改进粒子群优化算法的BP神经网络在机车滚动轴承故障诊断中的应用

本文提出了一个基于改进粒子群优化算法的BP神经网络优化模型来进行轴承故障诊断,此模型融合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了诊断结果的精确性.仿真结果表明机车滚动轴承故障得到了有效诊断.相比于常规的BP神经网络模型,此方法不仅改进网络的收敛速度并且提高了预测准确性.     

改进的道岔智能故障诊断系统建模研究

铁路系统转辙机维修方式仍沿用故障修模式,无法提高故障排除速度和准确性,提出利用改进遗传算法优化贝叶斯网络的方法建立故障诊断模型。利用遗传算法搜索能力强,不易陷入局部最优的特点,采用连接矩阵代替网络结构的编码方式,通过修改适应度函数、更新遗传操作方式、修正非法图等方法改进遗传算法,最终解决贝叶斯网络结构学习算法容易缩小搜索空间及易陷入局部最优的缺点。最后利用标准Asia网络验证本文算法比K2和GA算法有更好的搜索结果和更快的收敛速度,以道岔失去表示故障为例验证改进算法对转辙机故障诊断的优越性。     

基于改进蚁群算法的装配线VRPTD问题研究

采用改进蚁群算法求解了装配线物料配送的VRPTD问题(带最后期限时间窗的车辆路径问题)。通过信息素动态更新设计,使改进蚁群算法具有自适应性,克服了传统蚁群算法在遍历寻优过程中容易出现停滞和陷入局部最优解的缺点。通过进一步对启发函数可见度进行改进设计,提高了算法的全局搜索能力。仿真结果表明,改进蚁群算法可以很好地求解装配线VRPTD问题,这对实际应用有一定的参考价值。     

GATS混合算法及其收敛性研究

通过对遗传算法和ｔａｂｕ算法的优势和不足分析，提出一种将二者混合使用的求解优化问题的算法。该算法以遗传算法为基础，用遗传算法作全局搜索，用ｔａｂｕ Ｓｅａｒｃｈ算法作局部搜索，改进遗传算法的计算结果。最后，利用马尔可夫链理论证明了混合算法的全局收敛性，并进行了实例研究。     

基于改进遗传算法的ATO速度曲线研究

常用遗传算法研究ATO速度曲线,但其存在着局部搜索能力和全局收敛效果较差的缺点。针对此问题,提出一种基于自适应变异算子的变异策略,并结合精英保存策略使算法全局收敛。然后基于列车动力学和牵引制动模型,建立多目标优化模型,用于求解ATO速度曲线。结果表明:改进算法比标准遗传算法效果更优,生成的ATO速度曲线符合相应模式的牵引控制策略,且算法具有一定的参考价值。     

基于重扫除和局部搜索的铁路集装箱运输算法研究

为提高集装箱运输效率,提出一种基于重扫除和局部搜索的集装箱运输算法.在对铁路集装箱运输模式分析的基础上,提出利用重扫除和局部搜索对先用运输算法进行改进,建立相应数学模型,并给出算法,最后运用于实例对现用算法和改进后算法做优化性比较。     

基于MATLAB的混合型蚁群算法求解旅行商问题

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,给出基于MATLAB的蚁群算法在旅行商问题中的应用,针对蚁群算法存在的过早收敛问题,加入2-opt方法对问题求解进行局部优化.计算机仿真结果表明,这种混合型蚁群算法对求解旅行商问题有较好的改进效果.     

改进SOA算法在焊缝图像分割中的应用

提出一种基于改进的自适应人群搜索算法(ISOA)的焊缝图像分割方法,该算法通过对基本人群搜索算法的高斯隶属度函数以及隶属度参数计算的改进,自适应确定搜索步长,实现对n尺度图像进行n-1个阈值寻优计算。实验结果表明:对比PSO,GA和SA算法,ISOA算法具有收敛速度快、稳定性强、精度高、全局寻优等特点,有效地克服了传统SOA算法易陷入局部最优和收敛速度慢等缺陷,可满足实际工程需求。     

基于个体位置变异的粒子群算法

针对粒子群算法随着迭代次数的增多,其种群多样性降低,粒子群算法容易陷入局部最优的不足,提出了一种基于个体位置变异的粒子群算法。该算法在保证最终收敛的前提下极大扩展了粒子的空间搜索范围,从而降低了粒子群算法发生早熟的可能,并且程序量较小。仿真实验中,将算法应用于6个典型测试函数中,并与其它改进粒子群算法进行比较,结果表明,该算法具有较强的全局寻优能力和较好的收敛速度,明显提高了粒子群算法的优化性能。     

