期刊文献+
共找到338篇文章
< 1 2 17 >
每页显示 20 50 100
Solving Job-Shop Scheduling Problem Based on Improved Adaptive Particle Swarm Optimization Algorithm 被引量:3
1
作者 顾文斌 唐敦兵 郑堃 《Transactions of Nanjing University of Aeronautics and Astronautics》 EI 2014年第5期559-567,共9页
An improved adaptive particle swarm optimization(IAPSO)algorithm is presented for solving the minimum makespan problem of job shop scheduling problem(JSP).Inspired by hormone modulation mechanism,an adaptive hormonal ... An improved adaptive particle swarm optimization(IAPSO)algorithm is presented for solving the minimum makespan problem of job shop scheduling problem(JSP).Inspired by hormone modulation mechanism,an adaptive hormonal factor(HF),composed of an adaptive local hormonal factor(H l)and an adaptive global hormonal factor(H g),is devised to strengthen the information connection between particles.Using HF,each particle of the swarm can adjust its position self-adaptively to avoid premature phenomena and reach better solution.The computational results validate the effectiveness and stability of the proposed IAPSO,which can not only find optimal or close-to-optimal solutions but also obtain both better and more stability results than the existing particle swarm optimization(PSO)algorithms. 展开更多
关键词 job-shop scheduling problem(JSP) hormone modulation mechanism improved adaptive particle swarm optimization(Iapso) algorithm minimum makespan
在线阅读 下载PDF
Optimization of ANFIS Network Using Particle Swarm Optimization Modeling of Scour around Submerged Pipes
2
作者 Rahim Gerami Moghadam Saeid Shabanlou Fariborz Yosefvand 《Journal of Marine Science and Application》 CSCD 2020年第3期444-452,共9页
In general,submerged pipes passing over the sedimentary bed of seas are installed for transmitting oil and gas to coastal regions.The stability of submerged pipes can be threatened with waves and coastal flows occurri... In general,submerged pipes passing over the sedimentary bed of seas are installed for transmitting oil and gas to coastal regions.The stability of submerged pipes can be threatened with waves and coastal flows occurring at coastal regions.In this study,for the first time,the adaptive neuro-fuzzy inference system(ANFIS)is optimized using the particle swarm optimization(PSO)algorithm,and a meta-heuristic artificial intelligence