检索结果-内蒙古大学图书馆

四川建材 2023年第8期49卷 83-85,89页

作者：杨琛江西理工大学土木与测绘工程学院江西赣州341000

为提升支持向量机(support vector machine,SVM)机器学习方法在砂土地震液化判别模型的适用性和准确性,选取了12个包括土性参数和地震参数在内的620组数据,使用引入佳点集法的樽海鞘算法(Salp Swarm Algorithm,SSA)对SVM的惩罚参数C和... 详细信息

为提升支持向量机(support vector machine,SVM)机器学习方法在砂土地震液化判别模型的适用性和准确性,选取了12个包括土性参数和地震参数在内的620组数据,使用引入佳点集法的樽海鞘算法(Salp Swarm Algorithm,SSA)对SVM的惩罚参数C和核参数g进行优化,优化过程中为了提升模型的鲁棒性,使用5折交叉验证,由此构建了基于SSA-SVM的砂土液化判别模型,随后又运用随机森林(random forest,RF)的因素重要性评分,选取了重要性排名前8的指标继续对SSA-SVM模型进行训练和优化,建立起RF-SSA-SVM的液化判别模型。将两种预测模型的结果与Seed“简化法”结果进行对比,验证了本文所提出的液化判别模型精度较高、泛化能力较强,为实际应用提供了新的思路。

关键词：砂土液化预测模型支持向量机樽海鞘算法佳点集法

来源：评论

学校读者我要写书评

暂无评论

基于ASSA-GRNN的施肥量预测与控制实现

引用

农机化研究 2021年第10期43卷 1-6页

作者：顾丽丽刘勇王亮黑龙江大学电子工程学院哈尔滨150080 黑龙江大学黑龙江东部节水设备有限公司哈尔滨150080

提出一种改进的樽海鞘算法,对GRNN神经网络进行优化。首先,在樽海鞘算法中引入动态惯性权重,避免算法陷入局部最优值,并且提高算法的收敛速度;其次,在算法中引入柯西变异,增强种群多样性,提高其全局搜索能力。将改进的樽海鞘算法应用到G... 详细信息

提出一种改进的樽海鞘算法,对GRNN神经网络进行优化。首先,在樽海鞘算法中引入动态惯性权重,避免算法陷入局部最优值,并且提高算法的收敛速度;其次,在算法中引入柯西变异,增强种群多样性,提高其全局搜索能力。将改进的樽海鞘算法应用到GRNN神经网络平滑因子参数的优化,缩短了训练时间,提高了预测精度。利用ASSA-GRNN与PSO-BP模型分别进行施肥量预测,ASSA-GRNN模型的施氮量预测结果绝对误差平均值、绝对误差方差和相对误差平均值分别为0.0342、0.0044和0.67%,比PSO-BP模型预测误差有所下降。最后,施肥量预测结果通过数据可视化技术展示给用户,且可以通过开关控制器打开电磁阀。

关键词：预测施肥量樽海鞘算法 GRNN神经网络

来源：评论

学校读者我要写书评

暂无评论

消防无人机协同任务分配技术研究

消防无人机协同任务分配技术研究

引用

作者：隋学梅沈阳航空航天大学

学位级别：硕士

随着消防事业面临的环境日益复杂,我国传统的消防手段已经不能高质量的完成工作。无人机的发展和完善为复杂的消防任务提供了新的解决方案,目前有关任务分配问题的研究已经成为多消防无人机协同是否高效的核心。现存的大多数算法存在搜... 详细信息

