基于POA-VMD-WT的MEMS去噪方法

针对MEMS传感器所测得的加速度和角速度输出信号噪声较大问题,提出一种基于鹈鹕优化算法(pelican optimization algorithm,POA)的变分模态分解(variational mode decomposition,VMD)结合小波阈值(wavelet threshold,WT)的去噪方法。首先利用POA对VMD的参数组合进行优化选择,然后应用POA-VMD将含噪信号自适应、非递归地分解为一系列本征模态函数(intrinsic mode function,IMF)。再通过计算每个IMF的余弦相似度对IMFs进行分类,根据计算结果将IMFs分为噪声主导分量与信号主导分量,对分类后的噪声主导分量进行改进小波阈值去噪处理,最后对处理后的噪声分量与信号主导分量进行重构,获得降噪后的MEMS传感器信号。静态和动态实验结果表明,该方法去噪处理后信号的信噪比分别提高12和10 dB,均方误差分别降低75.5%和46.6%,去噪效果显著,能够提高MEMS传感器的精度。

基于EMATE和POA-ELM的声音信号故障诊断方法

常规的工程机械故障诊断方法一般需对振动信号进行分析,但采集振动信号时需要使振动传感器与工程机械相接触,在某些情况下工程机械表面不适合安装传感器,如设备的温度较高或者传感器的安装空间有限。针对这些问题,以声音信号作为故障诊断对象,提出了一种基于增强多尺度注意熵(EMATE)和鹈鹕优化算法优化极限学习机(POA-ELM)的工程机械故障诊断方法。首先,利用声音传感器采集了工程机械不同故障的声音信号,避免了振动传感器存在的接触式采集缺陷;然后,利用EMATE提取了声音信号中的故障信息,建立了表征工程机械不同故障状态的特征向量;接着,鉴于ELM的参数需要优化的问题,采用POA对ELM的关键参数进行了寻优,建立了参数自适应设置的ELM分类模型;最后,利用POA-ELM分类器对故障特征进行了辨识,实现了工程机械的故障识别,并利用往复压缩机和滚动轴承的声音信号数据集对基于EMATE-POA-ELM的故障诊断方法的有效性进行了验证。研究结果表明:将EMATE方法作为故障特征提取指标能够取得100%和99.23%的识别准确率,且特征提取的时间仅为53.88 s和172.47 s;与多尺度注意熵、复合多尺度注意熵、时移多尺度注意熵等指标相比,EMATE的平均故障识别准确率更高,并具有更好的综合性能。

基于POA-CNN-REGST的电梯钢丝绳滑移量预测方法

电梯曳引轮与钢丝绳之间的滑移量过大会导致重大意外事故的发生,针对这一问题,提出了一种基于鹈鹕优化算法-卷积神经网络-堆叠回归(POA-CNN-REGST)的电梯钢丝绳滑移量预测方法。首先,使用数据产生函数生成了样本,并对样本添加了高斯白噪声,分别使用POA-CNN-REGST、支持向量机(SVM)、相关向量机(RVM)对仿真数据进行了训练和学习;然后,对试验基地采集的电梯滑移量等相关数据进行了归一化处理,并用POA-CNN-REGST进行了电梯钢丝绳滑移量预测;最后,将结果与传统的统计学模型SVM和RVM进行了比较。研究结果表明:在使用相同的训练集和测试集时,在仿真数据分析中,其均方根误差为0.0496;在真实数据分析中,其均方根误差和平均绝对百分比误差低至0.0661和0.0733。无论是仿真数据或是真实数据分析,该模型预测准确度都远高于SVM和RVM,这表明其在电梯钢丝绳滑移量预测方面具有高度可靠性。

