基于遗传算法的宽带渐变电阻膜超材料吸波器设计

近年来,基于超材料的电磁吸波器件由于其宽带、易制备等优势而备受各国研究者的广泛关注.本文为实现宽带电磁低可探测,提出一种渐变电阻膜-介质复合结构的超材料吸波器.基于传输线理论和阻抗匹配原理,对强吸波条件进行了分析.在单元结构设计方面,采用遗传算法在多变量域内全局搜索最优解,快速地确定出能够兼顾低频与宽带吸波性能的超材料单元结构与电阻参数,并对器件吸波性能与吸波机理进行了深入的探讨.仿真结果表明,在垂直入射下,所设计的超材料吸波器对1.62—19.16 GHz(相对带宽168.8%)之间的入射波吸收率均大于90%,有效地向L和K波段拓展了吸收带宽.虽然在部分频段测试和仿真结果之间存在一定偏差,但两种类型的曲线随频率的变化趋势基本一致,这充分证明了所设计的超材料吸波器在低频宽带吸波领域具有潜在应用价值.

基于调频连续波雷达的人体生命体征检测算法

针对现有雷达非接触生命体征检测精度低、实时性差等问题,提出一种基于调频连续波(FMCW)雷达的人体生命体征检测算法。首先,通过毫米波雷达获取生命体征信号;其次,利用改进的经验小波变换(EWT)算法,实现生命体征信号的自适应分解和重构,通过引入麻雀搜索算法(SSA)和模糊熵(FE)寻找频谱分割线的最优值;最后,通过改进频率插值的估计算法计算心率和呼吸频率。通过与医用重症监护仪进行对比实验验证所提算法的优越性和鲁棒性。实验结果表明,所提算法相较于小波变换(WT)算法、CEEMD(Complementary Ensemble Empirical Mode Decomposition)算法和VMD(Variational Mode Decomposition)算法,均方误差(MSE)分别减小了77.65、27.25和21.05,平均绝对百分比(MAPE)分别减小了7.33、4.33和3.42个百分点,实时性分别提高了0.72 s, 16.74 s和1.87 s。同时,利用所提算法也实现了对心率变异性(HRV)的检测。

基于AMASPGD算法的FSOC系统波前畸变校正及性能分析

为了抑制相干自由空间光通信系统中大气湍流引起光信号波前失真的不利影响,提出了一种基于聚合动量(AM)和自适应矩边界(AdaMod)优化器的增强型随机并行梯度下降(SPGD)算法。仿真结果表明,该优化算法可以显著提高收敛速度和鲁棒性,并有效降低波前畸变的峰谷值和均方根,从而更有效地抑制大气湍流对相干自由空间光通信(FSOC)系统混频效率和误码率的负面影响。

基于统计公式和小波算法的主余震匹配方法

利用小波算法匹配等效响应谱得到以B、C类场地任意地震波为主震的等效主余震,可为获得人工主余震地震波提供参考依据。选取6条实测主余震序列,从等效主余震和主震、等效主余震和主余震序列两方面对其展开研究,并以一栋6层钢筋混凝土(Reinforced Concrete,RC)框架结构为例分析等效主余震的适用性。结果表明:主震主导等效主余震的响应谱和损伤谱,等效主余震较主震产生明显的增量损伤,显示出等效主余震具备与主余震序列基本一致的特性;等效主余震和主余震序列具有相似的响应谱,两者对单自由度体系及RC框架结构造成的损伤大致相同,说明等效主余震能较好地模拟实测主余震序列。

基于小波去噪与改进Canny算法的带钢表面缺陷检测

针对带钢表面图像亮度不均匀、对比度低以及缺陷种类多、形式复杂的问题,提出一种基于小波去噪与改进Canny算法的带钢表面缺陷检测算法。首先通过小波变换将原始图像分解,对低频分量采用改进的同态滤波提高亮度和对比度,对高频分量采用改进的阈值函数进行去噪,并通过小波重构得到增强图像。其次对传统Canny算法进行改进,通过改进的自适应加权中值滤波进行平滑,并增加梯度方向模板;然后采用迭代式最优阈值选择法与最大类间方差法来求取高低阈值,提高算法的自适应性。最后采用形态学处理对缺陷边缘填充,并去除干扰边缘及毛刺,得到带钢表面缺陷区域。实验结果表明,所提算法对带钢表面缺陷的检测效果较好、精度较高,适用于多种类型的带钢表面缺陷检测。

