We introduce the artificial fish swarm algorithm for heading motion model identification and control parameter optimization problems for the“Ocean Rambler”unmanned wave glider(UWG).First,under certain assumptions,th...We introduce the artificial fish swarm algorithm for heading motion model identification and control parameter optimization problems for the“Ocean Rambler”unmanned wave glider(UWG).First,under certain assumptions,the rigid-flexible multi-body system of the UWG was simplified as a rigid system composed of“thruster+float body”,based on which a planar motion model of the UWG was established.Second,we obtained the model parameters using an empirical method combined with parameter identification,which means that some parameters were estimated by the empirical method.In view of the specificity and importance of the heading control,heading model parameters were identified through the artificial fish swarm algorithm based on tank test data,so that we could take full advantage of the limited trial data to factually describe the dynamic characteristics of the system.Based on the established heading motion model,parameters of the heading S-surface controller were optimized using the artificial fish swarm algorithm.Heading motion comparison and maritime control experiments of the“Ocean Rambler”UWG were completed.Tank test results show high precision of heading motion prediction including heading angle and yawing angular velocity.The UWG shows good control performance in tank tests and sea trials.The efficiency of the proposed method is verified.展开更多
为了提高人工鱼群算法AFSA(artificial fish swarm algorithm)的全局搜索能力及加快其收敛速度,提出一种将其与免疫算法IA(immune algorithm)进行结合的新方法,形成了免疫人工鱼群算法IAFSA(immuneartificial fish swarm algorithm),并...为了提高人工鱼群算法AFSA(artificial fish swarm algorithm)的全局搜索能力及加快其收敛速度,提出一种将其与免疫算法IA(immune algorithm)进行结合的新方法,形成了免疫人工鱼群算法IAFSA(immuneartificial fish swarm algorithm),并且利用该算法自动选取径向基函数RBF(radial basis function)神经网络中的输入变量,以及对网络中隐含层到输出层之间的权值进行训练,从而减少了RBF神经网络的工作量,提高了训练速度。用优化后的RBF神经网络进行短期负荷预测,结果表明,该方法具有较高的预测精度。展开更多
特征选择是网络入侵检测研究中的核心问题,为了提高网络入侵检测率,提出一种人工鱼群算法(AFSA)和支持向量机(SVM)相融合的网络入侵检测模型(AFSA-SVM)。将网络特征子集编码成人工鱼的位置,以5折交叉验证SVM训练模型检测率作为特征子集...特征选择是网络入侵检测研究中的核心问题,为了提高网络入侵检测率,提出一种人工鱼群算法(AFSA)和支持向量机(SVM)相融合的网络入侵检测模型(AFSA-SVM)。将网络特征子集编码成人工鱼的位置,以5折交叉验证SVM训练模型检测率作为特征子集优劣的评价标准,通过模拟鱼群的觅食、聚群及追尾行为找到最优特征子集,SVM根据最优特征子集进行网络入侵检测,并采用KDD CUP 99数据集进行仿真测试。仿真结果表明,相对于粒子群优化算法、遗传算法和原始特征法,AFSA-SVM提高了入侵检测效率和检测率,是一种有效的网络入侵检测模型。展开更多
针对传统人工操控塔式起重机在运输货物时易导致路径拐点多、负载摆动大的问题,提出一种改进的人工鱼群塔式起重机智能路径规划的新算法。根据塔式起重机的工作环境,建立三维的地图环境模型来模拟障碍物较多的复杂建筑环境,并结合起重...针对传统人工操控塔式起重机在运输货物时易导致路径拐点多、负载摆动大的问题,提出一种改进的人工鱼群塔式起重机智能路径规划的新算法。根据塔式起重机的工作环境,建立三维的地图环境模型来模拟障碍物较多的复杂建筑环境,并结合起重机在建筑场所的运行特点,对传统人工鱼群算法(artificial fish swarm algorithm, AFSA)进行改进,采用自适应策略让鱼群在寻优过程中的状态不断变化,及时调整自身的移动步长和视野,并基于生存竞争机制对人工鱼的随机行为进行改进,在一定程度上改善了算法的寻优能力,利用三次方样条数据插值拟合曲线得到更适合塔式起重机的光滑避障路径。仿真结果表明,改进后的算法为塔式起重机在障碍物较多的复杂建筑环境下找到一条最优避障路径。展开更多
针对目前振动筛筛分性能差及筛分理论不完善,亟待建立筛机参数与筛分效率间综合数学模型来指导振动筛的设计.基于离散单元法(Discrete Element Method,DEM)的筛分仿真实验解决筛分过程的复杂性和筛分数据难获得等问题,用可调参数的振动...针对目前振动筛筛分性能差及筛分理论不完善,亟待建立筛机参数与筛分效率间综合数学模型来指导振动筛的设计.基于离散单元法(Discrete Element Method,DEM)的筛分仿真实验解决筛分过程的复杂性和筛分数据难获得等问题,用可调参数的振动筛对仿真实验进行验证.筛分效率与筛分参数之间的数学关系是一个复杂的非线性问题,由于传统的回归算法对筛分数学模型预测精度低,利用能有效解决小样本问题和基于统计学理论的简单多核支持向量机(Simple Multiple Kernel Learning,SimpleMKL)对仿真实验获得的数据建立回归模型.但其模型是多极值且不可微分的多参数大规模计算问题,借用鲁棒性强和全局收敛性好的人工鱼群优化算法(Artificial Fish Swarm Algorithm,AFSA)对由SimpleMKL建立的筛分回归模型进行参数寻优,得出筛机振动和结构参数:振幅为2.5mm,振动频率为22Hz,振动方向角为50°,筛孔大小为0.9mm,筛丝直径为0.4mm,筛面倾角为21.6°.提高了振动筛的筛分效率,为振动筛的设计和制造提供了新思路.展开更多