基于POA-ELM的含煤地层异常构造分类

为了更准确地对含煤地层异常构造识别分类,提出了一种基于鹈鹕优化算法(Pelican Optimization Algorithm, POA)和极限学习机(Extreme Learning Machine, ELM)的含煤地层异常构造识别分类模型POA-ELM。针对极限学习机随机生成输入权值和隐含层偏置导致性能不稳定的缺点,利用鹈鹕优化算法对极限学习机的输入权值和隐含层偏置进行寻优,从而改进极限学习机模型性能,并将POA-ELM应用到含煤地层异常构造的识别分类。首先利用COMSOL Multiphysics5.5建立小断层、冲刷带和陷落柱3种含煤地层仿真模型,以雷克子波作为震源信号,采用透射波法采集3种模型的槽波信号,建立槽波信号数据集。通过z-score法和主成分分析法(Principal Component Analysis, PCA)对槽波数据进行标准化和降维处理。通过MATLAB构建鹈鹕优化算法改进的极限学习机分类模型POA-ELM,对小断层、冲刷带和陷落柱进行分类,并通过准确率、精确率和召回率等评价指标以及交叉验证法对比和评估ELM、POA-ELM的分类性能,结果表明POA能够有效优化ELM,POA-ELM模型具有更高的分类准确率和更好的稳定性,POA-ELM对含煤地层异常构造的分类准确率可达99%以上。为验证POA-ELM的实际应用效果,将实际断层槽波数据进行小波去噪等预处理后,作为测试集导入POA-ELM模型进行识别,结果表明POA-ELM模型对实际断层识别准确率可达97%以上。基于同样的槽波数据集将POA-ELM与ELM、支持向量机(Support Vector Machine, SVM)和BP神经网络进行识别分类效果对比,结果表明POA-ELM模型的识别分类准确率最高。经研究与分析,POA能够有效优化ELM,POA-ELM模型能够准确分类地质构造,并有效识别出实际断层,效果优于其他方法。

基于POA优化支持向量回归模型的航天电磁继电器贮存寿命预测

为了提高航天电磁继电器贮存寿命预测精度,提出了一种基于鹈鹕优化算法(POA)优化支持向量回归(SVR)模型的航天电磁继电器贮存寿命预测方法,以解决SVR模型内核参数选择难的问题。随后基于某型号继电器的加速退化试验所得数据,进行了验证。最后,通过POA-SVR方法与SVR方法和SMA-SVR方法对比,平均相对误差分别下降了24.82%、3.69%,说明所提方法可以有效提高继电器贮存寿命的预测精度。

基于优化VMD-GRU的滚动轴承剩余使用寿命预测

为了提高滚动轴承剩余使用寿命(RUL)的预测精度,提出了一种变分模态分解(VMD)和门控循环神经网络(GRU)融合算法的滚动轴承RUL预测模型VMD-GRU。首先,该模型通过阿基米德优化算法(AOA)优化的VMD算法对原始振动信号进行分解;然后,利用最小包络熵准则选择最佳模态分量进行退化特征提取;再通过核主成分分析进行特征降维;最后,为保证模型准确率,通过鹈鹕优化算法(POA)优化GRU中的超参数,并根据不同故障类型建立GRU剩余寿命预测模型。使用XJTU-SY标准数据集进行剩余寿命预测验证,实验结果表明:与传统未结合故障类型提取退化特征和建立预测模型方法相比,VMD-GRU模型均方根误差和平均绝对误差分别降低了26.28%和27.17%。

基于改进ACO算法的SDN网络路由规划与均衡负载研究

针对现有SDN网络路由规划算法存在的丢包率高,吞吐量过小等问题,设计了一种基于改进ACO算法的SDN网络路由规划方案。SDN网络在整体结构上包含了数据层、控制层和应用层,并通过执行OpenFlow协议进行节点之间的通信。ACO算法模拟蚂蚁个体觅食过程中遗留的信息素浓度,判断和选择最合理的路径,但该种方案容易陷入局部最优解且迭代效率过低;为此,利用POA算法对经典ACO的寻优过程优化,提升其全局能力;在通信链路的均衡负载层面,通过评估改进ACO算法的链路流量方差,同时调整目标链路的负载率,以达到均衡SDN网络链路负载的目标。仿真结果显示,改进ACO算法可以在全局范围内优选出最优路径,且在最大数据流条件下丢包率仅为1.28%。

