基于IAHP-IRMO法的既有路基挡土墙评估指标权重确定

在既有路基挡土墙安全评估中,评估指标权重的确定非常重要。目前,挡土墙评估指标权重的确定大多采用确定型的层次分析法,忽略了评估指标不确定性和模糊性的影响。为了准确反映评估指标权重的不确定性和模糊性,通过分析评估指标权重计算方法,采用区间层次分析法(IAHP)构造区间数判断矩阵来确定既有路基挡土墙评估指标的权重。针对区间数判断矩阵中求解权重方法的不足,引入相离度的概念,建立单目标优化模型。将模型中的目标函数作为适应度函数,运用改进径向移动算法(IRMO)进行全局优化搜索,并对IRMO算法中的惯性权重递减模型wk进行改进。采用的曲线递减模型能提高全局优化搜索能力,从而获得评估指标的最优权重。对2个不同算例与其他方法进行对比分析,并结合工程实例进行验证计算。结果表明:IRMO算法运用于区间数判断矩阵权重优化搜索具有稳定性和高效性,能够有效减小不确定性带来的影响,搜索速度快、收敛效率高、搜索结果更为稳定、客观、合理。IAHP−IRMO法应用于既有路基挡土墙评估指标权重计算方面具有可行性、有效性与准确性。工程实例得出的安全评估结果与现场实际情况较为符合,该方法能够广泛应用于铁路、公路等既有路基挡土墙的安全评估指标权重确定,为挡土墙安全评估提供依据。

基于RMO的感应电动机转子断条故障检测

为了克服传统基于快速傅里叶变换(FFT)的定子电流特性分析方法(MCSA)的频谱泄露问题,提出了一种基于径向移动(RMO)算法的感应电动机转子断条故障检测方法。首先采用RMO估计定子电流中的基波分量参数,进而构造基波表达式并将其从定子电流中滤除,从而得到残余电流信号,同时凸显故障特征;然后利用RMO估计残余电流信号中幅值较大边频分量的参数并构造相应表达式,进而将其从残余电流信号中滤除,得到新的残余电流信号。同理可将新的残余电流信号中的另一个边频分量参数进行RMO估计。至此,便可以获得感应电动机转子断条故障时基波以及边频分量的参数大小。最后,通过实验验证了该方法的可行性。

基于RMO-BP算法的感应电动机转子断条故障诊断

为了更加快速准确地识别感应电动机转子断条故障,提出一种径向移动优化算法(RMO)优化BP神经网络的感应电机转子断条故障诊断方法。RMO作为一种新的全局优化算法,与其他优化算法相比,具有搜索速度快、存储空间小、计算精度高等优势。经过RMO优化的BP神经网络具有更好的权值系数和阈值,能够进一步减小预测误差,提高故障诊断正确率。RMO-BP神经网络的训练和测试数据集通过提取定子电流Hilbert模量的小波能量获得。实验验证了基于RMO-BP神经网络的感应电动机转子断条故障诊断方法的有效性。

边坡稳定性分析改进的径向移动算法研究

边坡非圆弧临界滑动面搜索是边坡稳定性计算中的一个关键问题,其实质是找到一条安全系数最小的滑动路径。采用新的全局最优化算法——径向移动优化算法搜索路径相对其他算法具有快速、存储空间小、计算简单等优势,但却存在搜索结果不稳定的现象,为克服这个问题,对其数据结构进行调整,提出了改进的径向移动算法,使路径搜索趋于稳定。搜索到的滑动面路径对应的安全系数采用不平衡推力法进行计算,在可行性分析的基础上,采用二分法对安全系数快速、精确地求解。通过一个水库岸坡的算例计算,验证了改进的径向移动算法用于非圆弧临界滑动面搜索的有效性。又通过分析对比改进的径向移动优化算法和粒子群算法的搜索结果,展示了改进的径向移动算法快速收敛,稳定性高的显著优势。

一种新型算法在光伏最大功率跟踪中应用

最大功率点跟踪算法是实现太阳能利用率的最大化有效途径之一,光伏组件的非线性和光伏阵列的多峰特性导致最大功率点跟踪变得更为困难。传统算法易陷入局部极值,大多智能算法存在计算成本高、时间长和系统振荡等问题,这将进一步导致系统不稳定。径向移动算法具有简单、快速和消除振荡等优势,但在搜索过程中,粒子的随机性导致系统振荡大,对此提出一种改进方法。最后,以AD260组件为对象,建立基于BOOST电路的光伏系统模型,分别验证光伏组件在各光照下的最大功率点跟踪和光伏阵列在局部阴影下的最大功率点跟踪,结果发现改进后算法能快速准确地进行最大功率点跟踪。

基于Morgenstern-Price法和改进径向移动算法的边坡稳定性分析

为了能够准确确定边坡的非圆弧临界滑动面位置及其相应的安全系数,采用一种新的启发式优化算法——径向移动算法,对边坡进行稳定性分析。通过调整原算法中的数据结构,增强粒子的自反馈能力,提出改进径向移动算法(IRMO)。安全系数的求解采用严格的Morgenstern-Price法,应用Newton-Raphson法,建立了满足条间力平衡与力矩平衡的Morgenstern-Price法中安全系数F和条间力参数λ的迭代计算公式。基于Morgenstern-Price法,采用IRMO算法对边坡稳定性进行分析,通过2个典型边坡算例和1个复杂海堤边坡实例,从稳定性、精确性、计算效率等多个角度将IRMO算法与未改进的径向移动算法进行对比论证,同时将IRMO算法与粒子群算法、改进粒子群算法等其他算法进行对比分析。结果表明:相比未改进的径向移动算法,IRMO算法连续搜索20次临界滑动面的结果重叠度更高,证明IRMO算法稳定性更强,IRMO算法的安全系数值随代数收敛的速度更快,证明IRMO算法的计算效率更高;与粒子群算法、改进粒子群算法等启发式算法相比,IRMO算法搜索到的临界滑动面位置与其他算法一致,安全系数计算结果更接近裁判答案,标准差也最小,证明IRMO算法在边坡稳定性分析问题上更具可行性与优越性;通过海堤边坡实例的分析,IRMO算法得到了该边坡合理的安全系数值和临界滑动面位置,表明该算法能够正确评估边坡稳定程度,可以应用于实际工程中。