基于WOA-SVR的关键核心技术创新生态系统脆弱性预警研究——以集成电路技术为例

双循环格局下,创新生态系统脆弱性成为制约关键核心技术攻关的瓶颈,对其有效预警是实现技术突破、解决“卡脖子”问题的关键环节之一。结合集成电路技术发展现状,构建包含群落、资源、经济、环境4个子系统的关键核心技术创新生态系统,同时建立改进WOA-SVR的脆弱性预警模型,对系统脆弱性进行分级。结果表明,集成电路技术创新生态系统综合脆弱指数由2005年的4.28下降到2020年的2.66,警度从较重警情降至中警;经济子系统作为创新生态系统最活跃的子系统,其脆弱性指数下降缓慢,仍处于较高脆弱度水平。对4个子系统指标间耦合关系进行剖析发现,适应能力指标对降低系统脆弱性指数具有较大影响,政府和企业可据此建立防范机制。

基于WOA-RF的船用风机故障诊断

针对船用风机典型故障诊断问题,利用鲸鱼优化算法优化随机森林(random forest optimized bywhale optimization algorithm,WOA-RF)对故障进行诊断,并通过实验验证该方法的准确性。实验模拟包括正常工况和5种异常工况在内的6种工况。采集所有不同工况下的振动信号,分别提取时域、频域下的特征参数构建第一特征向量。通过传统随机森林筛选得到具有更优分类效果的第二特征向量,再输入WOA-RF中完成故障识别。实验结果表明,本文提出的方法能够有效识别故障模式,平均预测准确率超99%。与其他算法对比,这种基于信息融合和WOA-RF的船用风机故障诊断方法准确性更高。

基于VMD-WOA混合多尺度分解的区间组合预测模型

针对传统的点预测模型难以适用于随机性复杂系统和非线性非平稳时间序列预测的问题,提出基于VMD-WOA混合多尺度分解的区间组合预测模型。首先,引入基于鲸鱼优化(WOA)的变分模态分解(VMD)混合分解算法,得到最优区间模态子序列;其次,对各区间模态分序列使用指数平滑方法(Holt′s)、支持向量回归(SVR)和BP神经网络预测,得到3个单项预测结果,运用组合预测模型得到模态组合子序列;最后,对模态组合子序列重构,得到最终的区间组合预测序列。为了验证模型的有效性,选取AQI数据进行预测分析,实验表明所提出的基于VMD-WOA的区间组合预测方法具有较高的预测精度和良好的适应性。

基于WOA-BP算法的氟金云母钻削工艺参数优化

通过氟金云母陶瓷钻削实验,测试了在不同加工参数下的材料去除量和刀具磨损量。利用WOA算法优化BP神经网络,并基于单因素实验值和WOA-BP网络预测值,利用最小二乘法拟合,建立了材料去除率和刀具磨损率关于工艺参数的一元模型,以相关系数检验了模型的精确度。在一元模型的基础上提出了多元模型,基于正交实验值和WOA算法对多元模型进行求解,模型误差在合理范围内。以材料去除率最大和刀具磨损率最小为优化目标,基于WOA算法进行了工艺参数双目标优化,得到了一组最优参数。基于最优工艺参数进行验证实验,实验结果表明得到的最优参数是合理的。

基于IWOA-BP的石英振梁加速度计温度补偿研究

在温度变化的环境中,石英振梁加速度计(QVBA)的输出会发生漂移。为了改善QVBA的温度稳定性,提出了基于改进鲸鱼算法(IWOA)优化BP神经网络的温度补偿模型。IWOA通过优化BP神经网络的初始权值和阈值,克服了BP神经网络易陷入局部最优的缺点,增强了BP神经网络在训练中的准确性和鲁棒性。全温实验表明,该方法能够明显抑制QVBA因温度而产生的漂移。经过补偿,全温零偏稳定性从4.161 mg下降至0.196 mg,全温标度因数稳定性从59.676 ppm下降至35.751 ppm,验证了模型的有效性。

