基于反向学习与邻域变异的食肉植物优化算法

针对食肉植物算法容易陷入局部最优、收敛速度较慢、收敛精度不高的问题,提出一种基于反向学习与邻域变异的食肉植物优化算法。首先,在种群初始化时加入反向学习策略提升初始种群质量,使种群可更快收敛至全局最优解;然后在种群陷入局部最优时加入邻域变异机制提升种群多样性,达到跳出局部最优的目的。最后,将所提算法与5种群智能优化算法进行比较,并在10种测试函数的10、30和50维上进行相关实验。实验表明,所提算法在求解精度和收敛速度上均具有更好的表现,验证了算法的优越性,以期为食肉植物算法的优化提供参考与借鉴。

基于CPA-FM-MEM磨粒分析的缸套-活塞系统健康状态评估

以内燃机典型摩擦副缸套-活塞系统为研究对象,设计和搭建内燃机缸套-活塞系统状态监测试验台。针对传统最大熵方法分析润滑油中磨粒监测数据存在的缺点,提出改进的分数矩最大熵方法(Fractional Moment Maximum Entropy Method, FM-MEM),并结合食肉植物优化算法(Carnivorous Plant Algorithm, CPA)对关键参数进行寻优求解。对润滑油中磨粒监测数据进行阈值划分,实现内燃机健康状态评估,然后将理论与试验相结合,以在线磨粒监测为主,从润滑油磨粒、理化指标以及表面形貌3个方面对内燃机缸套-活塞系统的运行状态进行监测,分析低速工况下缸套-活塞系统各个时间段的磨损健康状态及磨粒含量变化趋势,通过内燃机整机的在线磨粒监测试验,证明该方法可实现对内燃机缸套-活塞系统的实时状态监测。