检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于粒子群和鸟群优化的群智能算法研究

基于粒子群和鸟群优化的群智能算法研究

作者：王进成宁夏大学

学位级别：硕士

无论在科学计算还是工程应用中,最优化问题都是非常重要的研究课题.作为高效并行的启发式搜索算法,粒子群和鸟群优化算法在求解最优化问题时都展现了其自身的优越性,但仍然存在缺陷.本文针对粒子群和鸟群优化算法收敛速度慢、寻优精度... 详细信息

无论在科学计算还是工程应用中,最优化问题都是非常重要的研究课题.作为高效并行的启发式搜索算法,粒子群和鸟群优化算法在求解最优化问题时都展现了其自身的优越性,但仍然存在缺陷.本文针对粒子群和鸟群优化算法收敛速度慢、寻优精度低等问题进行研究,以此来弥补两种算法的不足之处.本文的主要研究内容如下:1.对粒子群和鸟群优化算法进行概述,分析两种算法的优缺点,并对粒子群和鸟群优化算法各提出了两种改进策略.2.针对粒子群优化算法存在过早收敛、容易陷入局部最优等问题,提出了两种改进策略.对粒子群优化算法中的参数进行自适应调整,平衡了算法的局部和全局搜索能力;引入混沌动态权重,对粒子群优化算法中的更新公式进行改进,加快了算法的收敛性能;建立机器人路径规划模型,将改进的粒子群优化算法用于求解机器人路径规划问题,通过数值实验验证了算法的有效性.3.针对鸟群优化算法在求解高维复杂优化问题时存在收敛速度慢、寻优精度低等问题,提出了两种改进策略.将惯性权重引入鸟群优化算法中,修正鸟群觅食策略,增强了算法的多样性;引入云理论及均值概念,对鸟群优化算法的更新公式进行改进,加快了算法的搜索性能;建立农产品冷链物流配送路径优化模型,将改进的鸟群优化算法用于求解农产品冷链物流配送路径优化问题,通过数值实验验证了算法的可行性.4.在多目标粒子群优化算法中,为了弥补多目标粒子群算法的局部搜索能力和均匀性的不足,引入一种竞争机制策略快速搜索非支配解,对粒子的参数进行动态调整,并且在算法后期引入时变高斯变异,增强了算法的均匀性.数值实验表明,算法在收敛性和多样性方面都有所提升.5.将鸟群算法应用于求解多目标优化问题,提出了一种多目标鸟群优化算法.引入克隆免疫策略,增强了算法的随机性和多样性.数值实验表明,多目标鸟群优化算法具有较好的收敛性和多样性.

关键词：粒子群优化算法鸟群优化算法多目标优化局部最优

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于移动锚节点的鸟群优化三维定位算法研究

基于移动锚节点的鸟群优化三维定位算法研究

作者：张海艳上海师范大学

学位级别：硕士

无线传感器网络是一个多学科交叉的热点研究领域,目前已广泛应用在军事、医疗、环境监测、灾难救援等领域。节点定位技术作为无线传感器网络的关键性技术一直以来广受国内外研究学者重视。本文在分析和总结无线传感网三维定位算法及其... 详细信息

