基于超参数优化算法的随机森林模型预测奶牛呼吸频率

奶牛呼吸频率是评估环境造成的奶牛热应激程度的重要指标之一。该研究基于随机森林(random forest,RF)算法提出了适用于生产条件下的奶牛个体呼吸频率准确预测模型,为了平衡模型精度与计算效率问题,利用遗传算法(genetic algorithm,GA)、差分进化(differential evolution,DE)算法、粒子群优化(particle swarm optimization,PSO)算法、贝叶斯优化(Bayesian optimization,BO)算法对模型超参数进行优化,并与网格搜索(grid search,GS)下的人工神经网络(artificial neural network,ANN)和极限梯度提升机(extreme gradient boosting,XGBoost)模型进行了对比分析。研究结果表明,使用融合环境参数的修正温湿指数(adjusted temperature-humidity index,ATHI)、时间区域、奶牛产奶量、泌乳天数、身体姿势以及胎次作为输入特征时,基准RF模型的预测性能最佳。在此基础上,4种智能优化算法下的RF模型性能优于GS-ANN和GS-XGBoost,其中BO-RF的综合性能最优,其决定系数、平均绝对误差、平均绝对百分比误差以及均方根误差分别为0.614次/min、7.723次/min、14.4%、9.737次/min,超参数优化耗时约为DE-RF的1/220。特征重要性分析表明,输入因子对奶牛呼吸频率的影响程度不同,ATHI是影响力最高的因子,相对重要性(relative importance,RI)为0.73,其次是时间区域(RI=0.09)和奶牛产奶量(RI=0.07)。研究为奶牛生产、健康评价及牛舍环境精准调控提供了有效方法和基础。

用于正弦波频率估计的修正I-Rife算法

对正弦波信号的频率估计是雷达领域常见的问题。当真实频率接近量化频点时,I-Rife算法的频移因子的计算会产生较大误差,为提高频率估计的精度,本文通过分析Rife及I-Rife算法的性能及误差产生的原因,利用频谱细化的方法,提出了一种修正I-Rife算法,即用峰值频点左右各0.5点处的频谱幅值来替代频谱峰值点的幅值和次大值频点处的幅值进行插值计算,对频率偏移值进行更为准确的估计,在计算量与I-Rife算法几乎相同的情况下,有效地提高了频率的估计精度。仿真结果表明,改进后的I-Rife算法整体性能优于I-Rife算法,且估计的均方根误差更接近于克拉美-罗下界。

基于MVO算法与改进目标函数的电力系统负荷频率控制

针对风电并网时的随机波动功率、负荷频率控制(load frequency control, LFC)系统参数变化所引起的电力系统频率稳定问题,提出了一种基于智能优化算法与改进目标函数的互联电网LFC系统最优PID控制器设计方法。首先,分析了基于PID控制的含风电互联电力系统LFC闭环模型。其次,在时间乘误差绝对值积分(integral of time multiplied absolute error, ITAE)性能指标的目标函数中考虑了区域控制器的输出信号偏差,对优化目标函数进行改进。采用性能优良的多元宇宙优化(multi-verse optimizer, MVO)算法先计算后验证的思路,寻优获得最优PID控制器参数。最后,以两区域4机组互联电力LFC系统为例,仿真验证了基于MVO算法结合改进目标函数所获得的PID控制器,比基于MVO算法所获得的PID控制器,对阶跃负荷扰动、随机负荷扰动、风电功率偏差扰动以及系统的参数变化,具有相对较好的鲁棒性能。并且,对控制器参数也具有相对较好的非脆弱性指标。

基于SAC算法的含柔性负荷电-气互联系统的频率与气压协调控制策略

现今,电燃气系统在维持微电网稳定、经济、灵活运行方面发挥着重要作用。当其受到电力与天然气负荷扰动时,控制器需要协调微电网频率和天然气管道节点的燃气压力。为此,提出1种基于柔性动作评价(SAC)算法的电-气互联系统的频率-气压协调控制策略。首先,在分析天然气管网及耦合设备运行特性的基础上,建立天然气输送动态模型。其次,基于可控负荷用户行为的随机性,建立了包括微型燃气轮机(MT),电转气(P2G)设备、可控负荷、分布式电源和负荷的微电网负载频率控制模型。此外,根据微电网频率与气压2个控制目标,设计了控制器的结构。最后,设置不同工况进行仿真,结果表明所提策略能协调系统的频率与气压。

