基于K-近邻算法改进粒子群-反向传播算法的织物质量预测技术 被引量：3

1

作者 孙长敏 戴宁 +5 位作者 沈春娅 徐开心 陈炜 胡旭东 袁嫣红 陈祖红 《纺织学报》 EI CAS CSCD 北大核心 2024年第7期72-77,共6页

为解决现有下机织物质量差异性较大且传统验布环节时间较长等问题,提出基于K-近邻(KNN)算法改进粒子群-反向传播(PSO-BP)算法的织物质量等级预测方法。首先分析织物质量预测模型,整理织物疵点类型与织物质量等级分类,并根据织物疵点特... 为解决现有下机织物质量差异性较大且传统验布环节时间较长等问题,提出基于K-近邻(KNN)算法改进粒子群-反向传播(PSO-BP)算法的织物质量等级预测方法。首先分析织物质量预测模型,整理织物疵点类型与织物质量等级分类,并根据织物疵点特征将疵点划分为6类;其次选取14种影响织物质量的因子作为模型输入量;然后详细介绍依据KNN与PSO原理进行织物质量预测流程;最后以浙江兰溪某纺织厂近3个月16186条织物生产数据为例,建立织物质量预测模型。结果显示:该技术对织物质量预测的准确率达到98.054%,且训练时长仅需4.8 s,在保证织物质量预测准确性的同时,极大缩短了检测时间,提高了织造车间生产效率。 展开更多

关键词 织布车间 织物质量 K-近邻算法 粒子群-反向传播神经网络算法 织物质量预测

在线阅读 下载PDF 职称材料

重心反向粒子群优化算法在无线传感器定位优化中的应用 被引量：8

2

作者 吉滦峦 谢宏 《传感器与微系统》 CSCD 北大核心 2021年第2期154-156,160,共4页

针对传统DV-Hop算法误差过大、粒子群优化(PSO)算法易陷入局部最优问题,提出了一种重心反向粒子群无线传感器网络(WSNs)节点定位算法。首先将PSO算法结合重心反向学习策略,以整个群体的重心为参考点计算反向解,并且结合粒子正向解和反向... 针对传统DV-Hop算法误差过大、粒子群优化(PSO)算法易陷入局部最优问题,提出了一种重心反向粒子群无线传感器网络(WSNs)节点定位算法。首先将PSO算法结合重心反向学习策略,以整个群体的重心为参考点计算反向解,并且结合粒子正向解和反向解,选取更优适应度值的粒子作为下一代,以进一步提高种群的多样性。其次对粒子运行速度进行改进,在速度中加入一种随机扰动的线性递增项,提高算法后期收敛速度,避免陷入局部最优。最后将重心反向粒子群算法结合DV-Hop定位方法,构建基于重心反向粒子群算法的网络节点定位方法。仿真结果表明:相比传统DV-Hop算法,重心反向粒子群算法的定位精度更高,效果更好,适用于定位精度要求较高的场景。 展开更多

关键词 无线传感器网络 重心反向学习 重心反向粒子群优化算法 定位精度

在线阅读 下载PDF 职称材料

改进的QPSO-BP算法的铀价格预测模型及应用 被引量：2

3

作者 陈建宏 周汉陵 +1 位作者 于凤玲 杨珊 《计算机工程与应用》 CSCD 2013年第21期235-239,244,共6页

铀产品价格的变化直接决定了铀矿项目的价值,铀产品价格的预测,可提高企业的经营决策能力和抗风险能力。为提高预测的精度,采用基于改进的量子粒子群算法优化训练BP神经网络的学习算法,对铀价格进行建模预测。采用改进的QPSO算法优化BP... 铀产品价格的变化直接决定了铀矿项目的价值,铀产品价格的预测,可提高企业的经营决策能力和抗风险能力。为提高预测的精度,采用基于改进的量子粒子群算法优化训练BP神经网络的学习算法,对铀价格进行建模预测。采用改进的QPSO算法优化BP网络的权值与阈值。将通过优化搜索得到的粒子的位置向量解码作为网络的权值与阈值,选择网络结构5-11-1对铀价格进行预测。结果表明:QPSO-BP模型的预测精度(0.15%)高于PSO-BP模型(4.55%)与BP模型(30.86%)。泛化能力指标平均相对变动值为0.002 5,预测结果的泛化能力提高。相对误差分布集中,预测结果稳定。说明该模型在铀价格预测中有效,对项目投资决策有一定的参考价值。 展开更多

