基于小波神经网络的混凝土热力学参数反演

在混凝土温度场计算中,热力学参数一般由室内试验或经验公式获得,往往与现场实际参数出入较大。为此通过测量埋设于混凝土中不同温度测点的温度,采用粒子群算法优化初始权值和阈值的小波神经网络对混凝土的热力学参数进行反演,以控温防裂。通过对某水闸工程底板混凝土的热学参数的反演分析,验证了小波神经网络反演计算的可行性。     

基于人工蜂群算法的大体积混凝土温度场参数反演

针对传统混凝土热学参数反分析计算量大、计算效率不高等特点,将人工蜂群算法引入到混凝土温度场计算中,提出基于该算法的反分析法,通过室内二期通水冷却试验,对通水冷却过程中大体积混凝土试件的导温系数及表面散热系数进行反演分析,并利用反演参数结果进行温度场反馈分析。结果表明,人工蜂群算法在温度场参数反演中具有很好的适用性,有效地提高了温度场参数反演的效率。     

基于改进粒子群算法的BP神经网络在初始地应力场反演优化中的应用

为找到一种较为精确的方法反演出最接近实际情况的初始地应力场,首先对传统粒子群算法进行改进,以弥补传统粒子群算法搜索范围过于局限的缺陷,然后将改进粒子群算法与BP神经网络算法相结合,来解决BP神经网络收敛速度慢、精度不足等缺点,最后对某抽水蓄能电站初始地应力场的反演进行优化,并与BP神经网络的计算结果和实测值进行对比,发现该方法可提高优化精度。     

基于改进蚁群算法的混凝土坝热学参数反演

鉴于混凝土坝温度场仿真演算中通过试验得到的温度参数与实际参数相差较大,且传统温度场反分析算法计算量很大,计算效率低下,引进人工蚁群算法(ACA)并将其优化,利用优化后的算法对混凝土坝热学参数进行反分析,基于反演参数,用有限元方法对其温度场进行正演算,对比所得结果与监测数据真实值的差异,发现两者拟合程度较高,说明改进的ACA算法在大坝混凝土热力学参数反分析中具有较好的适应性。     

基于改进粒子群算法的水口重力坝坝体参数反演

针对传统的粒子群算法存在局部收敛不稳定的缺陷,依据大坝原型观测数据和有限元数值计算结果改进了粒子群算法,构建了大坝变形安全监控的混合模型,并采用改进的粒子群算法反演了混凝土坝坝体、坝基的弹性模量及坝顶水平位移.与实测值的对比结果表明,采用改进的粒子群算法计算误差小、精度高、合理可行.     

基于改进粒子群优化算法的边坡稳定性分析

针对标准粒子群算法存在收敛精度低、易陷入局部最优的缺点,提出了基于混沌与变异的改进粒子群优化算法(CVPSO),将其应用于边坡滑裂面搜索,研制了边坡稳定分析程序CVPSO-LEM2D。采用改进粒子群算法对澳大利亚计算机应用协会(ACADS)边坡算例进行计算分析,结果表明改进粒子群算法的全局最优搜索能力与收敛精度得到了较大提高,计算结果与ACADS推荐的裁判答案基本一致,验证了算法的有效性。最后,将CVPSO-LEM2D应用于两河口泄水建筑物进口边坡稳定性分析,验证了方法的可行性,为类似工程提供了参考和借鉴。     

基于粒子群算法的混凝土湿度场特征参数反演

基于室内试验实测的湿度值,结合粒子群算法与三维有限元仿真计算程序反演了混凝土试块湿度场,获得了表征混凝土湿度消耗与扩散性能的特征参数,并对比了反演计算值与实测值,两者变化规律吻合,数值最大误差仅3.5%.实例结果表明,该方法精度较高、合理可靠、适用性强,值得推广.     

