基于Adaboost-INGO-HKELM的变压器故障辨识

针对目前变压器故障诊断准确率低的问题,提出一种多策略集成模型。首先通过等度量映射(isometric mapping, Isomap)对高维非线性不可分的变压器故障数据进行降维处理。其次,利用混合核极限学习机(hybrid kernel based extreme learning machine, HKELM)进行训练学习,考虑到HKELM模型易受参数影响,所以利用北方苍鹰优化算法(northern goshawk optimization, NGO)对其参数进行寻优。但由于NGO收敛速度较慢,易陷入局部最优,引入切比雪夫混沌映射、择优学习、自适应t分布联合策略对其进行改进。同时为了提高模型整体的准确率,通过结合Adaboost集成算法,构建Adaboost-INGO-HKELM变压器故障辨识模型。最后,将提出的Adaboost-INGO-HKELM模型与未进行降维处理的INGO-HKELM模型、Isomap-INGO-KELM模型、Adaboost-Isomap-GWO-SVM等7种模型的测试准确率进行对比。提出的Adaboost-INGO-HKELM模型的准确率可达96%,均高于其他模型,验证了该模型对变压器故障辨识具有很好的效果。

融合粒子群的改进金豺算法及应用

为了解决传统金豺算法收敛精度低,搜索速度慢等问题,提出一种融合粒子群算法的改进金豺优化算法(PGJO)。首先,采用Chebyshev混沌映射和精英选择策略结合的方式对种群进行初始化,提高初始解质量;然后,结合粒子群优化算法(PSO)思想,提出一个新的搜索方式。采用动态转换策略,判断PGJO采用原Levy方式搜索还是采用新的搜索方式更新个体位置,以提高算法收敛精度;最后,提出了种群收敛监测策略,帮助算法跳出局部最优。将PGJO与其他智能优化算法经过11个基准测试函数对比实验表明,算法性能均优于其他算法。将PGJO应用于无人机路径规划当中,对比其他算法路径长度下降了3.4%,拐点个数减少了21%,验证了该算法的工程应用能力。

智能家居网络下基于多因子的认证密钥协商方案

智能家居网络通过物联网技术将智能设备相连,用户可以远程查看和控制家居设备,但信息在不安全的公共网络上传输将面临各种网络威胁,因此研究和设计安全高效且符合智能家居网络的认证密钥协商协议非常必要。2020年,WAZID等人针对智能家居网络提出轻量级认证密钥协商方案(Wazid-Das方案),经过安全性分析和证明后发现,该方案过于依赖智能家居网关节点(Gateway Node,GWN),系统健壮性不高;该方案将用户和设备密钥存储在GWN中,但GWN面临特权攻击和各种外部网络攻击,并不绝对安全,且没有考虑用户的访问控制。文章在Wazid-Das方案的基础上针对智能家居网络提出一种基于切比雪夫映射(Chebyshev Chaotic Map)和安全略图(Secure Sketch)的多因子认证密钥协商方案。安全性证明和仿真实验结果表明,该方案虽然计算开销有所增加,但安全性显著提高,且通信开销大幅降低。

基于优化WOA-BP策略的土体冻胀率因素敏感性定量分析

土体冻胀是寒区工程建设面临的重要挑战之一,对其进行准确预测和敏感性分析,对于保障工程安全与稳定、预防结构变形与破坏至关重要。针对东北某矿区三种土样,在不同冷端温度、含水率和干密度条件下,实施了单向冻结且不补水的冻胀实验。基于实验数据,分析了影响冻胀率的关键因素,构建了以干密度、含水率、冷端温度、比重及结冰温度为输入变量的WOA-BP预测模型,引入Chebyshev混沌映射与自适应权重调整策略,优化得到Chebyshev混沌映射自适应权重的WOA-BP神经网络。经验证,该模型预测误差小,可以较好地预测土体的冻胀率。结合Garson算法、扰动法及蒙特卡洛模拟等三种方法,对土体冻胀率的影响因素进行了敏感性分析,所得结果一致。该矿区土样的冻胀率对干密度、比重、含水率、冷端温度、结冰温度变化的敏感程度依次降低。