无线传感器网络是一个多学科交叉的热点研究领域,目前已广泛应用在军事、医疗、环境监测、灾难救援等领域。节点定位技术作为无线传感器网络的关键性技术一直以来广受国内外研究学者重视。本文在分析和总结无线传感网三维定位算法及其不足基础上,针对定位存在节点分布不均、边界节点难定位和定位精度低等问题,主要从智能优化算法、移动锚节点两方面对基于DV-hop的三维定位算法进行改进,并对其性能进行仿真实验验证研究。首先针对DV-hop三维定位算法定位精度低的原因进行分析,提出了基于测距误差修正和鸟群算法的三维定位算法,算法通过引入多通信半径对节点间跳数进行更细致的划分,使节点间跳数值的计算更精确,降低平均跳距的计算误差;然后引入鸟群算法对未知节点位置坐标进行估算,提高节点的估计坐标解算精度。由仿真实验分析得出该算法定位精度比传统的三维DV-hop算法定位精度更高。其次针对上述三维定位算法中节点位置坐标求解方法进行进一步的改善,提出了基于改进鸟群算法的三维定位算法。该算法在节点坐标计算阶段,通过对原始鸟群优化算法的初始化、觅食和飞行三个不同阶段分别进行改进,以提高节点坐标求解的精度,从而使改进后的三维定位算法定位精度更高。通过仿真实验与已有算法进行比较,结果表明基于改进鸟群算法的三维定位算法定位精度更高。最后从节约成本和提高定位精度方面综合考虑,提出了基于移动锚节点的改进鸟群优化三维定位算法。为降低锚节点数量,该算法通过使用两个移动锚节点从两端同时按照改进后的Z曲线路径进行移动,在锚节点移动的过程中向周围节点发送虚拟锚节点位置信息,然后通过改进的鸟群算法对未知节点位置坐标进行解算。MATLAB仿真实验表明,与静态锚节点定位相比加入移动锚节点的定位算法既能保证节点的定位精度,又可以节约成本。

关键词：三维定位算法动态学习因子鸟群优化算法移动锚节点 Z曲线

基于层次多尺度散布熵的滚动轴承智能故障诊断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

农业工程学报 2021年第11期37卷 67-75页

作者：鄢小安贾民平南京林业大学机械电子工程学院南京210037 东南大学机械工程学院南京211189

针对全寿命周期内滚动轴承振动信号的特征提取与智能诊断问题,该研究提出一种基于层次多尺度散布熵的滚动轴承智能故障诊断方法。首先,在散布熵的基础上,结合层次分解和多尺度分析的理论思想,提出一种信号复杂性度量方法——层次多尺度... 详细信息

针对全寿命周期内滚动轴承振动信号的特征提取与智能诊断问题,该研究提出一种基于层次多尺度散布熵的滚动轴承智能故障诊断方法。首先,在散布熵的基础上,结合层次分解和多尺度分析的理论思想,提出一种信号复杂性度量方法——层次多尺度散布熵(Hierarchical Multiscale Dispersion Entropy,HMDE);其次,为了避免HMDE按经验性选取参数的缺陷,借助鸟群优化算法(Bird Swarm Algorithm,BSA)自适应地确定其重要参数,并采用参数优化的HMDE提取原轴承振动信号中的多层次、多尺度故障特征;最后,将构建的多维度故障特征矩阵输入到支持矩阵机(Support Matrix Machine,SMM)中进行模型训练并完成轴承故障模式及程度的自动判别。通过2组轴承加速寿命试验对所提方法进行了有效性验证。通过与精细复合多尺度散布熵(Refined Composite Multiscale Dispersion Entropy,RCMDE)、广义复合多尺度排列熵(Generalized Composite Multiscale Permutation Entropy,GCMPE)、广义精细复合多尺度样本熵(Generalized Refined Composite Multiscale Sample Entropy,GRCMSE)、层次模糊熵(Hierarchical Fuzzy Entropy,HFE)、层次样本熵(Hierarchical Sample Entropy,HSE)、修改的层次多尺度散布熵(Modified Hierarchical Multiscale Dispersion Entropy,MHMDE)和层次多尺度排列熵(Hierarchical Multiscale Permutation Entropy,HMPE)方法的识别精度对比,对于XJTU-SY轴承加速寿命试验,本文方法的平均识别精度分别提高了3.89、12.34、6.63、9.15、7.09、0.81和2.63个百分点。对于ABLT-1A轴承加速寿命试验,本文方法的平均识别精度分别提高了2.17、3.51、6.17、9.51、11.51、1.17和3.01个百分点。本文方法实现了全寿命周期内滚动轴承不同故障模式及程度的识别,与传统的基于多尺度熵或层次熵的故障诊断方法相比,能够获取更全面、更丰富的轴承故障特征信息,识别精度得到了较大的提升。本文研究可为全寿命周期内滚动轴承故障诊断提供参考。

