的2维Otsu多阈值图像分割在分割速度以及精度上均有较明显的改善。

自适应差分进化算法在PMSM电机控制器中的应用

提出一种自适应差分进化算法,通过进化参数的自适应调整,实现了算法的快速收敛性和鲁棒性.采用本算法设计了永磁同步电机的PID控制器,其中PID参数由本文的自适应差分进化算法进行优化.实验结果表明,经过自适应差分进化算法优化的永磁同步电机转速控制系统的动态特性和静态特性都有明显的改善.

基于Lévy飞行的自适应差分进化算法

针对目前差分进化算法存在全局搜索与局部寻优的矛盾、搜索停滞、收敛速度慢的问题,提出一种改进算法:基于Lévy飞行的自适应差分进化算法。该算法鉴于Lévy飞行步长符合重尾分布的特点,在变异过程中结合差分进化算法的基本变异和Lévy飞行变异两种模式,并通过引入自适应缩放因子和交叉概率算子,改善种群在交叉与变异过程中的不足。通过理论分析与Benchmark函数的数值验证,并与其他6种算法进行比较。结果表明,所提新算法能够在全局搜索与局部寻优之间进行较好的平衡,而且收敛速度更快,种群多样性得到了很好的保存,一定程度上避免了搜索停滞的出现。

基于自适应差分进化算法的三轴光电跟踪策略

为解决传统两轴光电跟踪系统的跟踪盲区问题,实现空间目标的全方位跟踪,提出一种存在冗余自由度的三轴光电跟踪系统。在详细分析三轴光电跟踪系统运动学特性的基础上,运用四元数方法建立三轴光电跟踪系统运动学模型,并提出一种基于自适应差分进化算法的三轴全方位光电跟踪策略。通过对系统运动学模型进行分析,得到三轴转动角度之间的关系,从而将求取三轴转角增量组合的三变量优化问题简化为单变量优化问题,并将自适应差分进化算法应用于求取三轴角增量的最优组合当中。仿真和试验结果证明,此三轴光电跟踪策略避免以往三轴跟踪系统在跟踪过程中进行两轴切换的不连续性,可以真正实现系统的三轴联动全方位连续跟踪运动;同时,与现有的其他跟踪策略相比较,该三轴跟踪策略能够以更小的三轴转动角度实现目标的跟踪定位;因而提高了系统的快速性和跟踪性能,具有良好的工程应用价值。

一种自适应差分进化算法及其在精对苯二甲酸结晶生产过程优化中的应用

提出了一种自适应差分进化算法(adaptive differential evolutionary algorithm,ADE),并将其应用于精对苯二甲酸(PTA)生产中结晶过程的优化.由于该结晶过程为5级结晶器串联组成,并且存在较多杂质等的影响,使得该结晶过程很难用机理数学模型来精确表达.为此首先利用神经网络技术建立了该对象模型,并对各主要操作变量对关键产品指标的影响进行系统分析,以满足结晶机理先验知识.然后利用自适应差分进化算法对该结晶模型进行操作点的寻优.该ADE算法是一种基于实型数值编码的并行直接搜索算法.

改进自适应差分进化算法求解大规模整数任务分配

针对0-1任务规划模型存在维数灾维的问题,提出一种基于改进自适应差分进化(SADE)算法的大规模整数任务分配算法。首先,将任务分配的0-1规划模型转化整数规划模型,不仅大幅减少了优化变量的维数,还减少了整式约束条件;然后,将常用的变异算子DE/rand/1/bin和DE/best/2/bin结合起来组成新的自适应变异算子,使得自适应差分进化算法既有较快的收敛速度,又降低了变异算子对具体问题的依赖;并用改进自适应差分进化算法求解整数规划。最后,通过典型的任务分配实例验证了算法在优化大规模任务分配的有效性和快速性。

机械臂逆运动学的带修复策略自适应差分进化求解

在保证机械臂运动学逆解位姿精度的前提下,为了减小机械臂关节角整体的运动量,提出了基于带修复策略自适应差分进化算法的逆运动学求解方法。以7自由度冗余机械臂为研究对象进行了问题剖析。以末端执行器位姿精度为约束,以关节角整体运动量最小为目标,建立了带约束的优化模型。在差分进化算法中引入了多种变异策略,并给出了多变异策略的自适应选择方法,提高了算法的优化能力。针对约束条件,设置了带伸缩因子的修复策略,使解在非可行域时能够伸缩到可行域内。经验证,带修复策略自适应差分进化算法求取的运动学逆解能够满足位姿精度约束,且减小了逆解的关节角整体运动量,验证了本文算法在机械臂逆运动学求解中的优越性。

基于樽海鞘和自适应差分进化的相机内参优化

该文针对相机标定过程中因优化算法所引起的精度不足、稳定性差、易陷入局部最优的问题,提出将樽海鞘优化算法和自适应差分进化算法相结合的相机标定优化算法。该混合算法利用樽海鞘优化算法提高精度,利用自适应差分进化算法增强局部搜索能力,在不同迭代阶段对适应度函数采用分段优化方式,实现平衡局部和全局搜索能力。实验采用每格50 mm×50 mm标准的棋盘格作为标定板,选取15张不同角度的标定图片,图片有效像素为4608 pixe×l3456 pixel,分别利用张正友标定法、樽海鞘算法以及本文提出的樽海鞘-自适应差分进化混合算法进行相机内参的优化。实验结果表明该文提出的混合算法比传统标定方法重投影误差更小,标定精度更高。

神经网络和自适应差分进化在云计算的应用研究

近年来,云计算的出现极大地改变了现有的计算方法.尽管云计算有诸多优点,但同样面临着一些挑战.云计算面临的主要挑战包括动态资源缩放和功耗,这些因素导致云系统变得低效且昂贵.工作载荷预测是云效率和运行成本得以改善的变量之一.准确性是工作载荷预测的关键组成部分.在前人研究的基础上,本文提出了一种基于神经网络和自适应差分进化算法的负荷预测模型,该模型能够学习最优的变异策略以及最优交叉率.最终,和反向传播学习算法模型的预测结果进行比较,证明了所提模型的有效性.

基于自适应差分进化的矿卡转向运动学仿真

以220t矿卡自卸车转向系统为基础,建立转向梯形在空间坐标下的运动学方程,并考虑主销后倾角和内倾角的影响,在ADAMS软件中建立模型验证其正确性.重点利用MATLAB软件编制双审判自适应差分进化算法程序,针对变量梯形臂长K、底角Φ求解全局最优化转向特性,使220t矿卡自卸车内外轮转角满足考虑轮胎侧偏特性的阿克曼转向几何关系,实现车轮在转向时作纯滚动.与ADAMS优化结果作对比分析,结果表明前者的优化效果更明显.实车轮胎对比性试验证明其转向设计更加合理,改善了矿卡自卸车较为严重的轮胎磨损现象,延长了轮胎工作寿命.