RLDEAO优化的空气质量数据聚类分析

对空气质量数据进行聚类,传统聚类方法因受初始点的影响,存在随机性高、聚类精度低以及多个中心点出现在同一簇中的问题,为此提出了一种反向学习差分进化天鹰优化器(RLDEAO)优化的K-means互补迭代空气质量数据聚类方法。天鹰优化器(aquila optimizer,AO)算法具有很强的探索能力,不易受初始点的影响且更易实现,但易陷入局部最优。基于自适应逐维小孔成像反向学习策略、停滞扰动结合莱维飞行策略以及生物进化策略等改进思想,对AO算法进行了改进,有效提高了搜索性能,避免了局部最优;在求取聚类中心点时,设计了一种加权最大最小距离积法(weighted maximum minimum distance product,WMMP),能反映各特征的重要性,对改进聚类结果作用良好;将RLDEAO与WMMP相结合优化K-means互补迭代,提高了搜索速率和搜索精度。通过在多个数据集上的聚类测试,发现RLDEAO-KMC算法的收敛精度和聚类效果较AO-KMC、FCM、KMC、KMC++算法更优。可知,RLDEAO-KMC算法可以更高效地对空气质量数据进行聚类分析,有针对性地做出预测和应对。

AO算法改善波前整形技术

光场调控中的波前整形技术解决了相干光透过无序散射介质聚焦问题,以迭代优化方法简化实验装置,以达到加强对漫射光的控制目的。引入AO算法对入射波前进行处理,实现对波前整形技术的改善。实验中进行了与标准粒子群算法(PSO)、灰狼算法(GWO)这类群体智能优化算法的比较,AO算法改善后的波前整形技术具备更佳光学聚焦能力。研究表明,与标准粒子群算法和灰狼算法相比,经过AO算法改善后波前整形技术可得到更高的目标光强值,取得更好的散斑聚焦效果。

基于DPSO的改进AO^＊算法在大型复杂电子系统最优序贯测试中的应用

针对大型复杂电子系统最优序贯测试问题,提出一种基于离散粒子群算法（DPSO）和改进AO^＊算法相结合的方法.DPSO优化AO^＊算法中每个要扩展节点的测试集从而减少测试个数;改进AO^＊算法通过规定扩展节点估价值的范围,减少其回溯次数.实例验证表明,该算法不仅有效地降低了计算复杂度,大大减少测试代价,缩短测试时间,而且避免了原有AO^＊算法当备选的测试集太大时容易出现“计算爆炸”的缺点.

基于广义AO算法的测试序列问题研究

测试序列问题的目标是用最小的期望测试费用找到最佳测试序列。提出了一种广义AO*算法解决了电子设备的测试序列问题。对传统的AND/OR图进行扩展得到一种广义的AND/OR图,它不仅能够提高AND/OR图的表达能力而且能够实现推理操作符与问题之间的多对多关系;描述了广义AO*算法的步骤并且分析了该算法的计算复杂度。通过实例说明广义AO*算法不仅可有效减少计算复杂度和平均测试代价,而且生成的故障诊断策略能快速、有效的指导维修人员定位故障以减少维修代价。

基于分支定界-改进AO＊算法的序贯测试策略优化

针对经典AO*算法在求解序贯测试问题中复杂度太大的难题,提出测试选择与策略优化联合的方法;首先基于解析冗余关系(ARRs)把测试选择问题映射为一个特殊的0-1整数规划(IP)模型并用分支定界法求解之,得到最优测试;然后通过两步回溯改进的AO*算法确定最优测试顺序;在一个组合电路的应用表明算法优化了测试点数,减少了扩展节点数,降低了经典算法的复杂度。

AOS协议中自适应帧生成算法的研究

帧生成过程作为CCSDS AOS两级多路复用机制的第一级,其性能直接影响着AOS系统的传输效率和时延特性。本文对AOS协议中帧生成算法进行研究,分析了在包到达率服从泊松分布条件下,高效率帧生成算法的帧生成时间均值。针对高效率帧生成算法中可能出现的在较长时间内没有足够多的包到达,导致帧生成时间过长,从而造成帧生成时延超过业务所允许的最大时延情况,提出了一种自适应帧生成算法。理论分析和仿真结果表明,本算法不但能克服高效率帧生成算法中可能出现的大时延问题,并且比传统的等时帧生成算法具有更高的信息传送速率。

