期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于天牛群优化算法的多机PSS参数优化 被引量：4
1
作者 王雨虹 张威 《控制工程》 CSCD 北大核心 2022年第8期1345-1351,共7页
为抑制多机电力系统的低频振荡,提出将天牛群优化(BSO)算法应用到多机电力系统稳定器(PSS)的参数协调优化中。采用传统的超前-滞后型PSS模型,将PSS参数的协调配置问题转化为一个函数优化问题。首先利用Prony算法对振荡信号进行机电模式... 为抑制多机电力系统的低频振荡,提出将天牛群优化(BSO)算法应用到多机电力系统稳定器(PSS)的参数协调优化中。采用传统的超前-滞后型PSS模型,将PSS参数的协调配置问题转化为一个函数优化问题。首先利用Prony算法对振荡信号进行机电模式辨识,然后通过BSO算法迭代寻优最佳PSS参数。通过MATLAB软件搭建IEEE四机两区域系统,将优化好的参数应用到多机电力系统仿真中测试其准确性。仿真结果表明,相比于粒子群优化(PSO)算法、分层多子群的均匀分布混沌粒子群优化(HUCPSO)算法,BSO算法具有更好的寻优能力,由该算法优化的PSS在改善系统阻尼和小信号稳定性方面具有良好的效果和性能。 展开更多
关键词 低频振荡 天牛群优化算法 电力系统稳定器 参数协调优化 PRONY算法
在线阅读 下载PDF
基于变步长扰动观察法结合改进天牛群优化算法的三步复合光伏最大功率跟踪算法 被引量：13
2
作者 刘文锋 李昂 《热力发电》 CAS CSCD 北大核心 2022年第10期138-144,共7页
局部遮阴情况下,光伏系统的功率-电压曲线呈多峰特性,传统算法跟踪最大功率点时易陷入局部最优,智能优化算法跟踪耗时较长。对此,设计了一种变步长扰动观察法(IP&O)结合改进天牛群优化(IBSO)算法的三步复合最大功率点跟踪(MPPT)算... 局部遮阴情况下,光伏系统的功率-电压曲线呈多峰特性,传统算法跟踪最大功率点时易陷入局部最优,智能优化算法跟踪耗时较长。对此,设计了一种变步长扰动观察法(IP&O)结合改进天牛群优化(IBSO)算法的三步复合最大功率点跟踪(MPPT)算法。该算法首先采用IP&O快速跟踪到极大功率点,并利用此点功率值调整电压搜索范围;然后使用IBSO算法在电压搜索范围内进行全局寻优,以保证搜索精度;最终在IBSO算法跟踪到最大功率点附近后,再次切换为IP&O,以加快跟踪速度、减小功率振荡。将所提出算法与IP&O、天牛群优化(BSO)、布谷鸟算法结合变步长扰动观察法(CSA-IP&O)3种算法进行仿真对比,仿真结果表明:所提出算法不易陷入局部最优,能准确快速地跟踪到最大功率点,且跟踪过程中功率振荡更小。 展开更多
关键词 光伏 局部遮阴 MPPT 变步长扰动观察法 天牛群优化算法 智能算法
在线阅读 下载PDF
基于改进天牛群优化的DBSCAN聚类算法 被引量：9
3
作者 张文宇 治瑜 秦乐 《统计与决策》 CSSCI 北大核心 2022年第10期20-25,共6页
针对DBSCAN聚类算法对参数敏感、参数选取依靠经验的问题,文章提出了一种基于改进天牛群优化的DBSCAN聚类(IBSO-DBSCAN)算法。该算法首先提出一种自适应惯性权重更新策略,以平衡BSO算法的全局搜索和局部探索,同时引入正态云模型更新群... 针对DBSCAN聚类算法对参数敏感、参数选取依靠经验的问题,文章提出了一种基于改进天牛群优化的DBSCAN聚类(IBSO-DBSCAN)算法。该算法首先提出一种自适应惯性权重更新策略,以平衡BSO算法的全局搜索和局部探索,同时引入正态云模型更新群体位置;然后以评价聚类效果的CS指标作为算法的适应度函数;最后利用改进的天牛群优化算法自适应地选取DBSCAN聚类算法的全局最优参数Eps和MinPts。将算法在3种UCI数据集上进行有效性测试,实验结果表明,所提出的IBSO-DBSCAN算法在聚类效果方面优于对比算法,且具有更强的全局搜索能力。 展开更多