关键词 价格预测 量子粒子群算法 量子粒子群算法(QPSO)-反向传播(BP)模型 铀价

在线阅读 下载PDF 职称材料

基于WPSO-BP和L-MBWO的多翼离心风机优化研究 被引量：2

4

作者 徐韧 李君宇 +3 位作者 周明 刘林波 张志富 黄其柏 《机电工程》 CAS 北大核心 2024年第10期1833-1843,共11页

针对多翼离心风机气动性能、噪声情况难以同时改进的问题,提出了一种基于变权重粒子群优化算法的反向传播神经网络风机性能预测模型(WPSO-BP),以及一种基于逻辑混沌初始化的多目标白鲸优化算法(L-MBWO),并将二者应用于多翼离心风机的优... 针对多翼离心风机气动性能、噪声情况难以同时改进的问题,提出了一种基于变权重粒子群优化算法的反向传播神经网络风机性能预测模型(WPSO-BP),以及一种基于逻辑混沌初始化的多目标白鲸优化算法(L-MBWO),并将二者应用于多翼离心风机的优化设计中。首先,选取了叶片进出口角、倾斜蜗舌的最大蜗舌半径、叶片切除角度作为设计变量,把风机的全压、效率、声压级作为优化目标;然后,构建了WPSO-BP预测模型,以反映设计变量与优化目标之间的关系,定量分析对比了该模型与BP神经网络预测模型,预测值用于风机的性能优化;接着,将逻辑混沌初始化引入到白鲸优化算法(BWO),基于第三代非支配排序遗传算法(NSGA-Ⅲ)构建了L-MBWO优化算法;最后,在实验验证仿真可靠的前提下,将提出的预测模型和优化算法应用于风机优化,并对优化效果进行了综合分析。研究结果表明:优化后的风机全压增加了34.79 Pa,效率提高了0.67%,噪声降低了1.73 dB,实现了多个优化目标之间的平衡,有效改善了风机的综合性能,为多翼离心风机的优化设计提供了一种新思路。 展开更多

关键词 多翼离心风机 变权重 基于变权重粒子群优化算法的反向传播神经网络风机性能预测模型 白鲸优化算法 基于逻辑混沌初始化的多目标白鲸优化算法 预测模型 风机全压 风机效率 风机噪声

在线阅读 下载PDF 职称材料

风-光-储和需求响应协同的虚拟电厂日前经济调度优化 被引量：10

5

作者 苟凯杰 吕鸣阳 +3 位作者 高悦 陈衡 张国强 雷兢 《广东电力》 北大核心 2024年第2期18-24,共7页

目前可再生能源直接并入电网仍然面临稳定性和经济性问题,经过虚拟电厂整合可以缓解对电网的影响。以系统整合后最终运行成本达到最小作为目标,进行新能源出力和负荷在未来24 h的预测,计及电网侧在不同时间内的电价变化情况,采用反向学... 目前可再生能源直接并入电网仍然面临稳定性和经济性问题,经过虚拟电厂整合可以缓解对电网的影响。以系统整合后最终运行成本达到最小作为目标,进行新能源出力和负荷在未来24 h的预测,计及电网侧在不同时间内的电价变化情况,采用反向学习的混沌映射自适应粒子群算法对风-光-储能和需求响应不同组合搭配的5种调度方案进行探讨,与原始粒子群算法相比,所提算法可以跳出局部最优解而找到全局最优解。计算结果表明,风-光-储和需求响应都参与供电相比风-光-储供电可以将运行成本降低4.47%,用户舒适度提高3.51%。 展开更多

关键词 虚拟电厂 风-光-储 需求响应 经济调度 反向学习的混沌映射自适应粒子群算法

在线阅读 下载PDF 职称材料

基于MFO-BPNN的螺旋钻机钻速预测研究

6

作者 李嘉辉 王英 +3 位作者 郑荣跃 叶军 赵京昊 陈立 《机电工程》 CAS 北大核心 2024年第4期633-642,共10页

针对利用现有经验公式所建立的螺旋钻机钻速预测模型存在准确度不足的问题,提出了一种基于飞蛾扑火算法(MFO)的反向传播神经网络(BPNN)钻速预测模型。首先,对MFO算法的基本原理进行了研究,构建了MFO算法优化BPNN的具体流程;接着,采集了... 针对利用现有经验公式所建立的螺旋钻机钻速预测模型存在准确度不足的问题,提出了一种基于飞蛾扑火算法(MFO)的反向传播神经网络(BPNN)钻速预测模型。首先,对MFO算法的基本原理进行了研究,构建了MFO算法优化BPNN的具体流程;接着,采集了江苏无锡某施工现场钻探数据,并分析了钻速影响因素,运用小波阈值降噪、归一化和灰色关联度分析等系列方法对采集数据进行了预处理,得到了训练和测试集;然后,将MFO算法运用于神经网络的权值和阈值训练,以代替原有梯度下降法,建立了MFO-BPNN钻速预测模型;最后,对上述预测模型与BPNN模型、遗传算法优化反向传播神经网络(GA-BPNN)模型以及粒子群优化算法优化反向传播神经网络(PSO-BPNN)模型的预测结果和评价指标进行了详细的对比分析。研究结果表明:运用MFO-BPNN建立的钻速预测模型,其可靠性达到了91.65%,其决定系数(R 2)优于其他3种预测模型,3项误差指标也是其中最低的,说明该模型的预测精度良好,适合于桩基础工程的实际应用,可为复杂因素影响下的钻速预测提供一种新思路。 展开更多