基于人工鱼优化的MP超声微弱信号提取方法研究

强噪声背景下微弱信号的提取一直是超声信号处理领域研究的一个难题,传统的信号处理方法难以准确提取弱缺陷信号,稀疏分解方法为提高超声弱缺陷的检出率开辟一条新途径,但计算量大是困扰其应用的一个主要因素。本文提出一种人工鱼群优化匹配追踪的快速算法。人工鱼是一种新型智能优化算法,具有并行寻优、全局收敛性好,对初值不敏感的特点。利用本文算法在重建信号质量不变的情况下,提高稀疏分解在冗余字典中原子匹配的速度和精度,满足信号处理实时性要求。采用与超声信号最优匹配的Gabor函数,经伸缩和平移生成过完备原子库,提高对超声信号的表达能力。通过仿真分析和实际检测铸钢试件,表明该方法能够有效地检测出强噪声背景下的弱信号。     

基于捕食搜索策略的粒子群算法求解高铁闭塞分区划分问题

高铁闭塞分区的合理划分可以保证列车的运行安全、提高运输效率和减少投资成本。为了更好地解决这个问题,利用基于捕食搜索策略的粒子群算法求解优化准移动闭塞条件下的闭塞分区划分模型。捕食搜索策略可以平衡粒子的局域搜索和全局搜索,从而避免陷入局部最优,提高算法精度。通过算例仿真,比较基于捕食搜索策略的粒子群算法和标准粒子群算法对模型优化的结果,验证基于捕食搜索策略的粒子算法对模型的求解是有效的,而且得到的解更精确,运算速度更快。     

基于BP网络和混合遗传算法的岩土工程位移反分析

岩土工程涉及到的地质条件和岩体特性参数是不完全定量的,采用传统的方法进行岩土工程位移反分析难以得到优化。此文根据技术的发展和自然进化的全局搜索优化算法,经研究提出遗传算法与局部搜索能力很强的单纯形法相结合的混合遗传算法,将大大改善遗传算法的局部性能。在此基础上,又将混合遗传算法与神经网络相结合,建立起智能位移反分析方法,采用MATLAB6.5开发出智能位移反分析程序,并以工程实例验证该位移反分析方法的可行性。     

城市轨道交通列车运行过程的多目标优化研究

为了使城市轨道交通列车运行曲线能更好地为司机提供驾驶指导,进一步保证列车高效运行,在前人研究的基础上,建立包含巡航模式的列车运行过程优化模型。在建模过程中综合考虑列车运行过程的时间、能耗、乘坐舒适度、精确停车等多个性能指标,并使用差分进化算法对建立的模型进行求解。由于传统的差分进化算法存在许多不足,采用一种具有自适应参数调整策略的改进差分进化算法。通过调整算法的变异因子和交叉因子,增加了种群的多样性、扩大了全局搜索区域,避免了局部最优解,同时在后期也加快了收敛速度。通过对所选线路的仿真优化,使各优化性能指标达到了整体相对最优,验证了模型与算法的有效性。     

蜂群优化算法在轨道交通线网物资总库合理布局中的应用

建立了轨道交通物资总库布局的数学模型,运用蜂群优化算法同时解决了物资总库数目和位置的确定两个问题。在蜂群优化算法迭代的过程中,设计了独特的编码方法和交叉算子,并结合问题特征给出了局部搜索算法,有效地进行解空间的搜索,从而求得全局最优解。     

基于AFSA的动车组制动计算研究

根据动车组制动系统中减速度特性以及相关牵引制动计算和运动学理论,文中提出了一种平直道环境下基于不等距点分割与人工鱼群算法结合的制动计算方法,同时对动车组的制动近似算法产生的计算误差进行分析.首先,根据列车制动原理中相关计算参数来构建动车组制动距离和制动时间的数学模型.然后,利用人工鱼群算法的优化原理并结合不等距分割思想...     