基金Project(51779052)supported by the National Natural Science Foundation of ChinaProject(QC2016062)supported by the Natural Science Foundation of Heilongjiang Province,China+2 种基金Project(614221503091701)supported by the Research Fund from Science and Technology on Underwater Vehicle Laboratory,ChinaProject(LBH-Q17046)supported by the Heilongjiang Postdoctoral Funds for Scientific Research Initiation,ChinaProject(HEUCFP201741)supported by the Fundamental Research Funds for the Central Universities,China
文摘We introduce the artificial fish swarm algorithm for heading motion model identification and control parameter optimization problems for the“Ocean Rambler”unmanned wave glider(UWG).First,under certain assumptions,the rigid-flexible multi-body system of the UWG was simplified as a rigid system composed of“thruster+float body”,based on which a planar motion model of the UWG was established.Second,we obtained the model parameters using an empirical method combined with parameter identification,which means that some parameters were estimated by the empirical method.In view of the specificity and importance of the heading control,heading model parameters were identified through the artificial fish swarm algorithm based on tank test data,so that we could take full advantage of the limited trial data to factually describe the dynamic characteristics of the system.Based on the established heading motion model,parameters of the heading S-surface controller were optimized using the artificial fish swarm algorithm.Heading motion comparison and maritime control experiments of the“Ocean Rambler”UWG were completed.Tank test results show high precision of heading motion prediction including heading angle and yawing angular velocity.The UWG shows good control performance in tank tests and sea trials.The efficiency of the proposed method is verified.
文摘为了提高人工鱼群算法AFSA(artificial fish swarm algorithm)的全局搜索能力及加快其收敛速度,提出一种将其与免疫算法IA(immune algorithm)进行结合的新方法,形成了免疫人工鱼群算法IAFSA(immuneartificial fish swarm algorithm),并且利用该算法自动选取径向基函数RBF(radial basis function)神经网络中的输入变量,以及对网络中隐含层到输出层之间的权值进行训练,从而减少了RBF神经网络的工作量,提高了训练速度。用优化后的RBF神经网络进行短期负荷预测,结果表明,该方法具有较高的预测精度。
文摘特征选择是网络入侵检测研究中的核心问题,为了提高网络入侵检测率,提出一种人工鱼群算法(AFSA)和支持向量机(SVM)相融合的网络入侵检测模型(AFSA-SVM)。将网络特征子集编码成人工鱼的位置,以5折交叉验证SVM训练模型检测率作为特征子集优劣的评价标准,通过模拟鱼群的觅食、聚群及追尾行为找到最优特征子集,SVM根据最优特征子集进行网络入侵检测,并采用KDD CUP 99数据集进行仿真测试。仿真结果表明,相对于粒子群优化算法、遗传算法和原始特征法,AFSA-SVM提高了入侵检测效率和检测率,是一种有效的网络入侵检测模型。
文摘针对传统人工操控塔式起重机在运输货物时易导致路径拐点多、负载摆动大的问题,提出一种改进的人工鱼群塔式起重机智能路径规划的新算法。根据塔式起重机的工作环境,建立三维的地图环境模型来模拟障碍物较多的复杂建筑环境,并结合起重机在建筑场所的运行特点,对传统人工鱼群算法(artificial fish swarm algorithm, AFSA)进行改进,采用自适应策略让鱼群在寻优过程中的状态不断变化,及时调整自身的移动步长和视野,并基于生存竞争机制对人工鱼的随机行为进行改进,在一定程度上改善了算法的寻优能力,利用三次方样条数据插值拟合曲线得到更适合塔式起重机的光滑避障路径。仿真结果表明,改进后的算法为塔式起重机在障碍物较多的复杂建筑环境下找到一条最优避障路径。
文摘针对目前振动筛筛分性能差及筛分理论不完善,亟待建立筛机参数与筛分效率间综合数学模型来指导振动筛的设计.基于离散单元法(Discrete Element Method,DEM)的筛分仿真实验解决筛分过程的复杂性和筛分数据难获得等问题,用可调参数的振动筛对仿真实验进行验证.筛分效率与筛分参数之间的数学关系是一个复杂的非线性问题,由于传统的回归算法对筛分数学模型预测精度低,利用能有效解决小样本问题和基于统计学理论的简单多核支持向量机(Simple Multiple Kernel Learning,SimpleMKL)对仿真实验获得的数据建立回归模型.但其模型是多极值且不可微分的多参数大规模计算问题,借用鲁棒性强和全局收敛性好的人工鱼群优化算法(Artificial Fish Swarm Algorithm,AFSA)对由SimpleMKL建立的筛分回归模型进行参数寻优,得出筛机振动和结构参数:振幅为2.5mm,振动频率为22Hz,振动方向角为50°,筛孔大小为0.9mm,筛丝直径为0.4mm,筛面倾角为21.6°.提高了振动筛的筛分效率,为振动筛的设计和制造提供了新思路.
