PSO优化SVM的MEMS陀螺温度零偏补偿

针对微机械陀螺零偏受温度影响较大的问题,提出一种粒子群优化(PSO)算法和支持向量机(SVM)相结合的陀螺零偏温度补偿方法。首先,将平滑处理后的陀螺数据作为样本点,采用基于径向基核函数的支持向量机方法构建漂移模型,把数据从低维空间映射到高维空间,并进行线性拟合,保证泛化能力。然后,利用粒子群算法对支持向量机的惩罚参数、核函数参数以及不敏感系数进行优化,避免了人为选择参数的盲目性且提高了建立模型的精度。实验结果表明:经PSO调节支持向量机算法补偿后,陀螺输出精度更高;与最小二乘法、BP神经网络法相比,陀螺输出数据方差分别减小了81.3%和57%,最大误差分别减小54.7%和48.5%。     

基于粒子群优化的SVM供水管道泄漏诊断方法

供水管道泄漏会造成水资源浪费和经济损失,传统支持向量机泄漏诊断模型中存在参数选择不确定的问题,导致其分类结果不稳定。提出将粒子群进化算法应用于泄漏诊断支持向量机模型中的参数优化选择,利用粒子群群体智能优化搜索从全局迅速地迭代出合理的支持向量机的惩罚参数以及核参数,使建立的PSO-SVM管道泄漏诊断模型达到最优。实验测试表明,通过结合粒子群算法全局搜索收敛速度快的优点,有效地解决了支持向量机模型中两个重要参数优化选择的问题,提升了支持向量机分类的准确率和效率。     

风力发电机转速控制系统的建模与仿真

针对风力发电机非线性、随机性、扰动大等特点,设计基于带动量项的粒子群优化的支持向量机的风力发电机转速控制建模的新方法。利用支持向量机对小样本、高维度、非线性特性的映射能力,将风电系统的采样数据映射到高维的特征空间进行建模。支持向量机惩罚因子C和核参数σ的选择对建模效果影响较大,经验试凑的方法难以获得较好的参数,引入粒子群算法进行参数寻优。为了克服传统粒子群算法易陷入局部最优且收敛速度慢的缺陷,提出带动量项的改进粒子群算法寻优。以采集的风速、风力发电机转矩、桨距角作为输入信号,发电机转速数据作为输出信号,在Matlab环境中进行建模。实验结果表明,与传统算法相比,采用该方法的模型在准确性和收敛速度方面得到较大改善。     

粒子群算法优化支持向量机的网络流量混沌预测

针对传统网络流量预测方法存在预测平均绝对误差较大的问题,提出基于粒子群算法优化支持向量机的网络流量混沌预测方法。采用粒子群算法对支持向量机方法进行优化,利用优化后的支持向量机方法对网络流量进行混沌预测,预测结果表明,采用改进预测方法时,其预测的平均绝对误差值相比FCM-LSSVM网络流量预测方法、Morlet-SVR和ARIMA组合预测方法分别降低了65.3%,34.3%,具有一定的优势。     

基于DGA支持向量机的变压器故障诊断

针对基于DGA的变压器故障诊断方法在实际操作中存在的不足,提出两种解决方案:基于粒子群优化支持向量机的变压器故障诊断、基于差分进化支持向量机的变压器故障诊断。通过分析两种方案的算法原理建立支持向量机的变压器故障诊断模型,从而完成参数的优化,对得到的最优参数进行验证,获取最优的支持向量机模型。在Matlab软件平台上进行仿真实验,结果证明,采用基于粒子群优化支持向量机的变压器故障诊断结果获取的变压器故障诊断率较高;基于差分进化支持向量机的变压器故障诊断方法的误判率较低,全局寻优能力较好,相比于粒子群优化算法,差分进化支持向量机的优化精度更高。     

