基于时延自相关预处理的Hilbert-Huang变换解调

针对具有噪声干扰的旋转机械故障振动信号解调问题，提出基于时延自相关运算和经验模态分解（
EMD）方法相结合的新方法.讨论了时延相关算法的降噪原理、离散信号时延相关算法和Hilbert Huang变
换理论.采用矩形窗截断故障振动信号自相关函数的无偏估计, 获取较长时间差的部分，得到时延相关函
数.利用EMD方法对时延相关函数进行自适应滤波, 得到固有模态函数（IMF），对IMF进行Hilbert变换，
求得解调结果.不同噪声强度仿真数据和滚动轴承故障振动信号实验数据分析表明，该方法比直接解调或
仅采用时延相关解调更能有效抑制噪声，凸现信号调制信息.     

Sigmoid函数变步长LMS自适应算法的抗干扰性能改进

为了改善Sigmoid函数变步长LMS算法（SVS-LMS）在高斯噪声和冲激噪声干扰下的性能,首先将以瞬间误差功率为Sigmoid函数自变量控制步长更新的方法,改为以误差的自相关时间均值估计调节步长,抑制了噪声干扰;然后使用HB加权进一步平滑了因噪声干扰导致的自适应滤波器权系数伪峰、使用归一化处理获得了更大的输入信号动态范围。自适应时延估计仿真实验表明,在高斯噪声和冲激噪声干扰下,相比于固定参数下的SVS-LMS算法和另外一种SVS-LMS改进算法,本文算法及其HB加权能够获得更好的时变时延跟踪均方误差性能。     

多频波动线谱自适应控制算法及试验

研究了多频波动线谱激励下的主动隔振控制问题,提出一种改进小波包自适应控制算法.传统的自适应算法难以同时控制多线谱,当线谱存在频率波动时,窄带滤波算法难以取得理想的控制效果.因此,将小波包分解算法应用在控制算法中,对信号进行等间距频带划分,采取并行控制策略完成多线谱控制.分析了不同小波基函数对信号分解的影响,确定最优小波基.针对虚有线谱和子频带过多导致的控制过盈问题,改进小波包分解算法,降低了计算量,消除子频带中虚有线谱.为每个子频带设置独立步长,并根据箕舌线函数修正迭代步长.搭建控制系统开展试验研究,结果表明,本文所提改进小波包自适应算法在多频波动线谱激励下能够取得良好的控制效果,线谱振动能量显著降低.     

自适应混沌遗传退火的片上网络映射

针对带宽和时延约束的低能耗片上网络（NoC）映射问题,提出了一种自适应的混沌遗传退火映射算法. 该算法利用Boltzmann更新机制选择遗传个体,引入自适应混沌方法优化适应度较差个体,采用多邻域的退火策略优化较优个体. 实验结果表明,所提算法有效地避免了早熟收敛,提高了算法收敛速度,与标准遗传算法和混沌遗传算法相比,平均节能分别为45%和226%,有效地降低了NoC系统通信能耗.     

改进的变步长自适应滤波及Eckart加权抑噪算法

针对已有的变步长自适应滤波算法对噪声干扰敏感的问题,提出改进的变步长最小均方误差自适应算法,该算法对误差的自相关时间均值估计做遗忘加权补偿,并改步长因子固定范围约束为动态变化约束,一方面克服了单纯采用自相关时间均值估计调整步长所导致的步长因子快速衰减,获得了较快的收敛速度;另一方面相比基于Sigmoid函数的变步长算法,具有更平滑的步长变化和更低的稳态失调噪声.在改进算法中引入Eckart加权进一步抑制了自适应滤波器权系数伪峰,采用滑动窗遗忘加权降低了计算复杂度.将新算法及其Eckart加权应用于自适应时延估计仿真实验,结果表明：相比于已有的2种参数固定条件下的变步长自适应滤波算法,改进算法获得了更好的高斯噪声和突变噪声干扰下的时变时延跟踪性能.     

基于自适应提升小波包的故障微弱信号特征早期识别

针对齿轮箱故障微弱信号特征识别问题,设计了一种识别该类信号微弱特征的自适应提升小波包方法.该方法以提升方法为基础,构造了提升小波包分解和重构过程算法,并以分解层信号相邻样本点自相关系数的大小作为目标函数,在每个样本点上选择能够自适应匹配信号局部特性的提升小波包算子,将每个分解频带信号进行重构,识别时域故障微弱信号特征.该方法成功地识别出了某齿轮箱发生摩擦故障时隐含在振动信号中的调制波形和周期性冲击脉冲故障微弱特征.结果表明,自适应提升小波包方法对强噪声背景下故障微弱信号特征的识别效果优于经典小波包方法.     