随着消防事业面临的环境日益复杂,我国传统的消防手段已经不能高质量的完成工作。无人机的发展和完善为复杂的消防任务提供了新的解决方案,目前有关任务分配问题的研究已经成为多消防无人机协同是否高效的核心。现存的大多数算法存在搜索能力不稳定、陷入局部最优等问题,对此本文的研究内容主要包括以下三个方面: 首先,研究了基于自适应樽海鞘算法的多消防无人机协同任务分配问题。在原算法的理论基础上,对领导者位置更新公式进行了修改。在算法中引入了自适应算子和遗传算法的变异算子,使得领导者和跟随者的数量随着迭代次数增加而自动变化。算法在前期的全局搜索和后期跳出局部最优的能力上均得到了增强。与遗传算法、樽海鞘算法相比,具有更好的有效性和收敛性。其次,研究了基于改进双种群遗传算法的多消防无人机协同任务分配问题。对两个种群分别使用了自适应变异算子和大变异算子两种操作,交叉过程是在对种群进行相似度衡量后,描述为一种动态的交叉概率。算法中还采取了二次精英保留,以及对双种群采取了不同方式的移民算子。实验结果表明:改进的算法提高了收敛速度和稳定性,更好地避免了陷入局部最优。最后,研究了基于引导机制的E-CARGO模型下多消防无人机协同任务分配问题。通过理论分析,将复杂的问题分解,在模型中考虑了引导机制的约束,利用生长曲线对新约束进行建模。通过枚举法和分支定界算法对问题进行求解,与原模型相比,新约束下的模型能够获得更大的收益。

关键词：协同任务分配樽海鞘算法双种群遗传算法 E-CARGO模型

来源：评论

学校读者我要写书评

暂无评论

基于最小二乘支持向量机的高拱坝结构健康监测

基于最小二乘支持向量机的高拱坝结构健康监测

引用

作者： Ali Zar（李卓）大连理工大学

学位级别：硕士

中国已经建成了多座混凝土高拱坝,出于安全原因,它们需要有效的技术指标,具有可靠的规格和标准。整体稳定性问题十分突出,特殊荷载、极端天气等各种不利因素都会影响大坝的动态性能,可能引起大坝运行问题。因此,混凝土坝的健康监测需要... 详细信息

中国已经建成了多座混凝土高拱坝,出于安全原因,它们需要有效的技术指标,具有可靠的规格和标准。整体稳定性问题十分突出,特殊荷载、极端天气等各种不利因素都会影响大坝的动态性能,可能引起大坝运行问题。因此,混凝土坝的健康监测需要持续可靠的研究。变形对高拱坝工作性能的影响会引起严重的问题。根据以前的工程经验,工程问题经常出现在蓄水的早期阶段。适用于高拱坝初期的位移监测模型(DMM)的研究具有重要的理论意义和实践价值。另一方面,更直观的效应量之一是设计参数和材料特性的变化对高拱坝工作性能的影响。确保高拱坝安全运行的最重要方法之一是对其行为进行基于振动的研究,并开发损坏检测模型(DDM)。根据以前的工程经验,工程问题经常出现在高地震活动或严重洪水之后以及蓄水的早期阶段,这些洪水会在大坝部分留下内部损坏并改变其性质。使用振动响应进行损伤检测的研究适用于任何阶段的高拱坝,以观察其动态行为和材料特性,并具有理论和实践意义。本研究工作第一部分基于蓄水初期实际监测数据,对超高拱坝的DMM进行研究。对近年来超高拱坝的安全监测结果进行了梳理,并介绍了多元回归(MLR)分析、径向基函数(RBF)神经网络和最小二乘支持向量机(LS-SVM)等不同的分析方法,包括其原理和结果评价标准。总结了超高拱坝DMM的建模步骤和实施方法。基于MLR分析以及RBF神经网络(NN)和元启发式机器学习(ML)技术(LS-SVM)的统计回归分析,用于在蓄水初始阶段建立高拱坝的DMM。此外,还比较了静水-温度-时间(HTT)模型和静水季节-时间(HST)模型的性能。第二部分,为确定混凝土拱坝不同部位的损伤及其动态参数,提出一种基于代理模型和优化算法的混合反演方法,并进行模型参数反演。在这种方法中,LS-SVM和RBF神经网络被用作代理模型,以比较这些用于检测损伤的新技术的性能。代理模型用于代替有限元模型执行有限元(FE)分析。为了生成代理模型的样本点,使用了拉丁超立方体抽样(LHS)。针对动态参数反演分析,研究了粒子群优化算法(PSO)、Jaya、遗传算法(GA)和樽海鞘群智能算法(SSA)等多种元启发式优化算法,以优化目标函数。考虑了双曲混凝土拱坝的不同损伤情景,验证了所提出方法的性能和可行性. 结果表明;(1)与传统的MLR分析和RBF-NN模型相比,基于LS-SVM的模型在蓄水初期超高拱坝位移监测模型中具有更高的训练和预测精度。(2)为了提高NN和ML方法的性能,应探索超参数值。(3)实测温度能反映不稳定温度场对蓄水初期大坝位移的影响,能达到比季节性温度模型更好的性能。(4)LS-SVM作为一种强大的ML技术,与RBF相比,可以准确地表示动态弹性模量(DEM)与模态参数之间的关系。(5)LS-SVM模型与RBF模型相比,LS-SVM模型的损伤识别过程更准确,并且识别过程更快一些。(6)与其他算法相比,SSA可以更好的解决参数识别问题,并且在两种情况下都与两种代理模型一起表现良好。(7)当将噪声添加到振动响应中时,LS-SVM模型在这两种情况下的损伤检测中都表现良好,这表明LS-SVM方法更可靠。SSA优于其他新颖的优化算法,建议在实际过程中使用所提出的混合模型。(8)选择更多的传感器点来获得振动响应会对预测材料性能变化的准确性产生影响。(9)与有限元相比,基于LS-SVM的代理模型具有巨大的计算效率优势,误差可以忽略不计。删掉“结果表明”在处理复杂的民用基础设施安全监测问题时,LS-SVM是更可靠的修改为“预报建模与损伤诊断方法”。