基于改进参数的粒子群算法的换热网络优化

对于换热网络综合优化问题,粒子群算法能有效解决其容易陷入局部最优和无法收敛到全局最优的局限性。标准粒子群算法具有较强的随机性,可调节参数较少,不同的参数配置对算法的优化效果有显著影响。在分析粒子群算法中各参数特点的基础上,通过合理调整参数,使该算法在连续变量优化过程中具有更好的全局收敛性能。采用4股流体的小规模换热网络算例进行验证,优化结果表明,改进参数后的粒子群算法对计算换热网络综合问题有效。     

基于粒子群神经网络的热力站供热负荷预测

结合河北省秦皇岛市碧水园热力站的供热实际情况,提出了利用BP神经网络进行热力站供热负荷的预测。为克服标准BP算法收敛速度慢和易于陷入局部最小的问题,提出利用进化算法——粒子群算法进行神经网络初始状态的优化。在此基础上,进一步提出了混合粒子群算法和速度变异粒子群算法两种改进算法提高优化性能。计算结果表明,采用粒子群算法和BP算法相结合的办法,可以明显提高热负荷的预测精度。     

基于改进粒子群优化算法的边坡稳定性分析

针对标准粒子群算法存在收敛精度低、易陷入局部最优的缺点,提出了基于混沌与变异的改进粒子群优化算法（CVPSO）,将其应用于边坡滑裂面搜索,研制了边坡稳定分析程序CVPSO LEM2D。采用改进粒子群算法对澳大利亚计算机应用协会（ACADS）边坡算例进行计算分析,结果表明改进粒子群算法的全局最优搜索能力与收敛精度得到了较大提高,计算结果与ACADS推荐的裁判答案基本一致,验证了算法的有效性。最后,将CVPSO LEM2D应用于两河口泄水建筑物进口边坡稳定性分析,验证了方法的可行性,为类似工程提供了参考和借鉴。     

风光互补发电系统混合储能单元的容量优化设计

由于粒子群优化算法在优化计算中存在早熟收敛,易陷入局部最优且搜索精度不高等缺点,在现有粒子群优化算法的基础上融合模拟退火算法对其进行改进,得到改进后的模拟退火粒子群优化算法,并将其应用到风光互补发电系统混合储能单元容量的优化配置中。优化结果表明,在满足负荷用电的前提下,该算法可有效降低储能单元的投资成本和运行费用,从而证明了算法的正确性。     

基于PSO-SVM模型的面板堆石坝堆石料参数反演分析

针对常用的参数反演分析法存在的不足,将粒子群算法(PSO)与支持向量机(SVM)相结合来对堆石料参数进行反演,即先利用粒子群算法优化支持向量机,再利用优化后的支持向量机进行参数反演分析,借助Matlab中相关工具箱编制了相应的程序,建立了基于PSO-SVM的堆石料参数反演模型,并通过大量实测数据进行训练和测试。结果表明,基于PSO-SVM的堆石料参数反演模型可行、有效。     

基于改进动态自适应粒子群优化算法的汽轮机组给水回热分配优化方法

为了便捷、准确地实现给水在回热加热器中的焓升分配优化,构建了基于粒子群优化(PSO)算法的汽轮机组给水回热分配通用计算模型,对基于进化状态的自适应粒子群算法中的聚集度描述进行了改进,并应用改进算法对某1 000MW汽轮机组给水回热分配进行优化计算.结果表明:改进算法具有良好的收敛能力和求解精度,优化后的机组循环热效率比原设计值相对提高了0.23%;该方法简捷、易实现且通用性强.     

基于位置动态参数PSO算法的水库防洪调度研究

介绍了一种易于实现、参数少且收敛快的集群智能算法——粒子群算法。针对标准PSO算法的缺陷,提出了在位置进化方程中引进动态参数的方法,改进了标准粒子群算法的收敛速度。根据建立的水库优化调度数学模型,将改进的粒子群优化算法运用到水库优化调度计算中,并通过算例验证该算法的可行性和有效性。     

