为改善滤波-x最小均方(filtered-x least mean square,FxLMS)算法在噪声主动控制时无法兼顾收敛速度和稳态误差的问题,提出了基于sigmoid-sinh分段函数的FxLMS(SSFxLMS)算法,并引入蚁狮算法对SFxLMS(sigmoid filtered-x least mean squa...为改善滤波-x最小均方(filtered-x least mean square,FxLMS)算法在噪声主动控制时无法兼顾收敛速度和稳态误差的问题,提出了基于sigmoid-sinh分段函数的FxLMS(SSFxLMS)算法,并引入蚁狮算法对SFxLMS(sigmoid filtered-x least mean square)、ShFxLMS(sinh filtered-x least mean square)、SSFxLMS算法的参数进行优化。分别采用高斯白噪声和实测簇绒地毯织机噪声为输入信号,采用FxLMS、SFxLMS、ShFxLMS、SSFxLMS算法进行噪声主动控制仿真,对比分析这4种算法的性能。结果表明:与其他3种算法相比,采用SSFxLMS算法对高斯白噪声和簇绒地毯织机噪声进行控制时,误差信号的平均绝对值更小,平均降噪量与收敛速度也有大幅度提升。由此可知,SSFxLMS算法有效改善了FxLMS算法无法兼顾收敛速度和稳态误差的问题,研究结果为噪声主动控制算法设计提供了一定的参考。展开更多
针对基于Levenberg-Marquardt方法辨识黄酒发酵过程模型参数时易陷入局部最优,收敛速度慢,很难准确获取具有强泛化能力的模型参数的问题,提出了一种具有莱维飞行机制和柯西变异的蚁狮优化算法(ant lion optimization with Levy flight a...针对基于Levenberg-Marquardt方法辨识黄酒发酵过程模型参数时易陷入局部最优,收敛速度慢,很难准确获取具有强泛化能力的模型参数的问题,提出了一种具有莱维飞行机制和柯西变异的蚁狮优化算法(ant lion optimization with Levy flight and Cauchy mutation,LCALO),该算法采用基于莱维飞行和柯西变异来解决这类问题。莱维飞行可以提高算法的全局搜索能力,而柯西变异有助于避免陷入局部最优。结果表明,相比于遗传算法、粒子群算法和蚁狮算法,LCALO的收敛速度快,具有全局搜索能力和局部开发能力好的优点。最后将改进算法应用于黄酒发酵模型的参数辨识,仿真结果证明该算法具有较好的参数辨识能力。展开更多
针对基础含有多自由度的特点,在复杂风浪载荷下风电机组更容易产生剧烈的结构载荷的问题,该文建立含风浪载荷的动力学模型与蚁狮算法配合,寻求机舱中调谐质量阻尼器(Tuned Mass Damper,TMD)各参数最优解。首先,基于拉格朗日方程建立含...针对基础含有多自由度的特点,在复杂风浪载荷下风电机组更容易产生剧烈的结构载荷的问题,该文建立含风浪载荷的动力学模型与蚁狮算法配合,寻求机舱中调谐质量阻尼器(Tuned Mass Damper,TMD)各参数最优解。首先,基于拉格朗日方程建立含风浪载荷的动力学模型,采用Levenberg-Marquardt(LM)算法分别对动力学模型未知参数和风浪载荷参数进行辨识;其次,采用蚁狮算法和含风浪载荷的动力学模型配合对TMD各参数同时寻优;最后,在5种典型工况下,利用FAST全耦合模型验证TMD的减载效果。结果显示,优化参数后的TMD能有效降低漂浮式风电机组关键部位疲劳载荷。对比有无TMD时,叶根纵向弯矩降低约10%~30%,叶根纵向剪力降低了约10%~35%,塔基纵向弯矩降低了约10%~45%。展开更多
文摘为改善滤波-x最小均方(filtered-x least mean square,FxLMS)算法在噪声主动控制时无法兼顾收敛速度和稳态误差的问题,提出了基于sigmoid-sinh分段函数的FxLMS(SSFxLMS)算法,并引入蚁狮算法对SFxLMS(sigmoid filtered-x least mean square)、ShFxLMS(sinh filtered-x least mean square)、SSFxLMS算法的参数进行优化。分别采用高斯白噪声和实测簇绒地毯织机噪声为输入信号,采用FxLMS、SFxLMS、ShFxLMS、SSFxLMS算法进行噪声主动控制仿真,对比分析这4种算法的性能。结果表明:与其他3种算法相比,采用SSFxLMS算法对高斯白噪声和簇绒地毯织机噪声进行控制时,误差信号的平均绝对值更小,平均降噪量与收敛速度也有大幅度提升。由此可知,SSFxLMS算法有效改善了FxLMS算法无法兼顾收敛速度和稳态误差的问题,研究结果为噪声主动控制算法设计提供了一定的参考。
文摘针对基于Levenberg-Marquardt方法辨识黄酒发酵过程模型参数时易陷入局部最优,收敛速度慢,很难准确获取具有强泛化能力的模型参数的问题,提出了一种具有莱维飞行机制和柯西变异的蚁狮优化算法(ant lion optimization with Levy flight and Cauchy mutation,LCALO),该算法采用基于莱维飞行和柯西变异来解决这类问题。莱维飞行可以提高算法的全局搜索能力,而柯西变异有助于避免陷入局部最优。结果表明,相比于遗传算法、粒子群算法和蚁狮算法,LCALO的收敛速度快,具有全局搜索能力和局部开发能力好的优点。最后将改进算法应用于黄酒发酵模型的参数辨识,仿真结果证明该算法具有较好的参数辨识能力。
文摘针对基础含有多自由度的特点,在复杂风浪载荷下风电机组更容易产生剧烈的结构载荷的问题,该文建立含风浪载荷的动力学模型与蚁狮算法配合,寻求机舱中调谐质量阻尼器(Tuned Mass Damper,TMD)各参数最优解。首先,基于拉格朗日方程建立含风浪载荷的动力学模型,采用Levenberg-Marquardt(LM)算法分别对动力学模型未知参数和风浪载荷参数进行辨识;其次,采用蚁狮算法和含风浪载荷的动力学模型配合对TMD各参数同时寻优;最后,在5种典型工况下,利用FAST全耦合模型验证TMD的减载效果。结果显示,优化参数后的TMD能有效降低漂浮式风电机组关键部位疲劳载荷。对比有无TMD时,叶根纵向弯矩降低约10%~30%,叶根纵向剪力降低了约10%~35%,塔基纵向弯矩降低了约10%~45%。