改进果蝇算法优化BP神经网络预测汽油辛烷值

针对BP神经网络存在预测精度不佳、预测结果不稳定的问题,提出改进果蝇算法优化BP神经网络(back propagation neural network)预测模型。将混沌映射、判别因子与变步长机制引入果蝇优化算法(fruit fly optimization algorithm, FOA)中,得到改进后的自适应混沌果蝇优化算法(fruit fly optimization algorithm with chaos and discriminant factors, CDFOA),并利用测试函数对算法进行性能验证。利用CDFOA优化BP神经网络的初始权值与阈值,构建基于CDFOA优化BP神经网络对于汽油辛烷值的预测模型CDFOA-BP。将采集到的60组汽油数据输入预测模型进行测试分析。预测结果表明,与FOA-BP模型、PSO-BP模型、SSA-BP模型和BP神经网络模型相比,CDFOA-BP模型在预测精度与预测稳定性上均优于其他4种模型,验证该模型的有效性与可行性。     

基于改进遗传算法的配电网故障定位方法

针对传统遗传算法在分布式电源的不同投切情况下需要改变适应度函数和开关函数,导致故障定位稳定性和精度降低的问题,提出了一种基于改进遗传算法的含分布式电源配电网故障定位方法.该算法使用改进变异和交叉算子在提高收敛速度的同时能避免陷入局部最优解;使用改进的适应度函数和开关函数,以更好地适应分布式电源的不同投切情况;引入分级处理思想以加快大规模电网故障定位的计算速度.仿真实验结果表明,该算法能有效地定位含分布式电源配电网的多重故障问题,相比于传统的遗传算法具有更优的稳定性与定位精度.     

基于改进VMD去噪和优化ELM方法的变压器早期故障诊断

变压器内部漏磁场是判断变压器绕组早期故障的重要依据。实际运行中噪声会对漏磁场检测产生干扰从而影响对故障状态的判断。为此,首先使用遗传算法以样本熵作为适应度函数来优化变分模态分解（VMD）参数,然后将VMD分解后的相关模态使用小波阈值法去除残余噪声;其次,选择并提取降噪漏磁场信号的特征向量,将特征向量输入到改进极限学习机（ELM）中进行训练和分类,实现变压器绕组的早期故障诊断。仿真及动模实验表明：该方法去噪效果良好,能有效地还原原漏磁场信号,最终能实现变压器绕组早期故障的准确识别。     

脉冲噪声下基于非线性函数的分数时延估计方法

针对现有的自适应分数时延估计方法在脉冲噪声下性能退化问题,提出一种新的基于非线性函数的分数时延估计算法。该算法在tanh函数基础上引入调节因子MED构成新的非线性函数,然后将新非线性函数和Lagrange插值滤波器相结合,实现脉冲噪声下分数时延自适应估计。该算法无需知道噪声的先验信息,且仿真实验结果表明,相较现有方法,该算法在低混合信噪比和高脉冲噪声环境下的分数时延估计稳态均方误差更小。     

多包传输动态输出反馈网络控制系统指数稳定性

研究在传感器与控制器间的多包传输网络控制系统的指数稳定性和控制器设计问题.将有时延和有数据包丢失、无时延和有数据包丢失两情形的多包传输动态输出反馈网络控制系统建模为异步动态系统.基于异步动态系统理论,Lyapunov稳定性原理和线性矩阵不等式方法,提出多包传输网络控制系统指数稳定的半负定矩阵条件和控制器设计方法.数值例子说明指数稳定的半负定矩阵条件和控制器设计方法是可行的.     

一种自适应时移与阈值的DCT语音增强算法

针对现有语音增强方法在低信噪比下性能降低的问题,提出了一种自适应时移与阈值的离散余弦变换语音增强算法．首先,对软阈值函数进行改进,既能消除噪声主导帧中的噪声,也能消除语音主导帧中的噪声,并依据信噪比自适应地选择阈值,较大程度地保留了语音的原始特征．其次,依据基音周期自适应地选择分析窗时移,降低了固定分析窗时移产生的白噪声,并且引入短时自相关函数和短时平均幅度差函数相结合的加权自相关函数,来进行基音周期的检测,提高了基音周期检测的准确性和对噪声的鲁棒性．理论分析与仿真结果表明,该算法在信噪比低至-5dB噪声环境下,相比现有的经验模态分解算法和子空间算法,输出信噪比有较大提高,鲁棒性更好．     

求解舰艇抗损性优化的改进变尺度混沌遗传算法

为满足舰艇抗损性优化的需要,构建了优化的数学模型;针对以往该类问题求解算法时间长、易早熟的不足,对传统的遗传算法进行了改进。首先通过适应度函数的标定,自适应的调节了个体选择的概率;然后对交叉概率和变异概率进行了动态修正;不仅如此,利用变尺度混沌优化算法对种群中的较优个体进行了混沌搜索,避免了陷入局部最优解。案例优化结果的对比表明,改进的遗传算法能够快速地搜索到全局最优解,特别是避免了不成熟的收敛,较好地指导了抗损性的优化设计。     