量子遗传算法在无线自组网频率分配中的应用

论文将量子遗传算法应用于地面应急通信车辆无线自组网节点的使用频率分配,通过分析无线自组网节点频率的约束条件,建立频率分配的数学模型,并设计了使用量子遗传算法进行频率分配的的工作流程,对经典遗传算法库GALib进行扩展改进,增加了量子遗传算法的实现,通过模拟典型的无线自组网网络环境,比较经典和量子遗传算法的分配结果,量子遗传算法的分配收敛速率优于经典遗传算法,可以实现无线自组网节点频率灵活、高效的快速分配。

基于幅度比值和子空间的频率估计算法

为降低单频正弦复信号的频率估计误差,针对传统Rife算法在较低信噪比条件下幅值最大和次大谱线判断错误问题,利用RootMUSIC算法结果代替快速傅里叶变换(FFT)结果,确定幅值最大和次大谱线序号;同时针对Rife算法在部分频率区间估计误差较其他区间偏差大的问题,采用频移重估思路,进一步降低了整个频率估计区间的估计误差。仿真表明,在较低信噪比条件下,所提RM-Rife算法较Rife算法、Root MUSIC算法和M-Rife算法,具有更优的估计性能,可用于相关工程实践中。

基于改进粒子群算法的超声雾化电源频率跟踪

超声波雾化技术由于其良好的雾化效果获得了广泛关注,具有极大的研究价值和应用前景。但是在超声雾化的过程中,由于换能器的温度变化、刚度变化以及在水中的负载变化等因素,会产生谐振频率漂移的现象。当工作频率偏移谐振频率时,将造成换能器的工作效率降低和元器件损坏等问题。针对此问题,设计了基于改进粒子群算法优化PID参数的超声雾化电源频率跟踪算法,并对该算法进行频率跟踪的仿真验证和实验对比,在频率跟踪上实现了更好的效果,使换能器能够稳定工作在谐振状态,提高了电源的利用率。

基于固定时间一致性算法的孤岛微电网事件触发二次频率控制

微电网传统一致性算法抗扰能力差、调节时间无法得到保证,控制器周期采样造成大量数据冗余,因此提出一种基于固定时间一致性算法的事件触发机制,实现了输出频率的恢复和有功功率按比例分配。所提出的控制策略提高了系统的收敛速度,实现了固定时间内系统稳定,减小了对系统初始状态的依赖。同时,引入事件触发机制,通过减少采样信息的传输节约了通信资源。利用Lyapunov理论证明了所提控制策略的稳定性。Matlab/Simulink仿真结果验证了本研究所提控制策略的有效性。

基于多目标遗传算法的火电机组负荷频率控制方法

常规的负荷频率控制方法以频率协调为主,调频信号指令受到阶跃响应的影响,存在一定的频率偏差,阻碍火电机组频率控制效果。因此,设计了基于多目标遗传算法的火电机组负荷频率控制方法。提取火电机组负荷一次调频特征,将高出允许合理范围的火电机组负荷频率进行调整,增加或减小机组功率,使其达到新的负荷平衡。基于多目标遗传构建火电机组负荷频率控制模型,以机组发电损失与经济投入作为约束条件,优化汽轮机输出功率阶跃响应速度,从而控制火电机组负荷频率。协调机组负荷频率控制分配因子,将火电机组的前馈变负荷速率进行调节,在不影响机组负荷变化率的基础上,修正负荷频率偏差。采用对比实验,验证了方法的控制效果更佳,能够应用于实际生活中。

基于遗传算法的水文频率曲线计算应用研究

水文频率曲线用于计算水利水电工程设计值,其参数精确度影响设计值。文章基于遗传算法优化水文频率曲线参数,通过计算偏差系数、变差系数、离差绝对值和最小准则作为遗传算法最优适应度函数,对皮尔逊Ⅲ型分布参数进行优化,提高了理论频率曲线和实测数据的拟合精度,证明遗传算法应用于水文频率曲线是一种有效的分析方法。

