基于粒子群优化算法的支持向量机选择性集成

为有效提升支持向量机泛化性能，提出了基于粒子群优化算法的支持向量机选择性集成算法。通过bootstrap技术产生并训练得到多个独立子SVM学习器，然后用粒子群优化算法剔除不必要的学习器，得出最优的SVM集成模型。实验结果表明，该算法是一种有效的集成方法，能进一步提高SVM的泛化性能和选择性集成效率。

基于改进粒子群优化算法的可控发射电流频率SHEPWM控制方法

针对传统方法控制的发射电流频率间隔固定、频域不完全可控的问题,为提高频率域电磁测深效率,提出一种基于改进粒子群优化算法的可控发射电流频率的选择性谐波消除脉宽调制(SHEPWM)控制方法.先根据勘探目标计算出期望的频谱,再根据发射电流的时频域特性建立半周期镜像对称SHEPWM非线性方程组,最后采用改进粒子群优化算法对非线性方程组求解,得到对应的开关时刻序列,由开关时刻序列控制发射系统逆变器,即可输出探测所需的发射电流.当勘探特定深度目标时,发射系统可输出最优的发射电流,进而提高纵向分辨率.

基于粒子群优化算法-支持向量回归算法的氨氮传感器温度补偿

针对野外低温环境下,基于铵离子选择性电极的氨氮传感器检测失准问题,通过分析传感器检测原理,在0~30℃进行了水质标样氨氮检测对比实验,探究了温度变化对氨氮传感器输出结果的影响;将粒子群优化算法(particle swarm optimization,PSO)与支持向量回归(support vector regression,SVR)结合,建立了氨氮检测的PSO-SVR温度补偿模型,并与最小二乘多项式回归、传统SVR建立的温度补偿模型对比,PSO-SVR温度补偿模型具有较高的决定系数和较小均方根误差(root mean square error,RMSE)。在实际水样检测实验中,经过该模型补偿后氨氮传感器的输出值与实验室内根据《水质氨氮测定》(HJ 535—2009)测得的氨氮标准值之间最高偏差为4.76%,最低偏差为0.64%,偏差范围符合预期补偿目标,表明模型具有较高的温度补偿精度,对非训练数据具有良好的泛化能力,能够满足实际使用的精度要求。

一种基于GO法的多态反馈系统选择性维修模型

为了提高飞机的可用性,使飞机在现代战争中能够在最短时间实现再次出动,需要在有限维修资源的约束下,对飞机进行选择性维修,为此提出一种基于GO法的多态反馈系统选择性维修模型.首先,假设多态反馈系统各元件的失效概率均服从韦布尔分布,推导出元件处于各性能状态的可靠度,运用GO法计算系统成功运行的概率;其次,以不修、更换、不完美维修等为维修方案,计算对应的维修费用和时间;再次,以维修时间最小化为目标函数,以系统可靠度和维修费用为约束条件,建立系统选择性维修模型;最后,通过粒子群优化算法对模型求解,并用案例进行验证.结果表明,所建立的选择性维修模型有效可行.

响应曲面法多目标优化铜冶炼渣氧压选择性浸出工艺

采用响应曲面法的中心组合设计原理,建立浸出温度、硫酸浓度及液固比及三者之间交互作用对选择性浸出率与矿浆过滤速率的多元二次回归方程,并使用自适应权重粒子群算法对铜冶炼渣氧压硫酸选择性浸出工艺进行多目标优化。结果表明:浸出温度、硫酸浓度和液固比均是影响浸出率和过滤速率的主要因素,各响应因素间存在交互效应,且选择性浸出率与矿浆过滤速率在最佳条件上存在差异。优化后的选择性浸出率和矿浆过滤速率最佳的工艺条件为:温度为204.1℃、硫酸浓度为0.46mol/L、液固比为6.9mL/g,此条件下选择性浸出率为96.95%,过滤速率为399.42L/(m2∙h),与验证实验中平均选择性浸出率、平均过滤速率分别为96.57%,398L/(m2∙h)相比,偏差较小,预测值与验证实际值吻合好,表明模型选择准确,优化方案可信。

基于SPSO算法的分布式电源优化分配

分布式发电(DG)设备能够接入电网中增加电网强度,最大限度地减少实际功率损耗,提高总线电压和配送系统的效率。而DG优化分配(The optimal DG,OPDG)用于提供DG的最佳接入位置,在考虑到DG容量和电压限制的前提下以优化电力配电网的运行。采用选择性粒子群优化(Selective Particle Swarm Optimization,SPSO)算法来解决配电网中最优DG布局的问题。目标函数用来解决最佳DG接入位置和配电网中DG机组的大小,以达到有效降低功率损耗,提高电能质量的目的。最大DG穿透水平考虑在总负载的0~50%的范围内。最后,将在IEEE 33和IEEE 69标准节点总线系统上进行测试,测试结果将与最新的优化技术相对比,从而得出所提出的方法更加有效率。

基于选择性集成的表情识别方法

为提高基于选择性集成的表情识别方法的泛化能力,降低其预测成本,提出一种基于带极值扰动的简化粒子群优化和选择性集成的表情识别方法。采用简化粒子群优化算法对基分类器进行选择集成,将基于选择性集成的表情识别问题转化为半定规划问题进行解决。对比实验结果表明,该方法比传统方法有更好的识别率和鲁棒性。

