基于免疫萤火虫算法的轧制负荷分配研究

针对带钢冷连轧精轧机组中负荷分配的优化问题,提出一种免疫萤火虫算法。该方法利用免疫算法中抗体对抗原敏感性强的特点,在目标函数的激励下迅速大量产生可行域中适应度高的解,解决基本人工萤火虫算法中因观察范围内高亮度的萤火虫发现率低导致的算法初始迭代缓慢问题。为提高萤火虫算法的精度、避免陷入局部极值,根据免疫算法中抗体浓度与激励度的关系,提出新的萤光素更新公式。仿真分析免疫算法、人工萤火虫算法和免疫萤火虫算法,结果表明了免疫萤火虫算法在收敛速度和精度上的优越性。     

基于混沌求偶萤火虫算法的移动机器人路径规划

针对传统萤火虫算法应用于移动机器人路径规划中存在陷入局部最优和搜索精度低的问题,提出一种基于混沌求偶萤火虫算法的移动机器人路径规划方法。设计一种混沌求偶荧火虫算法,该算法采用混沌映射策略初始化种群,优化种群分布不均和搜索范围不足问题;利用求偶学习策略指导雄性萤火虫向雌性萤火虫学习,提高算法的收敛速度和求解精度。建立移动机器人路径规划的环境仿真模型,应用混沌求偶萤火虫算法进行移动机器人路径规划仿真。仿真结果表明：混沌求偶萤火虫算法比传统萤火虫算法和粒子群算法在路径长度上分别减少了3.075%和2.428%,拥有更高的搜索精度和跳出局部最优的能力。     

基于IFA-BPNN的长输管道外腐蚀速率预测

目的 构建陆地长输管道外腐蚀速率的预测模型,提升管道外腐蚀速率预测的精度,对长输管道外腐蚀状态进行准确把控.方法 深入解析了萤火虫算法(FA)的工作原理,针对FA易出现陷入局部最优或因控制参数设置不合适而导致函数无法收敛等问题,提出了FA的改进方案:采用Logistics混沌映射的方法初始化萤火虫的位置,提升萤火虫种群的所养性;引入一种新的惯性权重计算方法来改进萤火虫位置移动公式,提升FA全局寻优能力.利用改进的萤火虫算法(IFA)对误差反向传播神经网络(BPNN)初始权值和阈值进行优化,建立基于IFA-BPNN的长输管道外腐蚀速率预测模型.以111组长输管道外腐蚀检测数据为例,在MATLAB中进行模拟仿真计算,使用粒子群算法优化的BPNN(PSO-BPNN)、遗传算法优化的BPNN(GA-BPNN)以及未进行优化的BPNN作为对比模型进行对比分析.结果 使用IFA优化BPNN,大幅提升了BPNN模型的预测精度.使用IFA-BPNN模型预测12组管道腐蚀速率,平均相对误差仅为5.94％,预测结果的R2为0.99595,均优于BPNN、PSO-BPNN以及GA-BPNN模型的预测结果.结论 IFA-BPNN作为预测管道腐蚀速率工具具有较好的预测精度和鲁棒性.     

融合模拟退火策略的萤火虫优化算法

萤火虫算法是群智能领域近年出现的一个新的研究方向,该算法虽已在复杂函数优化方面取得了成功,但也存在着易于陷入局部最优且进化后期收敛速度慢等问题,而模拟退火机制具有很强的全局搜索能力,结合两者的优缺点,提出一种融合模拟退火策略的萤火虫优化算法。改进后的算法在萤火虫算法全局搜索过程中融入模拟退火搜索机制,在局部搜索过程中采用了回火策略,改善寻优精度,改进了萤火虫算法的全局搜索性能和局部搜索性能。仿真实验结果表明：改进后的算法在收敛速度和解的精度方面有了显著地提高,证明了算法改进的可行性和有效性。     