model is developed for simulating the scour pattern around submerged pipes located in sedimentary beds.Afterward,six ANFIS-PSO models are developed by means of parameters affecting the scour depth.Then,the superior model is detected through sensitivity analysis.This model has the function of all input parameters.The calculated correlation coefficient and scatter index for this model are 0.993 and 0.047,respectively.The ratio of the pipe distance from the sedimentary bed to the submerged pipe diameter is introduced as the most effective input parameter.PSO significantly improves the performance of the ANFIS model.Approximately 36% of the scour depths simulated using the ANFIS model have an error less than 5%,whereas the value for ANFIS-PSO is roughly 72%. 展开更多
关键词 adaptive neuro-fuzzy inference system(ANFIS) Meta-heuristic model particle swarm optimization(PSO) Scour around submerged pipes Coastal regions
在线阅读 下载PDF
Deep learning CNN-APSO-LSSVM hybrid fusion model for feature optimization and gas-bearing prediction
3
作者 Jiu-Qiang Yang Nian-Tian Lin +3 位作者 Kai Zhang Yan Cui Chao Fu Dong Zhang 《Petroleum Science》 SCIE EI CAS CSCD 2024年第4期2329-2344,共16页
Conventional machine learning(CML)methods have been successfully applied for gas reservoir prediction.Their prediction accuracy largely depends on the quality of the sample data;therefore,feature optimization of the i... Conventional machine learning(CML)methods have been successfully applied for gas reservoir prediction.Their prediction accuracy largely depends on the quality of the sample data;therefore,feature optimization of the input samples is particularly important.Commonly used feature optimization methods increase the interpretability of gas reservoirs;however,their steps are cumbersome,and the selected features cannot sufficiently guide CML models to mine the intrinsic features of sample data efficiently.In contrast to CML methods,deep learning(DL)methods can directly extract the important features of targets from raw data.Therefore,this study proposes a feature optimization and gas-bearing prediction method based on a hybrid fusion model that combines a convolutional neural network(CNN)and an adaptive particle swarm optimization-least squares support vector machine(APSO-LSSVM).This model adopts an end-to-end algorithm structure