关键词：位移监测模型损伤检测模型拱坝最小二乘支持向量机樽海鞘算法

来源：评论

学校读者我要写书评

暂无评论

基于多信息融合的智能矿井输电线路故障诊断研究

基于多信息融合的智能矿井输电线路故障诊断研究

引用

作者：蔺晓雨辽宁工程技术大学

学位级别：硕士

由于煤矿井下复杂多变的工况导致供电系统线路故障无法彻底避免,当发生故障后必须准确快速处理故障以保障矿井顺利生产和人员人身安全,而正确识别故障类型是对线路进行安全快速修复的关键。针对目前现有故障诊断算法准确率不高的问题,... 详细信息

由于煤矿井下复杂多变的工况导致供电系统线路故障无法彻底避免,当发生故障后必须准确快速处理故障以保障矿井顺利生产和人员人身安全,而正确识别故障类型是对线路进行安全快速修复的关键。针对目前现有故障诊断算法准确率不高的问题,提出了一种基于多信息融合的智能矿井输电线路故障诊断方法。首先通过改进的自适应噪声完备集合经验模态分解算法(Improved Complete Ensemble EMD with Adaptive Noise,ICEEMDAN)对获得的故障信号进行模态分解,引入相关系数对模态分量进行筛选并利用能量熵、排列熵和模糊熵从三个角度提取筛选后模态分量的特征信息,构成多信息融合特征数据集;为了对获得的高维故障特征数据集进行降维,降低高维数据存在的稀疏性和多重共线性,分别利用多维尺度缩放法(Multiple Dimensional Scaling,MDS)、主成分分析法(Principal Component Analysis,PCA)、线性判别分析法(Linear Discriminant Analysis,LDA)和局部线性嵌入法(Locally Linear Embedding,LLE)对其进行降维处理,通过引入特征保留目标函数、类别分离参数和降维所用时间三个性能指标对四种算法降维性能进行评价,结果证明针对故障特征数据MDS算法在性能上更具优势。然后引入樽海鞘群算法(Salp Swarm Algorithm,SSA)并对该算法进行改进,通过在种群位置更新方式上引入种群信赖机制和突变机制,在加快算法收敛速度的同时增强了算法的收敛能力。通过利用测试函数对改进SSA、SSA、粒子群算法(Particle Swarm Optimization,PSO)、灰狼算法(Grey Wolf Optimizer,GWO)和β-GWO算法的寻优速度和寻优能力进行实验对比,验证了改进SSA算法的优越性。最后使用改进SSA算法对MDS最优降维参数和支持向量机(Support Vector Machine,SVM)的C、g参数联合寻优,进而构建出煤矿井下输电线路故障诊断模型。分析比较该模型与常用算法优化的SVM故障诊断模型、BP神经网络(Back Propagation Neural Network,BPNN)、K最近邻(K-Nearest Neighbor,KNN)以及随机森林(Random Forest,RF)故障诊断模型对故障类型识别的准确率,结果证明提出的故障诊断模型具有较强的泛化能力,故障诊断准确率高于其它算法模型。该论文有图42幅,表11个,参考文献81篇。