公路路基拓宽优化设计改进粒子群算法

考虑单位路段内的工程数量、公路占地、边坡稳定等因素,建立以最优造价为目标函数的路基拓宽优化设计数学模型;引入具有一定全局搜索能力和较快收敛速度的粒子群算法并予以改进,得到了基于改进粒子群算法的路基拓宽优化设计方法,并编制相应优化计算程序.最后结合算例,给出不同条件下路基断面的拓宽形式,同时,对比分析证明了该法的可靠和可行性.     

基于改进蝙蝠算法优化LSTM网络的短时客流预测

准确地预测地铁站短时客流量,对地铁站通风空调系统的节能优化具有重要意义.充分考虑地铁客流量非线性、随机性、周期性等特点,提出一种基于改进蝙蝠算法(IBA)优化长短期记忆(LSTM)神经网络的短时客流量预测模型(IBA-LSTM).引入反向学习、动态自适应惯性权重与拉格朗日插值法等方法改进蝙蝠的全局搜索与局部寻优能力,克服标准蝙蝠算法易早熟、易陷入局部最优值的问题;利用改进的蝙蝠算法对LSTM网络的隐含层节点数、迭代次数、初始学习率、学习率下降因子4个参数进行优化;利用西安某地铁站自动检票系统(AFC)采集的客流数据,对模型的有效性进行检验.实验结果表明:该预测模型在均方误差、均方根误差、平均绝对百分比误差等方面均优于标准蝙蝠-LSTM模型、LSTM预测模型、BP预测模型及BP-Adaboost预测模型,所提出的方法可有效应用于短时客流量预测.     

基于改进HHO算法的城轨列车关键部件可靠性研究

针对现有城轨列车关键部件可靠性模型存在参数估计精度较低、通用性较差以及计算量大的问题,提出一种基于改进哈里斯·霍克斯算法的列车关键部件可靠性参数估计方法。利用图参数估计法求解三参数威布尔模型中参数的初始估值,并通过宽松系数求取三参数的搜索空间。在哈里斯·霍克斯算法的基础上加入循环检验过程,提出改进的哈里斯·霍克斯算法解决算法局部最优问题,建立基于改进哈里斯·霍克斯算法的列车关键部件参数估计模型,确定三参数威布尔模型的参数值。通过帕累托分析法得到列车车门系统的关键部件为客室门组件和下挡销组件、转向架系统的关键部件为轴箱组件和端盖组件。以列车车门系统和转向架系统的关键部件作为研究对象,得到各关键部件的可靠度曲线,验证模型的可行性。研究结果表明：基于改进哈里斯·霍克斯算法的列车关键部件参数估计模型参数寻优精度高且收敛速度快,较改进的粒子群算法和人工蜂群算法参数估计模型寻优时间大幅缩短、寻优精度明显提高。本方法中可调参数少,对列车不同系统的关键部件的可靠度拟合程度高,通用性更强,证明基于改进哈里斯·霍克斯算法的列车关键部件可靠性参数估计方法的有效性,为列车关键部件的可靠性分析提供了科学依据。     

地铁车辆牵引控制单元的故障诊断方法

地铁车辆牵引控制单元是地铁系统的核心单元之一,准确判断其故障状态对车辆安全运行至关重要。针对模糊C-均值聚类(FCM)在牵引控制单元故障诊断中的不足,提出了采用入侵杂草算法优化FCM,解决了FCM聚类结果不稳定和容易陷入局部最优的问题。该方法能克服单一故障诊断法的缺陷,同时具备群智能算法搜索全局最优和FCM算法处理模糊信息的能力。通过UCI数据集和地铁车辆实际数据进行仿真实验,结果表明,新方法与传统FCM相比,能获得更优的聚类中心,有效提高了TCU故障诊断的准确性和快捷性。     

基于核心原子库和FHT的图像MP稀疏分解快速算法

为提高图像稀疏分解的速度和重构质量,提出一种基于核心原子库的图像MP稀疏分解快速算法。该算法首先利用核心原子库替代图像MP稀疏分解过程中的过完备原子库,可有效提高原子库的形成速度,且为最佳原子的全局搜索提供了可能;然后将图像和核心原子库中原子转换为一维信号,利用一维FHT寻找与待分解图像匹配的最佳原子,从而提高图像与原子的匹配速度。该算法不仅能有效提高图像MP稀疏分解的速度,而且克服了遗传算法局部最优的局限性,实现原子匹配的全局最优,相同条件下其分解结果具有更好的重构质量。实验结果验证了算法的有效性。