to directly extract features from sensitive multicomponent seismic attributes,considerably simplifying the feature optimization.A CNN was used for feature optimization to highlight sensitive gas reservoir information.APSO-LSSVM was used to fully learn the relationship between the features extracted by the CNN to obtain the prediction results.The constructed hybrid fusion model improves gas-bearing prediction accuracy through two processes of feature optimization and intelligent prediction,giving full play to the advantages of DL and CML methods.The prediction results obtained are better than those of a single CNN model or APSO-LSSVM model.In the feature optimization process of multicomponent seismic attribute data,CNN has demonstrated better gas reservoir feature extraction capabilities than commonly used attribute optimization methods.In the prediction process,the APSO-LSSVM model can learn the gas reservoir characteristics better than the LSSVM model and has a higher prediction accuracy.The constructed CNN-APSO-LSSVM model had lower errors and a better fit on the test dataset than the other individual models.This method proves the effectiveness of DL technology for the feature extraction of gas reservoirs and provides a feasible way to combine DL and CML technologies to predict gas reservoirs. 展开更多
关键词 Multicomponent seismic data Deep learning adaptive particle swarm optimization Convolutional neural network Least squares support vector machine Feature optimization Gas-bearing distribution prediction
在线阅读 下载PDF
基于ASAPSO混合算法的双脉冲变轨拦截轨迹优化
4
作者 杨慧婷 王庆辉 《空间控制技术与应用》 北大核心 2025年第1期75-84,共10页
针对航天器Lambert双脉冲变轨拦截问题,引入一种自适应模拟退火粒子群(ASAPSO)算法,旨在通过优化两次脉冲的速度增量总和,以实现航天器变轨所需的最小燃料消耗.首先,基于Lambert固定时间飞行定理构建了变轨拦截的数学模型,假设航天器在... 针对航天器Lambert双脉冲变轨拦截问题,引入一种自适应模拟退火粒子群(ASAPSO)算法,旨在通过优化两次脉冲的速度增量总和,以实现航天器变轨所需的最小燃料消耗.首先,基于Lambert固定时间飞行定理构建了变轨拦截的数学模型,假设航天器在沿初始轨道飞行一周内机动追逐目标,将两次脉冲变轨的时刻设为决策变量,将燃料消耗量作为适应度函数,并采用ASAPSO混合算法作为优化策略.其次,为了验证ASAPSO算法的有效性,针对同一模型分别采用了传统粒子群算法(PSO)、模拟退火粒子群算法(SAPSO)以及强化学习粒子群算法(RLPSO)进行优化,对比发现ASAPSO算法在较少的迭代次数内就能快速收敛至全局最优解,极大地减少了处理轨道拦截问题的计算量和时间.该算法结合了PSO的全局搜索能力和SA的局部优化特性,为航天器Lambert双脉冲变轨拦截问题提供了一种更为高效、精确的解决方案. 展开更多
关键词 Lambert变轨拦截 粒子群算法 模拟退火算法 参数自适应
在线阅读 下载PDF
基于LASSO-ASAPSO-LSTM的双曲拱坝缺失位移数据恢复
5
作者 黄民水 邓志航 张健蔚 《水电能源科学》 北大核心 2024年第12期128-132,共5页