基于DEPSO-RVM的B787电池剩余寿命预测

锂离子电池已经被应用于B787客机,为进一步提高B787锂离子电池的可靠性,针对传统基于相关向量机的电池剩余使用寿命预测方法的不足,提出一种把相关向量机、差分进化算法和粒子群优化算法融合的的方法。通过差分进化算法和粒子群优化算法对相关向量机的参数进行优化,增强其对电池历史监测数据退化趋势的预测能力。应用卡尔曼滤波器对融合算法实施优化,将优化后的预测结果作为在线样本添加到训练集中,对提出的模型重新训练,以此来动态调整系数矩阵和相关向量以执行下一次迭代预测。基于B787锂离子电池测量数据,对所提方法的有效性和鲁棒性进行了验证。     

基于蚁群支持向量机的模拟电路故障诊断

针对人为选择支持向量机参数的随机性和盲目性,将蚁群算法的全局收敛和并行计算的特点引入到支持向量机参数的优化中,建立了基于蚁群算法优化支持向量机参数的模型,使两种算法的优点有机结合,通过对支持向量机的惩罚因子和核函数参数进行优化,使支持向量机分类效果达到最好,并与遗传支持向量机模型比较,结果表明:蚁群算法优化支持向量机参...     

基于PCA-SVM的信息安全风险评估模型

提出了一种基于主成分分析(PCA)和支持向量机(SVM)的信息安全风险评估模型。首先运用层次分析法构建信息安全风险评估指标体系并采用主成分分析法对风险影响因素进行降维;接着将主成分作为SVM学习样本的输入向量;并利用粒子群算法优化支持向量机的惩罚系数C和核宽度系统σ,建立了一种智能化的信息安全风险评估模型。仿真结果表明,PCASVM方法与标准SVM和BP神经网络相比,有较高的分类准确率,是一种优异的信息安全风险评估模型。     

改进粒子群算法优化最小二乘支持向量机的网络流量混沌预测

为了提高网络流量的预测准确性,针对最小二乘支持向量机参数优化方法的缺陷,提出一种改进粒子群算法优化最小二乘支持向量机的网络流量混沌预测模型。首先将最小二乘支持向量机参数作为粒子初始位置,然后通过粒子群之间信息交流、互相协作找到最优参数,并对惯性权重和学习因子进行改进,最后对网络流量数据进行重构,并采用最优参数的最小二乘支持向量机建立网络流量预测模型。实验结果表明,本文模型提高了网络流量的预测精度,并大幅度减少了训练时间,可以满足网络流量在线预测要求。     

粒子群算法支持向量机的半监督回归

将基于粒子群算法的支持向量机与半监督学习理论相结合,提出了粒子群算法支持向量机的半监督回归模型。针对典型的实验数据集进行实验,并将实验结果与常规的遗传算法支持向量机和粒子群支持向量机模型进行对比。实验结果表明,粒子群算法支持半监督回归模型明显提高了回归估计的精度。     

基于粒子群优化和支持向量机的电力负荷预测

提出支持向量机的粒子群优化算法的用电量预测方法.其中,采用粒子群优化算法选取较优的支持向量机训练参数组合.以江西省2008年7月～10月的用电量数据以及相关特征数据作为实验数据,实验结果表明该算法电量负荷预测精度高于BP神经网络.     

Hammerstein model identification based on bacterial foraging

A new algorithm for Hammerstein model identification based on bacterial foraging is developed. Simulations and comparisons show its advantages over the particle swarm optimisation algorithm in terms of immunity to coloured noise, model accuracy, and the convergence of parameters     

基于回归算法的证件物品识别器参数辨识模型

证件物品管理识别器参数辨识存在局部最优现象,噪声干扰下辨识精度下降,提出基于回归算法的证件物品管理识别器参数辨识模型.将证件物品管理识别参数输出误差平方和,代入粒子群算法适应度函数,通过粒子群优化算法实时更新粒子个体最优值以及全局最优值,初步辨识证件物品管理识别器参数,并将所获取结果作为支持向量回归算法迭代初始值,利用...     

