基于支持向量机模型的地表下沉系数计算参数寻优

为准确快速地对地表下沉系数进行预测分析,提出基于支持向量机(SVM)的地表下沉系数的SVM预测模型,结合我国典型的地表移动观测站实际案例,分别采用网格参数寻优算法、遗产算法(GA)、粒子群算法(PSO)对SVM模型进行参数寻优,并采用考虑交叉概率的改进GA算法对地表下沉系数进行预测.结果表明,改进的GA算法预测回归系数可达到0.95271,适合地表下沉系数预测分析,预测准确率最高.     

云计算多目标任务调度的优化粒子群算法研究

针对传统粒子群算法求解云计算多目标任务调度的收敛速度慢、精度低的缺陷,提出一种优化多目标任务调度粒子群 算法(MOTS-PSO)。 首先,引入非线性自适应惯性权重,改变粒子的寻优能力,避免算法陷入局部最优;其次引入花朵授粉算法 概率更新机制,平衡粒子的全局搜索和局部寻优,并对粒子的全局搜索位置更新公式进行改进;最后引入萤火虫算法,产生“精 英解”对局部搜索位置更新公式进行改进;同时利用“精英解”对粒子的位置进行扰动,跳出局部最优状态。 实验表明,MOTS-PSO 算法在收敛速度和收敛精度上,比 PSO 算法提高了 27. 1%、19. 9%,比 FA 算法提高了 22. 09%、5. 2%。 进一步实验表明, MOTS-PSO 算法在解决不同规模数量的任务调度时,比 PSO、FA 算法效果更优。     

基于PCA-PSOSVM的煤自燃程度预测研究

针对煤自燃程度指标多且与气体产物之间存在复杂非线性关系的特点,将主成分分析理论(PCA)和支持向量机算法(SVM)相结合,建立了煤自燃程度的预测模型。对表征煤自燃程度的10个指标进行主成分分析,提取其中3个主要成分作为支持向量机的输入,利用MATLAB实现回归预测,运用粒子群算法(PSO)对支持向量机的参数寻优,并与遗传算法(GA)参数寻优进行了对比。预测结果显示,PCA-PSOSVM模型的预测精度相对较高,其相对误差绝对值的平均值为4.26%,而PSOSVM、GASVM和PCA-GASVM的相对误差绝对值的平均值分别为8.16%、10.62%和7.81%,表明经PCA降维处理后的SVM预测准确率高于未经PCA降维处理的SVM预测结果,PSOSVM比GASVM具有更好的预测效果。     

交直流电网的无功补偿选点及容量优化研究

目前,有关交直流电网无功优化的研究受到了越来越多的关注。针对交直流电网的无功优化问题,提出了一种基于改进粒子群算法的交直流电网无功补偿优化方法。首先优化了无功补偿的选点方法。在奇异值分解原理的基础上,采用多次潮流计算、逐次定点的方法进行无功补偿选点,避免了无功过补偿。然后提出了一种基于分组寻优的改进粒子群算法,该算法可有效避免陷入局部最优解,提高寻优速度。最后,采用改进的IEEE-57标准节点系统对所提出的方法进行验证。相比传统方法,该方法能够有效提高交直流电网的电能质量,减少无功补偿容量,具有更好的优化效果。     

煤矿坑道钻机自适应钻进系统分析与研究

针对煤矿复杂地层瓦斯抽采施工难度大,对司钻人员经验依赖性高的现状,对煤矿瓦斯抽采钻机的控制系统进行了深入研究,设计了钻进自适应控制系统。针对该系统的特点以转速和钻压为基础建立了数学模型,利用拉格朗日乘数法求优算法得出钻进参数的最优解。以PLC控制系统和电液控制比例系统为平台,以最优解为控制参数,使得钻进速度达到最大化,满足高效钻探施工的要求。     

PSO优化多核RVM的模拟电路故障预测

针对模拟电路健康管理的特点，提出了一种基于PSO优化多核RVM的模拟电路故障预测方法。利用参数分析得到电路的输出频域响应作为特征，计算其与电路无故障标准响应的欧氏距离来表征电路元件健康值，将多个核函数线性组合，并用PSO优化多核RVM参数后的模型实现对各个时间点元件的健康值变化轨迹进行预测。仿真结果表明，该方法在小样本情况下，预测效果优于单一核函数的RVM模型，适用于健康管理中实时预测，具有较好的实用性。     

改进天牛须算法在采煤机调高中的应用仿真

针对采煤机在工作过程中调高精度不足,滚筒轨迹跟踪能力不高的问题,提出了一种结合人工鱼群的改进天牛须优化算法的控制策略.使用改进的天牛须算法,以ITAE作为调高系统的性能指标,寻优得到采煤机调高系统PID控制参数.将改进天牛须算法与普通天牛须算法进行参数比对,证明了改进后的算法具有优越性.改进后的算法参数用于simulink搭建的系统仿真模型中,仿真证明改进的天牛须优化算法在快速寻优的基础上做到更加有效的降低系统误差,并且寻优得到的控制器具有更好的抗干扰和信号跟踪能力,可以为煤炭的高效生产提供依据.