由于设备故障或无线传输过程中的数据包丢失等原因,存在数据缺失现象,导致大坝的安全评估无法得到保障。为此,提出了一种基于深度学习的双曲拱坝缺失位移数据恢复模型,采用最小绝对值收缩和选择算子法(LASSO回归算法)从建立的18个大坝... 由于设备故障或无线传输过程中的数据包丢失等原因,存在数据缺失现象,导致大坝的安全评估无法得到保障。为此,提出了一种基于深度学习的双曲拱坝缺失位移数据恢复模型,采用最小绝对值收缩和选择算子法(LASSO回归算法)从建立的18个大坝位移影响因子中筛选出影响较为显著的环境因子;基于长短期记忆神经网络(LSTM)搭建了大坝缺失数据恢复模型;采用自适应模拟退火粒子群算法(ASAPSO)对LSTM的3个超参数进行了优化;最后,依托湖南省资兴市东江大坝累计14年(2000~2014年)的监测数据,对所提方法的计算精度和计算效率进行了验证。结果表明,ASAPSO的引入使该模型的恢复精度和效率优于常规的机器学习算法,为大坝安全监测缺失数据的准确恢复提供了有力工具。 展开更多
关键词 混凝土双曲拱坝 缺失位移恢复 长短期记忆神经网络 结构健康监测 LASSO回归 自适应模拟退火粒子群算法
在线阅读 下载PDF
基于APSO-BP神经网络的末敏弹作战效能评估方法
6
作者 唐永果 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第10期100-106,共7页
针对末敏弹结构复杂、影响因素多、作战效能分析困难等问题,以末敏弹命中概率作为目标函数,建立了作战效能评估指标体系,提出了一种基于APSO-BP神经网络的作战效能评估模型,并构建了BP神经网络和PSO-BP神经网络2种对比模型,利用MATLAB... 针对末敏弹结构复杂、影响因素多、作战效能分析困难等问题,以末敏弹命中概率作为目标函数,建立了作战效能评估指标体系,提出了一种基于APSO-BP神经网络的作战效能评估模型,并构建了BP神经网络和PSO-BP神经网络2种对比模型,利用MATLAB工具对3种模型进行了仿真分析。结果显示,APSO-BP神经网络的运行耗时为0.6513 s,均方误差为0.0032,相关系数为0.9789;PSO-BP神经网络的运行耗时为2.0154 s,均方误差为0.0075,相关系数为0.9688;BP神经网络的运行耗时为14.1375 s,均方误差为0.0159,相关系数为0.8900。APSO-BP神经网络评估模型运行耗时更短,预测精度更高,对于末敏弹的作战运用具有重要的理论意义和现实价值。 展开更多
关键词 末敏弹 命中概率 效能评估 BP神经网络 粒子群算法 apso-BP算法
在线阅读 下载PDF
基于APSO和SVM的滨海河网冲淤需水量预测模型研究——以斗龙港为例
7
作者 马朱桐 向龙 闫珂 《人民珠江》 2024年第12期114-121,共8页
滨海河网淤积是严重的水安全问题,引水保流平衡淤积是水资源生态调度的重要措施。以江苏里下河地区斗龙港为研究对象,基于该地区的冲淤特点,对冲淤需水量进行新的定义,以反映实际监测到的泥沙净变化量的需水量。通过分析斗龙港下游河道2... 滨海河网淤积是严重的水安全问题,引水保流平衡淤积是水资源生态调度的重要措施。以江苏里下河地区斗龙港为研究对象,基于该地区的冲淤特点,对冲淤需水量进行新的定义,以反映实际监测到的泥沙净变化量的需水量。通过分析斗龙港下游河道2001—2018年的原位监测数据,提取了初始河床容积、冲淤量、时间长度、降雨量以及开闸次数等关键变量,构建了一套冲淤需水量预测模型,该模型结合了自适应粒子群优化算法(Adaptive Particle Swarm Optimizaticn,APSO)与支持向量机(Support Vector Machine,SVM),并通过APSO算法对SVM模型参数的自我优化,提高了APSO-SVM模型的预测精度。此外,Sobol敏感性分析表明,冲淤量、初始河床容积和开闸次数是影响冲淤需水量的主要变量,而降雨量和时间段长度则显示出重要的交互效应。为水资源管理和港道维护提供了理论基础和实践指导,有助于提高入海河道引水效率和港道安全。 展开更多
关键词 引水冲淤 冲淤需水量 支持向量机 自适应粒子群优化 敏感性分析
在线阅读 下载PDF
基于自适应等效能耗最小的燃料电池船舶能量管理策略
8
作者 许晓彦 曹伟 韩冰 《太阳能学报》 北大核心 2025年第3期108-115,共8页
为实现等效能耗最小策略中等效因子的实时调整,提出一种基于自适应等效能耗最小的能量管理策略。首先,设计一种基于多种群自适应协同粒子群优化算法的最优等效因子提取方法,该方法为双层优化的结构。在上层优化中,以船舶的运行成本、储... 为实现等效能耗最小策略中等效因子的实时调整,提出一种基于自适应等效能耗最小的能量管理策略。首先,设计一种基于多种群自适应协同粒子群优化算法的最优等效因子提取方法,该方法为双层优化的结构。在上层优化中,以船舶的运行成本、储能系统最终电量和初始电量误差最小为目标函数,求解燃料电池系统和储能系统的最优运行轨迹;在下层优化中,建立等效因子的优化模型,提取最优等效因子的分布。然后,建立以系统状态参数为输入、等效因子为输出的神经网络模型。利用最优的等效因子作为训练样本,对神经网络模型进行训练。最后,将神经网络模型与等效能耗最小策略相结合,可实现等效因子的实时调整。在Matlab/Simulink中搭建船舶混合能源系统的仿真模型,对基于自适应等效能耗最小的能量管理策略进行验证。仿真结果表明,与基于恒定等效因子的等效能耗最小策略相比,储能系统的最终电量更接近初始值,氢气的总消耗量降低1.98%。 展开更多