基于CEEMDAN与VNWOA-LSSVM的供输弹系统早期故障诊断研究

由于供输弹系统早期故障信号成分复杂,故障特征微弱,故提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与以冯诺依曼拓扑结构(VN)改进鲸鱼算法(WOA)优化下的最小二乘支持向量机(LSSVM)的故障诊断方法。在对所测信号进行预处理即去趋势项和零点漂移后,通过CEEMDAN对供输弹信号进行分解,得出模态分量(IMF);然后依据相关系数和峭度准则这两个标准来选取符合标准的IMF分量,提取这些分量的分布熵(DE)作为特征;最后用VNWOA-LSSVM诊断模型,输入供输弹系统3种不同工况下的振动信号特征进行故障诊断,并且还对比了LSSVM、PSO-LSSVM、GA-LSSVM和WOA-LSSVM等方法对故障的识别率。实验结果表明：这些方法中经VNWOA优化后的LSSVM的识别率最高,高达94.03%。     

基于改进的最小二乘支持向量机的退火炉内带钢延伸量预测

带钢在退火炉内进行长时间加热的过程中,由于炉内温度、张力以及带钢运行速度等变量间具有多重相关性且存在生产数据噪声,从而难以准确预测炉内带钢的延伸量。本文提出了一种基于遗传算法的BP神经网络理论(GA-BP神经网络)与最小二乘支持向量机(LSSVM)理论相结合的算法用于目标函数拟合,该算法兼顾最小二乘支持向量机的全局与局部拟合能力,有效避免算法陷入局部最优的缺点,利用改进的BP神经网络算法优化选择LSSVM 模型的惩罚因子和核函数参数,以避免人为选择参数的盲目性,使LSSVM具有更好的泛化能力和预测精度。将该方法应用到退火炉内带钢的延伸量预测,通过现场生产数据仿真模拟进行非线性函数估计,结果表明：本文所提出的方法具有良好的预测精度,可以应用于实际生产。     

采煤机滚筒调高智能化控制系统优化设计

为提高采煤机滚筒调高智能化控制精度,对基本萤火虫算法进行改进。对采煤机滚筒调高智能化控制系统进行数学建模,利用改进的萤火虫算法进行滚筒控制系统PID参数寻优,并搭建滚筒调高智能化控制系统Simulink仿真模型;对采用改进和基本萤火虫算法系统的响应进行分析。结果表明：系统在阶跃信号、斜坡信号及不同类型干扰信号情况下,改进萤火虫算法优化的PID控制器的系统响应性能和抗干扰性能均得到明显改善;阶跃信号下,优化后系统的超调量减小21.6%;斜坡信号下,优化后系统超调量减小38.4%;脉冲干扰信号下,优化后系统超调量减小21.9%;阶跃干扰信号下,优化后系统超调量减小33.2%;随机干扰信号下,优化后的响应曲线波荡范围减小40.1%。     

基于萤火虫群算法的虚拟演播室箱体焊接优化

针对求解虚拟演播室复杂的箱体焊接结构最优焊接顺序难的问题,采用热-机耦合非线性热弹塑性有限元计算模型,对焊接顺序进行优化数值模拟,提出了一种通过萤火虫算法优化从而得到虚拟演播室箱体最优焊接顺序的方法.该方法选择焊接变形量为目标函数,提出了求解最优焊接顺序的萤火虫算法优化模型,设计了基于萤火虫群算法的焊接顺序优化算法.优化结果表明,该方法求解的最优焊接顺序的焊接变形量小,变化率小,该方法要比传统的经验或者试验方法更快,更精确,效果更好.     

多核的LSSVM的轴承故障诊断算法研究

针对滚动轴承故障诊断中出现的多故障类型识别与诊断问题,在LSSVM和多核学习的基础上,提出了多核的LSSVM的轴承故障诊断算法。多核的LSSVM实现的关键是如何确定多核函数的每个基本核函数的权系数,采用核度量标准——核极化来解决此难题。首先,选择基本核函数及其核参数值;然后,用核极化求解基本核函数的权系数,组合多核函数;最后,创建多核的LSSVM算法模型,进行轴承故障诊断。美国西储大学的滚动轴承的实验结果表明,与5-fold SVM和LSSVM相比,多核的LSSVM算法具有更优的故障识别率,验证了所提算法的有效性。     

基于GA-LSSVM的数控机床热误差建模方法研究

为减小数控机床热误差对加工精度的影响,实现对热误差的补偿控制,提出一种基于遗传算法(GA)优化的最小二乘支持向量机(LSSVM)数控机床热误差建模方法.利用遗传算法优化选择LSSVM惩罚因子C和核函数参数σ2,构建针对某卧式加工中心主轴热误差的GA-LSSVM模型.根据该模型得到热误差的模拟值和测量值对比曲线,通过分析...     