关键词 螺旋钻机 钻速预测 飞蛾扑火算法 反向传播神经网络 遗传算法优化反向传播神经网络 粒子群优化算法优化反向传播神经网络 决定系数 桩基础工程

在线阅读 下载PDF 职称材料

基于BPSO-RBF神经网络的网络流量预测 被引量：7

7

作者 王雪松 梁昔明 《计算机应用与软件》 CSCD 北大核心 2014年第9期102-105,共4页

为了提高网络流量的预测精度,针对网络的时变性和混沌性,提出一种反向学习粒子群优化神经网络的网络流量预测模型(BPSO-RBFNN)。首先将网络流量样本输入到RBF神经网络进行学习,采用引入反向学习机制的粒子群算法优化参数,然后建立网络... 为了提高网络流量的预测精度,针对网络的时变性和混沌性,提出一种反向学习粒子群优化神经网络的网络流量预测模型(BPSO-RBFNN)。首先将网络流量样本输入到RBF神经网络进行学习,采用引入反向学习机制的粒子群算法优化参数,然后建立网络流量预测模型,最后采用仿真实验对模型性能进行分析。结果表明,BPSO-RBFNN可以描述网络流量的时变性、混沌性变化趋势,网络流量预测精度得以提高,具有较好的实际应用价值。 展开更多

关键词 网络流量 神经网络 参数优化 预测模型 反向粒子群算法

在线阅读 下载PDF 职称材料

BP-PSO优化改性凹凸棒土吸附Pb(Ⅱ)条件及其机制研究 被引量：1

8

作者 谢伟芳 韩承辉 《硅酸盐通报》 CAS 北大核心 2019年第12期3822-3832,共11页

为探究Keggin离子改性凹凸棒土对Pb(Ⅱ)的吸附性能及获得Pb(Ⅱ)最大去除率,采用响应面(RSM)及反向传播神经网络结合粒子群算法(BP-PSO)对去除条件进行优化,利用X射线光电子能谱仪表征、动力学、等温吸附及热力学研究对吸附机理进行探讨... 为探究Keggin离子改性凹凸棒土对Pb(Ⅱ)的吸附性能及获得Pb(Ⅱ)最大去除率,采用响应面(RSM)及反向传播神经网络结合粒子群算法(BP-PSO)对去除条件进行优化,利用X射线光电子能谱仪表征、动力学、等温吸附及热力学研究对吸附机理进行探讨,采用可渗透反应墙对Pb(Ⅱ)去除进行动态模拟。XPS表征结果显示Pb(Ⅱ)被吸附到改性土表面,该吸附过程并未发现氧化还原反应。RSM优化下,预测和实际Pb(Ⅱ)最大去除率分别为83. 85%和81. 24%,相对应的去除条件:反应时间为50. 02 min、初始Pb(Ⅱ)浓度为150 mg/L、温度为20℃及初始p H值为7。BP-PSO优化下最大去除率为85. 68%,对应的实验条件:温度为20℃,反应时间为52. 28 min,初始Pb(Ⅱ)浓度为250 mg/L,初始p H值为7,在此条件下验证实验值为84. 41%。BP-PSO更合适用于优化改性凹凸棒土吸附水溶液中Pb(Ⅱ)。改性凹凸棒土对Pb(Ⅱ)的吸附为吸热、自发及熵驱动的过程。可渗透反应墙中对Pb(Ⅱ)去除率的去除效果不理想。 展开更多

