基于风险分析的公路工程保险费率厘定

在考虑工程风险及保险实际理赔情况的基础上,形成了含自然灾害、项目环境等7个指标维度的风险评价体系,利用粒子群(PSO)算法优化BP神经网络的初始阈值及权值,建立了公路工程保险费率厘定模型。将该模型应用于34个公路工程保险实际案例,通过PSO-BP神经网络拟合保险样本中风险指标因素与费率之间的关系,实现费率预测。对比分析PSO-BP神经网络与BP神经网络的仿真效果,结果表明,PSO-BP神经网络模型能较好地反映公路工程实际风险水平,预测准确度高,收敛速度快,适用于保险费率厘定。     

电动轮减振系统设计及参数优化研究

为降低电动轮对车辆垂向振动性能的负面效应,提高车辆行驶平顺性和安全性,将轮毂电机视为动力减振器,设计了车身减振型、车轮减振型和综合减振型等不同减振方案,采用粒子群优化算法对各方案中减振系统的弹簧刚度、阻尼进行优化,并利用随机路面和脉冲路面激励验证不同方案的减振效果。结果表明,经过参数优化的几种减振方案均可有效减小车轮和整车的垂向振动,优化车辆行驶平顺性,其中,轮毂电机同时与车身、车轴相连的综合减振型方案减振效果最佳。     

船舶中压直流电力系统配电网络重构技术研究

船舶电力系统网络重构是一个多目标组合优化问题。针对船舶中压直流综合电力推进系统,建立其配电网络拓扑模型,设计改进的节点电势法对其配电网络进行潮流计算,研究其各支路故障情况下的线路电流与功率分布。根据负荷恢复量、稳定性及开关动作量,建立配电网络的故障重构模型。结合自适应权重法和杂交池算法,并设计"定向变异法"对粒子群算法予以改进,增强寻优速度及全域搜索能力,将其运用于配电网络的故障重构模型的求解。算例结果表明,利用该算法能更快速地获得更完备的重构方案,算法具有较强的寻优性能。     

基于PSO的小样本特征选择优化算法研究

针对神经网络进行小样本数据训练时出现文本表征精确度低及特征过拟合,易造成权值全局最优和局部最优的不平衡现象,提出一种基于粒子群的双向长短期记忆网络(Bi-PSO)算法,利用Bi-LSTM对序列数据中长短期距离依赖信息的能力,对文本特征矩阵进行最小残差化处理得到降维矩阵,并通过粒子群算法获取降维矩阵中特征向量的全局最优和...     

航向数据去噪中两种滤波方法对比研究

电控罗经因其多种优点得剑广泛的使用,但是由于受多种干扰影响,其航向数据存在不同噪声。利用改进的Sage-Husa自适应滤波和抗野值算法,将其应用到罗经的数据处理中,并与经典kalman进行了比较。通过试验结果中误差方差和Allan方差系数的比较,得到Sage-Husa自适应滤波比经典kalrnan更适用于航向数据的处理。     

基于舵角信息的航向修正和横漂速度估计算法研究

阐述了舰船在机动情况时舵角反馈信号对航向精度的提高以及对横漂速度的估计作用,结合舰船的运动模型和航向角H与舵角β的关系模型,考虑横漂速度对舰位的影响,引入舵角反馈信息,建立了有舵角反馈信息参与的kal-man滤波模型,并利用Matlab软件将有/无舵角信息参与的kalman滤波模型进行了比较,结果显示有舵角信息参与的kal-man滤波模型效果较好。     

关键时刻,SRS"挺"身而出

SRS,即汽车安全气囊系统（Supplemental Restraint System）,顾名思义,就是在危险发生时可以保护驾驶员生命安全的气囊袋。一般是由一个折叠好的气囊袋、充气器、点火器以及氨气固态粒子组成,通过安装在车头的儿组传感器感应车辆与外鞫的撞击度,以确定是否需要引爆气囊。当车辆遭受正面强烈的撞击时,它会在瞬间充气膨胀以保护前座乘员的安全。     

基于多目标粒子群算法的动力吸振器参数优化和决策研究

动力吸振器在船舶领域得到广泛应用.在船舶振动控制中需要寻找吸振器的最优参数,即最优频率比、最优阻尼比和最优质量比,使得结构在不同的频率激励下获得最好的减振效果.本文将基于多目标粒子群算法的优化技术与多属性决策方法联合运用,针对主系统存在阻尼的减振系统,研究了动力吸振器参数优化和决策问题.对于多目标优化问题,采用多目标粒子群算法(α-MOPSO)求出Pareto最优解,基于熵方法得到属性权重,用逼近理想解的排序方法(TOPSIS)对Pareto最优解给出排序.文中给出了4个设计参数、2个目标函数的动力吸振器优化设计算例.计算结果表明,文中提出的联合方法能够有效应用于动力吸振器的参数优化.     

基于粒子群算法的微带天线特征方程求解方法

粒子群算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题的一类新兴的随机优化算法.文中充分利用粒子群算法的全局收敛特性,并与参数跟踪策略相结合形成一种新的求解复超越方程算法.基于该算法对微带天线的特征方程进行了求解,求解结果与该问题的已有结论相吻合,说明该算法的有效性.     

基于自适应滤波技术的管道泄漏检测方法

提出了一种基于小波变换和Kalman滤波相结合的自适应滤波方法,采用递推算法逐步修正滤波过程,即根据采样得到的压力信号实时地对滤波参数进行修正,使自适应滤波器能够有效地跟踪信号的变化,形成自适应降噪过程,通过自动寻优,选择最佳尺度,使之能在背景噪声较强或变化的情况下也能对管道压力信号进行有效的滤波处理,为准确检测管道泄漏和定位提供了良好基础.应用结果证明:该方法大大提高了信号处理的效率,在管道泄漏在线监测应用中效果较好.