基于PSO-LSSVM的拉线棒腐蚀预测

根据鄂西某输电线路拉线塔的拉线棒腐蚀数据,通过灰色关联度算法分析了土壤因素与拉线棒腐蚀情况之间的相关性;应用粒子群算法(PSO)对最小二乘支持向量机(LSSVM)的关键参数进行优化;利用灰色关联度权重对有关数据进行处理,建立了PSO-LSSVM和考虑灰色关联度权重的PSO-LSSVM预测模型。实例计算表明,与LSSVM预测模型相比,PSO-LSSVM预测模型训练集所得结果的均方根误差下降了15.3%;预测集的均方根误差下降了35.71%。考虑灰色关联度权重后,PSO-LSSVM预测模型训练集和预测集的均方根误差进一步下降,分别减少了24.59%和20%。PSO-LSSVM用于拉线棒腐蚀预测具有较好的精度,考虑灰色关联度权重的PSO-LSSVM模型的预测精度更高。     

自聚合飞蛾火焰优化算法对PID参数优化研究

PID控制器的控制对象通常具有高阶非线性等特点,在参数整定时容易使控制器出现超调、振荡、性能变差等缺陷。为解决此问题,提出一种自聚合飞蛾火焰优化(SMFO)算法对PID参数进行优化。在常规飞蛾火焰优化(MFO)算法中引入萤火虫算法中的光强吸引特性,以提高算法的寻优性能。采用高斯分布对火焰种群适宜个体进行选取,其利用光强吸引特性周期性地对适宜火焰的位置进行调整,强化火焰之间的联系,增强算法的局部勘探能力。将改进算法用于PID控制参数优化实验,以PID参数作为算法中的个体,以ITAE为适应度函数,进行PID参数优化。仿真结果表明:SMFO算法具有较好的寻优性能,相比于MFO算法和Z-N法,其超调量至少减少26.3%、调节时间至少减少69.6%,保证了控制系统的稳定性。     

基于GBO-LSSVM的多品种小批量产品质量预测北大核心

针对多品种、小批量产品在生产过程中存在影响产品质量的不确定因素等问题,提出了GBO和LSSVM相结合的多品种、小批量产品质量预测模型;模型采用LSSVM对产品加工过程进行量化分析,并使用GBO算法对LSSVM模型中的惩罚函数与核函数寻优;最后通过MATLAB仿真对GBO-LSSVM优化方法与其他预测方法进行分析对比。结果表明,GBO-LSSVM模型更适用于多品种、小批量质量预测问题,以提高预测精度与误差水平,为多品种、小批量生产模式质量预测打开新思路。     

基于萤火虫算法的螺栓连接结构布局优化

螺栓连接是工程结构的重要连接方式。优化螺栓连接结构的布局可以提高结构的力学性能。建立螺栓连接结构的有限元参数化模型,对连接板和螺栓进行有限元力学分析。运用萤火虫算法对螺栓布局进行优化设计,得到合理的螺栓排布尺寸,减小了孔周应力。当螺栓数量为4个时,与初始设计方案相比,优化后螺栓的分布更加合理,最大孔周应力明显下降。当螺栓数量为6个时,对三排和双排的初始设计方案进行优化,得到相同的双排最优螺栓布局。数值算例表明了萤火虫算法在螺栓连接结构布局优化中的有效性,研究结果可供机械设计参考。     

基于高斯过程的萤火虫算法及其在板料成形优化设计中的应用

在板料成形优化设计等领域中,许多复杂工程优化问题往往表现出高维以及多重非线性耦合性等特征,从而导致此类问题优化收敛效率大幅下降。本文提出了一种基于高斯过程近似模型的高维全局优化方法,此方法最大优势在于:能够建立基于高斯过程近似模型的搜索机制,利用该机制并结合EI(Expected Improvement)准则,对萤火虫算法生成的搜索训练样本进行筛选,从而自动产生新的样本点。在此模式下进行优化迭代能够确保算法的搜索快速集中在全局最优点的较小区域内,进而大幅提升优化效率的同时确保收敛的稳健性。复杂的高维非线性测试函数表明,算法具有处理复杂高维工程问题的能力。此外,算法成功应用于NUMISHEET2013 BENCHMARK2中盒形件的板料成形中,对基于时变的压边力进行了优化设计。同主流的EGO(Efficient Global Optimization)相比,其精度和效率都得到了明显的提升。     