关键词 燃料电池船 能量管理策略 神经网络 等效因子 多种群自适应协同的粒子群优化算法
在线阅读 下载PDF
QAPSO-BP算法及其在水电机组振动故障诊断中的应用 被引量:12
9
作者 程加堂 段志梅 熊燕 《振动与冲击》 EI CSCD 北大核心 2015年第23期177-181,201,共6页
针对水电机组振动故障耦合因素多、故障模式复杂等问题,提出了一种基于量子自适应粒子群优化BP神经网络(QAPSO-BP)的故障诊断模型。在QAPSO-BP算法中,利用量子计算中的叠加态特性和概率表达特性,增加了种群的多样性;根据各粒子的位置与... 针对水电机组振动故障耦合因素多、故障模式复杂等问题,提出了一种基于量子自适应粒子群优化BP神经网络(QAPSO-BP)的故障诊断模型。在QAPSO-BP算法中,利用量子计算中的叠加态特性和概率表达特性,增加了种群的多样性;根据各粒子的位置与速度信息,实现惯性因子的自适应调节;为避免陷入局部最优,在算法中加入变异操作;并以此来训练BP神经网络,实现网络的参数优化,进而构建了机组的振动故障诊断模型。仿真实例表明,与粒子群优化BP网络(PSO-BP)法和BP网络法相比,该算法具有较高的诊断准确度,适用于水电机组振动故障的模式识别。 展开更多
关键词 BP神经网络 量子自适应粒子群优化算法 水电机组 振动 故障诊断
在线阅读 下载PDF
基于SAPSO-BP神经网络的井下自适应定位算法 被引量:9
10
作者 莫树培 唐琎 +1 位作者 杜永万 陈明 《工矿自动化》 北大核心 2019年第7期80-85,共6页
针对基于传统BP神经网络的井下定位算法存在收敛速度慢、易形成局部极值、在煤矿井下强时变性电磁环境中定位误差大等问题,提出了一种基于模拟退火思想的粒子群优化算法加BP神经网络(SAPSO-BP)的井下自适应定位算法。采用SAPSO算法优化B... 针对基于传统BP神经网络的井下定位算法存在收敛速度慢、易形成局部极值、在煤矿井下强时变性电磁环境中定位误差大等问题,提出了一种基于模拟退火思想的粒子群优化算法加BP神经网络(SAPSO-BP)的井下自适应定位算法。采用SAPSO算法优化BP神经网络的初始权值和阈值,以加快训练收敛速度,使之到达全局最优;通过安装在井下巷道中的无线校准器采集目标点接收信号强度指示(RSSI)值,采用自适应动态校准方法对RSSI值进行实时校准,以减小强时变性电磁环境对定位精度的影响;最后利用SAPSO-BP神经网络估算出目标点位置坐标。实验结果表明,该算法的定位误差在2m内的置信概率为77.54%,平均误差为1.53m,定位性能优于未校准SAPSO-BP神经网络算法、PSO-BP神经网络算法、BP神经网络算法。 展开更多
关键词 井下人员定位 自适应定位 模拟退火思想的粒子群优化算法 Sapso-BP神经网络 自适应动态校准
在线阅读 下载PDF
基于SAPSO-BP网络模型的港口潮汐实时预报 被引量:7
11
作者 张泽国 尹建川 +1 位作者 柳成 张心光 《水运工程》 北大核心 2017年第1期34-40,共7页
为了提高港口码头潮汐预报的精度,提出一种自适应变异的粒子群优化算法SAPSO,将SAPSO优化算法与BP神经网络结合,用以潮汐水位的实时预报。SAPSO-BP网络模型运用自适应变异的PSO算法优化BP神经网络的网络参数,克服了传统BP神经网络所具... 为了提高港口码头潮汐预报的精度,提出一种自适应变异的粒子群优化算法SAPSO,将SAPSO优化算法与BP神经网络结合,用以潮汐水位的实时预报。SAPSO-BP网络模型运用自适应变异的PSO算法优化BP神经网络的网络参数,克服了传统BP神经网络所具有的对初始权值阈值敏感、容易陷入局部极小值的缺点,最后选用Isabel港口的实测潮汐值数据进行潮汐水位的实时预报仿真试验,用以验证SAPSO-BP预测模型的实用性和可靠性。 展开更多
关键词 BP神经网络 自适应 粒子群优化 港口潮汐水位实时预测 调和分析
在线阅读 下载PDF
基于GPR代理模型和GA-APSO混合优化算法的软基水闸底板脱空反演 被引量:4
12
作者 李火坤 柯贤勇 +3 位作者 黄伟 刘双平 唐义员 方静 《振动与冲击》 EI CSCD 北大核心 2023年第14期1-10,29,共11页
软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自... 软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自适应惯性权重粒子群(genetic algorithm-adaptive particle swarm optimization,GA-APSO)混合优化算法的水闸底板脱空动力学反演方法,用于检测软基水闸底板脱空。首先,构建表征软基水闸底板脱空参数和水闸结构模态参数之间非线性关系的GPR代理模型;其次,基于GPR代理模型与水闸实测模态参数建立脱空反演的最优化数学模型,将反演问题转化为目标函数最优化求解问题;最后,为提高算法寻优计算的精度,提出一种GA-APSO混合优化算法对目标函数进行脱空反演计算,并提出一种更合理判断反演脱空区域面积和实际脱空区域面积相对误差的指标—面积不重合度。为验证所提方法性能,以一室内软基水闸物理模型为例,对两种不同脱空工况开展研究分析,结果表明,反演脱空区域面积和模型实际设置脱空区域面积的相对误差分别为8.47%和10.77%,相对误差值较小,证明所提方法能有效反演出水闸底板脱空情况,可成为软基水闸底板脱空反演检测的一种新方法。 展开更多