基于遗传算法小波神经网络的光伏电站发电量预测方法

针对光伏电站发电量预测不准确及多种气象因素下预测结果出现波动的问题,提出一种基于遗传算法小波神经网络(GA-WNN)的光伏电站发电量预测方法。首先,以反向传播(BP)神经网络的结构为框架,选择小波基函数作为隐含层的传递函数,将网络连接权值、小波函数伸缩因子、小波函数平移因子视为遗传个体,并通过遗传算法(GA)进行个体寻优以得到网络最优初始参数;然后,利用优化后的网络进行仿真预测,并对仿真数据进行分析;最后,将预测结果与实际发电量进行对比,以评估预测模型的误差和可靠性。实例分析表明,GA-WNN预测模型具有更小的误差和更高的预测精度,适用于精确预测光伏电站的发电量。

基于小波阈值降噪算法的滚动轴承故障诊断

滚动轴承因平稳的运行特性广泛用于工业生产领域,其安全稳定运行对工业生产有重要意义.针对滚动轴承的故障诊断问题,提出基于小波阈值降噪(wavelet threshold denoising,简称WTD)算法.研究结果表明:相对于其他3种算法,WTD算法具有较强的故障诊断能力.因此,WTD算法具有有效性.

基于小波变换算法的普朗铜矿爆破振动信号能量分布研究

小波变换算法能够对爆破振动信号的频率、能量分布特征进行研究,按照不同的主振频带对爆破振动信号进行分解及重构,已被广泛应用于爆破振动稳定性分析以及矿山安全生产管理。针对在矿山复杂条件下爆破振动信号易受干扰等问题,以普朗铜矿南部拉底爆破振动数据为研究对象,采用小波变换算法分析振动信号0~125 Hz各个频率段能量分布情况,通过HHT算法、STFT算法分别对爆区近区、爆区远区开展能量分布及其衰减规律的研究。研究结果表明:在0~125 Hz频率段范围内,爆区近区和爆区远区能量衰减速度和分布不同,爆区近区能量主振频率分布在15.62~<31.20 Hz频率段,爆区远区能量主振频率分布在46.87~<93.75 Hz频率段。在15.62~<31.20 Hz频率段,爆区近区比爆区远区能量占比平均多出14.1%;在46.87~<93.75 Hz频率段,爆区远区比爆区近区能量占比平均多出18.65%。基于本次爆破施工所监测到的普朗铜矿南部巷道区域爆破振动数据得出,在0~125 Hz频率段范围内,爆区近区能量衰减速度较快且能量分布不集中,爆区远区能量衰减速度较为缓慢且能量分布密集;爆破振动能量随着传播距离增加,能量虽有所衰减,但能量分布更为集中。分析结果表明,小波变换算法可以真实反映振动信号的能量分布情况,为研究爆破振动效应下的井下构筑物的结构安全提供有效的分析手段。

二阶滑模超螺旋算法的直流微电网阻抗观测与纹波补偿

在直流微电网中,直流母线电压二阶纹波分量会导致直流负载或直流能源受到干扰,严重时危害整个系统的电能质量。为此,在分析双向DC/DC变换器电压/电流双闭环控制的基础上,设计了直流有源电力滤波器的直流电压纹波控制,提出一种扰动跟踪的电网阻抗快速观测方法,采用二阶滑模控制的超螺旋算法设计了扰动步长的控制率,加快了阻抗系数的观测速度,实现了阻抗系数的快速动态观测,进一步实现了直流有源电力滤波器对所需补偿纹波电流的实时跟踪提取,有效抑制了直流微电网母线电压二阶纹波。最后,搭建了相应的直流微电网测试平台,验证了所提策略的可行性与有效性。