基于萤火虫算法优化VMD的滚动轴承故障检测

滚动轴承的工作环境通常受噪声干扰严重,故对其故障检测颇有难度。针对此问题,提出基于改进萤火虫算法优化VMD参数的方法。首先利用快速谱峭度分析信号,得到带通滤波器的最佳参数后,对信号进行滤波即初步降噪;其次经萤火虫算法优化得到VMD的最优参数K和α,根据所得参数将信号分解为若干个IMF分量,并以相关系数和散布熵为原则重构信号;最后用Hilbert包络解调重构后的信号得到故障特征。通过对试验数据的分析以及与LMD分解的对比可知,该方法能可靠地检测出轴承故障特征。     

基于SOA-LSSVM的SLS成形工艺参数优化研究

为提高选择性激光烧结(SLS)成形精度,解决工艺参数优化试验成本高等问题,选择激光功率、预热温度、扫描速度、扫描间距以及分层厚度5个工艺参数设计正交试验以获得样本数据并建立统一目标函数。采用人群搜索算法(SOA)优化最小二乘支持向量机(LSSVM),建立基于SOA-LSSVM的SLS成形件精度预测模型;预测不同工艺参数组合下制件的统一性能,并与采用传统BP神经网络和LSSVM模型获得的预测结果进行对比。结果表明：SOA-LSSVM模型针对小样本预测问题具有良好的泛化能力,预测值与实际值的最大相对误差仅为1.11%,可为SLS加工参数组合的选择提供参考。     

基于LASSO-WOA-LSSVM的海洋管线外腐蚀速率预测

目的 构建海洋管线外腐蚀速率预测模型,提高海底油气管线外腐蚀速率预测的准确性.方法 建立基于套索(LASSO)回归和鲸鱼优化算法(WOA)的最小二乘支持向量机(LSSVM)腐蚀速率预测模型,采用LASSO回归方法对指标进行筛选,提取海洋管线腐蚀的主要影响因素.应用最小二乘支持向量机算法建立海洋管线外腐蚀速率预测模型,并使用鲸鱼优化算法对模型参数进行优化,避免了参数取值对模型回归性能的影响.以海洋挂片实验为例,通过MATLAB进行模拟仿真,分析验证模型预测结果,并将预测结果与其他模型进行对比分析.结果 LASSO回归算法筛选得到影响腐蚀速率的主要因素为:温度、溶解氧含量、pH值.采用WOA-LSSVM模型所预测的结果与实际值较为吻合,其平均相对误差为2.23％,均方根误差(RMSE)为0.3248,决定系数R2达到0.9708,均优于其他两种模型.结论 基于LASSO回归和鲸鱼优化算法的最小二乘支持向量机预测模型具有更优的泛化能力和预测精度,为海底管道腐蚀研究工作提供了新思路,也为海洋油气输送系统的结构安全与风险防范提供了参考.     

基于LSSVM的氧化铝浓度软测量

针对铝电解工业中氧化铝浓度直接测量难度大、效率低、实时性差等特点,对铝电解槽数据库中的生产过程参数进行研究,提出一种基于LSSVM的氧化铝浓度软测量方法。首先,通过对铝电解工艺的分析和实际生产的观测确定模型变量,建立模型;然后,运用径向基核函数和粒子群算法对模型的参数进行处理和优化;最后,运用LSSVM基本原理和回归分析实现浓度测量。实践及仿真结果表明,采用该方法提高了氧化铝浓度测量的准确性和铝电解过程的稳定性。     

生物氧化提金中基于PSO-LSSVM的氧化还原电位建模研究

生物氧化预处理过程是一个复杂非线性的耦合过程,该过程关键参数氧化还原电位通常难以准确检测。为了预估该参数,将PSO算法与LSSVM相结合构建生物氧化预处理过程氧化还原电位预估模型。该模型采用改进的PSO算法优化LSSVM模型参数,克服了参数恒择的盲目性和耗时,具有恘习速度恩速、预测精度较高以及泛化能力强的优点。以新疆某金矿的实际数据进行仿真研究,结果表明：改进的PSO-LSSVM方法建立的模型的预测值与实测值拟合较好,对于生物氧化预处理过程的关键参数氧化还原电位的预估有一定的指导意义。