基于IABAP混合算法的混凝土坝浇筑仓温控措施智能优选

混凝土坝浇筑仓在施工期的温控措施选择不当会导致混凝土出现温度裂缝,将智能优化算法与温控措施结合进行多个温控因素联合分析,可实现大坝温控措施智能调控。提出了一种结合粒子群(PSO)与人工峰群(ABC)的混合优化算法IABAP,避免了单一算法后期收敛速度降低、易陷入局部最优等问题,并将其运用于白鹤滩拱坝典型坝段的参数反演,基于计算温度曲线与实测温度曲线对比结果,进行温控措施联合优选。结果表明,通过IABAP算法温控措施调整后的温度曲线预测结果与施工期采用实际温控措施参数值预测结果相比温升速率和浇筑温度更小,对控制混凝土早期拉应力更有利。研究结果为混合优化算法在大坝温控措施智能优选方面的运用提供了参考。     

小波包能量熵和改进的LSSVM在风力机轴承故障诊断中的应用

针对极端复杂工况下风力机轴承运行状态监测中的故障诊断问题,提出一种基于小波包能量熵故障特征提取并结合鲸鱼算法(WOA)优化最小二乘支持向量机(LSSVM)进行故障分类识别的风力机轴承故障诊断方法。通过小波包分解提取各频带成分的能量熵值构建故障特征集,同时针对LSSVM参数的选取依赖人工选择的盲目性问题,采用鲸鱼优化算法寻找LSSVM中最优的2个关键参数正则化参数和核函数参数,以此提高故障诊断模型的分类精度。通过不同工况下的试验数据集测试,实现了对不同故障状态特征参数的准确分类。结果表明,所提方法诊断结果优于遗传算法(GA)和粒子群算法(PSO)分别优化的LSSVM.远优于传统的LSSVM算法。     

基于改进粒子群优化RBF网络的变压器故障诊断

为提高变压器故障诊断精度,提出了一种改进粒子群优化RBF网络算法,用于优化RBF网络的中心参数。首先通过非线性递减权值策略改进粒子群算法,再利用改进粒子群优化RBF网络,最后建立用于变压器故障诊断的RBF网络模型,并在Matlab平台上进行了仿真测试。结果表明,优化后的RBF网络比单一RBF网络故障诊断率有大幅提高。通过诊断国网某公司的5组故障实例,验证了所提算法的可行性。     

基于FLAC3D和粒子群优化算法的初始地应力场反演

针对岩体初始地应力场反演分析需采用多次正向计算、效率较低、优化程序与正向数值计算程序需大量耦合等问题,利用FLA3D内嵌的FISH语言将FLAC3D正向数值计算与粒子群优化算法相结合编写了程序,以山东文登抽水蓄能电站地下洞室的初始地应力场为例,分析了反演的整个过程.结果表明,该法简单易实现、收敛速度较快,精度较高,为岩体初始应力场的反演提供了一种新思路.     

基于改进二进制粒子群优化算法的网络重构研究

提出了一种基于改进二进制粒子群优化算法的网络重构方法,该算法在二进制粒子群优化算法的基础上,通过结合破圈法理论以控制粒子的更新过程,使更新后的粒子100％符合网络的辐射状要求,从而减少了以往网络重构中辐射网判断的环节.此外算法还引入了禁忌搜索算法的思想,克服了粒子群算法易陷入局部最优的缺陷.最后对IEEE 单馈线33节点系统进行计算,证实了算法的有效性,并与相关文献中的算法进行比较,表明算法具有较高的搜索效率和较强的全局寻优能力.     

基于改进GA-BP网络算法的边坡力学参数反演分析

针对BP神经网络收敛速度慢和易陷入局部极小值等不足,通过改进遗传算法,显著提升遗传算法的全局寻优能力,进而优化BP神经网络初始权值和阈值。结合工程算例,采用正交法设计参数样本,利用边坡工程的有限元正分析模型计算出反演分析所需的样本,建立基于改进的GA-BP网络算法反分析模型,经过网络训练,得到符合实测效应量值的反演参数值,对比GA-BP网络算法和改进GA-BP网络算法的反分析模型结果可知,改进GA-BP网络算法反分析模型在解的稳定性和求解精度上均得到了较大提高。研究成果可供类似工程参考。