AOS虚拟信道/帧分离估算的调度算法

提出了一种适用于AOS的虚拟信道/帧分离估算的调度算法。该算法根据信源的数据类型将传输时隙分成同步时隙和异步时隙,在同步时隙时采用轮询算法进行调度,在异步时隙时则首先分别估算虚拟信道的紧迫度与数据帧的紧迫度,再将二者结合起来构造新的虚拟信道传输紧迫度函数,以满足各信源数据传输的时延要求。与传统的动态优先级调度算法相比,提出的算法在各虚拟信道丢帧率和系统信道利用率保持不变的情况下,大幅度的降低了重要性较高的虚拟信道的平均调度时延、最大调度时延与缓存剩余量。实验表明,本算法的性能明显优于传统的算法,更适合空间链路的多样化数据传输。

AOS自适应帧生成算法的性能分析与应用研究

对AOS协议中的自适应帧生成算法进行研究,通过严格地理论分析,给出了该算法的有效信息传送速率计算公式。进一步,将数据帧生成模块与虚拟信道复用模块作为一个整体进行考虑,针对现有的AOS多路复用技术的不足,提出了自适应帧生成算法与虚拟信道调度算法相结合的多路复用新方法。研究结果表明,通过在多路复用中应用自适应帧生成算法,并设置合理的帧生成时间门限值,可以比目前主要使用的、采用高效率帧生成算法与虚拟信道调度算法相结合的多路复用方法获得更好的包时延性能。

流量预测下智能寻优门限值的AOS帧生成算法

针对AOS空间通信系统的自适应帧生成算法帧生成时间门限值需要人工设置问题,提出一种流量预测下智能寻优门限值的AOS帧生成算法。该算法使用小波神经网络对ON/OFF模型产生的自相似流量进行预测,根据预测流量计算复用效率和平均包时延,使用人工鱼群算法对建立的综合评价函数进行智能寻优,从而得到帧生成算法的最佳门限值。该算法可以随自相似流量的变化自适应地确定门限值,在保证高效的复用效率的基础上,大大降低了系统的时延,从整体上提高了系统性能。

基于AOS的运动目标检测算法

从能量极小化的观点出发 ,对运动目标检测问题定义了新颖的能量模型 ,给出了相应的曲线进化方程 结合水平集算法 ,所提出的曲线进化模型能够自动地适应拓扑变化 ,检测出多个运动目标区域及轮廓 定义了基于对数差图像的能量项 ,使得新模型对于场景照明不敏感 采用加性算子分裂 (AOS)

多策略混合的天鹰优化器

为了解决天鹰优化器集中在全局搜索导致的局部寻优能力略差、依赖初始种群质量和易陷入局部最优的问题,提出一种多策略混合的天鹰优化器;该算法利用改进的Hooke-jeeves优化基本天鹰优化器的初始化种群质量;引入模拟退火概率对易陷入局部最优解进行改进;自适应权重提高前期全局搜索效率,延缓后期局部搜索速度,避免在正解附近徘徊;选取12个基准测试函数进行实验,并将MAO应用于风力发电预测模型优化;实验结果表明,对于单峰函数、多峰函数和固定维函数,MAO比AO等对比函数具有更快的收敛速度和更高的精度;在春夏秋冬数据集上进行仿真实验,对比其他模型1月和10月预测精度提高了15%,4月和8月的预测曲线更加平滑;证实了MAO对于提高风电预测的精度和速度的可行性和实用性。

基于IAO-MCKD的电机轴承故障诊断

针对电机轴承元件故障信号微弱的特点,为提高诊断精度,提出了一种基于改进AO(天鹰算法)优化MCKD(最大相关峭度反卷积)的诊断方法。首先,通过优化参数后的MCKD算法对噪声信号进行降噪处理;其次,对故障信号的包络谱进行分析和诊断;最后,准确提取被强噪声淹没的轴承故障信号。实验结果表明,IAO-MCKD方法与其他经典优化算法相比,能有效增强故障特征,准确提取出故障信号,且该方法具有收敛速度快,处理陷入局部最优问题更灵活等特点。

基于AO^(*)算法的雷达装备诊断策略设计

为提高雷达装备故障诊断效率,针对如何以较低测试费用诊断和隔离故障,同时避免漏诊和误诊的问题,提出了基于AO^(*)算法的雷达装备诊断策略设计方法。研究了单故障和多故障并发条件下的雷达装备诊断策略,单故障条件下,以期望测试费用最小为优化目标,利用AO^(*)算法获得了雷达装备最优单故障诊断策略;多故障条件下,利用多故障模糊组分析了多故障表现,识别了隐藏故障和伪故障,避免了漏诊和误诊。通过实例验证了方法的有效性和可行性。

