海底介质特性反演方法比较

海底介质特性反演一直是水声研究里很活跃的领域,本文应用不同的反演方法,例如差分进化,自适应下山模拟退火法(ASSA),模拟退火法,遗传算法等等,分别对海底介质特性进行反演,并比较了这些算法在解决海底介质特性反演问题的优缺点,发现差分进化方法是一种效率高,鲁棒性好,收敛速度快的海底介质特性反演算法.     

几种优化算法在浅海匹配场反演中的性能比较

在分析模拟退火算法、遗传算法、差异进化算法、下山单纯形差异进化算法的优化机理的基础上,定量比较了上述算法在浅海匹配场反演中的效率差异。模拟退火算法与遗传算法只使用目标函数值信息在参数空间搜索全局最优值,效率低且易受参数间耦合的影响。差异进化算法使用种群中个体间的距离与方位信息在参数空间中搜索全局最优值,优化效率随着优化过程的进行而下降。下山单纯形差异进化算法将下山单纯形算法融入差异进化算法,增强了差异进化算法的寻优能力,混合算法对目标函数梯度信息敏感的特性使得这一算法具有较强的解耦能力。浅海匹配场反演仿真算例从最优参数反演结果、最终目标函数值、反演时间等方面检验了上述算法的反演效率。     

改进型遗传算法在环境噪声反演海底问题中的应用

利用浅海环境噪声进行海底特性反演一直是学者们研究的热门课题之一,当考虑两层海底时,由于待反演参数较多,基于传统遗传算法的反演策略往往使反演过程陷入局部最小值,从而无法找到全局最优解。针对两层海底的情况,计算得到了浅海环境噪声场空间相干性的表达式,并对传统遗传算法进行了改进,通过引进自适应交叉和变异算子以及能够保持种群多样性的小生境技术来提高反演算法的性能。通过数值仿真,验证了改进后的算法较传统算法能更好地收敛到真实值;并针对一次海试数据进行了海底特性反演,获得了较好的结果。     

基于舰船噪声的海底单参数反演

利用舰船噪声进行地声参数反演是近年来的热门研究课题之一。目前大多数利用舰船噪声的反演方法依赖于多参数海底模型,而多维参数的求解加大了反演的复杂度,因此,基于海底单参数模型,提出一种使用舰船噪声作为声源的海底单参数反演方法。基于实验数据进行海底单参数反演,并用反演得到的结果,对实验海域的传播损失进行预报。最后,对海底单参数与频率的关系进行了拟合和研究,验证了反演方法的有效性。     

自适应人工蜂群优化极限学习机在拉曼光谱血液定量分析中的应用

提出了一种基于自适应差分进化人工蜂群优化极限学习机预测血液各组分浓度的方法。首先应用人工蜂群算法对输入权值和隐含层阈值迭代寻优;其次结合差分进化进一步提高模型精度且避免后期易陷入局部最优等问题;由于差分进化算法交叉率和变异率存在凭经验给定的不确定性,最后引入了自适应调整的思想提出自适应差分进化人工蜂群算法优化极限学习机算法的模型,将其应用于血液成分定量分析中。实验表明,自适应差分进化人工蜂群算法优化的极限学习机模型具有较高的预测精度,模型具有较强的稳健性。     

软海底强干扰环境下的集矿车自适应定位

针对海底集矿车长基线声学定位受工作噪声干扰以及航位推算精度受打滑干扰等问题,基于附加打滑参数的履带车运动学模型和根据湖试数据对导航系统过程噪声与测量噪声的描述,并提出了一种自适应时滞扩展卡尔曼滤波方法.该方法利用新息序列实现噪声统计特性自适应,然后考虑测量数据时延带来的影响,通过卡尔曼滤波器将长基线定位信息与航位推算信息进行融合,得到集矿车的位置估计.仿真结果证实,该自适应卡尔曼滤波器能有效地适应过程噪声与测量噪声统计特性的变化,比常规卡尔曼滤波器具有更好的海底集矿车定位效果.     

可重入混合流水车间负荷平衡排产优化问题研究

为了解决可重入混合流水车间(RHFS)负荷平衡调度问题,建立了RHFS负荷平衡优化问题数学规划模型,将工位加工时间负荷平衡代价和总工位等待时间加权求和后作为负荷平衡综合评价指标;设计了基于工件加工流程的编码方法并结合时间窗约束与最大剩余时间规则进行解码,采用动态自适应差分进化(I)SADE)算法进行全局优化。DSADE算法根据个体间汉明距离判断个体相似度,动态更新具有高相似性的个体,以增加种群多样性,并引入随停止代数自适应调整进化参数的策略,以增强跃出局部极值,持续进化的能力。基于客车制造中涂装车间多遍彩条工序段的实例数据将DSADE算法与已有遗传算法(GA)、差分进化(DE)算法、自适应差分进化(SADE)算法进行仿真比较,比较结果表明,DSADE算法的负荷平衡评价指标平均降低幅度超过20%。     

流体饱和孔隙介质参数反演的模拟退火算法

本文研究了模拟退火算法在流体饱和孔隙介质参数反演中的应用。通过计算响应数据与实测响应数据的拟合将参数反问题归结为最优化问题。由于流体饱和孔隙介质运动方程的复杂性，动力响应与材料参数之间呈复杂的非线性关系，优化目标函数是非凸多峰函数。传统的梯度类优化方法一方面受局部极值的困扰难以搜索到全局最优解； 另一方面确定搜索方向须进行复杂的参数敏度分析。为克服这些困难，本文应用模拟退火算法进行了多参数反演数值模拟，模拟结果表明了模拟退火算法的可行性和稳健性。     

基于环境噪声的浅海海底单参数反演

利用环境噪声反演浅海海底声学特性一直是学者们研究的热门课题之一,目前绝大多数的噪声场建模方法依赖于多维海底模型,而多维参数的求解过程加大了反演的复杂度。减少反演参数个数可以有效降低反演的复杂性,提高反演的速度,以此为目的开展了基于单个参数海底模型的噪声场建模研究,并计算得到了基于海底单参数的噪声场空间相干系数表达式。通过与传统模型的对比,验证了该计算模型的有效性。结合实验数据,利用该模型对实验海域进行了海底单参数反演,并结合海底反射临界角确定了实验海域的沉积物类型为粉砂质砂,该结论与文献记载相吻合。     

基于卡尔曼滤波理论的气体浓度反演算法

广泛应用于气体探测的差分吸收光谱技术(DOAS)利用气体分子的窄带吸收特性结合最小二乘算法来推演气体浓度.但是,最小二乘法在外界环境因素干扰的情况下,往往产生较大的误差.本文引入了基于状态空间理论的气体浓度定量分析算法.通过把浓度变化视为状态方程,把光强吸收变化看作测量方程,从而组成状态空间方程,然后将卡尔曼滤波应用到气体状态空间中实现浓度反演.对于噪声统计信息未知的情况,通过自适应滤波算法,在滤波过程中利用已有的历史信息对噪声实现估计,从而使得整个系统在信噪比较低的情况下也能取得较好的反演精度.最后通过实验对最小二乘算法和卡尔曼滤波算法进行对比,证明卡尔曼滤波算法更具优越性.