架空线-高压电缆混合线路故障测距改进算法

为了提高架空线-高压电缆混合线路故障测距的精度,并解决测距的伪根问题,提出了一种混合线路的双端不同步数据故障测距改进算法。基于分布参数混合线路模型,分析了测距中伪根的产生原因,通过对二分搜寻法改进来避开伪根,通过改进算法测出故障位置,并将测距结果与自动重合闸技术配合,从而提高了电力系统的安全可靠性。Matlab仿真结果表明,该测距算法不受伪根、过渡电阻、故障类型和位置以及不同步采样角等条件的影响,能够快速、精确地实现故障测距。     

基于小生境技术的改进鲸鱼优化算法北大核心CSCD

针对标准鲸鱼优化算法全局搜索能力不足、收敛速度慢等问题,采用小生境技术和引入自适应权重对鲸鱼优化算法进行改进。首先,引入小生境技术中的竞争选择策略,通过比较距离添加共享函数计算适应度来提高鲸鱼算法的寻优能力,避免WOA算法陷入局部最优,解决算法早熟现象;其次,采用自适应参数作为位置权重调整鲸鱼算法的位置公式,提高算法的收敛速度和寻优精度。将该算法引入单峰和多峰模态基准测试函数中,仿真实验表明,在保证算法收敛速度的同时,所提出的改进鲸鱼优化算法有效地提高了搜索能力和寻优精度。     

基于神经网络的单相接地自动化研究

针对常规阻抗测距单端算法不能考虑线路分布电容的不足,本文提出了一种考虑分布电容的基于神经网络的单相接地故障测距算法.该算法是利用神经网络对传统故障测距算法的测距结果进行动态补偿,以提高故障测距精度.MATLAB仿真和动模实验结果表明,该算法具有较高的测距精度,可克服过渡电阻和分布电容对测距精度的影响.     

故障测距中的参数误差归算修正算法

在输电线路故障测距中,线路参数变化或其他参数误差都会对测距精度有较大的影响。针对基于分布参数模型的双端不同步数据故障测距问题,提出了一种参数误差归算修正算法。该算法将各类参数误差归算为单位长度线路参数的变化,利用故障前电压/电流数据,计算出归算系数,反馈修正系统模型。Matlab仿真表明,该算法能有效地减少各类参数误差的影响,提高了故障测距的抗干扰能力和故障测距精度。     

复杂机械产品优化设计实现方法研究

模拟退火算法以随机搜索为基础，以温度足够高为条件，因此收敛速度极为缓慢。为了适应复杂机械产品优化设计，提出一种修正的单纯形法，并用来改进模拟退火算法。该方法既继承了模拟退火方法能避开陷入局部最优的优点，又能搜索到较理想的下降方向，提高了算法的收敛速度。同时提出优化设计的信息模型，构造优化设计的网络关系图，实现了该算法，并成功地应用于抽油机最优化设计。     

一种新型混合优化算法在机器人路径规划中的应用

针对模拟退火算法收敛速度慢这一缺点，提出了一种基于模拟退火算法和复合形法相结合的新型混合优化算法，并成功应用于机器人神经网络路径规划中。该算法不仅继承了模拟退火算法能得到全局最优解的优点，又能搜索到理想的下降方向，提高了算法的收敛速度。仿真实验研究表明：这种新型混合优化算法，计算简单，收敛速度快，初值鲁棒性好。     

圆度仪的调平和圆柱度误差评定

从圆柱度误差的测量要求和圆柱度误差评定搜索算法两个方面研究了提高测量精度的方法。为了减小圆柱度误差测量中的工件倾斜误差,设计并分析了两点垂直布局的调平方法;根据工件轴线的方向余弦,计算得到了两点调整的高度值,克服了手动调整存在的问题,实现了工件快速精确调平并提高了工件圆柱度的测量精度。由于圆柱度误差评定是对满足最小条件的圆柱轴线的搜索,文中针对Nelder-Mead单纯形法的收敛精度依赖于初始解和收敛速度较慢,提出了拟牛顿法和Nelder-Mead单纯形法相结合的联合算法来实现全局最优解的快速准确搜索。对经典测试函数的Matlab仿真及实际测量数据的应用表明,该联合算法能有效地提高收敛速度和收敛精度,其收敛速度提高了50%,收敛精度提高了1倍,从而提高了工件圆柱度误差的测量精度。     