基于粒子群算法的无线通信波束频率分配方法

传统的频率分配方法通常基于固定的规则和算法,导致无线通信波束频率分配收敛性差,为此提出一种基于粒子群算法的无线通信波束频率分配方法。首先确定波束频率干扰指标,用于判断不同频率之间的干扰情况;其次根据选取的指标制定频率分配约束条件,提高频率利用率;最后利用粒子群算法寻求波束频率划分最优解,并评估分配代价,实现无线通信波束频率分配。实验结果表明,设计方法的收敛性较好,可以更快地找到最优解,即频率分配方案,具有较好的实际应用价值。

基于特征融合和B-SVM的鸟鸣声识别算法

为了实现在野外通过低成本嵌入式系统识别鸟类,提出了基于特征融合和B-SVM的鸟鸣声识别方法。对鸟鸣声信号提取梅尔频率倒谱系数、翻转梅尔频率倒谱系数、短时能量和短时过零率组成特征参数,通过线性判别算法对特征参数进行特征融合。利用黑寡妇算法通过测试集对支持向量机模型的核参数和损失值进行优化得到B-SVM模型。利用Xeno-canto鸟鸣声数据集对本文算法进行了测试,结果表明该方法的识别准确率为93.23%。算法维度参数的大小和融合特征维度的高低是影响算法识别效果的重要因素。在相同条件下,文中所提的基于特征融合和B-SVM模型的鸟鸣声识别算法相较于其他特征参数和模型,识别的准确率更高,为野外鸟类识别提供了参考。

基于频率响应与图像特征提取的动车组变压器绕组状态诊断方法研究

动车组变压器是保障高速铁路稳定运行的核心设备,频率响应法是目前检测变压器绕组状态的有效方法。为提升车载变压器绕组状态诊断的准确性,结合暂态信号与频率响应法提出基于频率响应与图像特征提取的动车组变压器绕组状态诊断方法。搭建试验车载变压器绕组故障模拟平台,获取不同故障类型和故障位置的频响曲线,利用类Gram矩阵结合幅频和相频曲线信息,再利用密度分层法转换为伪彩色图,提取对应的灰度共生矩阵和灰度差分矩阵特征值,根据鹈鹕优化支持向量机方法对绕组故障进行诊断。试验结果表明:车载变压器绕组故障发生时,伪彩色图能够反映出故障信息,有利于图像分析和特征提取,采用基于频率响应与图像特征提取的动车组变压器绕组状态诊断方法能够识别车载变压器绕组的典型故障类型和位置。

基于高阶累积量ESPRIT算法的指数衰减正弦信号参数估计

工程应用中环境噪声多表现为高斯有色噪声,而针对高斯白噪声进行处理的算法失效问题,提出了一种高斯色噪声环境中用于多分量衰减正弦信号频率和衰减因子估计的四阶累积量ESPRIT算法。首先,推导出四阶累积量与观测样本中的自相关矩阵和互相关矩阵之间的关系,求出其四阶累积量矩阵。其次,通过对四阶累积量进行广义特征值分解,根据广义特征值即可得到信号衰减因子和频率的估计值。最后对所提算法进行了仿真实验验证,在混合信噪比为0 dB时,所提算法针对多分量衰减正弦信号角频率和衰减因子的平均估计误差分别为0.002 0πrad和0.002 0。在高斯白噪声和高斯色噪声背景下与ESPRIT算法和Prony算法相比具有更强的噪声抑制能力和更高的估计精度。

光钟与氢钟联合的时间尺度算法研究

光钟的频率稳定度和不确定度达到了10-18量级,使其有望成为下一代的时间频率标准,并可能用来重新定义国际单位“秒”.时间尺度作为准确、连续标记时间流逝过程的基准,是高精度时间产生的基础.时间尺度的产生需要依赖连续稳定运行的原子钟,而光钟作为实验室原型设备,一般不能连续运行,因此光钟参与时间尺度计算是个难点问题.提出将Vondrak-Cepek组合滤波算法应用在光钟与氢钟联合计算的时间尺度,以解决间歇运行的光钟参与时间尺度计算的难点问题.首先利用氢钟的时差数据,采用ALGOS算法计算获得连续稳定的氢钟时间尺度.其次利用Vondrak-Cepek组合滤波算法将氢钟时间尺度与光钟的数据综合,获得光钟参与计算的联合时间尺度.最终试验结果证明, Vondrak-Cepek组合滤波算法有效提升光钟与氢钟联合时间尺度的性能,该时间尺度与协调世界时(Coordinated Universal Time, UTC)的时间偏差达到亚纳秒量级.

