横风下基于滚动GAPSO算法的列车速度曲线优化

针对普通环境下高速列车目标速度曲线优化算法不适用于横风环境的问题,提出一种横风环境下基于滚动GAPSO(遗传粒子群)算法的列车速度曲线优化方法。首先,考虑横风风速阻力作用改进列车动力学模型,并建立列车运行多目标优化模型;其次,基于GAPSO算法寻优巡航构建列车在起始阶段的最优目标速度曲线,引入滚动优化框架实时调整目标速度曲线,并在横风限速区按照改进快行策略运行;最后,在列车进站前采用GAPSO算法寻优惰行点生成目标速度曲线。仿真实验结果表明:GAPSO算法较GA算法和PSO算法具有搜索能力强、收敛速度快的优点;滚动GAPSO算法能在不同横风环境下实时生成优化后的目标速度曲线,并与改进快行策略和RH-PSO算法相比,具有较优的节能性和准时性。横风下基于滚动GAPSO算法的列车目标速度曲线优化可为横风环境下列车节能、准时运行提供一种可行的解决方案。

基于GAPSO算法的人工智能污水监测故障诊断技术

针对污水监测故障智能化诊断滞后的问题,提出一种人工智能化方案,通过改进型GAPSO算法对污水监测故障进行诊断和分析,结合遗传算法的核心思想,在GAPSO算法中设置不同类型的编码器,以提高GAPSO算法的计算能力和应用能力。建立多功能智能污水监控报警系统,由DSP技术、ARM处理器技术和FPGA搭建系统框架。系统的核心处理模块为集中控制器的STM32F103RCT6单片机,危险污水检测模块使用MQ-2传感器,报警模块组合使用LED灯,大大提高了污水现场监控能力。实验结果表明,所提研究方法评估采集精度高达99.68%,报警时间快,评估能力强,收敛速度快。

基于GAPSO算法的转台齿轮传动多目标优化研究

针对某航空发动机叶片五轴加工机床转台传动系统多目标优化设计问题,以五轴加工机床转台的齿轮总体积和总重合度建立了目标函数,在齿轮的接触应力和弯曲应力为约束条件下建立了优化数学模型。提出了结合PSO算法与GA算法各自优点的GAPSO方法,利用GAPSO算法既有GA算法的强大全局搜索能力又有PSO算法的快速收敛能力的特点,求解了转台齿轮传动系统的多目标优化数学模型,并分别使用PSO算法、GA算法对数学模型进行了寻优求解,最后将3种算法的结果进行了对比分析。研究结果表明:相比PSO算法与GA算法,GAPSO算法的优化效果最佳,转台的齿轮传动系统体积减少27.26%,重合度增加8.10%;优化目标实现了转台的轻量化与提高传动平稳性的目的,为转台的齿轮传动系统的多目标优化设计提供了理论依据。

基于改进LSTM算法的综合能源系统多元负荷预测

准确预测短期多种能源负荷,是确保综合能源系统可靠、高效运行的必要前提。为此,提出了一种基于遗传粒子群混合优化(genetic algorithm particle swarm optimization,GAPSO)算法的卷积长短期记忆神经网络(convolutional neural network-long short-term memory,CNN-LSTM)综合能源系统多元负荷预测模型。首先,利用皮尔逊系数来描述各影响因素与负荷之间的相关性强弱。其次,采用GAPSO算法对长短期记忆(long short-term memory,LSTM)网络模型进行改进,然后构建卷积神经网络(convolutional neural networks,CNN)以提取小时级高阶特征,并通过改进后的LSTM网络模型对提取的隐含高阶特征进行分位数回归建模,构建了基于GAPSO-CNN-LSTM综合能源系统多元负荷预测模型。最后,以美国亚利桑那州立大学坦佩校区综合能源系统负荷数据为算例进行验证,结果表明:改进后的算法具有更好的收敛能力,模型具有更高的预测精度。