中心不重合径向剪切干涉迭代波前重构算法仿真分析

径向剪切干涉测量时经常会出现扩束与缩束光波中心不重合情况,传统波前重构算法会导致较大重构误差,其应用受到挑战。推导了中心不重合径向剪切干涉迭代波前重构算法,仿真分析了组合像差、单阶Zernike像差、中心偏移量大小及其计算误差对重构算法的影响。结果表明,在剪切光波中心不重合情况下,该文算法能够准确进行波前重构,重构效果显著优于传统算法;在论文仿真条件下,随着中心偏移量的增大,本文算法重构波面均方根误差(RMS)不高于0.05λ,而传统算法重构误差RMS值达1.6λ且与偏移量近似线性相关。

基于土耳其7.8级地震序列对我国高铁P波预警算法的性能改进研究

基于2023年2月6日土耳其7.8级地震及其余震作为测试数据集,通过测试不同震中距和震级下基于STA/LTA和滑动窗AIC法组合的高铁P波地震预警算法的触发率和识别准确率,发现在200 km范围内该算法能够有效识别地震P波并捡拾到P波初至。此外,研究了最大预警时间和P波判别计算时间随震中距和震级的变化,发现最大预警时间和P波判别计算时间与震中距变化有密切关联,但与震级变化无明显关联。

基于改进Crazy Climber算法的小波脊线提取

针对传统Crazy Climber算法提取多条小波脊线耗时长、效率低等问题,提出一种模拟正火冷却的改进Crazy Climber脊线提取算法.通过对结构振动的响应进行连续小波变换,在小波系数幅值构成的时频平面中,基于模拟正火冷却算法跟踪提取时频平面中的小波脊点,促使每一个随机点高速地聚集在脊线上,消减运算时间.通过单自由度和多自由度系统数值模拟,与传统Crazy Climber算法在计算效率和识别精度两者进行对比分析,验证改进算法的的优越性.

融合优化可调Q因子小波变换的改进密度峰值聚类算法

为提升时间序列的聚类精度,提出一种融合优化可调Q因子小波变换的改进密度峰值聚类(improved density peaks clustering based on optimal tunable Q-factor wavelet transform,OTQWT-IDPC)算法,该算法利用可调Q因子小波变换的能量优化选择策略及改进粒子群优化算法确定的最佳Q因子分解时序信号,通过最优特征子带的能量、均值、标准差和模糊熵构建特征子空间,并采用主成分分析降低特征维度,以减少特征冗余。同时,考虑到距离较远而周围密集程度较大的K近邻样本对局部密度的贡献率,引入权重系数及K近邻重新定义DPC的局部密度,并利用共享最近邻描述样本间的相似性。在BONN癫痫脑电信号和CWRU滚动轴承数据集上进行对比实验,结果表明,该算法的聚类精度分别为95%、94%,且Jacarrd、FMI和F_(1)值指标均优于其他对比算法,证明了OTQWT-IDPC算法的有效性。

基于无监督神经网络匹配算法的叠前表面多次波压制方法

为了有效地压制海上地震勘探数据中的表面多次波,实现勘探目标的正确成像,提出一种基于无监督神经网络的叠前表面多次波匹配算法,将神经网络方法与表面相关多次波压制方法相结合,通过设定学习率不断下降,用无监督神经网络取代匹配滤波算子,对叠前地震数据进行表面多次波的压制,既不需要传统的匹配算法,也不需要在标签数据集上进行训练。在简单合成数据、Sigsbee模型数据和实际数据上的应用结果验证了该方法对表面多次波压制的有效性。

改进MUSIC算法的超声波测风方法研究

针对传统超声波测风装置测风精度不高、抗噪声能力弱,提出了一种改进多重信号分类(multiple signal classification,MUSIC)算法的超声波测风方法。采用一种弧形6阵元超声波传感器阵列的测风结构,推导其阵列流型;在此基础上,添加小波阈值降噪算法提高信号信噪比,降低噪声信号协方差矩阵的秩;再使用PHAT加权广义互相关时延估计算法以提高时延估计的准确性,同时根据时延关系对传统MUSIC算法矢量矩阵进行改进;最后通过MUSIC算法实现对风速风向的测量。理论分析与仿真结果表明:改进后的MUSIC算法具有较好的抗噪性能和较高的风参数测量精度,测量风速绝对误差达到0.15 m/s,风向绝对误差达到2°,可以应用于对风参数要求较高的场景。