区域一致趋同的分布式负荷频率控制方法研究

随着可再生能源发电比例的上升,电力系统呈现源荷双重不确定性,对频率稳定产生不利影响。提出一种结合多智能体一致算法与动态面控制的分布式负荷频率控制方法,以增强电力系统的频率调节性能。首先,给出频率控制模型结构,并设计系统框架与分散式区域观测器;其次,考虑通信时滞的影响,设计出各区域控制器结构;最后,基于互联电力系统算例验证了方法的有效性与优越性。与传统控制方法相比,该控制方法改善了电力系统负荷频率控制性能,提高了区域间频率调节的一致性。

基于改进灰狼优化算法的多区域频率协同控制

微分博弈理论可以解决多区域互联电力系统中频率的协调问题,但对于带非线性约束的微分博弈问题,传统算法难以求解。针对该问题,基于微分博弈理论,建立了多区域频率协同控制模型,考虑了电力系统中常见的非线性约束,并提出了一种基于改进灰狼优化算法的协同进化算法,用于求解该模型的反馈纳什均衡解,从而得到各区域二次调频的协同控制策略。通过仿真验证了所提方法的可行性,并与协同进化遗传算法和协同进化灰狼优化算法进行了对比,结果表明该方法的控制效果更佳。同时,所提方法对系统的功率扰动变化具有稳定的动态响应性能,对机组参数变化具有良好的鲁棒性。

蝴蝶优化算法对大青杨生长速率预测模型的改进

为提高大青杨生长速率的预测精度,提出了一种基于改进的蝴蝶优化算法(improved butterfly optimization algorithm, IBOA)与径向基函数(radial basis function, RBF)神经网络结合的预测木材材性方法。通过使用佳点集法对标准蝴蝶算法中的种群进行初始化,将自适应切换频率和Levy飞行相结合进一步优化人工蝴蝶算法。构建出了新的IBOA-RBF神经网络木材材性预测模型,将得到的结果与其他几种算法优化的RBF神经网络预测结果进行对比。结果表明:基于IBOA-RBF神经网络模型预测效果最好,收敛速度从37步降低到了23步,预测结果误差达到了5.72%,预测精度最高。可见,对蝴蝶算法的改进是可行的,且对相关人员定向培养大青杨起到较大的帮助。

基于金枪鱼算法的最大似然信号方位与频率联合估计

针对多维非线性搜索在传统最大似然估计(ML)上的波达方向(DOA)估计存在计算量大、传统网格搜索速度慢等不足,提出了一种基于金枪鱼算法的窄带信号频率方位联合估计的最大似然DOA估计,该算法体现了良好的估计性能。仿真结果表明,该算法对单声源有精确的角度和频率估计值;在声源个数不同的情况下,与基于松鼠搜索算法、正余弦算法、原子搜索优化算法、人工蜂群算法等的估计相比,该算法有着更快的收敛速度和更低的均方根相对误差。

基于改进引力搜索算法的负荷频率自抗扰控制

为提高电力系统频率控制精度,保持频率稳定,针对自抗扰控制(active disturbance rejectioncontrol,ADRC)在多区域互联电力负荷频率控制(loadfrequencycontrol,LFC)系统中的应用,提出一种基于自适应压缩系数改进的引力搜索算法(gravitysearchalgorithm,GSA),用于优化自抗扰控制参数。改进算法结合了引力搜索算法的搜索能力和基于粒子群优化的自适应压缩系数的动态收敛能力,兼顾搜索和寻优能力,解决了算法早熟问题。首先,建立了双区域互联电力负荷频率控制模型,模型机组先采用线性的非再热式汽轮机进行仿真,再推广到考虑调速器死区以及发电速率约束的非线性再热式汽轮机。仿真结果表明,对于2种控制对象,改进算法优化的自抗扰控制器,表现出相对于原算法更优的跟踪性能、鲁棒性以及更小的偏差值,具有更高的应用价值。