基于多源信息融合和WOA-CNN-LSTM的外脚手架隐患分类预警研究

面对施工现场外脚手架隐患信息的多样性,传统的基于传感器监测的单一信号预警研究存在容错力不佳、含有信息有限等问题。针对施工现场外脚手架“图像+监测”数据,提出一种基于数据层和特征层信息融合的脚手架隐患分类预警方法。首先,利用Revit三维建模软件建立外脚手架实体模型,对不同初始隐患下的外脚手架进行有限元分析,划分隐患预警等级;其次,利用无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)及卷积长短时记忆网络(Convolutional Neural Network-Long Short Term Memory Network,CNN-LSTM)实现脚手架同类信息数据层融合及异类信息特征层融合;最后,通过实时收集西安市某在建项目落地式双排扣件式钢管脚手架隐患信息,对其进行分类预警,并使用鲸鱼优化算法(Whale Optimization Algorithm,WOA)对CNN-LSTM网络进行参数优化,发现隐藏节点个数为30、学习率为0.0072、正则化系数为1×10^(-4)时分类效果最佳,优化后预警精度达到了91.4526%。通过可视化WOA-CNN-LSTM、CNN-LSTM、CNN-SVM(Support Vector Machine,支持向量机)及CNN-GRU(Gate Recurrent Unit,门控循环单元)分类预警结果,证实了优化后的CNN-LSTM网络在脚手架分类预警方面的优越性。

基于SPA-WOA-SVR的青霉素发酵过程软测量建模方法

针对青霉素发酵过程中关键参数难以直接在线测量这一工程技术难题提出基于SPA-WOA-SVR的软测量方法。采用连续投影算法(SPA)选取发酵过程辅助变量,以选取的特征辅助变量(CO_(2)浓度η、溶解氧浓度D_(O)、pH值、酸流加速率μ、碱流加速率l)为输入,以发酵过程关键参数(菌体浓度X、基质浓度S和产物浓度P)为输出,基于支持向量机回归(SVR)建立软测量模型。为提高软测量模型的预测精度和稳定性,采用鲸鱼优化算法(WOA)对模型的重要参数(核函数宽度σ、惩罚因子c和不敏感系数ε)进行寻优。将构建的软测量模型应用于青霉素发酵过程关键参数预测,仿真结果表明,与传统SVR软测量建模方法相比,采用SPA-WOA-SVR软测量方法,关键参数X、S、P测试集中的决定系数R^(2)均在0.953 3以上,均方根误差R_(MSE)均小于0.029 3,特别是菌体浓度R^(2)由0.904 4提升到0.987 9,R_(MSE)由0.031 4下降为0.009 8,说明基于SPA-WOA-SVR的软测量建模方法有效提升了模型的预测性能,具有更高的预测精度和稳定性,可推广应用于一般非线性系统的软传感器建模。

基于AMOWOA的区域综合能源系统运行优化调度

目前,智能优化算法已广泛应用于工程优化中,在当前多能耦合与互补的能源发展趋势下,仅考虑系统经济指标的单目标优化模式已经不再适用于目前区域综合能源系统(Integrated energy system, IES)的运行优化调度,需要研究一种多目标运行策略来解决区域综合能源系统的运行优化调度问题.首先综合考虑经济与能源利用两个指标并结合商业住宅区域的特性,以系统日运行收益和一次能源利用率为优化目标构建商业住宅区域综合能源系统多目标运行优化调度模型.其次由于传统多目标智能优化算法缺乏一种最优解综合评价方法,基于非支配排序以及拥挤度计算的多目标算法框架,提出一种利用模糊一致矩阵选取全局最优解的多目标鲸鱼优化算法(A multi-objective whale optimization algorithm, AMOWOA),并将提出算法对商住区域综合能源系统多目标运行优化调度模型进行求解.最后以华东某商业住宅区域综合能源系统为例进行仿真,验证了该方法的有效性和可行性.

基于E-WOA与AnyLogic耦合的土石方调配机械配置优化

机械配置是土石方调配工程的核心,合理的机械配置是工程施工成本、进度和质量的有效保障。为了精确、高效地寻求出最优的机械配置方案,提出了增强型鲸鱼算法(E-WOA)与AnyLogic耦合的土石方调配机械配置优化方法。首先,通过系统分析土石方调配流程,建立总费用最小的优化模型;其次,采用AnyLogic仿真平台构建了基于多智能体的仿真模型,全面描述设备(挖掘机、自卸汽车、推土机、碾压机)、道路、平台(卸料平台、停车平台)等实体元素之间的交互关系和动态过程;最后,引入收敛速度快、全局性强的E-WOA算法与AnyLogic进行耦合,开发仿真控制器实现耦合模型对优化问题的求解,并结合工程实例进行了分析。结果表明该方法可以节省11.11%的时间和27.34%的费用,为土石方调配工程施工管理决策提供借鉴。