基于改进型蝴蝶优化算法的机械手轨迹规划

针对传统机械手在码垛抓取过程中轨迹优化问题,提出了改进型蝴蝶优化算法对机械手轨迹进行优化,用以提高机械手抓取的效率、准确性。提出利用切比雪夫混沌映射种群初始化,对惯性权重因子进行改进,以防止算法陷入局部最优。随后将改进型蝴蝶优化算法与原蝴蝶优化算法在3个基准函数测试中进行对比,改进型蝴蝶优化算法比原算法有显著提升,随后在Matlab中对机械手第三关节进行最优轨迹运动仿真,结果表明利用改进型蝴蝶优化算法在轨迹时间最优中有良好的表现。

多策略改进的蜜獾优化算法

针对标准蜜獾算法存在的易陷入局部最优值、目标精度低、局部搜索能力不足等问题,提出了一种多策略改进的蜜獾算法.在种群初始化阶段,使用Chebyshev混沌映射初始化种群,保证随机性的同时提高种群的均衡性;在局部挖掘阶段加入莱维飞行,使寻找最优值到确定最优值的过程更加平稳,避免算法陷入局部最优;在最优个体确定阶段上引入最优个体自适应变异策略,来提高算法局部搜索能力以及收敛精度,避免算法个体早熟.选取18个基准测试函数进行仿真,同时结合秩和检验、实际工程应用对该算法进行多维度评估,实验证明改进的蜜獾算法与标准蜜獾算法相比,在收敛速度、目标精度以及寻优搜索能力均有明显改善,表现出较好的鲁棒性.

一种多策略改进鲸鱼优化算法的混沌系统参数辨识

针对混沌系统参数辨识精度不高的问题,以鲸鱼优化算法(whale optimization algorithm,WOA)为基础,提出一种多策略改进鲸鱼优化算法(multi-strategy improved whale optimization algorithm,MIWOA)。采用Chebyshev混沌映射选取高质量初始种群,采用非线性收敛因子和自适应权重,提高算法收敛速度,为了避免算法陷入局部最优,动态选择自适应t分布或蚁狮优化算法更新后期位置,提高处理局部极值的能力。通过对10个基准函数和高维测试函数进行仿真试验,表明MIWOA具有良好的稳定性和收敛精度。将MIWOA应用于辨识Rossler和Lu混沌系统参数,仿真结果优于现有成果,表明本文MIWOA辨识混沌系统参数的高效性和实用性。

基于改进蜣螂优化算法的海洋牧场三维UWSN覆盖方法

针对海洋牧场三维环境监测,提出了一种基于改进蜣螂优化算法(IDBO,improved Dung beetle opti‐mizer)的UWSN(underwater wireless sensor networks)覆盖方法。首先,在蜣螂优化算法(DBO)种群初始化时加入Chebyshev混沌映射,使得种群资源在搜索空间的分配方面更加均衡。其次,通过自适应权重因子和Levy飞行改进觅食小蜣螂的位置更新方式,提升了位置搜索能力和DBO算法的收敛能力。将IDBO算法应用在海洋牧场UWSN覆盖优化中,仿真结果表明:在不同参数环境下,IDBO算法的覆盖率高于随机部署和其他智能优化算法,并且能以较低的节点能耗获得更高的覆盖率,节点分布也更加合理。

基于双向局部开发和黄金正弦的异构导向的鲸鱼优化算法

为了解决鲸鱼优化算法WOA准确率低和稳定性差的问题,提出了一种基于双向局部开发和黄金正弦算法的异构导向的鲸鱼优化算法LEDGWOA。在搜索猎物阶段嵌入黄金正弦算子,结合“更优更近”的原则,增强个体间信息交流的强度。此外,根据适应度值区分出统治鲸鱼群,用自适应惯性权重计算出一个虚拟领导者。在包围猎物阶段时,整合切比雪夫阈值的双向开发策略,从而加强了邻域的开发强度。随机螺旋式更新可以间接地增加种群在迭代后期的分散度。改进后的算法在CEC2017和CEC2019函数上进行仿真实验,并成功应用于压力容器的优化设计。LEDGWOA与17种算法进行对比,结果表明其具有优越的性能。