关键词：轴承熵故障诊断特征提取鸟群优化算法支持矩阵机

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于核极限学习机的边坡位移预测研究

基于核极限学习机的边坡位移预测研究

作者：段绰石家庄铁道大学

学位级别：硕士

近年来边坡位移形变的事故猛烈增加,对人民的生命财产安全造成了很大的影响,针对边坡进行变形监测以及预测其未来变形趋势变得尤为重要。但是边坡位移数据曲线具有很高的非线性和复杂性,传统的预测方法存在很多不足,因此具有强大的非线... 详细信息

近年来边坡位移形变的事故猛烈增加,对人民的生命财产安全造成了很大的影响,针对边坡进行变形监测以及预测其未来变形趋势变得尤为重要。但是边坡位移数据曲线具有很高的非线性和复杂性,传统的预测方法存在很多不足,因此具有强大的非线性学习能力的机器学习算法被引入至边坡变形预测中。在众多的机器学习算法中,核极限学习机以其运行速度快、泛化能力强等优点,被广泛应用在边坡变形预测中,并取得较好的结果。因此本文主要采用KELM算法对边坡位移序列进行预测研究。主要研究内容包括:（1）首先分析总结了边坡变形的相关知识,在介绍边坡监测系统的基础上,选取了2019年6月至2020年7月某实际边坡位移数据为具体研究对象,对采集得到的数据进行了异常点修正、缺失数据补充等预处理,为后续建立边坡位移预测模型提供数据支撑。（2）针对边坡位移序列具有混沌特性,采用了相空间重构的方法对边坡位移序列进行了重构,使模型可以在相空间中进行建立和预测。针对相空间重构中的嵌入维数和核极限学习机的惩罚函数和核函数这三个数值难以选取,采用了鸟群算法对其进行参数寻优,最终建立了BSA-KELM预测模型。（3）原始的边坡位移数据为非平稳非线性信号,其突变性和随机性均会降低预测的精度。采用了变分模态分解技术将原始的位移序列分解为多组子分量,从而降低数据的非线性和提取数据的细节特征,之后再对各个分量分别构建BSA-KELM预测模型进行预测。结合实际数据,证明了该方法提高了预测精度。（4）针对现有的单步预测模型提供信息不足的情况,建立了递归多步和多输出多步两种预测模型。结合实际数据对其进行了未来六步的多步预测,结果表明当训练数据样本较少时,递归多步模型的精度要优于多输出模型,当训练数据样本充足时,多输出模型精度要高。

关键词：边坡位移预测变分模态分解核极限学习机鸟群优化算法多步预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于智能调速的煤矿带式输送机控制系统研究

基于智能调速的煤矿带式输送机控制系统研究

作者：贾佳中国矿业大学

学位级别：硕士

带式输送机作为井下主要的煤料运输设备,在煤矿生产过程中起着重要的作用。随着煤炭行业生产结构不断地升级优化,带式输送机逐渐向自动化、智能化、信息化方向发展。本文以王家岭煤矿带式输送机控制系统为背景,针对目前带式输送机系统... 详细信息