关键词：井下输电线路多信息融合多维尺度缩放法樽海鞘算法支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于数据驱动的铝电解过程关键参数优化方法研究

基于数据驱动的铝电解过程关键参数优化方法研究

引用

作者：何俊隆广西大学

学位级别：硕士

铝电解工业属于复杂高能耗的流程工业,面对当前严峻的能源形势,节能降耗已成为其首要目标。铝电解生产过程稳定高效运行的关键在于保证铝电解槽的正常运行,也是企业实现经济效益和节能降耗的基础。由于铝电解生产过程具有非线性、多变... 详细信息

铝电解工业属于复杂高能耗的流程工业,面对当前严峻的能源形势,节能降耗已成为其首要目标。铝电解生产过程稳定高效运行的关键在于保证铝电解槽的正常运行,也是企业实现经济效益和节能降耗的基础。由于铝电解生产过程具有非线性、多变量、大时滞的特点,导致传统的方法难以建立精确的数学模型和实现过程优化控制。因此以铝电解过程为研究背景,对不同的槽状态类别,采取相应的优化措施,这对于稳定铝电解工业生产,降低铝的生产成本,达到节能降耗的目的具有重要意义。本文针对铝电解生产过程,采用数据驱动建模方法和智能优化算法,对电解槽状态进行综合评判及铝电解过程关键参数的优化进行研究,取得了一定的研究成果。本文的主要研究内容如下:(1)首先对铝电解槽的结构进行描述,分析铝电解生产过程工艺机理以及铝电解关键参数,并确定铝电解生产过程的控制目标。对铝电解数据进行归一化处理,从而消除由于量纲不同导致数据分析减弱的问题。(2)为了解决铝电解过程关键参数难以准确测量的问题,提出一种基于改进最小二乘孪生支持向量回归机的铝电解关键参数预测模型。通过机理分析与灰色关联度分析结合的方法,确定预测模型的输入变量,采用最小二乘孪生支持向量回归机建立电流效率和直流电耗预测模型,并采用量子混沌樽海鞘算法优化模型结构参数。仿真实验结果表明,建立的模型具有较高的预测精度,能够满足铝电解实际软测量的需要,为铝电解过程实现多目标优化提供了基础。(3)当铝电解槽处于不同的槽状态时,在槽控系统中需要采取不同的控制策略。通过对电解槽状态进行关联参数分析,将电解质温度作为评估槽状态优劣的性能指标。本文提出了一种改进的槽状态评判模型。该模型采用卷积神经网络提取铝电解槽状态深层特征,然后将提取到的深层特征输入到量子混沌樽海鞘算法优化鲁棒能量模型最小二乘孪生支持向量机进行槽状态评判,利用实际的生产数据进行验证,仿真结果表明,本文所建立的槽状态评判模型具有较高的分类精度,从而可以对槽状态进行准确判断,有利于应对不同的槽状态采取不同的生产措施。当电解槽处于差槽时,采取溯因分析的方法,并给出相应措施,使其恢复到良槽或者优槽。(4)当槽状态评判为良槽或优槽时,为了达到节能降耗的优化目标,在关键参数预测模型的基础上,以铝电解电流效率最大,直流电耗最小为优化目标,铝电解过程参数为约束条件,建立多目标优化控制模型。采用第三代非支配排序遗传算法求解该模型。仿真结果表明,该优化策略可以保证铝电解槽的稳定运行,并实现铝电解生产优化操作,达到了较好的节能降耗的目的。