基于混合群智能算法优化的NO_X排放KELM模型设计

燃煤电站脱硝系统在变负荷工况下具有非线性、大滞后的特性,传统的控制方式很难保证喷氨量的精确控制。随着燃煤发电厂超低排放标准的实施,有必要对脱硝系统进行运行优化。通过挖掘海量脱硝系统的历史运行数据,提出一种基于混合群智能算法优化的核极限学习机NO X 排放动态预测模型。首先,对选择性催化还原(SCR)脱硝反应系统进行理论分析和实际运行研究,研究了采用核函数代替极限学习机中隐含层节点的显式映射的方法,从而无需事先给定隐含层节点数。然后,采用混合蚁群和粒子群优化的混合智能算法,对核极限学习机的学习参数进行优化。最后,以某电站锅炉脱硝系统为例,利用提出的方法进行验证,得到较高的建模精度。该研究为下一步脱硝系统控制优化打下良好基础。

复杂系统的选择性维修模型和求解算法

考虑不修、最小维修、换件维修和多中间维修水平,提出了一种基于粒子群优化(PSO)算法和多员维修的复杂系统选择性维修模型,将组件维修前状态、组件有效役龄和维修费用等因素引入不完全维修模型,更符合工程实际。提出了一种基于多员维修的系统组件维修分配算法,解决了如何将多维修任务分配给多维修人员,使得系统维修时间最小的问题,并将所提算法引入到PSO算法中,求解考虑多维修人员和不完全维修条件的复杂系统选择性维修模型。案例表明:所提模型和求解算法有效,能够为复杂系统提供切实有效的维修决策方案。

基于FLC和SPSO的电厂过热蒸汽温控系统

针对火电厂锅炉过热蒸汽温度的准确控制问题,提出一种基于模糊逻辑控制(FLC)的前馈-反馈控制系统,构建了前馈和反馈两级调温机制。前馈FLC控制器根据给水流率和燃料流率,分别为中段过热器和后段过热器控制模块输出一个喷雾流率信号。反馈FLC控制器根据过热器输出蒸汽温度与参考值的误差和误差变化率,输出一个喷雾流率信号,采用简化粒子群优化(SPSO)算法进行参数优化。然后将这2个喷雾流率信号进行融合,以此来精确控制喷雾调节阀,稳定蒸汽温度到参考值。仿真结果表明,提出的FLC控制系统能够快速有效地控制温度,且对负荷变化具有很好的鲁棒性。

基于PSO算法的SCR尿素热解动力学参数优化

在Ebrahimian模型基础上,采用粒子群优化算法(particle swarm optimization,PSO)对尿素热解过程动力学参数进行了优化,以提高柴油机选择性催化还原(selective catalytic reduction,SCR)系统尿素热解动力学模型精度,实现还原剂氨气生成及尿素结晶现象准确预测。优化结果表明:PSO算法是一种有效的尿素热解模型动力学参数优化方法;优化后的尿素热解动力学模型相比优化前具有更高的精度,可以实现对尿素热解过程更准确的计算;优化后的模型在异氰酸生成预测方面误差略有增加,但是仍可以较好地反映尿素热解过程中异氰酸及氨气的变化趋势。

反时限过流保护整定优化研究

反时限过流保护因动作曲线配合困难掩盖了其在原理上紧密反映短路电流变化的固有优势,一定程度限制了其应用。为此,在深入分析保护动作曲线之间严格配合的基础上,从保护选择性角度提出了反时限过流保护之间、反时限保护与定时限保护、定时限保护与反时限保护的整定配合原则;并在保证灵敏性的前提下,采用压缩因子粒子群优化算法(K-PSO)、辅之曲线参数与选择性配合作为约束条件,从快速性角度建立了整定范围内的时间优化目标。整定原则与优化模型可分别用于反时限过流保护整定计算与定值优化,有助于提高国内反时限过流保护的工程实用价值。算例分析验证了该方法的有效性与可行性。

基于PSO算法的神经网络集成入侵检测系统

在系统结构上提出了一种多检测器并行的智能机群入侵检测系统模型,系统中每一个检测器是一个神经网络集成分类检测器,由多个PC组成,以提高系统响应速度。采用两次粒子群优化算法选择性集成神经网络集,提高了神经网络集成检测器的预测精度。程序设计采用PVM并行方式实现。

PSO-ELM在低压系统短路电流峰值预测中的应用

在短路电流早期检测的基础上,提出一种基于粒子群优化极端学习机(PSO-ELM)的短路电流峰值预测方法.利用短路电流暂态特性分析确定预测模型的输入特征量,采用粒子群算法对极端学习机的输入权值和隐层偏置进行优化,最后,将提出的预测算法应用于低压多层级实验平台,并且与传统BP、ELM算法进行比较.实验结果表明,基于PSO-ELM模型的短路电流峰值预测方法能够在全相角范围内准确地预测短路电流峰值,可作为低压多层级系统全选择性保护的短路故障预测算法.