基于伪幂函数的离散粒子群算法及其应用

针对概率贪婪离散粒子群算法不能兼顾收敛速度与收敛率的缺点,提出一种基于伪幂函数的离散粒子群算法.该方法对贪婪度函数进行伪幂化处理,提高了较远离散位置的选择概率,降低了较近离散位置的选择概率,能有效避免早熟收敛,提高收敛率.对该算法的性能进行了分析.无线传感网络路由优化结果表明,该算法可以获得较好的优化结果.     

含区间参数多目标系统的微粒群优化算法

参数不确定优化问题是实践中经常遇到的复杂优化问题, 现有方法多针对单目标函数的情况. 本文利用微粒群优化算法解决含区间参数多目标优化问题, 提出一种基于概率支配的多目标微粒群优化算法. 该算法通过定义概率支配关系, 比较所得解的优劣; 基于 σ 区间值, 选择微粒的全局极值点, 并给出新的微粒个体极值点及外部储备集的更新策略. 与传统多目标微粒群优化算法比较, 仿真结果表明本文所提算法的有效性.     

基于遗传微粒群混合算法的灰度图像增强

文中提出了一种基于遗传算法和微粒群算法的混合算法,该算法兼有遗传算法和微粒群算法的优点.混合算法以微粒群算法为主体,同时应用遗传算子操作来优化参数搜索,并引进了摒弃因子来调整微粒的随机性,最终得到最优值.本算法中交叉和变异算子采用了概率自适应策略,微粒群算法使用了动态惯性因子来控制微粒的速度更新.通过对标准试验函数的测试,与标准遗传算法及微粒群算法的结果比较,证明了该混合算法的有效性,并应用于图像增强处理,获得了较为满意的结果.     

基于概率突跳和模拟退火的改进自适应微粒群算法

在两种微粒群算法分析的基础上.针对算法存在局部最优和后期振荡的现象.提出一种改进自适应微粒群算法.新算法引入概率突跳因子改变了原算法中微粒的速度更新公式,引入模拟退火接受准则抑制了概率突跳的不可控制性.典型函数寻优结果表明.新算法能很快地收敛到全局最优解,大幅度降低了达到最优值所需要的迭代数,同时提高了算法的收敛率和收敛精度,在跳出局部搜索的能力上远优于标准微粒群算法和自适应微粒群算法.稳定性好.     

基于群体智能策略的编队控制

本文针对动态环境下多机器人形成动态目标队形的问题,提出一种基于粒子群算法的新方法作为多机器人快速编队的智能算法。该算法引入了贪婪机制,加快了收敛速度;同时为了防止贪婪机制陷入局部最小值,通过定义两个概率实现智能交换:一个概率表示“中心靠拢”,另一个表示“区域覆盖”。仿真结果表明,该算法能有效形成动态目标队形。而且该算法能够解决离散变量问题,具有广阔的应用领域。     

混流装配线排序的改进离散微粒群优化算法

提出在离散空间用一种改进的微粒群优化算法来解决混流装配线的多目标排序问题,考虑两个目标：总生产变化率最小和总闲置－超载时间最小,并对两个目标函数进行了规范化处理以消除量纲的影响。在基本的微粒群算法基础上,提出了适应离散编码的粒子位置编码方式,引入了动态参数方法来提高算法的搜索性能和收敛能力。对实际混流装配线的仿真实验表明提出的改进微粒群优化算法可以直接应用于离散问题并保持了基本微粒群算法的优良性能,是一种性能较好的高效的混流装配线排序算法。     

二次微粒群算法及其参数选择

在对标准微粒群算法模型及其机理进行分析的基础上改进了标准微粒群算法的进化方程,提出了二次微粒群算法,由于其几个主要参数的选择很大程度上影响到算法的性能,故用标准微粒群算法对二次微粒群算法参数的选择进行优化,得到其参数的选取范围,并在仿真所得的范围内选取一组参数对典型测试函数进行仿真,将结果与标准微粒群算法的仿真结果进行比较,结果表明性能有很大提高,且二次微粒群算法能更快更好的找到全局最优点,这说明了这种算法的正确性和有效性.     

