高斯径向基核函数参数的GA优化方法

核Fisher判别法KFDA(Kernel Fisher Discriminant Analysis)在模式分类应用中通常采用高斯径向基函数做核函数,但高斯径向基函数中参数σ的选取对模式分类的效果影响较大。参数σ的选取目前仅凭经验,缺乏自动选取方法。提出采用遗传算法GA(Genetic Algorithm)实现自动优化参数σ使KFDA具有自适应性的方法,用GA优化参数σ所确定的高斯径向基核函数应用于KFDA时,模式分类的可分性测度大。该方法在电机滚动轴承故障分类实验表明优于其他KFDA分类效果。     

遗传算法改进灰色RBF模型在负荷预测中的应用

灰色模型和神经网络作为常用的负荷预测方法虽应用较广,但各有缺陷.将两者结合起来一定程度上能实现双方的互补,但是存在的局部最优和收敛性问题一直没有很好的解决.利用遗传算法鲁棒性强、收敛速度快以及全局定位能力强的功能,代替传统的最小二乘法对GM(1,1)模型的参数进行高效求解,可以避免陷入局部最优,实现全局最优.将优化后的...     

基于RBF神经网络模型的电站锅炉燃烧优化

针对电站锅炉燃烧过程对运行经济性的影响,运用径向基函数(RBF)神经网络建立锅炉运行优化模型,以锅炉热效率与NOx排放质量浓度最佳值作为优化目标,实现二次风门挡板开度、燃尽风门挡板开度的寻优,求取不同工况下的最优值。结果表明:该系统可以在提高锅炉效率的同时也降低了NOx的排放,并正确地反映了锅炉机组的动态特性。     

遗传算法优化的RBF神经网络控制器

为了消除神经网络参数初值对控制器性能的影响,提出了一种改进遗传算法优化的RBF神经网络控制器.该方法设计了基于性能指标的适应度函数,自适应的交叉概率、变异概率,引入移民的遗传算法,保证了得到的控制器为最优参数控制器.该方法可用于非线性对象的控制器设计,仿真结果说明了该方法的有效性.     

基于核函数的PCA-LINMAP模型的电源结构优化评价

针对传统主成分分析法(PCA)在求解非线性数据中表现出的局限性,结合多维偏好分析的线性规划法(LINMAP)提出了基于核函数的主成分分析-多维偏好分析的线性规划(KPCA-LINMAP)评价模型.该模型还可求得各具体指标在评价过程中所占权重,从而弥补了传统主成分分析的又一不足.针对电源结构优化评价中指标众多和相关程度低的特点,将该评价模型应用其中,给出了若干地区电源结构优化的评价结果,并指出了当前电源结构优化的主要方向.     

基于GA改进算法的多目标机组优化检修计划

提出一种基于GA改进算法的兼顾经济性和可靠性的多目标机组检修计划UMS(unit maintenance schedu-ling)优化模型.模型分别采用研究周期内各时段的电量不足期望值EENS(energy expectation not served)之和与电力不足期望值LOLP(Loss of Load Expectation)之和为经济性目标和可靠性目标.采用改进排序适应函数法构造能够同时判断检修计划经济性和可靠性优劣的适应值甬数.最后对一5机算例进行了分析,并与传统等风险度法的结果进行了比较.结果表明基于GA改进算法的多目标优化检修方案在经济性及系统可靠性方面均具有较好性能.     

基于RBF神经网络的短期负荷预测

针对BP网络的缺陷,提出了一种基于RBF神经网络的短期负荷预测方法,利用遗传算法训练神经网络,使神经网络以较快的收敛速度和较大的概率得到了最优解。实例研究结果表明该方法可以取得较高的预测精度。     

基于RBF神经网络的铁水硅含量预报模型

文章利用RBF神经网络的全局搜索能力，结合梯度学习算法和专家系统，建立了高炉铁水硅含量预报RBF神经网络模型。该系统解决了BP神经网络局部的收敛，学习时间过长的问题。实际应用表明，该系统可以提高硅含量预报命中率，为高炉操作提供指导。     

基于RBF神经网络的模糊自适应控制

在对一些复杂系统进行模糊控制时,由于对系统的不了解,很难得到适合的控制规则。基于模糊控制器的一种解析结构,提出了模糊控制器与径向基函数（Radial Basis Function)神经网络相结合的方法。由RBF神经网络对系统进行辨识,并为学习系统提供必要的信息,根据信息对经验规则进行修改,从而改善模糊控制系统动态响应。仿真结果表明该控制器对模型参数变化具有较好的适应能力,能够较快地修改系统的原控制规则,使对象输出较快地跟踪系统的输入。     

基于改进遗传算法的模糊神经网络控制

针对常规遗传算法的缺陷,提出了一种依据新的种群“早熟”程度评价指标和自适应调整算法参数的遗传算法,并以单级倒立摆为被控对象,采用基于改进遗传算法的RBF模糊神经网络控制器进行了仿真研究。仿真结果表明,改进的遗传算法是有效的,新型模糊神经网络控制器的控制效果优于FLC和LQR控制。     

基于可变核的月径流改进非参数解集模型研究

径流序列模拟可为水资源系统规划和管理提供可靠依据.现行非参数解集模型模拟存在难以保持首尾自相关结构一致性,可能会产生大量负径流值的边界问题等不足.本文应用核密度估计理论,综合考虑年径流量和前期一阶月径流量与模拟月径流量的关系,采用可变核带宽方法减小边界影响,构建了月径流改进非参数解集模型,并将该模型与传统相关解集模型进...     