POA-DPSA混合算法在短期优化调度中的应用

根据逐步优化算法和逐次逼近优化算法的思想,提出了POA-DPSA混合算法,建立了清江梯级水电站短期发电效益最大模型,并利用逐步优化逐次逼近混合算法进行模型求解,在给定总用水量和各时段电价,满足各种约束条件下使总的发电效益最大,取得了较好的优化效果。

AFSA与POA融合算法在水库中长期优化调度中的应用研究

通过融合AFAS(人工鱼群算法)、POA(逐步优化算法)两种算法形成一种融合优化算法,解决AFAS算法容易陷入局部最优解与POA优化速度缓慢问题,使得融合算法在水库优化调度中更快、更准确地获得调度过程最优解。融合算法利用AFAS快速收敛的特点,获取调度过程初步解,再以POA跳出局部最优解的能力获得全局最优解。融合算法以天生桥一级水电站为实例,分别以AFAS、POA、AFAS与POA融合3种算法对电站历史过程进行优化调度,结果表明,融合算法综合考量结果优于单一AFAS与POA结果,说明AFAS与POA相融合的算法在水库调度的优化方面有一定的应用空间。

振动条件下三相交流电动机线路故障电弧诊断方法

串联故障电弧是由电气线路或设备中电气连接松动或线路绝缘老化引起的空气击穿现象,会导致设备损坏、电路短路等问题,甚至引起电气火灾。为了准确识别三相交流电动机的振动故障电弧,提出一个基于一维卷积神经网络(1D CNN)并结合鹈鹕优化算法(POA)的故障诊断模型。所提模型可以直接利用上位机输出的一维时序电流数据进行训练;通过POA寻找1D CNN的最佳超参数,提升模型的识别能力;经过t-SNE算法分析模型的特征提取效果后,证实其有效性。测试结果显示,故障电弧识别准确率高达99.72%,所提方法比现有技术更加方便且性能更优。

鹈鹕算法优化VMD参数与RF的滚动轴承故障诊断

为更好地提取滚动轴承故障特征以及提高故障检测的准确性,建立一种以鹈鹕算法优化变分模态分解(VMD)参数联合随机森林算法的故障诊断模型。首先为解决VMD算法中人为经验选取核心参数可靠性低这一问题,引入鹈鹕优化算法(POA),将最小包络熵作为适应度函数,自动搜索理想参数;其次,提取轴承各状态的多种信号特征,构建特征向量,获得重要性排序;最后将其放入随机森林(RF)分类器中,实现滚动轴承故障识别。结果表明,该方法在信号的自适应分解、有效故障信息的提取和故障分类方面具有较高的可行性,故障识别率为99.524%。

基于PoA共识机制的无偿献血区块链系统原型设计

随着全国统一的电子《无偿献血证》上线,无偿献血数据库管理已经迈入互联网时代。但对无偿献血领域数据管理的实时性和准确性,以及无偿献血激励机制相关数据流转的全国通用性和高效性也提出了更高的要求。伴随着近年来区块链技术的兴起,本研究提出了一个基于联盟链机制和权威证明(Proof of Authority,PoA)共识算法的无偿献血区块链系统的原型设计。该系统由各级卫生健康行政部门审批和授权,各地血站共同参与维护,并与各级医疗机构共享数据,能够准确、高效、快捷地进行无偿献血数据和用血数据的确权,做到全国统一、快速认证,防止数据遗失和篡改等问题。

基于不蓄电能最大化的梯级水电站优化调度研究

如何提高水量的利用率,增加发电效率,一直是水电调度研究的主要目标和方向,在传统优化调度的基础上,以水库不蓄水量的利用为出发点,构建了一种基于不蓄电能最大化的梯级水电站联合优化调度模型。通过对调度模型的分析及应用POA算法求解,并结合工程实例验证,充分说明了该模型和方法的合理性、可行性。相对于传统调度方式,提供的调度模型在满足多种约束条件下,可根据电网负荷需求的变化,通过合理调整梯级各电站的出力分配,提高不蓄水量的发电利用率,间接反映了对水资源的节约利用,同时有助于梯级水电站联合调度方式的安排,对梯级水电站的优化调度发展有一定的促进作用。