关键词 DBSCAN聚类算法 天牛群优化算法 正态云模型 聚类
在线阅读 下载PDF
基于VMD-Bayes-Lasso算法带误差补偿的火电厂NO_(x)浓度软测量
4
作者 金秀章 乔鹏 史德金 《华北电力大学学报(自然科学版)》 北大核心 2025年第3期117-124,142,共9页
针对燃煤电厂中选择性催化还原(Selective Catalytic Reduction,SCR)脱硝系统入口NO_(x)浓度的测量传感器迟延大,不能准确反映其浓度的实时变化的问题,提出了利用Copula熵(Copula entropy,CE)筛选与入口NO_(x)浓度软测量相关的辅助变量... 针对燃煤电厂中选择性催化还原(Selective Catalytic Reduction,SCR)脱硝系统入口NO_(x)浓度的测量传感器迟延大,不能准确反映其浓度的实时变化的问题,提出了利用Copula熵(Copula entropy,CE)筛选与入口NO_(x)浓度软测量相关的辅助变量,利用变模态分解(Variational Mode Decomposition,VMD),将入口NO_(x)浓度分解为不同中心频率的子序列信号,建模充分拟合目标变量的数据特征。采用二级建模方法,第一级,将分解后得到的入口NO_(x)浓度子序列信号分别利用贝叶斯回归算法(Bayesian Regression,Bayes)进行训练并预测,叠加得到完整的预测结果,第二级,对训练中产生的验证集误差值利用Lasso算法建立误差预测模型,得到测试集预测误差的预测值,并与第一级模型得到完整预测结果叠加,实现误差补偿,提升模型预测精度。其中,Bayes及Lasso网络超参数利用天牛群算法进行自动寻优;仿真结果显示,VMD分解并带误差补偿模型对比未经VMD分解带误差补偿模型,Bayes及Lasso单一模型的均方根误差、平均绝对误差、平均绝对百分比误差最小,能够实现对入口NO_(x)浓度的准确软测量。 展开更多
关键词 入口NO_(x)浓度建模 变模态分解 误差修正 软测量 天牛群优化算法
在线阅读 下载PDF
基于天牛群优化与改进正则化极限学习机的网络入侵检测 被引量：26
5
作者 王振东 刘尧迪 +2 位作者 杨书新 王俊岭 李大海 《自动化学报》 EI CAS CSCD 北大核心 2022年第12期3024-3041,共18页
正则化极限学习机(Regularized extreme learning machine,RELM)因其极易于实现、训练速度快等优点在诸多领域均取得了成功应用.对此,本文将RELM引入到入侵检测中,设计了天牛群优化算法(Beetle swarm optimization,BSO),并针对RELM由于... 正则化极限学习机(Regularized extreme learning machine,RELM)因其极易于实现、训练速度快等优点在诸多领域均取得了成功应用.对此,本文将RELM引入到入侵检测中,设计了天牛群优化算法(Beetle swarm optimization,BSO),并针对RELM由于随机初始化参数带来的潜在缺陷,提出基于天牛群优化与改进正则化极限学习机(BSO-IRELM)的网络入侵检测算法.使用LU分解求解RELM的输出权值矩阵,进一步缩短了RELM的训练时间,同时利用BSO对RELM的权值和阈值进行联合优化.为避免BSO算法陷入局部最优,引入Tent映射反向学习、莱维飞行的群体学习与动态变异策略提升优化性能.实验结果表明,在机器学习UCI数据集上,相比于RELM、IRELM、GA-IRELM、PSO-IRELM等算法,BSO-IRELM的数据分类性能提升明显.最后,将BSO-IRELM应用于网络入侵检测数据集NSL-KDD,并与BP(Back propagation)、LR(Logistics regression)、RBF(Radial basis function)、AB(AdaBoost)、SVM(Support vector machine)、RELM、IRELM等算法进行了对比,结果证明BSO-IRELM算法在准确率、精确率、真正率和假正率等指标上均具有明显优势. 展开更多