关键词 Keggin离子 凹凸棒土 Pb(Ⅱ) 响应面 反向传播神经网络结合粒子群算法

在线阅读 下载PDF 职称材料

锚杆钻车钻臂定位控制方法 被引量：2

9

作者 李力恒 宋建成 +1 位作者 田慕琴 王相元 《工矿自动化》 CSCD 北大核心 2023年第3期77-84,123,共9页

目前常用代数法和几何法实现锚杆钻车钻臂定位控制,存在效率低、有无解或多解情况、通用性差等问题。采用粒子群优化(PSO)算法进行机械臂定位控制具有编程简单、搜索性能强、容错性好等优势,但易陷入局部最优解。目前基于改进PSO算法的... 目前常用代数法和几何法实现锚杆钻车钻臂定位控制,存在效率低、有无解或多解情况、通用性差等问题。采用粒子群优化(PSO)算法进行机械臂定位控制具有编程简单、搜索性能强、容错性好等优势,但易陷入局部最优解。目前基于改进PSO算法的机械臂定位控制整体寻优效率较低,寻优时间过长。针对上述问题,在精英反向粒子群优化(EOPSO)算法基础上,引入混沌初始化、交叉操作、变异操作和极值扰动,设计了混沌交叉精英变异反向粒子群优化(CEMOPSO)算法。采用标准测试函数对PSO算法、EOPSO算法、交叉精英反向粒子群优化(CEOPSO)算法、CEMOPSO算法进行测试,结果表明CEMOPSO算法的稳定性、精度、收敛速度最优。建立了锚杆钻车钻臂运动模型,采用CEMOPSO算法进行钻臂定位控制,并在Matlab软件中对控制性能进行仿真研究,结果表明:在相同的迭代次数和误差精度约束条件下,采用CEMOPSO算法时钻臂位置误差和姿态误差从迭代初期即具有极快的收敛速度,且位置误差和姿态误差均小于其他3种算法,误差曲线较平稳,最大位置误差为0.005 m,最大姿态误差为0.005 rad;设定位置误差为1 mm、姿态误差为0.01 rad时,CEMOPSO算法的平均迭代次数为343,位置误差为0.1 mm、姿态误差为0.001 rad时平均迭代次数为473,在相同的定位精度条件下,CEMOPSO算法的收敛速度和稳定性优于其他3种算法,满足工程应用要求,且求解精度越高,其优越性越突出。 展开更多

关键词 锚杆钻车 钻臂定位控制 精英反向粒子群优化算法 混沌初始化 交叉变异 高斯变异 极值扰动 柯西变异

在线阅读 下载PDF 职称材料

基于高维空间几何的PSO-BP神经网络图像复原 被引量：4

10

作者 郭佩 何小海 +1 位作者 陶青川 李木维 《计算机工程与应用》 CSCD 2012年第2期156-159,共4页

针对退化图像复原问题,提出了一种基于高维空间几何理论(HDSG)的PSO-BP神经网络图像复原方法。高维空间几何理论中的同胚映射和同源连续性原理,把图像映射为高维空间中的一个点,通过回归原模糊图像和由此图像衍生出的几幅更加模糊的图... 针对退化图像复原问题,提出了一种基于高维空间几何理论(HDSG)的PSO-BP神经网络图像复原方法。高维空间几何理论中的同胚映射和同源连续性原理,把图像映射为高维空间中的一个点,通过回归原模糊图像和由此图像衍生出的几幅更加模糊的图像对应在空间中几个点的分布曲线,得到清晰的复原图像。在该理论基础上,用PSO-BP神经网络来确定高维空间中各点的关系,通过对训练样本的学习训练,在三幅退化图像与原始清晰图像之间建立映射关系,然后用训练好的网络对测试样本进行复原。对比实验表明,该方法在主观视觉和定量分析上都获得了较好的效果。 展开更多

关键词 图像复原 神经网络 粒子群优化算法-反向传播(PSO-BP) 高维空间几何

在线阅读 下载PDF 职称材料

考虑静暂态电压稳定性的风电并网系统无功规划 被引量：7

11

作者 赵晶晶 朱仁杰 +2 位作者 黄阮明 李敏 何欣芹 《可再生能源》 CAS 北大核心 2019年第11期1650-1655,共6页

文章提出了计及风电及负荷出力不确定的考虑静暂态电压稳定的风电并网系统无功规划方法。建立了以降低网损、无功规划成本和提高静暂态电压稳定性为目标的风电并网系统无功规划模型,利用高斯反向学习粒子群优化算法(GOL-PSO)求解不同风... 文章提出了计及风电及负荷出力不确定的考虑静暂态电压稳定的风电并网系统无功规划方法。建立了以降低网损、无功规划成本和提高静暂态电压稳定性为目标的风电并网系统无功规划模型,利用高斯反向学习粒子群优化算法(GOL-PSO)求解不同风电参与方式的无功规划方案,比较得到风电最佳参与规划方式及风电并网系统最优无功规划方案。最后,利用Matlab对风电并网的IEEE39系统进行无功规划仿真测试,验证所提方法的正确性和可行性。 展开更多

关键词 风电并网系统 静暂态电压稳定性 高斯反向学习粒子群优化算法 最优无功规划方案

在线阅读 下载PDF 职称材料