遗传算法抑制BOC(1,1)信号多径研究

针对传统方法无法有效抑制伽利略(Galileo) BOC (1,1)信号短时延多径的现状,将多径抑制问题转换为最优拟合问题,提出了一种有效估计短时延多径的方法。利用遗传算法不需要函数可导,且不易陷入局部最小值的特点,将其应用于最优拟合BOC (1,1)短时延多径信号的计算上,有效地减小了每个通道的伪距测量误差,提高接收机定位精度。给出应用该算法的具体步骤,仿真结果表明该方法可以更加有效地抑制短时延多径。     

基于改进果蝇优化算法的无功优化

将改进果蝇优化算法运用于无功优化领域,为电力系统的无功优化计算提供了一种新的算法.通过对迭代步长进行自适应调整可以有效避免果蝇算法可能陷入局部最优的问题,同时还能提高收敛精度.在无功优化模型中,对控制变量进行归一化处理,使得量纲一致;将约束条件以罚函数的形式并入目标函数中,实现对状态变量的限制.以IEEE30节点系统和IEEE57节点系统为例,分别基于果蝇优化算法(FOA)、改进果蝇优化算法(IFOA)和遗传算法(GA)进行了无功优化计算,结果表明改进果蝇优化算法(IFOA)具有更好的优化效果和计算速度,更加接近全局最优值,采用该算法解决无功优化问题效果很好.     

长时延多包传输网络控制系统的稳定性分析

研究了同时具有大于一个采样周期的随机传输时延及多包传输的网络控制系统的稳定性问题.系统中传感器采用时间驱动,控制器和执行器采用事件驱动的方式,将多包传输控制系统建模为切换控制系统.然后基于切换系统分析方法和稳定性理论,利用线性矩阵不等式方法,得到了网络控制系统指教稳定的充分条件.最后,通过数值算例验证了所提方法的有效性.     

基于改进粒子群算法作业车间调度问题的优化

针对作业车间调度问题,提出一种基于自适应权重和混沌的改进粒子群优化算法。构建以机器加工时间最短为优化目标的多约束作业车间调度模型,采用基于工序排列的编码方式得到粒子参数与工序序列的映射关系;基于自适应权重改进粒子群算法中的惯性系数和加速因子,使得算法可以根据适应度值动态调整参数因子;采用反向学习策略改善种群初始解的质量;引入莱维飞行、变邻域搜索、混沌,增强了算法的搜索能力,避免陷入局部最优解。试验结果表明:改进粒子群算法可以有效地提高粒子利用率,平衡全局搜索与局部搜索能力,改善传统粒子群算法易早熟的缺点,得到更优的解。     

基于自适应的配电网分布式电源优化配置研究

针对分布式电源接入配电网引起的电压越限和电能质量下降等问题,提出了一种具备自适应特性的分布式电源优化配置方法. 建立了光伏、风电两种典型分布式电源的数学模型,分析其功率输出特性. 构建了同时考虑发电成本、环境成本、有功网损折算成本三项指标的分布式电源优化配置模型. 针对多目标函数和多约束条件的优化配置模型,应用自适应粒子群算法求解,实现学习因子和惯性权重自适应调整以提高算法的寻优性能,由此得到分布式电源的最佳接入位置和容量. 最后,以IEEE33节点配电系统为例进行仿真验证. 结果表明,自适应粒子群算法与传统粒子群算法和混沌粒子群算法相比,求解得到的优化配置方案可达到更好的供电可靠性和经济性要求.     

基于改进遗传算法的无功优化

遗传算法的基础上对其局限性进行改进,使该算法在电力系统无功优化的应用中具有一定优越性。通过改进编码和选择算子,自适应的交叉变异概率等策略,并引入基于模拟退火策略的适应度函数和混沌算法,使得改进遗传算法高速、准确的收敛于最优解,改善了传统遗传算法易陷入收敛性差、效率低的弊端。在此基础上建立无功优化数学模型,介绍了该算法具体实现步骤,并将其应用于IEEE30节点,证明所提算法是可行和有效的。     

小波和S-G的改进算法及混沌降噪应用

为降低混沌信号中常见的白噪声及脉冲噪声,提出了改进的小波阈值降噪与S-G(Savitzky-Golay)滤波相结合的方法。小波基函数和分解层数对降噪效果有着重要影响,为取得更好的降噪效果,采用逐层确定最优基小波和分解层数自适应确定方法,并给出了各层阈值的选取方法,最后将改进的加权法应用于S-G小波去噪方法以恢复高频分量中部分有用信号。利用该方法对Lorenz混沌时间序列及实测机械式混沌振动信号进行了去噪研究,结果表明所提方法能将混沌信号信噪比提高近1 d B,自相关函数值提高0.01,是一种有效的混沌信号降噪新方法。