关键词 软基水闸 底板脱空反演 动力学方法 高斯过程回归(GPR)代理模型 遗传-自适应惯性权重粒子群(GA-apso)混合优化算法
在线阅读 下载PDF
基于多群自适应协同粒子群优化算法的光储热泵系统研究
13
作者 刘鑫冉 吴振奎 +1 位作者 张腾飞 宋庚岭 《现代电子技术》 北大核心 2025年第10期127-134,共8页
为解决小型电热耦合系统的资源失配问题,并缓解北方地区供热压力和提高离网负荷供电的可靠性,通过整合光伏发电单元、蓄电池储能单元与高效水源热泵的供暖系统,将各部分看作不同子群,提出一种求解系统能量配比的最优解的多群自适应协同... 为解决小型电热耦合系统的资源失配问题,并缓解北方地区供热压力和提高离网负荷供电的可靠性,通过整合光伏发电单元、蓄电池储能单元与高效水源热泵的供暖系统,将各部分看作不同子群,提出一种求解系统能量配比的最优解的多群自适应协同粒子群优化算法。修正各子群的粒子惯性权重,通过多群协同机制避免求解过程陷入局部最优,并采用自适应性策略(ACS)来控制历史信息的影响,以提高子群的搜索效率和目标解的精度。实验结果表明:所提方法优化了光伏-储能-热泵系统的协同运行能力,避免了资源失配造成的能量浪费问题,且能够实现以清洁能源为热泵供电的目标,有效缓解北方地区冬季供热压力;该方法还将离网负荷供电可靠性提升至更高水平,兼具环境效益与工程应用潜力。 展开更多
关键词 热泵供暖系统 光伏发电 蓄电池储能 自适应多目标粒子群算法 能量分配 系统优化
在线阅读 下载PDF
基于WLS-AUKF混合算法的主动配电网联合状态估计
14
作者 满延露 刘敏 《电子科技》 2025年第2期93-102,共10页
响应负载和分布式能源的随机性和波动性、相量测量单元(Phasor Measurement Unit,PMU)配置的经济性需求对配电网状态估计提出了更高要求。文中提出了考虑PMU配置优化的加权最小二乘法(Weighted Least Squares,WLS)-自适应无迹卡尔曼滤波... 响应负载和分布式能源的随机性和波动性、相量测量单元(Phasor Measurement Unit,PMU)配置的经济性需求对配电网状态估计提出了更高要求。文中提出了考虑PMU配置优化的加权最小二乘法(Weighted Least Squares,WLS)-自适应无迹卡尔曼滤波(Adaptive Untraced Kalman Filtering,AUKF)的主动配电网联合状态估计。通过改进粒子群优化算法(Metropolis-Hastings Crossover Particle Swarm Optimization,MHCPSO)实现PMU优化配置,再结合WLS和AUKF提出联合状态估计。联合方式是WLS为AUKF馈送稳健的量测数据,AUKF为WLS提供先验预测值并补充量测冗余。仿真结果表明,在相同PMU数量下,MHCPSO算法比遗传粒子群算法(Genetic Algorithm Particle Swarm Optimization,GAPSO)估计精度更高。在相同状态估计误差情况下,MHCPSO算法配置的PMU数量比GAPSO算法可最多减少4个。在光伏(Photovoltaic,PV)/电动汽车(Electric Vehicles,EV)并网无序充放电和某一时刻负荷突变情况下,WLS-AUKF算法均体现出了比UKF(Untraced Kalman Filtering)算法更好的估计性能。在PMU配置优化、PV/VE并网以及负荷突变3个场景中体现出了WLS-AUKF状态估计的高精度、经济性、抗差性和稳健性。 展开更多
关键词 主动配电网 联合状态估计 加权最小二乘法 自适应无迹卡尔曼滤波 PMU优化配置 改进粒子群算法 两点交叉法 Metropolis-Hastings算法 遗传粒子群算法
在线阅读 下载PDF
APSO算法在语音信号盲源分离中的研究 被引量:1
15
作者 贾亮 张霞 《沈阳航空航天大学学报》 2012年第3期71-75,共5页
将自适应粒子群优化(Adaptive Praticle Swarm Optimization)算法运用到语音信号的盲源分离中,以峰度为目标函数,通过自适应调整惯性因子,克服了收敛速度和分离效果之间的矛盾,最终实现盲源分离。该算法避免了传统的优化算法自然梯度法... 将自适应粒子群优化(Adaptive Praticle Swarm Optimization)算法运用到语音信号的盲源分离中,以峰度为目标函数,通过自适应调整惯性因子,克服了收敛速度和分离效果之间的矛盾,最终实现盲源分离。该算法避免了传统的优化算法自然梯度法稳定性差、易于陷入局部最优的不足。通过比较仿真结果和性能指标可以看出,APSO算法提高了收敛速度,改善了分离性能,表明了该算法在实现语音信号盲源分离中性能的优越性。 展开更多
关键词 信号与信息处理 语音信号 盲源分离 apso算法 自然梯度法
在线阅读 下载PDF
基于自适应变异粒子群算法的风光储微网调度
16
作者 聂文龙 李再冉 +1 位作者 吴彩霞 王远 《山西建筑》 2025年第2期120-123,共4页