基于改进空间相关法和径向基神经网络的风电场短期风速分时预测模型

空间相关法利用空间相关点风速数据之间的相似性和延时性进行风速预测,但在实际应用中存在数据收集困难的问题.提出用空间平移法对空间相关法进行改进,通过减少空间相关点的数目,可有效地降低数据收集难度.为了确定空间相关点风速与所需预测的风电场风速数据之间的非线性关系,采用径向基(RBF)神经网络,建立了基于空间相关法的分时预测模型.该方法通过对风电场与空间相关点风速时间序列之间的关联度分析,将未来预测时段分成若干个时段,在每个时段内分别选择关联度高的相关点的风速数据,作为RBF神经网络的输入数据进行训练和预测.算例表明,该方法可提高风电场风速预测的预测精度,减少了RBF神经网络的训练时间.     

基于BOX-COX变换与改进核密度估计潮流计算

为研究多个光伏电厂出力存在相关性下的概率潮流计算,提出一种基于BOX-COX变换法与改进的非参数核密度估计的多光伏发电厂联合概率潮流的计算方法。首先,为描述多光伏电厂出力的相关性及强度,结合Gumbel Copula函数和Gini系数建立联合密度函数;然后,基于Box-Cox正态变换法和改进LDU三角分解法分别将光伏出力正态化和独立化处理并对光伏出力进行综合建模,根据半不变量法与Cornish-Fisher级数展开计算节点电压、支路潮流的概率分布,并将该计算结果分别与传统非参数核密度估计和蒙特卡洛方法进行对比。实际算例仿真结果表明,该方法计算精度高、时间短,仅用时3.17s,有一定的实用性且解决传统蒙特卡洛方法效率较低问题。     

基于内点法与改进遗传法的无功规划优化混合算法

建立了利用调节发电机端电压、可带载调压变压器分接头与静止电容器组的补偿容量来获得系统年综合费用最小的无功规划优化数学模型。将此问题分成连续优化和离散优化两个子问题,采用非线性内点法和改进遗传算法交替求解的混合算法。在迭代的不同阶段,分别对内点法和改进遗传算法进行收敛条件改进,使两者的优化结果互为基础、相互利用,保证了混合算法的整体寻优效率。118节点系统的无功优化计算表明,所提算法可有效提高单一算法的收敛性能和运算速度。     

基于改进RBF神经网络的光伏组件故障诊断

由于光伏组件的输出特性受多种因素混合影响,对光伏组件的故障检测是一个严峻的考验.为了保证故障诊断的实时性和精确性,采用多传感器法提取短路和开路故障特征,利用电压扫描法获取不均匀光照引起的热击穿和电击穿故障的判断依据,以故障特征为判据,给出一种基于K均值聚类算法的改进RBF神经网络的光伏组件故障诊断方法,在Matlab平...     

基于改进型RBF神经网络的VSG转动惯量自适应控制

与传统同步发电机相比,虚拟同步发电机(VSG)具有参数灵活可调的优势,特别是虚拟惯量和虚拟阻尼能够对VSG稳定性产生显著影响.RBF神经网络对于连续非线性函数具有很好的逼近效果,且算法简单,学习能力强大,学习速度快,能够满足实时控制的需求.文中基于控制对象的特性,对RBF神经网络进行改进,并设计出一种全新的自适应控制策...     

基于参数优化的电力变压器故障诊断模型

针对当前电力变压器故障诊断效率低、误差大的难题,提出了基于参数优化的电力变压器故障诊断模型。首先提取电力变压器故障的特征,将其作为最小二乘支持向量机输入,电力变压器故障类型作为输出,然后采用最小二乘支持向量机对电力变压器的故障诊断样本进行学习,构建电力变压器故障识别的分类器,并引入混沌粒子群算法对最小二乘支持向量机的参数进行优化,最后进行了电力变压器故障诊断的仿真对比测试。测试结果表明,本文模型可以准确辨识各种类型的电力变压器故障,获得较高正确率的变压器故障诊断结果,电力变压器故障诊断的速度,而且电力变压器故障诊断整体性能要优于当前其它电力变压器故障诊断模型。     

基于小波核相似度量函数的谱分割算法

由于高斯核的参数敏感性,导致在传统谱分割中往往无法识别图像数据的部分特征信息,图像分割准确率下降。为提高图像分割准确率,构建了一种基于小波函数的核相似度量函数,利用小波函数的多分辨率特性,对图像进行相似度量;证明了该核函数是可容许核,分析了该函数作为相似度量函数的可行性及其多分辨率分析特性;最后,提出了基于该小波核相似度量函数的谱分割算法。在Berkeley数据库的实验结果显示,该算法能够提高图像分割结果的精度,识别图像中的细节信息。