基于深度神经网络的网络信息数据传输自动加密算法研究

为更好地应对各种复杂和多变的安全威胁,提出基于深度神经网络的网络信息数据传输自动加密算法。利用级联Chebyshev映射,生成网络信息数据的伪随机混沌序列;通过生成对抗网络处理伪随机混沌序列,生成网络信息数据的置乱矩阵;通过长短期记忆网络处理混沌序列,生成网络信息数据的置乱矩阵;利用加权融合方式,融合两个网络生成的置乱矩阵;按照融合后的置乱矩阵置乱处理网络信息数据,完成网络信息数据传输自动加密。实验证明,在承受复杂网络攻击时,该算法具备较优的自愈性能,提升了网络信息数据传输的安全性。

基于切比雪夫混沌映射和PUF的RFID三方认证协议

针对射频识别(RFID)三方认证协议存在的安全需求和资源开销的平衡问题,利用切比雪夫多项式的半群性质以及混沌性质提出了一个基于切比雪夫混沌映射和物理不可克隆函数(PUF)的RFID三方认证协议:使用切比雪夫混沌映射来实现标签、阅读器和服务器三方共享秘密;使用随机数实现协议每轮会话的新鲜性以抵抗重放攻击,同时也实现了阅读器与标签的匿名性;使用PUF函数实现标签本身的安全认证以及抵抗物理克隆攻击。安全分析表明,该协议能有效抵抗追踪、重放、物理克隆和去同步攻击等多种恶意攻击,使用BAN逻辑分析方法和Scyther工具验证了其安全性。与近期协议对比分析表明,该协议弥补了同类RFID协议的安全缺陷,在满足各种安全属性需求的同时尽量平衡硬件开销,契合了RFID硬件资源受限的处境,适用于RFID三方认证场景。

基于改进蜣螂优化算法的搬运机器人路径规划

针对基本蜣螂优化算法在路径规划方面存在的路径较长、迭代次数多以及局部最优等问题,提出一种改进蜣螂优化算法。首先利用Chebyshev混沌映射优化其初始群体,以提升个体质量;其次将黄金正弦算法引入觅食蜣螂位置更新策略中,以提升算法的收敛速度,使得算法搜寻有效性得以提升;最后在偷窃蜣螂位置加入动态权重,以扩大算法的搜索范围,降低算法提前收敛的概率。利用栅格地图法建立环境地图,模拟搬运机器人的工作环境,利用MATLAB仿真软件,将改进蜣螂优化算法与基本蜣螂优化算法在不同的栅格地图中进行仿真。通过分析仿真数据得出在3种不同的栅格地图中改进蜣螂优化算法在平均路径长度上比基本蜣螂优化算法分别缩短了31.25%、10.31%和8.59%;在平均迭代次数上分别减少了22.26%、12.19%和26.24%;在平均拐点个数上分别减少了35.11%、9.52%和35.09%。仿真结果证明改进蜣螂优化算法在搬运机器人路径规划方面拥有更好的效果,验证了改进蜣螂优化算法的可行性。

医学图像水印鲁棒性能优化算法研究

本文提出一种基于DCT变换和Chebyshev混沌映射的水印算法,适用于提高医学图像的安全性。首先,进行原始医学图像的特征提取,将初始二值水印与混沌映射相结合,通过运算输出水印密钥系数。在此基础上完成水印的嵌入与提取。最后在Matlab中通过编程进行实验仿真,并对其进行抗攻击性能测试。实验结果证实该算法能够有效实现数字水印的嵌入和提取,并能够获得较好的鲁棒性。研究结果可以更好地为医学图像的传输安全问题提供解决方案。

基于改进蜣螂优化算法优化BP神经网络

文章提出了一种利用改进蜣螂优化(IDBO)算法优化BP神经网络的新方法,通过Chebyshev混沌映射初始化种群,结合黄金正弦策略及动态权重系数实现高效搜索。基于MATLAB R2024a进行仿真,结果表明IDBO-BP模型在训练集和测试集上均表现优异,显著提升拟合度、泛化能力和预测精度,且收敛速度更快。此方法有效提升了神经网络性能,为解决复杂数据处理问题提供了新途径,展现了广阔应用前景。