关键词：铝电解最小二乘孪生支持向量回归机关键参数预测樽海鞘算法节能降耗

来源：评论

学校读者我要写书评

暂无评论

基于最小二乘支持向量机的高拱坝结构健康监测

基于最小二乘支持向量机的高拱坝结构健康监测

引用

作者：李卓（Ali Zar）大连理工大学

学位级别：硕士

中国已经建成了多座混凝土高拱坝,出于安全原因,它们需要有效的技术指标,具有可靠的规格和标准。整体稳定性问题十分突出,特殊荷载、极端天气等各种不利因素都会影响大坝的动态性能,可能引起大坝运行问题。因此,混凝土坝的健康监测需要持续可靠的研究。变形对高拱坝工作性能的影响会引起严重的问题。根据以前的工程经验,工程问题经常出现在蓄水的早期阶段。适用于高拱坝初期的位移监测模型(DMM)的研究具有重要的理论意义和实践价值。另一方面,更直观的效应量之一是设计参数和材料特性的变化对高拱坝工作性能的影响。确保高拱坝安全运行的最重要方法之一是对其行为进行基于振动的研究,并开发损坏检测模型(DDM)。根据以前的工程经验,工程问题经常出现在高地震活动或严重洪水之后以及蓄水的早期阶段,这些洪水会在大坝部分留下内部损坏并改变其性质。使用振动响应进行损伤检测的研究适用于任何阶段的高拱坝,以观察其动态行为和材料特性,并具有理论和实践意义。本研究工作第一部分基于蓄水初期实际监测数据,对超高拱坝的DMM进行研究。对近年来超高拱坝的安全监测结果进行了梳理,并介绍了多元回归(MLR)分析、径向基函数(RBF)神经网络和最小二乘支持向量机(LS-SVM)等不同的分析方法,包括其原理和结果评价标准。总结了超高拱坝DMM的建模步骤和实施方法。基于MLR分析以及RBF神经网络(NN)和元启发式机器学习(ML)技术(LS-SVM)的统计回归分析,用于在蓄水初始阶段建立高拱坝的DMM。此外,还比较了静水-温度-时间(HTT)模型和静水季节-时间(HST)模型的性能。第二部分,为确定混凝土拱坝不同部位的损伤及其动态参数,提出一种基于代理模型和优化算法的混合反演方法,并进行模型参数反演。在这种方法中,LS-SVM和RBF神经网络被用作代理模型,以比较这些用于检测损伤的新技术的性能。代理模型用于代替有限元模型执行有限元(FE)分析。为了生成代理模型的样本点,使用了拉丁超立方体抽样(LHS)。针对动态参数反演分析,研究了粒子群优化算法(PSO)、Jaya、遗传算法(GA)和樽海鞘群智能算法(SSA)等多种元启发式优化算法,以优化目标函数。考虑了双曲混凝土拱坝的不同损伤情景,验证了所提出方法的性能和可行性.结果表明;(1)与传统的MLR分析和RBF-NN模型相比,基于LS-SVM的模型在蓄水初期超高拱坝位移监测模型中具有更高的训练和预测精度。(2)为了提高NN和ML方法的性能,应探索超参数值。(3)实测温度能反映不稳定温度场对蓄水初期大坝位移的影响,能达到比季节性温度模型更好的性能。(4)LS-SVM作为一种强大的ML技术,与RBF相比,可以准确地表示动态弹性模量(DEM)与模态参数之间的关系。(5)LS-SVM模型与RBF模型相比,LS-SVM模型的损伤识别过程更准确,并且识别过程更快一些。(6)与其他算法相比,SSA可以更好的解决参数识别问题,并且在两种情况下都与两种代理模型一起表现良好。(7)当将噪声添加到振动响应中时,LS-SVM模型在这两种情况下的损伤检测中都表现良好,这表明LS-SVM方法更可靠。SSA优于其他新颖的优化算法,建议在实际过程中使用所提出的混合模型。(8)选择更多的传感器点来获得振动响应会对预测材料性能变化的准确性产生影响。(9)与有限元相比,基于LS-SVM的代理模型具有巨大的计算效率优势,误差可以忽略不计。删掉“结果表明”在处理复杂的民用基础设施安全监测问题时,LS-SVM是更可靠的修改为“预报建模与损伤诊断方法”。