基于离散微粒群算法求解背包问题研究

微粒群算法(PSO)是一种新的演化算法,主要用于求解数值优化问题.基于离散微粒群算法(DPSO)分别与处理约束问题的罚函数法和贪心变换方法相结合,提出了求解背包问题的两个算法:基于罚函数策略的离散微粒群算法(PFDPSO)和基于贪心变换策略的离散微粒群算法(GDPSO).通过将这两个算法与文献[7]中的混合微粒群算法(Hybrid_PSO)进行数值计算比较发现:对于求解大规模的背包问题,GDPSO非常优秀,其求解能力优于Hybrid_PSO和PFDPSO,是求解背包问题的一种非常有效的方法.     

改进协同微粒群优化的模糊神经网络控制系统设计

针对协同微粒群算法不能保证收敛到局部或全局最优值的问题,提出一种改进协同微粒群算法(ICPSO),并证明了该算法能以概率1收敛干全局最优解.应用ICPSO建立一类非线性对象的神经网络辨识模型,并对系统的模糊神经网络自适应控制器的参数进行了离线和在线优化.仿真结果表明,ICPSO能提高系统的建模精度,增强模型的泛化能力,而且由ICPSO训练的控制器可以达到良好的控制效果.     

.求解小批量流水线调度问题的混合微粒群算法*

针对基于交货期的小批量流水线调度问题,提出了一种微粒群优化算法。其中利用最小位置值(smallest position value,SPV)规则,使具有连续本质的微粒群算法能直接应用于调度问题,并通过动态调整参数平衡算法的全局搜索和局部搜索的能力。针对微粒群算法容易陷入局部最优的缺陷,利用模拟退火算法的概率突跳机制改进其优化性能,并设计了三种微粒群模拟退火混合算法。最后,仿真实验表明所得算法具有良好的寻优特性与运算效率。     

基于贝叶斯网络的车辆电源系统故障诊断方法

针对车辆电源系统测试点少且测试数据不完备的问题,提出一种多信号流图模型和贝叶斯网络相结合的故障诊断方法。利用多信号流图模型建立电源系统的故障诊断模型,得到系统故障源与测试信号对应的故障依赖矩阵,在此基础上,建立用于故障诊断的贝叶斯网络结构,根据历史数据完成网络的参数学习,并以故障后验概率最大为准则,实现电源系统的故障诊断。仿真实验验证了该方法的有效性。     

基于贝叶斯网络的电力变压器局部放电故障检测

针对传统电力变压器故障检测方法对电力系统中潜藏的故障问题检测水平不足,准确率较低,无法及时准确的发现异常隐患等问题,本文提出了一种基于贝叶斯网络的变压器局部放电故障检测方法,首先通过传感器获取电力变压器不同状态下运行过程中的参数数据,对局部放电故障发生的概率和范围进行合理性评估,提取评估概率数据综合为样本数据集,构建贝叶斯网络故障树;根据逻辑规则转化为贝叶斯网络,推演计算故障节点之间的算例关系,利用贝叶斯原理抽取故障特征指标与异常概率之间的关联关系,利用模糊描述方法构建故障特征关联函数,计算可得故障特征模糊函数动态变化关系,实现对变压器故障发生的概率与位置信息的判断与确定。通过实验结果可以证明,通过贝叶斯网络对电力变压器局部放电故障检测的准确率均达到了85%以上,最高可达96%,说明该方法具有较高的检测准确率,能够有效提高电力变压器放电故障检测的有效性。     

基于ANN求导的DSFT中故障概率变化趋势研究

为了在遇到不利工作环境之前,提前采取措施控制元件故障发生,提出基于ANN求导的元件故障概率变化趋势的确定方法。该方法可在不了解系统或元件构成和性质的情况下,仅利用实际故障监测数据分析不同工作环境下元件故障概率变化的趋势和程度。同时该方法也充实了空间故障树(SFT)下的离散型空间故障树(DSFT)理论。论文给出了ANN求导法处理问题的理论基础和公式推导。结合了一个元件进行了方法的应用,并最终得到了该元件的故障概率变化趋势。为实际生产中“先知先觉”的故障预防控制措施提供参考。     

基于Rollout算法的测试不可靠条件下的诊断策略*

实际复杂装备系统测试时存在虚警和漏检,其导致的误诊费用往往超过了测试成本。针对复杂系统故障诊断中诊断精度低、虚警率高的问题,进行了不可靠测试条件下,基于Rollout算法的诊断策略优化方法研究。首先建立综合考虑测试点的故障检测能力、信息量、测试费用以及测试结果信任度的启发函数,然后利用Rollout算法生成诊断策略,最后用阿波罗检测系统实例验证了该算法的优越性。理论和实验表明,Rollout算法的平均测试费用低于贪婪算法,而且计算时间在可接受范围内,因此可用于测试不可靠条件下的诊断策略设计。     

