基于改进的连续局部枚举采样和径向基函数响应面法的变压器静电环结构优化设计

变压器的安全稳定运行与其内部绝缘结构密切相关,为了提高变压器的绝缘性能,该文以提高最小绝缘裕度为优化目标,通过径向基函数响应面模型优化变压器主绝缘结构。为提高响应面模型预测优化的准确性,选用采样更均匀改进的连续局部枚举(ELSE)方法进行试验设计,优化后的变压器最小绝缘裕度比优化前提高了12.56%。将优化结果分别从采样、模型和优化方法三个角度进行对比,与拉丁超立方采样(LHS)采样下的径向基函数响应面模型对比,ESLE方法的引入使得优化精度提高到218倍;与ESLE采样下的二次多项式响应面模型对比,径向基函数响应面模型的引入降低了模型预测误差,并使优化精度提高到78倍;与遗传算法对比,在相同的优化精度下,优化效率是遗传算法的10倍。上述结果表明,该优化模型具有很高的预测精度和优化能力,同时相比于遗传算法优化,在保证优化质量的同时,显著地提高了优化效率。该文所提出的方法为变压器主绝缘结构优化问题提供了较好的解决方案。

基于EEMD-IGSA-LSSVM的超短期风电功率预测

为了提高风电场输出功率的预测精度,在保证安全操作的前提下,建立了一种基于集合经验模态分解(EEMD)、改进引力搜索算法(IGSA)、最小二乘支持向量机(LSSVM)相结合的风电功率组合预测模型.首先运用EEMD算法将风电功率时间序列分解成一系列复杂度差异明显的子序列;其次利用相空间重构(PSR)对已分解好的子序列进行重构,对重构后的每个子序列分别建立IGSA-LSSVM预测模型,为分析不同核函数构造LSSVM的差异性,建立了8种核函数LSSVM预测模型,利用IGSA算法求解其模型;最后以中国内蒙古地区的某一风电场为算例,仿真及验算结果表明,利用IGSA算法寻优得到的指数径向基核函数核参数和惩罚因子构建的LSSVM模型具有较高的预测准确性;与EEMDWNN,EEMD-PSO-LSSVM等5种常规组合模型相比,所提出的指数径向基核函数的EEMD-IGSA-LSSVM组合模型能有效、准确地进行风电功率预测.

增强型径向基函数的分块响应面近似处理方法

采用多项式响应面法、分块响应面法和增强型径向基函数的分块响应面法对3个测试函数进行近似处理,比较它们的均方根误差和相对误差值.结果表明:在样本数量较少时,并未明显地体现出增强型径向基函数的分块响应面法的优势,但是其近似精度不低于前两种方法;当样本点数量比较大时,增强型径向基函数的分块响应面方法的近似精度明显高于分块响应面法和多项式响应面法.

基于量子神经网络(QNN)的语音增强技术

将量子神经网络(QNN)应用于语音增强技术中,并与基于径向基函数神经(RBF)网络的语音增强技术进行比较。实验结果表明,基于QNN上的语音增强技术效果比基于人工神经网络(ANN)中的RBF网络的语音增强技术效果好,消噪能力强,有更好的鲁棒性。另外,该技术还能够改善语音质量。

一种自适应抽样的代理模型构建及其在复材结构优化中的应用

提出了基于一种自适应抽样和增强径向基插值的自适应代理模型方法,这种自适应抽样方法以确定适量的样本点数量和提高代理模型自适应能力为目的,使新增样本点位于设计空间的稀疏区域并确保所有的样本点均匀分布于设计空间以提高代理模型精度。标准误差用来判断代理模型的精度大小并决定是否对代理模型进行更新。一种条件随机抽样被用来对比本文的自适应抽样方法。经过对比验证发现,采用自适应抽样方法的代理模型精度比条件随机抽样方法的代理模型精度高。这种自适应代理模型结合多岛遗传算法被用来优化旋翼臂的碳纤维增强环氧树脂复合材料铺层角度使得旋翼臂的一阶模态频率最大。优化结果表明,不同的碳纤维增强环氧树脂复合材料铺层角度对旋翼臂的一阶模态频率值影响较大,优化结果获取了最优铺层角度,旋翼臂的一阶模态频率值被提高以远离激励频率而避免旋翼飞机的共振。