圆筒型FPSO总体强度校核设计波优化算法

针对圆筒型FPSO总体结构强度准静态设计方法依赖工程师经验的局限性,将设计波法引入圆筒型FPSO总体结构强度校核,提出了针对特征荷载选择的优化算法。该方法通过分析圆筒型FPSO总体结构承载特点和失效模式,结合常用特征载荷中有相同设计波的特征荷载,选择了舷侧外板波浪压力、上部模块重心处的水平和垂向加速度,作为设计波筛选的特征载荷;并根据圆筒型FPSO结构对称性,减少加载浪向,优化设计波搜索相位;基于本文方法的校核工况减少了60%,有效提升了校核效率。该方法已被应用于中国首条完全自主设计的圆筒型FPSO“海洋石油122”平台的强度校核中,校核结果通过了挪威船级社认证,该平台目前已完成设计,进入建造阶段,这也说明了本方法的可行性以及对后续同类FPSO设计的借鉴意义。

基于遗传算法的吸波材料P波段电磁参数的计算与优化

针对吸波材料P波段电磁参数准确测试存在困难的问题,本研究基于吸波材料反射率计算理论模型中电磁参数与反射率的关系,利用遗传算法不断调整磁性材料的电磁参数,直到磁性材料反射率的计算值与测试值相吻合。探究遗传算法中种群数量、变异概率以及迭代次数对电磁参数求解的影响。结果表明,设定未知解的上下限为(0,100),种群数量为1000~2000,迭代次数为100,变异概率为0.1,可以兼顾求解速度和准确性。将4种不同厚度磁性材料的反射率的测试值与计算值的差值求和,进行指数化处理,作为目标函数,并参考前后频点的电磁性能,得到误差最小且相对稳定的一组解即为磁性材料的电磁参数。最后制作磁性材料石墨烯平板样件进行实验验证,结果表明:反射率计算值与测试值的误差由初始的58.8%降为7.5%。计算值与测试值相吻合,验证了该电磁参数计算优化方法的可行性和有效性。

基于增强鲸鱼优化算法的面波频散曲线反演

增强鲸鱼优化算法是一种新型群体智能优化算法,相比于传统算法,其性能更加卓越。面波频散曲线反演横波速度可以对浅部的地层进行精确刻画,是工程物探领域一种可靠的手段。利用面波可以有效地识别当地层中出现含高速层或含低速层,但是面波频散曲线反演是一个多极值、非线性的问题。使用增强鲸鱼优化算法,相较于传统线性反演,其可以更快速地逼近极值或跳出局部最小值,收敛速度更快,满足工程物探的需求。

基于粒子群算法优化小波神经网络的BDS-3钟差预报研究

针对目前对于BDS-3钟差预报研究较少、BDS-3钟差预报模型不足的问题,提出利用粒子群算法(Particle Swarm Optimization,PSO)优化小波神经网络(Wavelet Neural Network,WNN)的BDS-3钟差预报模型,粒子群算法可以有效解决小波神经网络的权值和阈值的选择问题。该模型符合BDS-3钟差数据的特点,并且可以充分发挥粒子群算法优化的小波神经网络在非线性数据预报方面的优势。同时,利用IGS数据构建粒子群算法优化的小波神经网络BDS-3钟差预报模型,通过和GM(1,1)钟差预报模型、小波神经网络预报模型进行对比,说明了本研究的粒子群算法优化小波神经网络BDS-3预报模型具有较高的预报精度、模型稳定性更好、预报使用时间更少。由此证明,利用粒子群算法优化小波神经网络模型进行BDS-3钟差预报是具有可行性的。

基于IAFS算法融合小波神经网络的变压器故障诊断研究

鉴于小波神经网络训练模型在电力变压器故障诊断中存在易陷入局部最优与对初始值高难度、高要求性问题,通过将人工鱼群算法和小波神经网络技术有机地融入到变压器故障诊断中,开发出一种全新、高效的方法。采用人工鱼群算法改善小波神经网络训练模型的权重和阈值,以达到最佳的模型性能,提升模型的准确性和可靠性。在整个学习过程中,小波神经网络训练模型的复杂度和泛化能力都得到了较大的提升,同时加快了收敛速度,从全局搜索逐步转向精细搜索,避免算法出现局部最优的情况。最后,通过仿真实验结果证明所提方法可有效地提升变压器故障诊断的准确度,提高了变压器故障诊断效率。