采用异构搜索的多子群协同进化粒子群算法

针对传统的单种群粒子群优化算法易陷入局部最优、搜索精度低的问题,提出一种异构多子群粒子群算法。算法由自适应子群、精英子群和若干普通子群构成,精英子群由普通子群和自适应子群中的优秀个体组成,每个子种群采用不同策略进行进化,根据种群的早熟收敛程度和粒子的适应度值自适应地调整惯性权重,自适应子群根据普通子群的适应度值和速度自适应调整飞行方向,采用免疫克隆选择算子对精英子群进行精细搜索,普通子群、自适应子群与精英子群之间通过迁移操作实现信息的充分交流。针对典型的Benchmark 函数优化问题测试,仿真结果表明所提算法能较好地保持粒子多样性,收敛精度高且全局搜索能力强,具有良好优化性能。     

基于节点优化型DAG-LDM的机组滚动轴承故障诊断方法

滚动轴承作为风电机组的关键部件,对于整个机组的安全运行起着决定性作用.针对机组滚动轴承故障诊断问题,提出一种节点优化型有向无环图大间隔分布机(O-DAG-LDM)的故障诊断方法.结合DAG多分类扩展性能与LDM二分类器泛化性能的优点,构建一种面向滚动轴承故障诊断的DAG结构扩展式LDM多分类器方法.在DAG-LDM算法框架下,利用优化算法对DAG节点进行优化排列以减小随机排布引起的累积误差,提高LDM故障分类准确率.实验表明,与其他主流智能诊断方法相比,所提出的节点优化型DAG-LDM故障诊断方法具有较高的准确率和更好的抗噪性能.     

西门子840D数控系统温度误差补偿的研究与应用

温度变化可以产生数控机床热变形误差,从而影响加工精度.介绍了西门子SINUMERIK 840D数控系统温度误差补偿的原理及相关系统参数,采用Pt100型热电阻设计了温度误差补偿系统的硬件,同时进行了PLC程序的开发.     

标准化等规模CFB电厂的设计思想

通过标准化设计锅炉、汽轮机辅机设备,ＣＦＢ电站机组的供应商可以满足ＩＰＰ的需求,如低的设备投资、最短的安装时间、宽的燃料范围、低的排放和低的运行维护。影响锅炉设计的主要因素是蒸汽参数和燃料特性。燃料包含烟煤、褐煤、无烟煤、石油焦和生物质燃料,热值从大约１７ＭＪ／ｋｇ到３３ＭＪ／ｋｇ,水份达３２％,灰份高达４０％,也可含有较高的硫份。通过优化锅炉的热力设计来适应燃料特性的变化,这样,使燃料热值的变化对炉膛温度和喷水减温只产生较小的影响。ＣＦＢ锅炉的标准化不仅满足燃料的适应性,降低价格,而且有希望达到短的安装时间并减少运行维护费用。     

基于改进粒子群优化算法的离散混沌系统神经滑模控制

针对离散混沌系统,提出一种基于融合Powell法的粒子群优化策略(Powell-PSO算法)的神经滑模等效控制方法。该方法通过将BP神经网络的输出作为滑模等效控制的切换部分的系数,有效地克服了传统滑模等效控制的抖振现象;利用Powell-PSO算法对神经滑模控制器的参数进行全局优化,提高了离散混沌系统的控制品质。仿真实验结果表明,所提出的方法无需了解离散混沌系统精确模型,具有响应速度快、控制精度高以及抗干扰能力强的优点。     

基于桥丝式电火工品射频感度测试方法的探讨

本文介绍了基于桥丝式电火工品点火原理,提出并分析了基于桥丝式电火工品在射频干扰下进行射频感度测试的两种测试方法感生电流测试法、红外温度测试法.     

矿物加工过程中生物药剂的应用

生物技术对于处理低品位矿石的有效性越来越受到人们的关注.微生物及其代谢产物能直接附着在矿物颗粒表面或作为表面活性剂改变矿物表面性质,使其疏水性和团聚性发生变化.将微生物的这种性质应用在浮选和絮凝过程中,可实现矿物颗粒的选择性浮选和选择性絮凝,从而达到矿物分选的目的.本文还对生物技术在矿山环境保护中的应用进行了讨论.     

双态免疫优势蚁群算法及其在TSP中的应用研究

通过分析标准蚁群算法易于出现早熟停滞现象,该文提出一种高效收敛的算法-双态免疫优势蚁群算法.该算法将蚂蚁分成两种状态,扩大了解的搜索空间,有效抑制了收敛过程中的早熟停滞现象,将禁忌表中的抗体通过克隆扩增、高频变异等免疫算子操作得到精英蚂蚁,再对抗体记忆库引入局部最优免疫策略.针对TSP实验结果表明:该算法与最新的改进蚁群优化算法相比,其收敛速度及求解精度均得到了提高.     

采用种群平均信息和精英变异的改进粒子群算法

针对基本粒子群优化(PSO)算法早熟收敛和后期搜索效率低的问题,提出一种利用种群平均信息和精英变异的粒子群优化算法--MEPSO算法。该算法引入粒子个体与群体的平均信息,利用粒子平均信息来提高算法全局搜索能力,并采用时变加速系数(TVAC)以平衡算法的局部搜索和全局搜索能力;在算法后期,采用精英学习策略对精英粒子进行柯西变异操作,以进一步提高算法的全局搜索能力,减少算法陷入局部最优的危险。在6个典型的复杂函数上与基本PSO(BPSO)算法、时变加速因子PSO(PSO-TVAC)算法、时变惯性权重PSO(PSO-TVIW)算法和小波变异PSO(HPSOWM)算法进行对比,MEPSO的均值与标准方差均优于对比算法,且寻优时间最短,可靠性更好。结果表明, MEPSO能较好地兼顾局部搜索和全局搜索能力,收敛速度快,收敛精度和搜索效率高。     

精英免疫克隆选择的协同进化粒子群算法

提出一种精英免疫克隆选择的协同进化粒子群算法（Elite immune clonal selection co-evolutionary particle swarm optimization,EICS-CPSO）.算法借鉴了协同进化思想和精英策略,基于精英种群与普通群体并行协同进化框架.高适应度的精英个体组成精英团体,运用自适应小波变异的免疫克隆选择算子对精英团体进行提升引导操作.普通种群间个体极值采用柯西交互学习机制提高微粒个体极值收敛性能;迁移操作进一步推进了整体信息共享与协同进化.实验结果表明该算法收敛精度快且全局搜索能力强,且具有较好的动态优化性能.实验分析表明该算法对参数不敏感,易于使用.