基于BSA-ELM模型的建筑项目施工成本预测研究

为降低建筑施工项目的管理成本,提出一种基于BSA-ELM的建筑项目施工成本预测模型。首先介绍ELM神经网络算法和BSA算法;其次利用BSA算法的优势对ELM模型进行优化,从而形成一种基于BSA-ELM的预测模型;最后对基于BSA-ELM建筑项目施工成本预测模型进行测试,将其与传统的预测模型进行对比。结果证明,BSA-ELM预测模型的性能更好,预测精度更高。

基于鸟群算法优化BP神经网络的热舒适度预测

热舒适度是室内环境舒适性的评价指标,由于热舒适度的计算是一个复杂的非线性迭代过程,不便应用于空调实时控制系统中,为解决这一问题,可利用BP神经网络算法对热舒适度进行预测.但为了改善传统BP神经网络收敛速度慢的问题,将采用鸟群算法(BSA)来优化BP神经网络初始的权值与阈值.最后,将BSA算法与相近的粒子群算法(PSO)进行对比分析,并利用MATLAB软件进行仿真,使BSA-BP预测模型的仿真结果与基本的BP神经网络预测模型、PSO-BP预测模型的仿真结果进行对比分析.结果表明,BSA-BP预测模型具有较快的收敛速度和较高的预测精度.

基于灰狼-鸟群算法的特征权重优化方法

针对特征权重难以准确量化的问题,提出一种基于灰狼优化(grey wolf optimizer, GWO)算法和鸟群算法(bird swarm algorithm, BSA)的混合算法,用于特征权重的寻优。首先,将Chebyshev映射、反向学习与精英策略用于混合算法的初始种群生成;其次,将改进后的GWO算法位置更新策略融入BSA的觅食行为中,得到一种新的局部搜索策略;然后,将BSA的警觉行为与飞行行为用作混合算法的全局搜索平衡策略,从而得到一种收敛的灰狼-鸟群算法(grey wolf and bird swarm algorithm, GWBSA),通过GWBSA的迭代寻优可获得各特征的权重值。利用标准测试函数和标准分类数据集进行了对比实验,与遗传算法、蚁狮算法等方法相比,GWBSA具有较快的收敛速度且不易陷入局部最优,可以提高模式分类问题的求解质量。

基于回溯搜索优化算法的运动想象脑机接口频带选择

在基于运动想象的脑机接口（BCI）中,特征提取是影响整个系统性能的一个关键部分.共空域模式（CSP）是一种有效的特征提取算法,它能很好地提取与事件相关去同步/同步（ERD/ERS）生理特征相关的节律信息,因而在BCI系统中得到广泛应用.然而,CSP算法的分类性能极大地依赖于EEG信号的滤波频带.一般情况下,大都采用8～ 30 Hz的带通滤波器滤波,因为这个宽带包含了产生ERD/ERS想象的mu（8 ～ 12 Hz）和beta（18 ～ 26 Hz）节律.为了更加精准的定位最佳频带,将8 ～ 30 Hz的宽带滤波细分为大小不等的子带滤波,利用回溯搜索优化算法（BSA）与CSP相结合来选择最优频带,并以分类错误率作为BSA的适应度值（即频带选择标准）.使用该算法对5个受试者的实验数据进行了交叉验证分类实验.实验结果表明,最优频带的平均分类正确率比宽带（8 ～30 Hz）可高出7.91％.

基于鸟群算法优化的桥式吊车线性自抗扰控制

针对欠驱动吊车的防摆与定位问题,本文提出一种基于线性自抗扰控制技术(LADRC)的欠驱动桥式吊车控制策略及控制器参数优化方法。区别于其他常规的桥式吊车控制策略,该方法不需要对吊车模型进行任何近似解耦或线性化处理,允许模型存在一定的不确定性并且考虑了系统所受的摩擦力与空气阻力等干扰,同时针对传感器噪声污染环境下控制器的参数整定问题,应用鸟群优化算法进行参数优化。在负载质量和吊绳绳长等发生变化或存在不确定因素的情况下,控制策略依然能实现对台车的精确定位与负载摆动的有效抑制。最后通过仿真证明了控制方法具有良好的控制性能。

基于鸟群算法的分电压等级输配电价制定方法

输配电网按照不同电压等级制定电价,主要难点在于成本如何在各电压等级间分摊,针对传统会计成本分摊方法交叉补贴明显、易受潮流影响等缺点,提出了一种基于鸟群算法(BSA)的分电压等级输配电价制定方案。首先采用鸟群算法对各电压等级的最大负荷进行仿真计算;再对输配电成本采用峰荷责任法在各电压等级间分摊,从而计算各电压等级电价,最后与邮票法和粒子群算法所计算结果进行对比,验证了所提方法的可行性。

面向采空区的输电线路杆塔设计优化方法

由于现有输电线路杆塔材料弹性较差,且本体结构难以适用于采空区,因此提出面向采空区的杆塔设计优化方法。首先,提出一种输电线路杆塔拓扑优化方法,通过选择合适的杆塔支撑形式、边缘形式、内层数以及冗余数,以获得最优的杆塔结构。然后,采用纤维增强复合材料(FRP)替代传统的杆塔材料设计横担,保证杆塔处于弹性工作状态,提高其承载力。最后,基于回溯搜索算法(BSA)求解杆塔拓扑优化问题,在满足应力、位移等约束的前提下,实现杆塔尺寸、形状和拓扑的优化。基于Matlab中开发的有限元程序对文中方法性能进行实验论证,结果表明,与其他方法相比,文中方法的结构重量明显减少,且结构更具弹性,适用于采空区的实际应用。

基于改进连续隐马尔科夫模型的风机齿轮箱故障诊断

连续隐马尔科夫模型(CHMM)应用于风机齿轮箱故障诊断,针对隐马尔可夫模型训练算法易收敛于局部最优解,提出了一种改进的BSA-CHMM参数训练算法,将鸟群算法(BSA)与Baum-Welch算法相结合,可有效的跳出局部最优解。分析振动信号并利用小波包分解与重构提取频带能量作为特征向量;将正常及各故障状态的训练样本特征作为模型观测值输入BSA-CHMM模型进行训练;最后将各检验样本特征输入各状态模型中,得到输出概率作为故障诊断的评判依据。通过Matlab仿真试验结果表明:所提出的诊断方法能够准确地诊断出故障状态,且相较于传统的CHMM训练算法能取得更好的训练结果。