因果图用于复杂系统故障诊断研究

在信度网基础上发展起来的因果图模型,克服了信度网的一些不足,具有重要的工业应用价值。经过文献犤5犦犤6犦犤7犦的研究,目前因果图已发展成一个能够处理离散变量和连续变量的混合因果图模型。文章讨论了将因果图用于复杂系统故障诊断的关键问题。给出了基于因果图的故障知识表达方法,给出了故障模式的静态求取方法和动态求取方法以及故障模式的概率计算方法。以核电站二回路系统为研究对象,在自行研制的因果图智能故障诊断平台上进行了故障诊断测试,诊断结果与实际情况相符,诊断迅速、效果较好。     

Analysis and validation of wavelet transform based DC fault detection in HVDC system

Fault detection plays an important role in both conventional AC and upcoming DC power systems. This paper aims to study the application of discrete wavelet transform (WT) for detecting the DC fault in the high voltage DC (HVDC) system. The methods of choosing the mother wavelet suited for DC fault is presented, based on degree of correlation to the fault pattern and the time delay. The wavelet analysis is performed on a multi-terminal HVDC system, built in PSCAD/EMTDC software. Its performance is judged for critical parameter like the fault location, resistance and distance. The analysis is further extended to validation using results from experiment, which is obtained from a lab-scale DC hardware setup. Load change, one of the transient disturbances in power system, is carried out to understand the effectiveness of the wavelet transform to differentiate it from the DC fault. The noise in the experimental result gives rise to non-zero wavelet coefficient during the steady-state. This can be improved by removing the unwanted noise using right filter while still retaining the fault-induced transient. The wavelet transform is compared with short-time Fourier transform to highlight the issue with window size and noise.     

Actuator fault diagnosis in mechanical systems — Fault power estimation approach

A systematic method is introduced to deal with actuator faults in a class of nonlinear mechanical control systems. The presence of the fault is detected by monitoring the fault induced modifications in the control system’s energy balance. From the energy deviation the residual generator estimates the power of the fault. For fault isolation and identification the set of fault power pattern signals is defined. Using signal processing methods the elements of this set are compared to the residual signal to determine the characteristics and the magnitude of the fault. The method does not require assumptions on the system’s model and it can handle parameter uncertainties. The applicability of the proposed method is shown through mechatronic examples.     

核电系统的故障树可靠性定量分析数字仿真

故障树分析是核电站概率安全评价的重要方法,该文在介绍利用蒙特卡罗方法进行故障树定量分析仿真建模原理后,根据故障树所表示的系统模型的特点,绘制了故障树定量分析的程序框图,并根据框图编写了MATLAB程序.通过实例开发运用,证实该方法的有效性和可操作性.同时,我们还发现运用该方法计算可靠性,可以观察到系统中的各底事件对整个系统的影响程度,这对核电设备的设计、维修和改造具有很大的指导意义.     

基于贝叶斯决策的电传飞控系统状态监测与健康管理

针对飞控系统早期故障信号的微弱性和不易检测性,提出了一种基于贝叶斯决策的飞控系统状态监测和健康管理新算法;采用最大似然估计法对故障特征向量概率密度函数进行参数估计,监测飞控系统故障特征概率密度分布相对于正常状态的偏离,将不易检测的故障信号转化为容易观测到的偏离信息,实现飞控系统状态的健康评估;以某型电液伺服作动器为例,采用上述方法对其进行状态监测和健康管理,仿真结果证明了该方法的可行性和有效性。     

基于模糊结构元的SFT概念重构及其意义

为解决SFT,特别是DSFT所结果无法表示原始离散故障数据分布特征的缺点,引入模糊结构元理论将SFT中概念及计算方式结构元化来解决该问题。首先模糊结构元特征函数可通过模糊结构元E表示原始数据的离散分布特征,并在计算过程中将E传递至最终结果。通过处理结果中E来得到分析结果的置信度。另一方面,模糊结构元特征函数可将DSFT问题转化为较成熟的CSFT进行处理,而不用为实现相同功能针对DSFT研究新的方法。论文完成了原有SFT中特征函数、基本事件发生概率分布、系统故障概率分布、概率重要度分布、关键重要度分布、系统故障概率分布趋势、因素重要度分布和因素联合重要度分布的模糊结构元化改造,并给出了结构元化后的计算方式。