基于WOA-AdaBoost的碳纤维复合材料疲劳损伤预测

为了更准确预测碳纤维复合材料疲劳损伤扩展,提出一种基于WOA-AdaBoost的碳纤维复合材料疲劳损伤预测方法。提取传感信号中时域波形、时域统计、频域特征作损伤面积值构建数据集,引入AdaBoost集成学习预测其疲劳损伤,采用鲸鱼优化算法对AdaBoost中弱学习器的学习率与数量进行寻优处理,构建WOA-AdaBoost的预测模型实现碳纤维复合材料疲劳损伤预测。实验结果表明,相较于AdaBoost、SVM等预测方法,建立的WOA-AdaBoost预测方法相关系数为0.949,RMSE、MAE参数值更小,对碳纤维复合材料的损伤具有更好的预测效果。

基于AdaBoost-WOA-HKELM的下肢关节角度预测

针对当前下肢连续运动预测精度低的问题,提出一种基于AdaBoost-WOA-HKELM的下肢髋、膝关节角度预测方法。采集人体正常行走状态下的下肢表面肌电信号和关节角度信息,对预处理后的表面肌电信号进行特征提取,并结合关节角度信息建立特征数据集;选用混合核极限学习机(HKELM)模型作为弱学习器,引入鲸鱼优化算法(WOA)对HKELM模型参数进行优化,通过AdaBoost集成学习算法将弱学习器训练为强学习器,建立AdaBoost-WOA-HKELM关节角度预测模型,利用特征数据集对Ada⁃Boost-WOA-HKELM模型进行训练、测试,并与HKELM、WOA-HKELM模型进行髋、膝关节角度预测的仿真对比实验。结果表明:AdaBoost-WOA-HKELM模型在髋关节和膝关节角度预测方面表现出色,其均方误差分别仅为2.0869和2.2849,而决定系数分别达到了0.9882和0.9887。以上指标明显优于其他2种模型,突显了AdaBoost-WOA-HKELM模型在精确预测下肢关节角度方面的卓越性能。决定系数接近1的结果表明模型对实际数据的拟合程度极高,进一步验证了AdaBoost-WOA-HKELM模型的有效性和准确性。

基于改进WOA-Elman模型的舆情热度预测研究

针对公共卫生舆情事件的突发性和破坏性等问题,为了更精准预测舆情发生时的热度走向,本文构建了基于改进鲸鱼算法(WOA)优化Elman神经网络的舆情热度预测模型。首先根据百度指数和360趋势,对2020年1月1日至同年2月19日时段“COVID-19”事件的时间序列指标进行选取;其次利用WOA优化Elman神经网络初始值和阈值的方法进行训练和预测;最后与标准BP神经网络模型、标准Elman神经网络模型进行对比分析。结果表明,改进WOA-Elman的平均绝对百分比误差、均方根误差分别为4.7843和219363.7844,该预测模型的预测结果与原始数据更吻合,预测精度和预测误差上更具优势,在解决突发公共卫生舆情事件热度预测问题上切实有效。

基于改进WOA参数优化的反应釜PID控制器

为了解决工业中传统PID控制算法对于大时滞、非线性系统较难取得良好的控制效果的问题,提出一种基于改进鲸鱼优化算法(IWOA)的PID控制器整定算法。该算法考虑均衡算法的探查以及开发能力,引入非线性收敛因子;为了提高算法的勘察能力,避免陷入局部最优的情况,引入正余弦扰动因子改进位置更新策略;最后以化工反应中反应釜温度为被控对象,对其PID控制器进行参数自整定实验,并将结果与WOA算法、Z-N整定算法、PSO算法进行对比,验证了IWOA算法在优化PID控制器工程上的优越性。

基于全局搜索策略WOA优化ELM的RUL预测性维护

实时掌握设备的剩余使用寿命(RUL),有助于降低工业互联网制造业中事故成本。为提高预测性维护准确度,使用基于全局搜索策略的鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA)确定极限学习机(Extreme Learning Machine,ELM)的参数,提出一种新型剩余使用寿命预测模型(IWOA-ELM)。将该模型应用于膜过滤器剩余使用寿命的电子涂层超滤维护数据集,结果表明:与ELM、WOA-ELM预测模型相比,本文提出的IWOA-ELM模型极大地提高了预测精度,泛化能力更强,能有效地预测膜过滤器剩余使用寿命,以便提前计划维护。

基于改进WOA-SNS的新型电价机制下多场景风光微网调度

针对目前分时电价的电价区间划分不精准、对峰谷时段负荷曲线的引导不稳定的情况,提出一种新型混合电价机制。该电价机制综合考虑了负荷率和风光利用率,既保证了售电微网的经济利润,又兼顾了负荷侧的需求响应,实现了更精确的削峰填谷。同时为了有效降低经济运行成本,实现微网经济性和低碳性协同运行,将改进的鲸鱼算法和社交网络算法结合,提出一种新型混合智能鲸鱼-社交网络算法(WOA-SNS)来解决场景生成与削减的风光微网调度。仿真对比数据证明了所提算法在多场景风光下的合理性和有效性。