关键词：位移监测模型损伤检测模型拱坝最小二乘支持向量机樽海鞘算法

来源：评论

学校读者我要写书评

暂无评论

基于深度自编码神经网络的滚动轴承故障识别研究

基于深度自编码神经网络的滚动轴承故障识别研究

引用

作者：李琦重庆邮电大学

学位级别：硕士

随着科技的迅猛发展,机械设备的自动化程度逐渐增高,同时机械系统也变得越来越复杂。如果系统中某一零部件发生故障,极易引发连锁反应,造成其它零部件的损伤,这给故障诊断带来了巨大的挑战。滚动轴承是旋转机械必不可少的一类零件,对旋... 详细信息

随着科技的迅猛发展,机械设备的自动化程度逐渐增高,同时机械系统也变得越来越复杂。如果系统中某一零部件发生故障,极易引发连锁反应,造成其它零部件的损伤,这给故障诊断带来了巨大的挑战。滚动轴承是旋转机械必不可少的一类零件,对旋转机械的正常运行起着至关重要的作用。由于工作环境潮湿且长期处于高负载、高速旋转的工作状态,滚动轴承也是极易损坏的零部件,因此,研究高效的滚动轴承智能故障诊断方法具有非常重要的工程价值。深度学习具备强大的自学习能力,近年来逐渐在故障诊断领域得到应用。但滚动轴承的工作环境极为复杂,振动信号与大量的噪声信号混叠在一起,导致深度学习在轴承故障诊断中的实际应用较为困难。噪声的存在加大了滚动轴承故障特征提取的难度、降低了故障识别准确率。为解决这一问题,本文做了如下工作: 首先,将full卷积和池化思想融入自编码器,设计了用于无监督故障特征提取的全卷积自编码器(Full Convolutional Autoencoder,FCAE);采用费舍尔准则筛选出区分性好的故障特征,降低特征维数;为防止樽海鞘算法陷入局部极值,改进了算法的位置更新公式,并将改进算法优化的支持向量机(Support Vector Machine,SVM)作为滚动轴承故障诊断的分类器。实验结果表明,FCAE所提取的故障特征质量更高、更具有代表性,不加噪声时,故障识别率能达到99.5%,信噪比为-2d B时,故障识别率为87%。然后,设计了监督全卷积自编码器(Supervised Full Convolutional Autoencoder,SFCAE)。由于信噪比较低时,FCAE的故障诊断效果显著下降。为提高噪声环境下的滚动轴承故障识别效果,在FCAE的解码阶段加入softmax分类层,提出了SFCAE,使网络所提取的特征更有益于分类任务。使用多个SFCAE堆叠构建了堆叠监督全卷积自编码网络(Stacked Supervised Full Convolutional Autoencoder,SSFCAE)。在信噪比为-2d B时,SSFCAE的故障识别率能达到94.5%。最后,以SSFCAE为基分类器进行算法集成。对训练数据集进行多次随机抽样,构建不同的训练数据子集;使用训练数据子集分别训练不同激活函数的SSFCAE网络,激活函数不同,SSFCAE提取的故障特征也有所不同;设计了基于G均值的加权集成策略对不同激活函数的SSFCAE进行集成,从而得到最终的故障诊断结果。通过算法集成,在信噪比为-2d B时,故障识别率进一步提升到97.25%。