基于Chebyshev映射的混沌序列研究

对基于Chebyshev映射的混沌序列初值敏感性、平衡特性、相关特性进行仿真研究,将混沌序列应用在DS-CDMA系统中,与Gold码序列进行比较。结果表明,混沌序列与Gold码序列性能接近,具有生成简单、序列数目多、保密性好等优点,是替代传统扩频码的理想选择。

基于混沌映射的自适应图像加密算法

为了提高图像加密算法的鲁棒性,提出了一种新的自适应图像加密算法。首先,把任意大小的灰度或彩色图像分成2×2子块;然后,用左上角子块的像素灰度值和Chebyshev混沌映射构造与右上角子块等大的矩阵,用该矩阵对右上角子块进行像素灰度值替换;最后,按顺时针对每个子块进行加密,直到左上角子块加密完毕。该算法不依赖于图像的大小,而且适用于灰度图像和彩色图像,因而有很强的鲁棒性。同时灰度值扩散机制的引入使得该算法具有良好的扩散性和扰乱性。

协同围攻策略改进的灰狼算法及其PID参数优化

针对灰狼优化算法(GWO)在求解优化问题时收敛速度慢和全局搜索能力弱的缺点,提出一种基于Chebyshev融合狼群协同围攻策略的改进GWO算法(CCA-GWO)并成功应用于PID参数优化。首先,通过对比三种混沌映射优缺点并最终将Chebyshev映射用于算法初始化中以增强初始解的多样性;其次,为平衡算法的全局勘探和局部开采能力,通过模拟灰狼群狩猎时头狼和次头狼的交替行为,提出一种新的非线性策略对控制参数A和C及位置更新方程进行修正;最后,将改进算法应用于PID参数优化。通过8组基准测试函数在10维、30维和100维下进行实验,并与BOA、MFO、ASO、MVO、WOA、GWO进行对比,数值实验结果表明,CCA-GWO不仅在求解不同维度的基准测试函数上具有更好的寻优性和稳定性,而且在PID参数优化中相较于6种元启发式算法表现出更好的优化性能。

过抽样混沌映射在语音通信中的应用研究

通过对混沌序列特性的研究,提出一种基于过抽样Chebyshev、Logistic混沌映射相结合为混沌密钥的方法对语音信号进行加密处理,克服了传统混沌序列加密时密钥简单造成安全性较低的缺点。在生成多参数混沌密钥的基础上,构建语音信号加密传输系统实现信号加密、调制,并在接收端实现信号解调和解密仿真过程。实验结果证明,该方法的应用使混沌密钥参数增加为多个,使得加密系统拥有更高的安全及保密性能,可以更好地应用于加密通信中。

混沌萤火虫优化算法的研究及应用

针对基本萤火虫群优化算法的早熟收敛,易陷入局部最优值,求解精度不高等问题,提出了一种基于切比雪夫映射的混沌萤火虫优化算法。利用混沌系统的随机性和遍历性初始化萤火虫群,获得了质量较高且分布较均匀的初始解;同时对部分适应值低的个体进行了混沌优化,以提高种群的多样性。对4个标准测试函数进行了仿真实验,结果表明该算法的求解精度、全局搜索能力优于基本萤火虫优化算法。将改进算法应用于车辆路径问题的求解中,结果表明了改进算法的有效性。

复合混沌二级置乱图像加密算法研究

针对单一混沌映射所存在的稳定窗问题以及图像置乱加密计算量大的缺点,文章提出了一种基于复合Chebyshev和Logistic映射的混沌二级置乱图像加密算法。算法根据密钥控制复合混沌序列的初始参数,并利用一级置乱产生的混沌序列作为二级置乱加密的初始值生成混沌二维矩阵,进而对图像进行位置和灰度的二级置乱加密。实验结果表明,该算法能有效改善单一混沌序列的稳定窗问题,具有良好的加密效果且计算量小,速度快,适用于实时加密。