为克服传统粒子群算法在求解时容易形成局部最优,求解精度低的不足,提出了一种基于自适应变异粒子群优化的微电网调度求解方法。惯性权重采用自适应正态分布递减,随着迭代次数的增加更新粒子位置的移动策略,并且在算法后期引入变异环节... 为克服传统粒子群算法在求解时容易形成局部最优,求解精度低的不足,提出了一种基于自适应变异粒子群优化的微电网调度求解方法。惯性权重采用自适应正态分布递减,随着迭代次数的增加更新粒子位置的移动策略,并且在算法后期引入变异环节。为验证算法的有效性,文章与其他算法进行收敛性能对比,并对两种典型天气情况下的微网运行成本模型仿真求解,得到最优调度。算例结果表明,改进算法能够对粒子全局最优搜索优化,效果优于其他算法,可合理调配分布式电源出力时段,具有良好的可行性。 展开更多
关键词 微电网 调度 粒子群算法 自适应 变异
在线阅读 下载PDF
基于粒子群优化神经网络的机械臂跟踪控制
17
作者 屈晓宇 王家隆 《沈阳工程学院学报(自然科学版)》 2025年第1期48-54,共7页
针对智能消防机械臂在无人情况下的系统操作精度问题,提出基于粒子群优化RBF神经网络自适应的控制方法。首先,采用RBF神经网络自适应控制算法跟踪机械臂各关节的轨迹;其次,采用粒子群优化算法对RBF神经网络的权值进行更新,并重新构建RB... 针对智能消防机械臂在无人情况下的系统操作精度问题,提出基于粒子群优化RBF神经网络自适应的控制方法。首先,采用RBF神经网络自适应控制算法跟踪机械臂各关节的轨迹;其次,采用粒子群优化算法对RBF神经网络的权值进行更新,并重新构建RBF神经网络;最后,通过MATLAB仿真验证所提出控制器的有效性和可行性。结果表明:与一般RBF神经网络自适应控制器相比,粒子群优化RBF神经网络自适应控制器在路径跟踪上具有更高的控制精度。 展开更多
关键词 智能消防机械臂 神经网络 自适应 粒子群优化算法
在线阅读 下载PDF
基于BP神经网络的用户侧用电负荷自适应预测方法
18
作者 张传远 陈亚天 +2 位作者 高振伟 齐永忠 杨夏祎 《信息技术》 2025年第2期187-192,共6页
为了提高电力系统运行的可靠性和稳定性,准确预测用户侧用电负荷,提出了基于BP神经网络的用户侧用电负荷自适应预测方法。通过构建用户侧用电负荷数据分析模型,采集用户侧用电负荷数据并进行数据分类和分析。使用线性内插方法,对用户侧... 为了提高电力系统运行的可靠性和稳定性,准确预测用户侧用电负荷,提出了基于BP神经网络的用户侧用电负荷自适应预测方法。通过构建用户侧用电负荷数据分析模型,采集用户侧用电负荷数据并进行数据分类和分析。使用线性内插方法,对用户侧用电负荷残缺数据和误差数据进行修补。基于BP神经网络,采用粒子群算法对BP神经网络的初始权重和门限进行优化,实现用户侧用电负荷自适应预测。实验结果表明,文中方法的负荷预测结果更加接近于实际值,能够准确预测用户侧用电负荷。 展开更多
关键词 BP神经网络 用户侧 用电负荷 自适应预测 粒子群算法
在线阅读 下载PDF
基于改进粒子群算法的地震子波自适应提取方法
19
作者 於天澄 丁轶凡 《电子设计工程》 2025年第8期59-62,67,共5页
在处理地震信号时,受噪声影响难以实现自适应调整,导致提取波形与实际不一致。因此,提出基于改进粒子群算法的地震子波自适应提取方法,构建地震褶积模型以处理地震子波。使用Matlab仿真分析地震子波零极点分布情况,求取合成地震记录多... 在处理地震信号时,受噪声影响难以实现自适应调整,导致提取波形与实际不一致。因此,提出基于改进粒子群算法的地震子波自适应提取方法,构建地震褶积模型以处理地震子波。使用Matlab仿真分析地震子波零极点分布情况,求取合成地震记录多阶累积量并估算子波,建立目标函数。更新粒子速度和位置,依据早熟判别标准计算种群粒子离散程度。引入自适应变异操作,结合群体适应度方差,获得地震子波最佳提取结果。实验结果表明,该方法提取的3级、5级和8级地震子波波形与实际一致,具有实际应用价值。 展开更多
关键词 改进粒子群 地震子波 自适应提取 早熟判别标准
在线阅读 下载PDF
基于PCA和SAPSO的船舶风压差神经网络预测模型 被引量:4
20
作者 秦可 卜仁祥 +2 位作者 李铁山 刘勇 郑力铭 《上海海事大学学报》 北大核心 2020年第2期6-10,共5页
为提高船舶风压差的预测精度,使船舶能够更快稳定在计划航线上以保障航行安全,提出一种基于主成分分析(principal component analysis,PCA)法和自适应粒子群优化(self-adaptive particle swarm optimization,SAPSO)算法的船舶风压差神... 为提高船舶风压差的预测精度,使船舶能够更快稳定在计划航线上以保障航行安全,提出一种基于主成分分析(principal component analysis,PCA)法和自适应粒子群优化(self-adaptive particle swarm optimization,SAPSO)算法的船舶风压差神经网络预测模型。该方法采用PCA法对航行数据进行预处理,然后将数据输入由SAPSO算法优化的BP神经网络中,改变以往通过复杂的数学建模计算风压差的方法,提高预测的时效性和准确性。利用实船数据对模型进行船舶风压差的实时预测仿真,结果验证了该预测模型具有较高的可靠性。 展开更多
关键词 船舶 风压差预测 主成分分析(PCA) 自适应 粒子群优化
在线阅读 下载PDF
上一页 1 2 17 下一页 到第
使用帮助 返回顶部