混合粒子群算法在动态车间调度中的应用

车间调度问题是广泛存在于现实生活中的经典算法规划问题。好的生产调度系统有利于提高企业工作效率及降低企业成本,是工业生产的核心竞争力。粒子群算法因为强大的智能规划能力而被广泛用于车间调度问题当中。文章在原有标准粒子群算法基础上,引入模拟退火机制及遗传算法中交叉变异策略形成的混合粒子群优化算法,并在更具有实际生产环境的动态车间调度中模拟应用,与遗传算法、离散粒子群算法进行比较,具有较强优势。     

数字调制识别SVM分类器参数优化及仿真

对于基于SVM数字信号调制识别分类器,参数选取过程中如何优化惩罚因子和径向基核函数参数问题,提出了一种改进算法。该算法将自适应惯性权重粒子群算法和k折交叉验证法结合,利用交叉验证法计算粒子适应度值,通过粒子群算法实现最优参数值搜索,最终得到分类器惩罚因子和径向基核函数参数最优值。仿真结果表明,该算法性能明显优于网格搜索法和遗传算法。     

基于改进粒子群算法的并联机械手运动参数识别

在工业生产过程中，由于机械手制造与装配过程存在误差，不仅造成运动精度降低，而且阻碍生产效率提高。为解决这一问题，提出了基于了改进粒子群优化算法的并联机械手运动参数识别研究，通过建立参数数学模型，完成机械手几何参数误差的识别和补偿。实验表明，文中提出基于改进粒子群优化算法的并联机械手运动参数识别，测试误差小、收敛速度快，可以为改良生产线、改善产品质量、提高企业效率提供有效的帮助。     

Beamforming in the Presence of Mutual Coupling Based on Constrained Particle Swarm Optimization

Two approaches towards beamforming based on constrained particle swarm optimization (PSO) are presented. One approach relies on the penalty function method, for which a new mathematical expression to select the penalty factors is derived. The other method uses a new PSO strategy for solving constrained optimization problems. To maximize performance of the beamforming procedure, the optimal system parameters for the PSO algorithm are derived. Mutual coupling and platform effects are fully accounted for by using the measured active element radiation patterns. The new PSO strategy is compared with a standard genetic algorithm. Using the measured radiation patterns of a seven-element antenna array, a real-life example is presented that demonstrates the possibilities of the new approach.      

量子粒子群和最小二乘支持向量机相结合的网络异常检测

为了提高网络安全性的异常入侵检测的准确率,提出一种量子粒子群算法（QPSO）优化最小二乘支持向量机（LSSVC）的网络异常检测方法（QPSO-LSSVC）.首先利用量子粒子群处算法对LSSVC模型参数进行搜索,选出最优参数,然后采用泛化性能力优异的LSSVC对网络入侵进行建模和检测.选取KDDCUP99数据对QPSO-LSSVC性能进行测试,实验结果表明,QPSO-LSSVC提高了网络异常检测准确率,降低了误报率,为网络安全提供了有效保证.     

基于GA-PSO融合算法的二自由度PID参数优化

在工业过程控制中,PID参数调节直接影响工业生产的质量和效率。针对PID参数调节难这一问题,文中提出了一种将遗传算法和粒子群算法相结合的智能融合算法,并将该算法应用于二自由度PID参数的优化中。该算法在遗传算法的变异算子中引入粒子群算法,充分发挥两种单一智能算法的优点,并弥补了两者的缺点。算例仿真验证结果显示,该算法可以很好的应用于PID参数优化,且在调节PID参数的过程中具有优良的性能指标数值,在目标值跟踪特性和外扰动抑制特性上具有更好的控制效果。     

基于粒子群算法的3维激光雷达回波分解

为了提高3维激光雷达回波分解的精度和准确度,采用粒子群算法与最小二乘法相结合的方法,分析了激光雷达回波分解原理以及粒子群算法原理,研究了粒子群算法在激光雷达回波信号分解中的应用;进行了理论分析与实际数据验证,取得了实际激光雷达回波数据的分解结果。结果表明,采用粒子群算法与最小二乘法相结合的分解方法,激光雷达回波可以更高精度地分解为一系列单个波形的叠加,并获得了延时、强度及脉宽等参量,拟合度提高至0.989,一定程度上抑制了噪声的干扰。该算法可以有效提高激光雷达回波分解的精度。