带式输送机作为井下主要的煤料运输设备,在煤矿生产过程中起着重要的作用。随着煤炭行业生产结构不断地升级优化,带式输送机逐渐向自动化、智能化、信息化方向发展。本文以王家岭煤矿带式输送机控制系统为背景,针对目前带式输送机系统功耗大、控制结构单一等问题,设计了带式输送机智能控制系统。(1)通过对带式输送机运行阻力及功率关系的分析,对影响带式输送机系统能耗的因素进行总结。其中,输送机启动方式、输送机带速与煤流量对功率的影响较大,本文将逆煤流与顺煤流启动方式进行了对比,得出顺煤流启动方式具有更好的节能效果;针对煤矿生产中煤流量与带速不匹配造成的能源损耗问题,通过分析带速与煤流量之间的关系,建立了一种带速与煤流量合理匹配的模型。(2)通过对煤流量、带速与功率之间关系的分析,本文提出了一种基于IBSA-T-S的模糊神经网络节能模型。该模型融合了模糊控制与神经网络,借助T-S模糊神经网络建立以输送机带速和煤流量为网络输入节点,以功率为输出节点的输送机节能模型,利用自适应高斯函数作为隶属函数以实现节能模型与实际模型的最佳匹配,并利用改进的鸟群算法对神经网络进行优化,提高网络收敛速度和寻优效果。通过对神经网络进行训练,结果表明,该模型能够实现带速与煤流量的最优匹配,降低了井下带式输送机的无效能耗。(3)针对带式输送机调速过程中多电机功率不平衡的问题,本文采用了以电动机电流作为功率控制依据的主从控制策略,该策略以主电机电流作为从电机功率的给定,使从电机功率跟随主电机以实现功率平衡。通过对电机功率不平衡时的电流响应进行仿真,结果表明,该策略能够使主从电机的电流偏差减小,从而使各电机的输出功率相对平衡。(4)以王家岭煤矿为背景,对井下带式输送机智能控制系统的硬件和软件进行设计。硬件以PLC为核心,实现了井下带式输送机智能控制、远程监控、综合保护等功能。采用IFIX组态软件对输送机系统进行可视化界面设计,实现了对带式输送机的实时监测、数据查询、检修报警等功能。在王家岭煤矿进行现场测试,结果表明,该系统能有效地对井下输送机系统进行集中控制,同时能达到节能降耗的目的。

关键词：矿用带式输送机 T-S模糊神经网络鸟群优化算法可编程逻辑控制器组态软件

用户行为分析算法及其在Spark上的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

用户行为分析算法及其在Spark上的应用研究

作者：陈阳浙江工业大学

学位级别：硕士

随着互联网的飞速发展,大数据已经成为时代的热点之一。在此背景下,网络用户行为数据量急速增长,而商家迫切需要通过对这些数据分析来了解用户的兴趣爱好,以便于向用户做精准的广告投放和适合用户需求的个性化推荐来达到利润最大化的目... 详细信息

随着互联网的飞速发展,大数据已经成为时代的热点之一。在此背景下,网络用户行为数据量急速增长,而商家迫切需要通过对这些数据分析来了解用户的兴趣爱好,以便于向用户做精准的广告投放和适合用户需求的个性化推荐来达到利润最大化的目的,而用户也需要商家对自己的行为数据分析之后,有针对性的提供用户自身感兴趣的信息,从而享受更加便利快捷的服务。目前,已经有许多学者对用户行为分析做了相关研究。然而在数据量日益增大的情况下,传统的数据库技术已经难以满足需求,近年来,各种大数据技术应运而生,Hadoop、Spark等平台为处理海量的用户行为数据提供了技术支撑。本文在研究了神经网络的多种学习方法后,针对基于梯度下降算法的神经网络收敛速度慢,易陷入局部最优问题与基于进化算法的神经网络计算量过大的缺点,提出了一种使用BSA算法改进神经网络的算法——BSANN算法。BSANN算法利用群智能算法计算简单的特点来加快神经网络的学习速度,全局搜索能力强的特点提高神经网络的准确率,同时利用BSA算法中的迁移概念避免了陷入局部最优解的问题。在此基础上,本文对电商网站的用户行为数据进行了分析,建立了相应的神经网络模型并从其中提取了神经网络的输入特征,对用户的消费行为进行预测。通过训练与测试,将BSANN算法与BP算法的效果进行了对比,验证了BSANN算法的可行性和有效性。本文基于以上研究,将BSANN算法并行化,在Spark平台上完成运行,设计实现了基于Spark的用户行为预测系统。该系统以鸟群优化算法改进的神经网络算法BSANN算法为核心,预测电商网站用户的消费行为。

关键词：用户行为分析鸟群优化算法人工神经网络 Spark