改进测地活动轮廓模型的AOS实现

基于偏微分方程的图像处理技术由于能够获得连续单像素的边缘而受到重视,其中梯度向量场与气球力混合作用的改进GAC模型——GAC_GVF&B克服了传统GAC模型的缺点,能准确地收敛到多目标图像和形状复杂图像的目标边界。但该算法的运行时间较长,影响算法的实际应用。为此,利用半隐式方案的加性算子分裂(AOS)算法,适当增大时间步长,降低迭代次数,对GAC_GVF&B模型的计算进行加速,在保证算法分割准确性的同时提高算法的收敛速度。实验结果表明,采用半隐式方案的AOS算法具有较好的图像分割效果,可有效减少所需的迭代次数,降低迭代时间和CPU运行时间,提高运行速率。

基于AO~*算法的舰炮制导弹药多故障诊断策略设计

针对舰炮制导弹药多故障诊断策略问题,提出了一种基于AO算法的舰炮制导弹药多故障诊断策略设计方法。该方法结合AO算法和Matlab编程,得到了舰炮制导弹药的多故障诊断策略。试验表明AO算法对解决舰炮制导弹药多故障诊断策略问题有效,达到了降低舰炮制导弹药测试成本和提高故障隔离速度的目的。

基于DPSO-AO~*算法系统测试序列优化问题研究

为了使复杂装备信息处理系统在进行故障定位过程中耗时最少、成本最低,建立了系统测试序列优化问题的数学模型。基于DPSO-AO~*算法的改进,得到信息处理系统的最优测试策略决策树,根据信息处理系统的相关矩阵,按故障概率,随机生成故障,采用相应的测试序列进行测试,最后利用累计测试费用进行比较,从而证明了改进的DPSO-AO~*算法正确有效。

AR模型中AO类异常值探测及其在GPS卫星钟差预报中的应用

基于EM算法,提出一种AR模型中AO类异常值(additive outlier)探测的算法。该算法可同时进行AR模型拟合与AO类异常值探测,并可有效地解决成片AO类异常值探测时所产生的掩盖和淹没问题。最后,将本文算法应用于GPS卫星钟差预报之中。本文算法可以准确探测出钟差历史观测序列中的AO类异常值,并可对卫星钟差进行精确预报。

空间AOS链路网络自动流量控制设计与实现

在空间天地一体化网络通信系统中,针对高级在轨系统(AOS)链路网络传输效率低、丢包等问题,提出了一种基于随机早期检测(RED)算法改进的流量控制算法,实现AOS链路可靠的自动流量控制;该算法基于AOS链路网关内部缓存队列对流量控制终端速率进行动态调整,控制网关缓存队列长度始终处于合理的范围内,实现AOS链路与网络链路速率的自动匹配,提高AOS链路的可靠性和传输效率。采用OPNET软件建模对流量控制算法进行了仿真,结果表明:该算法能够实现高效的自动流量控制,在空间网络环境下,算法运行稳定后,AOS链路丢包率为0、传输效率可达99%以上;在我国空间站AOS网关中实现并应用了该算法,对其在轨数据进行了实测分析,实测结果与仿真结果一致,在轨取得了良好的流量控制效果。

基于原子轨道搜索算法的6自由度装配机器人轨迹规划

针对6自由度装配机器人多目标优化和轨迹规划问题,首先,将原子轨道搜索(Atomic Orbit Search,AOS)算法融入到多目标优化中,构建了时间、能耗和冲击的多目标优化函数;其次,轨迹规划采用路径点插值非均匀有理B样条曲线的方法,使用AOS算法测定原子的结合态和结合能,并确定原子中能级最低的候选解,输出最优的电子位置,优化了Pareto取值集合空间,获得多目标优化后的轨迹曲线;最后,通过Matlab仿真验证了所提方法的有效性。结果表明,结合AOS算法优化后的轨迹规划方法能保证装配机器人按最优路线运行,具有一定的工程应用价值。

基于改进天鹰优化算法的光伏阵列多峰最大功率跟踪控制

光伏阵列在局部遮荫条件下,会产生多峰值的功率-电压(P-U)特性,为了迅速精准地实现最大功率点追踪以避免大量的能源损失,提出一种改进的天鹰优化算法,通过Circle混沌映射及反向学习策略合理分配初始种群位置,以缩短算法寻优时间,同时对天鹰优化算法中的短滑翔攻击进行螺旋形优化,并结合鲸鱼优化算法改善天鹰优化算法局部最优停滞以及提高收敛速度。多种智能算法对比仿真和实验结果表明,相较于粒子群算法及鲸鱼优化算法,改进天鹰优化算法在静态、动态局部遮荫情况下均能更快、更平稳精准地搜索到全局最大功率点。