关键词 入侵检测 正则化极限学习机 LU分解 天牛群优化算法
在线阅读 下载PDF
改进天牛群搜索算法及其在船舶纵摇运动预测中的应用 被引量：5
6
作者 徐东星 《广东海洋大学学报》 CAS 北大核心 2021年第3期113-122,共10页
【目的】针对天牛群搜索算法易陷入局部最优及搜索精度较低等缺陷,提出一种基于二阶振荡自适应变异的天牛群搜索算法。【方法】该算法引入二阶振荡环节增加算法的全局探索能力和局部开发能力。采用正余弦搜索思想对天牛个体进行位置更新... 【目的】针对天牛群搜索算法易陷入局部最优及搜索精度较低等缺陷,提出一种基于二阶振荡自适应变异的天牛群搜索算法。【方法】该算法引入二阶振荡环节增加算法的全局探索能力和局部开发能力。采用正余弦搜索思想对天牛个体进行位置更新,使得天牛个体可充分的利用自身与最优位置的差值信息逐渐趋近最优解。同时引入自适应t分布变异算子来增加种群的多样性,避免算法陷入局部最优。【结果与讨论】对高维单峰函数、高维多峰函数的仿真实验结果表明,改进的算法有效地提高其搜索精度、收敛速度及鲁棒性,克服其易陷入局部最优的缺陷。将改进天牛群算法应用于BP神经网络权值及阈值优化对船舶纵摇运动姿态进行预测,并于BP网络、BSO-BP网络及PSO-BP网络的预测结果进行比较,精度分别提升85.7%、74.6%和77.2%。改进天牛群搜索算法在实际工程应用中具有一定的优越性。 展开更多
关键词 二阶振荡环节 正余弦搜索 自适应t分布变异 天牛群优化算法 基准函数 船舶纵摇预测
在线阅读 下载PDF
基于特征优化和BSO-RBF神经网络的NO_(x)浓度预测模型 被引量：2
7
作者 张国兴 王世朋 《计量学报》 CSCD 北大核心 2024年第2期285-293,共9页
针对火力发电厂中燃烧系统运行工况复杂、迟延较大,导致选择性催化还原(SCR)烟气脱硝系统中入口NOx质量浓度难以准确测量的问题,提出了一种基于特征优化和径向基函数(radial basis function,RBF)神经网络的预测模型。将经过特征优化后... 针对火力发电厂中燃烧系统运行工况复杂、迟延较大,导致选择性催化还原(SCR)烟气脱硝系统中入口NOx质量浓度难以准确测量的问题,提出了一种基于特征优化和径向基函数(radial basis function,RBF)神经网络的预测模型。将经过特征优化后的变量作为模型的最终输入变量,并使用天牛群优化(beetle swarm optimization,BSO)算法对神经网络超参数进行寻优,建立入口NO_(x)浓度预测模型。结果表明,经过特征优化后的变量放入模型后,其预测结果要优于原始变量:经特征优化及时延处理后的模型其S_(RMSE)减少了44.5%,R^(2)增加了2.3%,经过BSO确定后的神经网络超参数使得模型精度也得到了进一步提升。 展开更多
关键词 NO_(x)浓度预测 特征优化 天牛群优化算法 径向基函数 神经网络
在线阅读 下载PDF
基于AC-BSO-IGeiger的堆石坝面板裂缝声发射源定位 被引量：2
8
作者 景茂贵 刘星 何启 《人民长江》 北大核心 2025年第2期175-182,共8页