基于GAPSO Elman神经网络算法的短时航迹预测

为保证空中交通运行通畅,避免交通拥堵和其他可能存在的风险,有必要对航空器进行短时航迹预测,为管制员提前做出决策提供依据。基于遗传算法(GA)的全局搜索能力和粒子群算法(PSO)的局部搜索能力,将两者相结合的遗传粒子群混合算法(GAPSO)应用于Elman神经网络算法的优化中,提出了GAPSO Elman神经网络算法,将该算法应用于短时航迹预测。仿真实验结果表明:方法能够极大地提升Elman神经网络的预测精度,准确地预测航空器的飞行轨迹,提前15 min预测的航空器过点时间与真实过点时间平均误差能够控制在1 min以内,具有良好的预测效果,为终端区航路网络的拥挤管控提供了技术依据。

基于GAPSO_BP神经网络的Doherty功放行为模型

在通信系统级仿真中,精确构建行为模型对设计和优化射频功率放大器是极为重要的。在BP神经网络模型的基础上,提出一种由遗传算法和粒子群算法结合的混合算法对网络进行优化,构建GAPSO_BP功放行为模型,利用Doherty结构的功放输入输出电压数据对模型进行仿真。通过对电压均方根误差以及收敛速度的比较,最终得出基于GAPSO算法构建的模型比基于原有两种算法构建的模型有更好的拟合性,功放实际输出和模型输出之间的均方误差达到了0.0011,进而可以更精确地描述射频功率放大器的非线性特性。

一种新的基于进化计算的聚类算法

聚类是数据挖掘领域的重要研究内容之一。针对遗传聚类算法较好的稳定性与粒子群优化算法较强的局部搜索能力,在交叉、变异算子后叠加粒子群优化算子的方法实现了二者的结合,提出了GAPSO聚类算法,既保持了遗传算法的稳定性与泛化性的优势,又发挥了PSO算法收敛效率高的特点。通过对10组二维空间上的聚类样本进行实验研究显示,GAPSO聚类算法在收敛效率上显著优于GA聚类算法,在稳定性上优于PSO聚类算法。

均匀度对船舶涡流磁场磁变模拟影响仿真分析

基于GAPSO算法分别设计了采用5对和10对线圈的线圈系统,其均匀度依次为83.93%、92.58%。搭建线圈系统开展涡流磁场磁变模拟仿真,仿真结果表明10对线圈时磁变模拟效果较优。以直接施加单位激励涡流磁感应强度仿真结果为参照,10对线圈时涡流磁场主要部分虚部误差小于5%。

基于案例推理的中厚板轧机轧制规程智能优化

为了提高中厚板轧制规程分配的合理性和计算效率,提出利用智能优化技术进行中厚板轧制规程智能优化。该智能技术为混合遗传算法(GA)的改进粒子群算法(PSO)与案例推理算法(CBR)结合运用的一种多目标智能优化技术。采用CBR检索最相似案例,如果案例可以重用,将其作为最终规程进行现场轧制;如果不能重用,将其作为智能优化初始值,通过GAPSO算法围绕目标函数进行全局优化。分析了CBRGAPSO算法的时效性和有效性,证明该算法计算时间更短且优化后的规程分配更合理,更适合中厚板轧制规程优化计算。

基于冲突合作关系的生鲜选址-路径多主体优化模型与算法

针对城市生鲜农产品配送成本高,产品损耗大等特点,考虑生鲜销售商和外包冷链配送公司共同参与又独立决策的实际运营情况,建立了基于冲突合作关系的生鲜配送选址-路径多主体优化模型.模型中,考虑客户模糊时间窗,主导层生鲜销售商以系统总成本最低为目标,而从属层冷链配送公司仅考虑运输相关成本最小化.设计了GAPSO混合算法求解该问题,结合精英选择策略和自适应权重粒子更新策略,采用田口分析法获取参数合理取值.与CPLEX求取小规模算例精确解对比,GAPSO算法在保持准确性的同时,求解时间降低了96.17%;对基于Barreto和Prins经典LRP基准案例集的中大规模算例,与HybridGA算法和已知最优解BKR对比分析,结果表明GAPSO对于中小规模问题,能很好的收敛于全局最优解,对于大规模问题能求得近似最优解,能为实际生鲜选址和配送问题提供有效决策支持.