计及TTC的风光水电站联合运行优化调度

针对光伏发电、水电及风电联合运行时电量外送因输电断面限额导致的弃水问题,分析了线路输电断面限额的机理,建立了考虑输电断面极限传输容量(Total Transfer Capability,TTC)以外送电量最大为目标,基于采用两时段滑动寻优算法(Progressive Optimization Algorithm,POA)的光伏发电、水电及风电联合运行长期优化调度模型,利用水电站的库容储能进行调峰,提高输电线路的使用率。仿真算例证明,所提模型具有较高可行性和有效性。

中期火电机组开机优化的改进逐步优化算法

根据中期火电机组开机优化的特点,建立了兼顾传统模式及节能原则下电力运行的中期火电机组开机优化模型,并提出了一种改进的逐步优化算法(IPOA)对模型进行求解。算法以启发式搜索获得的初始可行解为基础,通过逐步优化算法(POA)对其不断改进,同时引入均化系统开机容量及合并单站开机容量峰值策略,使目标解从约束边界处沿目标等值线向可行域内部移动,为POA循环迭代提供搜索空间,有效地克服了POA易陷入局部最优的缺点。算法实现时,采用局部验证策略对开机容量峰谷持续时段约束进行简化判断,提高了计算效率。最后结合云南电网实际情况,对模型和算法进行了验证。

基于孔雀优化算法的配电网储能系统双层多目标优化配置

考虑电池储能系统(BESSs)规划与运行之间的联系,建立兼顾经济性和技术性要求的BESSs多目标优化配置模型并进行双层架构,保证BESSs规划的有效性和运行的高效性.内层以BESSs运营收益最大为目标,提出孔雀优化算法求解BESSs充放电运行策略的最优解;外层以BESSs投资运维成本、配电网电压波动和负荷波动最小为目标,设计多目标孔雀优化算法求解选址定容规划方案的Pareto非支配解集.考虑配电网运行条件的不确定性,采用聚类算法获得典型场景集,并基于IEEE-33节点系统进行仿真.结果表明:所提算法实现了局部探索和全局搜索的平衡,有效获得高质量解;与传统多目标优化算法相比,其能够获得分布更广泛且均匀的Pareto前沿,实现BESSs投资效益最优,显著提升配电网电压质量和功率稳定性.

白山发电厂长期优化调度研究

建立了白山发电厂长期优化调度模型,采用POA算法对模型进行求解。根据历史资料对白山发电厂常规机组以及带抽水蓄能机组的调度进行优化,结果表明,供水期常规机组优化调度后较实际年平均增发电量0.17亿kW.h,增加效益为972万元,说明优化调度是必要的;抽水蓄能机组投入运行后,年平均发电效益增加1.976亿元,经济效益十分可观。

汉江上游梯级水电站水库优化运行研究

根据汉江上游石泉、喜河、安康梯级水电站水库群的特点和任务,分别以梯级水电站发电量最大和发电效益最大为目标函数建立优化模型,将逐次逼近动态规划法(DPSA)与逐步优化算法(POA)相结合求解模型,获得梯级水电站长系列优化运行结果。结果表明,梯级水电站水库群优化运行能够充分发挥水库的补偿作用,相比梯级水库群常规调度和单一水库优化运行获得更大的效益;与发电量最大模型相比,发电效益最大模型增加了梯级水电站的发电效益和枯水期出力,调整了水电站的负荷分配,减少了水电站弃水,提高了水资源利用率。研究成果为汉江上游梯级水电站的优化运行提供了理论依据和技术支持。

华中华南联网水电站群补偿调节优化算法研究

应用系统工程和近代控制理论最优化方法，以保证出力最大和电量最大为优化目标，得出双目标分级优化数学模型，采用逐级优化算法求解，制订了华中与华南联网后三峡电站与其他水电站群补偿调节优化方案，计算结果表明效益显著。

基于逐步寻优算法的单库洪水优化调度

介绍了逐次寻优算法在水库洪水调度系统中的应用,主要包括水库洪水调度模型的建立、模型解算过程、洪水调度计算机系统软件的开发等。