由于堆石坝的面板裂缝对其结构安全的影响较大,需要加强对混凝土面板裂缝的识别和定位。为进一步提高面板裂缝的定位精度,提出了一种混凝土面板裂缝声发射传感器监测网络布设结构,并基于定位可靠度对已知恒定波速时差法(Geiger法)进行改... 由于堆石坝的面板裂缝对其结构安全的影响较大,需要加强对混凝土面板裂缝的识别和定位。为进一步提高面板裂缝的定位精度,提出了一种混凝土面板裂缝声发射传感器监测网络布设结构,并基于定位可靠度对已知恒定波速时差法(Geiger法)进行改进,得到基于区域修正波速的时差定位法(IGeiger法)。同时利用自适应学习策略(Adaptive learning strategies)和混沌映射(Chaotic map)改进天牛群优化算法(Beetle Swarm Optimization Algorithm,BSO),进而提出了一种自适应混沌天牛群算法(AC-BSO),并采用该算法计算裂缝定位目标函数的最优解。由试验结果可知:最小二乘法和天牛须搜索算法定位精度不稳定,定位效果明显劣于AC-BSD-IGeiger组合算法,说明该算法能有效提高声源定位精度。研究成果可为面板裂缝定位提供新的解决思路。 展开更多
关键词 混凝土面板 裂缝识别 声发射 天牛群优化算法 时差定位法
在线阅读 下载PDF
原子力显微镜中PID参数最优控制策略研究 被引量：2
9
作者 彭继慎 海东琦 +2 位作者 胡善华 胡朋举 孔繁会 《控制工程》 CSCD 北大核心 2021年第6期1130-1135,共6页
原子力显微镜(AFM)中PID参数对系统的性能起到决定性作用,选取较好的PID参数会提高系统整体稳定性和准确性。针对AFM系统中PID参数调节不准确问题,提出一种基于天牛群优化算法的PID最优控制策略。采用继电反馈对AFM系统进行分析,获取PI... 原子力显微镜(AFM)中PID参数对系统的性能起到决定性作用,选取较好的PID参数会提高系统整体稳定性和准确性。针对AFM系统中PID参数调节不准确问题,提出一种基于天牛群优化算法的PID最优控制策略。采用继电反馈对AFM系统进行分析,获取PID参数稳定运行区域,在约束范围下通过天牛群优化算法得到最优控制器参数及最佳性能指标,可以减少AFM系统中参数调节的不准确性和大量的调参工作,并且可根据实际需求改变性能指标获取相应的最佳参数值。仿真结果表明该控制策略可显著提高AFM系统扫描的稳定性、精度,并且有效避免探针超调振荡引起的样品破损。 展开更多
关键词 原子力显微镜 继电反馈 天牛群优化算法 PID控制
在线阅读 下载PDF
BSO-MCKD在高速列车齿轮箱轴承早期故障诊断中的应用 被引量：1
10
作者 朱丹 苏燕辰 +1 位作者 孙琦 龙莹 《铁道机车车辆》 北大核心 2020年第2期14-19,共6页
齿轮箱轴承是高速列车传动系统中的重要零件之一,其故障检测对保障列车的正常运行具有重要意义。针对强背景噪声环境下高速列车齿轮箱轴承早期故障信号微弱难以检测的问题以及最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolu... 齿轮箱轴承是高速列车传动系统中的重要零件之一,其故障检测对保障列车的正常运行具有重要意义。针对强背景噪声环境下高速列车齿轮箱轴承早期故障信号微弱难以检测的问题以及最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)方法受滤波器阶数、冲击信号周期和移位数影响的问题,提出了基于天牛群优化算法(Beetle Swarm Optimization Algorithm,BSO)改进的自适应MCKD的轴承早期故障诊断方法。该方法首先采用天牛群优化算法自适应的确定MCKD的影响参数,实现最佳反褶积,然后利用最优参数相对应的MCKD对振动信号进行滤波处理,消除信号中的噪声,突出由轴承故障激发的连续脉冲,最后依据连续脉冲的周期来诊断轴承。根据轴承外圈和滚动体故障试验数据分析表明:该方法能实现高速列车齿轮箱轴承早期故障的精确诊断,且故障诊断效果优于互补经验模态分解方法和最小熵解卷积方法。 展开更多
关键词 故障诊断 最大相关峭度解卷积 天牛群优化算法 参数优化
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部