为了提升变电站数据流检测的实时性与准确性,提出一种使用白鲸优化(beluga whale optimization,BWO)算法优化基于密度的噪声应用空间聚类(density based spatial clustering of applications with noise,DBSCAN)算法,与使用圆圈搜索算法...为了提升变电站数据流检测的实时性与准确性,提出一种使用白鲸优化(beluga whale optimization,BWO)算法优化基于密度的噪声应用空间聚类(density based spatial clustering of applications with noise,DBSCAN)算法,与使用圆圈搜索算法(circle search algorithm,CSA)优化单分类正则核极限学习机(one class regularized kernel extreme learning machine,OCRKELM)相结合的变电站通信网络数据流异常检测方法。首先,利用BWO-DBSCAN对正常数据流进行聚类,形成样本簇;其次,通过CSA-OCRKELM模型对异常数据流进行实时检测;最后,利用OPNET仿真软件仿真模拟变电站的通信行为并进行对比分析,验证所提方法的有效性。仿真实验结果表明所构建检测模型的检测率约为99%,较其他检测模型具有较高的性能与准确率。展开更多
针对传统方法求解复杂环境中巡检无人机航迹规划容易出现精度差、收敛于局部最优航迹的不足,提出一种自适应高斯云与α稳定分布变异白鲸优化器(G-α-BWO)的巡检无人机航迹规划算法。该算法引入分段线性混沌映射(Piecewise Linear Chaoti...针对传统方法求解复杂环境中巡检无人机航迹规划容易出现精度差、收敛于局部最优航迹的不足,提出一种自适应高斯云与α稳定分布变异白鲸优化器(G-α-BWO)的巡检无人机航迹规划算法。该算法引入分段线性混沌映射(Piecewise Linear Chaotic Map, PWLCM)-准对立学习初始化策略提升初始航迹解的多样性和质量,利用自适应高斯云策略提升算法对全局最优航迹的搜索能力,利用自适应α稳定分布变异策略使算法跳离局部最优航迹,丰富搜索空间并提高收敛速度。首先构建巡检无人机航迹规划模型,设计考虑航程大小、高度、转角及障碍物威胁的权重代价函数,将三维航迹规划问题转换为约束条件多目标优化问题,然后通过G-α-BWO迭代搜索巡检无人机最优航迹。结果表明,改进算法搜索航迹可安全避障,且代价更小,有助于提高巡检任务效率和安全性。展开更多
文摘为了提升变电站数据流检测的实时性与准确性,提出一种使用白鲸优化(beluga whale optimization,BWO)算法优化基于密度的噪声应用空间聚类(density based spatial clustering of applications with noise,DBSCAN)算法,与使用圆圈搜索算法(circle search algorithm,CSA)优化单分类正则核极限学习机(one class regularized kernel extreme learning machine,OCRKELM)相结合的变电站通信网络数据流异常检测方法。首先,利用BWO-DBSCAN对正常数据流进行聚类,形成样本簇;其次,通过CSA-OCRKELM模型对异常数据流进行实时检测;最后,利用OPNET仿真软件仿真模拟变电站的通信行为并进行对比分析,验证所提方法的有效性。仿真实验结果表明所构建检测模型的检测率约为99%,较其他检测模型具有较高的性能与准确率。
文摘针对传统方法求解复杂环境中巡检无人机航迹规划容易出现精度差、收敛于局部最优航迹的不足,提出一种自适应高斯云与α稳定分布变异白鲸优化器(G-α-BWO)的巡检无人机航迹规划算法。该算法引入分段线性混沌映射(Piecewise Linear Chaotic Map, PWLCM)-准对立学习初始化策略提升初始航迹解的多样性和质量,利用自适应高斯云策略提升算法对全局最优航迹的搜索能力,利用自适应α稳定分布变异策略使算法跳离局部最优航迹,丰富搜索空间并提高收敛速度。首先构建巡检无人机航迹规划模型,设计考虑航程大小、高度、转角及障碍物威胁的权重代价函数,将三维航迹规划问题转换为约束条件多目标优化问题,然后通过G-α-BWO迭代搜索巡检无人机最优航迹。结果表明,改进算法搜索航迹可安全避障,且代价更小,有助于提高巡检任务效率和安全性。