一种改进的花朵授粉优化算法

花朵授粉算法是一种简单的函数寻优算法,针对基本花朵授粉算法收敛速度慢等问题,提出一种改进的花朵授粉优化算法。引入线性权重,使算法的局部搜索能力逐渐增强;提出一种优质解随机游走策略,进一步提高花朵授粉优化算法的搜索能力;将该改进型花朵授粉算法用于函数优化,并与遗传算法、引力粒子群算法和基本的花朵授粉算法进行对比。仿真实验结果表明,所提出的算法在收敛精度和收敛速度方面均优于其他算法。     

基于改进灰狼算法的宏微复合驱动器磁滞模型的参数辨识

精确辨识磁滞模型参数是保证宏微复合驱动器位移跟踪精度的关键,针对传统灰狼算法（GWO）存在局部最小值和求解精度不高的缺陷,文章提出一种改进的灰狼算法（TGWO）。通过Singer混沌映射优化了灰狼个体的初始位置,以增加种群多样性;采用非线性收敛因子策略提高了局部开发度和全局搜索度;在种群位置迭代更新中引入动态权重更新和自适应更新策略。通过仿真和实验表明：该算法能有效可靠地辨识宏微复合驱动器磁滞模型的参数,平均相对误差为4.6%,拥有更高的精度和收敛性。     

基于灵敏度分析的改进遗传算法

基本遗传算法局部寻优效率低,而且易于早熟,因此提出了一种基于灵敏度分析的改进遗传算法,该算法利用目标函数的导数信息指导个体向更优解进化;同时在算法中结合了小生境技术,既保证了种群中个体的多样性以克服早熟,又能够保留下最优解;最后对Shubert函数进行仿真试验,对曲柄摇杆机构进行实例优化,结果表明该算法能有效地提高搜索能力和解的精度,加快收敛速度。     

相位恢复算法在仿真与实验上的研究

相位恢复算法一直存在着精确度不高,收敛速度慢甚至停滞不前等问题。将基于光强传输方程(TIE)法与G-S迭代算法混合提高了相位恢复的精确度,梯度算法的提出加大了迭代步长,使得收敛速度加快。采用GS-TIE算法和振幅加成梯度算法分别从仿真和实验的角度去比较分析恢复的效果。通过对二维图像仿真得出,振幅加成梯度算法在收敛速度上是GSTIE迭代算法的3倍,精确度是GS-TIE迭代算法的10倍。从实验结果得知,GS-TIE恢复的相位清晰可见,轮廓明显,在边缘处过度均匀,而振幅加成梯度算法相对比较模糊,在轮廓边缘处过度不均匀,悬差较大。     

改进 DV-Hop 定位算法在钢构建筑健康监测中的应用

针对钢构建筑中故障点定位精度不高的问题,提出了一种改进的DV-Hop定位算法,设计出无线传感网络技术检测故障点的方案。描述了钢构建筑健康监测系统中故障点定位方式,分析传统DV-Hop算法节点定位精度不高的缺陷,并对其进行针对性的3点改进：首先采用四通信半径来细化节点间的跳数;然后利用加权处理平均跳距进行修正;最后通过改进的麻雀搜索算法对故障点进行位置定位。以秦始皇陵兵马俑一号展厅钢构屋盖作为仿真对象,通过MADIS＿GEN软件进行建模和降维化处理,将改进的ISSADV-Hop与传统DV-Hop、IPSODV-Hop和IGWODV-Hop算法应用于钢构建筑中故障点定位进行仿真对比,结果表明归一化定位误差分别降低了19.64%、14.87%、8.96%,验证了本文设计方案能够有效地提高定位精度,更适合于钢构建筑健康监测系统中故障点定位。     

基于GPU的混合精度平方根共轭梯度算法

针对当前基于GPU的数值算法具有双精度数据性能低下的缺陷.提出了一种适于GPU统一计算架构Fermi-CUDA的混合精度平方根共轭梯度算法用以求解稀疏线性方程组.该算法采用单精度内迭代与双精度外迭代结合的方法,以充分利用GPU体系结构下单精度高性能和双精度高精度的优点.整个算法的计算部分完全在GPU端进行,减少了CPU和GPU之间的数据通信.实现了基于GPU的平方根共轭梯度法、Jacobi迭代法和Gauss-Seidel迭代法,分析它们作为内迭代算子对算法收敛性的影响.实验表明,该算法获得了与全双精度数据处理等同的计算精度,比GPU全双精度在浮点性能上提升近一倍,相对于CPU全双精度串行算法,最大加速比达到70以上.     