基于WOA-SVM的智能变电站二次系统故障参数映射模型

目前通过人工分析大量运行信息难以快速精确定位智能变电站二次系统故障,无法适应智能电网高可靠性运行要求。为此,提出一种智能变电站二次系统故障参数映射模型。首先根据特征信息建立故障定位推理知识库,对故障类型进行编码。然后基于智能变电站的历史运行数据构建模型训练集,引入多分类器对SVM(支持向量机)算法进行改进,用WOA(鲸鱼优化算法)优化其参数,以设备状态为输入,二次系统故障类型为输出,建立了智能变电站二次系统设备参数与运行状态之间的映射关系。最后以实际数据作为测试集对所提模型进行检验,证明了此故障参数映射模型的有效性。

基于AP-WOA-GRU的分布式光伏集群电压越限动态预测

针对整县光伏背景下规模化分布式光伏接入配电网导致的电压波动问题,提出了一种基于近邻传播聚类(affinity propagation,AP)与鲸鱼算法(whale optimization algorithm,WOA)优化门控循环单元(gated recurrent unit,GRU)的分布式光伏集群电压越限预测方法。首先,在考虑分布式光伏地理坐标气象特征的基础上,添加基于配电网节点负荷密度因素的位置特征,采用近邻传播聚类方法,在不指定聚类数目的情况下划分具有近似气象特征和地理位置特征的分布式光伏集群,提高模型训练效果及适应性;然后,采用鲸鱼优化算法全局搜索GRU模型的最优训练参数,进一步提高模型的训练速度和预测精度;最后,利用WOA-GRU组合模型实现配电网节点电压与环境温度、光照强度的关联匹配,进而实现区域配电网电压波动及电压越限情况的整体预测。实验证明:所提出的方法能够有效提高预测精度及训练速度,强化预测模型的适应能力,具有较好的经济性和实用性。

基于WOA-BP神经网络估算锂离子电池SOC

准确的荷电状态(SOC)估算可为电动汽车的可靠运行提供安全保障。提出将鲸鱼优化算法(WOA)和BP神经网络相结合的锂离子电池SOC估算方法。电池模型采用一阶RC电路,基于遗忘因子递推最小二乘法对模型参数进行辨识,通过电池实际状况自适应地调整校正,并采用WOA-BP神经网络算法,克服BP神经网络易陷入局部极小值和收敛速度慢的难点。与传统BP神经网络算法相比,基于WOA-BP的SOC估算方法,平均绝对误差降低1.9%,均方根误差减小4.1%,表明具有更高的鲁棒性和精确性。

基于A-SA-WOA算法的直流微电网全钒液流电池储能系统功率分配策略

全钒液流储能系统能够平抑直流微电网中光伏、风力发电引起的功率波动,该系统中功率的合理分配问题可以通过有效的控制策略去解决,进而实现提高储能系统运行效率的目的。首先,在荷电状态和功率平衡的约束条件下,建立以储能系统总成本及平均损耗率最低,荷电状态均衡度最好的优化目标函数;然后,提出基于自适应权重和模拟退火策略的鲸鱼优化算法(A-SA-WOA)功率分配策略;最后,将分配策略应用在场景1和场景2算例下运行仿真,并与传统策略进行对比分析。结果表明,该优化分配策略有效地降低了储能电池单元的运行成本和折损率,电池充放电次数明显减少,且荷电状态一致性较好。A-SA-WOA分配策略比传统策略下的目标值收敛速度快,验证了所提优化方法的准确性和模型的适用性。

基于WOA-SVM的引水隧洞岩爆烈度评估模型

为减少引水隧洞施工过程中岩爆事故的发生,在施工前做好岩爆烈度评估,选取4项评价指标作为岩爆的评价指标,分别为:岩石单轴饱和抗压强度R_(c)、岩石单轴抗拉强度R_(t)、围岩最大切向应力σ_(θ)和岩石弹性能量指数W_(et);基于前人研究成果,选取120组岩爆实例作为机器学习样本数据,构建基于鲸鱼优化算法(WOA)优化支持向量机(SVM)的评估模型;并以滇中引水工程香炉山深埋长引水隧洞为例进行岩爆烈度评估的验证。结果表明:机器学习可以较好避开人为因素,完全由数据驱动,WOA-SVM评估精度达到97.22%;经过对比,所构建的模型比PSO-SVM、GA-SVM和WOA-BP神经网络模型在评估精度、泛化程度上均更优;同时,WOA-SVM模型在处理岩爆问题上可以更好地捕捉岩爆等级与指标之间的联系。