关键词：滚动轴承故障诊断全卷积自编码器樽海鞘算法集成学习

来源：评论

学校读者我要写书评

暂无评论

广义Bézier-like可展曲面的理论及算法研究

广义Bézier-like可展曲面的理论及算法研究

引用

作者：苏小波西安理工大学

学位级别：硕士

可展曲面是一类特殊的直纹面,它可以在没有拉伸、折叠和撕裂的情况下展开成一张完整平面。由于这一优良性质,在一些使用不可伸缩材料的制造领域可展曲面有着极高的应用价值。传统基于Bzier模型的可展曲面虽然设计简单,但存在自身形状难... 详细信息

可展曲面是一类特殊的直纹面,它可以在没有拉伸、折叠和撕裂的情况下展开成一张完整平面。由于这一优良性质,在一些使用不可伸缩材料的制造领域可展曲面有着极高的应用价值。传统基于Bzier模型的可展曲面虽然设计简单,但存在自身形状难以修改的缺点。广义Bézier-like可展曲面通过引入形状参数,能灵活调整和优化自身的形状,所以研究该可展曲面在理论及应用上均有重要的意义。因此,本文结合3类元启发式算法,重点对广义Bézier-like可展曲面的转换、形状优化及插值进行了研究。具体工作和研究成果如下: (1)为了克服同一CAD/CAM系统中不同可展曲面间的不相容性问题,研究了广义Bézier-like可展曲面与传统Bézier可展曲面之间的相互转换。首先,推导了将广义Bézier-like可展曲面转换为传统Bézier可展曲面的一个显式转换公式。其次,提出了种将传统Bézier可展曲面向广义Bézier-like可展曲面近似转换的算法。该算法利用连续向量函数的L2范数,建立了度量转化前后可展曲面误差大小的优化模型,并结合平衡优化器算法(EO)求解该模型得到了最优转换可展曲面。最后,给出了一些具有代表性的数值实例,验证了所提转换算法的有效性和准确性。 (2)可展曲面形状优化是CAD/CAM领域一项关键且又棘手的技术。本文利用改进樽海鞘算法研究了广义Bezier-like可展曲面的形状优化问题。首先,通过调整樽海鞘算法(SSA)的控制参数,并在个体位置更新操作中加入Morlet小波变异策略,提出了一种改进的樽海鞘算法,简称为FMSSA。将FMSSA与其他智能优化算法(包括SSA)做了对比研究,CEC 2005测试函数的仿真结果表明:相比于SSA,FMSSA的收敛速度和计算精度均得到了提升。其次,根据对偶原理将广义Bézier-like可展曲面的形状优化问题分别转换为其对偶曲线弧长、能量和曲率变化率的极小化问题,据此建立了可展曲面的3种形状优化模型。最后,利用FMSSA和其他5种智能算法求解所提出的3种优化模型,并做了对比研究,数值结果表明了所提方法的有效性。 (3)相比单目标形状优化,可展曲面的多目标形状优化是一项更棘手、更具挑战性的技术,在工程制造领域有着更广泛应用。为此,提出了一种基于精英非支配排序遗传算法的广义Bézier-like可展曲面多目标形状优化方法,以促进该可展曲面在工程设计中的应用。首先,根据3D射影空间中的对偶理论,将广义Bezier-like可展曲面的形状优化问题转化为相应对偶曲线的形状优化问题。其次,建立了基于对偶曲线弧长最短、能量和曲率变化率最小的多目标形状优化模型,并利用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)求解该模型得到了满足优化准则的最优可展曲面。最后,通过典型数值实例验证了所提方法的可行性和优越性。 (4)曲率线和测地线是曲面上的2类特殊曲线,构造插值这两类曲线的可展曲面在工程应用中有着重要意义。首先,给定一条空间广义Bézier-like曲线,提出了插值该曲线并将其分别作为曲面上曲率线和测地线的可展曲面构造方法。其次,讨论了形状参数对插值可展曲面形状的影响规律,推导了相邻广义Bézier-like插值可展曲面G1、G2 Beta连续的几何条件。最后,研究了基于曲率线或测地线形状最优的广义Bézier-like插值可展曲面的形状优化问题,并通过一些具有代表性和说服力的例子说明了所提方法的有效性和性能。