基于IQGA和SR的微弱信号检测方法研究

量子遗传算法(Quantum Genetic Algorithm, QGA)是量子计算与遗传算法相结合的产物,避免了遗传算法的一些缺陷。但QGA的编码方案和演化策略不具备通用性,因此极易陷入局部最优。针对QGA的上述缺陷,提出了一种在量子门更新的过程中,加入量子的交叉和变异操作的改进的QGA（Improved QGA, IQGA）,且适当的改变旋转角的大小,保证收敛速度的同时提高了精度。随机共振（Stochastic Resonance, SR）是常用的微弱信号检测方法之一,将二者相结合,利用IQGA优化SR系统参数,实现SR最优输出的自适应求解。仿真结果表明,改进的量子遗传算法收敛速度快、寻优能力强。将该方法应用于工程实际,亦取得良好的效果。     

基于聚类优化的非负矩阵分解方法及其应用

针对不断增加的机电系统运行状态信息,传统的特征提取和选择方法已无法满足需求。根据非负矩阵分解典型算法的特点,基于非负矩阵分解的聚类特性,提出了一种面向故障诊断的分解方法。通过分类能力和迭代效率的对比分析,选择了相关性约束和稀疏性约束的改进型交替最小二乘迭代算法,确定了低维嵌入维数及迭代初始化方法,在UCI测试数据集和TEP系统的特征选择应用中验证了该方法的有效性。     

基于ASTFA降噪和AKVPMCD的滚动轴承故障诊断方法

提出了一种滚动轴承故障诊断的新方法。首次将自适应最稀疏时频分析(ASTFA)方法应用于振动信号的降噪,并针对KVPMCD方法只选择一种最佳相关模型而忽略其他几种相关模型对预测精度贡献的缺陷,提出了一种改进的KVPMCD模式识别算法--人工鱼群算法优化融合Kriging模型的基于变量预测模型的模式识别（AKVPMCD）算法,即采用收敛速度快、鲁棒性强、具有全局寻优能力的人工鱼群智能算法(AFSIA)优化融合多种Kriging相关模型来提高模型预测精度。在此基础上,提出了一种基于ASTFA降噪和AKVPMCD算法的滚动轴承故障诊断方法。实验结果表明,该方法可以有效提高分类识别的精度。     

基于小波能量谱的T型线路故障定位新算法

针对带T型分支的输电线路的故障判支死区问题,为了实现故障精准定位,提出一种基于小波能量谱的T型输电线路测距新算法。利用三次B样条小波变换模极大值算法提取故障特征,在非死区范围内,由三端测距法即可准确完成故障测距;在死区范围内,通过小波能量谱算法判断故障分支,再利用三端测距法完成故障测距。该算法解决了T型线路故障分支判别的死区问题,消除了噪声和波速不稳定带来的影响。仿真软件仿真结果表明,所提方法能够满足T型线路故障测距的要求,不受故障类型和过渡阻抗的影响,并且解决了O区测量盲区的难题。     

基于Wigner分布和分形维数的柴油机故障诊断

针对柴油机配气机构故障诊断问题,提出了一种基于Wigner分布和差分分形盒维数的故障诊断方法。首先,利用改进局部均值分解算法对柴油机缸盖振动信号进行分解,并采用相关性分析剔除噪声和伪分量;然后,分别对各相关分量进行Wigner时频分析,将结果线性叠加得到振动时频图,再提取图像的差分分形盒维数作为故障特征;最后,利用k-最近邻(k-NN)实现故障诊断。仿真结果表明,改进局部均值分解算法可以抑制Wigner分布交叉项的干扰。实验结果显示,差分分形盒维数优于其他6种典型故障特征,利用本研究提出的方法对配气机构进行故障诊断的正确率为97.2%,该方法可以用于柴油机配气机构故障诊断。     

基于改进RRT*FN算法的机械臂多场景运动规划

针对固定节点数的渐进最优快速扩展随机树(RRT*FN)算法精度低、对环境缺乏适应性等问题,提出了一种改进RRT*FN的机械臂运动规划算法。在迭代过程中,结合目标偏向随机采样和椭球子集采样的优势,构造新的启发式方法对采样区域进行约束,从而保证搜索路径更优。在扩展节点时,配置树中总节点数的预设值,并通过加权方法对树中叶子节点进行删减,避免了树规模的无限增长。在动态环境下,采用对节点剪枝与连接的启发式重规划方法,有效提高了对动态环境的适应能力。实验结果表明,该算法在规划过程中收敛速度更快,效率更高,具有较强的环境适应性。