关键词：广义Bézier-like可展曲面形状参数曲面转换平衡优化器樽海鞘算法 Morlet小波变异形状优化曲面插值

来源：评论

学校读者我要写书评

暂无评论

面向复杂环境的WSN节点部署研究

面向复杂环境的WSN节点部署研究

引用

作者：杨兴成都理工大学

学位级别：硕士

无线传感网络(Wireless Sensor Networks,WSN)能通过部署在监测区域内的传感器节点实现对区域内信息的感知和传输,而节点的有效部署是提高WSN监测质量的关键。随着WSN的发展,应用场景中所需要的网络规模持续扩大、环境越来越复杂,传统... 详细信息

无线传感网络(Wireless Sensor Networks,WSN)能通过部署在监测区域内的传感器节点实现对区域内信息的感知和传输,而节点的有效部署是提高WSN监测质量的关键。随着WSN的发展,应用场景中所需要的网络规模持续扩大、环境越来越复杂,传统部署方式已不能满足实际的部署需求,如何在复杂环境中采用一种有效的节点部署方法提高网络覆盖率、节约网络运行成本是目前仍需要改善的问题。因而对WSN节点部署方法进行研究具有一定的意义。首先本文对WSN节点部署算法进行了研究,针对樽海鞘算法优化WSN节点部署时,因寻优精度低且易陷入局部最优,而导致节点部署后覆盖率低的问题,提出了一种基于高斯扰动和多项自适应策略改进的樽海鞘算法(Guassion disturbance and adaptive salp swarm algorithm,GASSA)。通过自适应调整樽海鞘算法的结构、引入自适应领导者移动步长、非线性递减的自适应权重值和高斯扰动食物源的策略,使算法能快速收敛到食物源附近,跳出局部最优。将改进的GASSA算法在无障碍环境下,采用布尔感知模型对WSN节点部署进行仿真,与樽海鞘算法进行对比,验证了GASSA算法的优越性。其次针对GASSA算法部署后的WSN节点分布不均匀的问题,进一步在GASSA算法的位置更新过程中引入虚拟力步长因子,提出了一种融合虚拟力步长因子的樽海鞘算法(VGASSA)。并将VGASSA算法在无障碍环境下,采用指数感知模型对WSN节点部署进行仿真,与GASSA算法优化的结果进行对比,VGASSA算法优化后的节点在监测区域内能分布得更加均匀,提高了覆盖率。最后本文设计了模拟的复杂环境和实际存在的复杂环境,验证本文改进的相关算法在不同环境中对WSN节点部署的可行性。针对复杂环境下的WSN节点在部署过程中移动到障碍物区域内,造成WSN节点无法部署的问题,提出了网格近似化处理和节点移动距离最小的策略,使WSN节点在部署过程中能根据网格近似化得到的障碍物区域信息和移动距离最小的原则实现有效部署。在MATLAB中采用更加符合实际部署的概率感知模型,对两种不同复杂环境中的WSN节点部署进行仿真,并将新的覆盖率函数作为目标函数。结果表明,改进的樽海鞘算法均能有效地对两种复杂环境中的WSN节点进行部署。但VGASSA算法更能有效地提高覆盖率,适用性更强,能为WSN节点部署提供一种可行的部署方法。

关键词：无线传感网络节点部署樽海鞘算法虚拟力算法覆盖率

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：