新型混沌粒子群混合优化算法

为避免粒子群算法陷入局部最优、早熟收敛,提出了一种新型的混沌粒子群混合优化算法。利用混沌映射初值敏感性、遍历性特点,随机初始化一个粒子,并通过混沌映射得到多个粒子的初始值,改变初始粒子群的提取过程。利用混沌映射扩大初始粒子群,得到寻优粒子群,使得粒子群在搜索的过程中,种群数量变大,有利于全局寻优,而种群粒子多样化,有利于跳出局部极值。经典的测试函数仿真表明,改进的粒子群算法极大提高了粒子群的寻优精度和寻优效率,增加了粒子的全局寻优能力,具有更为广泛的应用场景。     

基于扩展粒子群优化的支持向量机短时交通流预测

为了快速、准确地对交通流进行实时预测,将扩展粒子群算法应用到支持向量机的短时交通流预测优化中.首先对交通流样本数据进行重构,建立支持向量机预测模型.然后通过扩展粒子群算法对模型中的参数进行寻优,得出最优参数和优化时间.最后经过实验仿真,比较了基于网格搜索法优化的支持向量机、基于标准粒子群优化的支持向量机和基于扩展粒子群优化的支持向量机的泛化测试结果.结果表明,基于扩展粒子群优化的支持向量机在短时交通流预测中更具优势.     

一种优化参数的支持向量机驾驶意图识别

以加速踏板开度、加速踏板开度变化率为输入参数,将加速意图分为缓加速、一般加速和急加速,建立了基于支持向量机的电动汽车驾驶意图识别模型。为了解决粒子群算法优化支持向量机参数时寻优范围的不确定性,导致搜索效率不稳定的问题,提出了一种自适应粒子群算法:先通过网格搜索法确定出粒子群算法参数寻优的最佳范围,再由粒子群算法在此范围精确寻优,最后得到了更高准确率的分类结果和缩短了的训练时间。通过仿真实验验证,运用这种自适应粒子群优化支持向量机建立的预测模型辨识度高,模型准确可靠,为驾驶意图的识别提供了新的方法。驾驶意图识别的结果可用于后续的纯电动汽车驱动控制策略的研究,进一步提高汽车的驾驶性能。     

基于Powell算法的改进微粒群算法

提出一种与Powell算法相结合的新型改进微粒群算法——Powell-PSO.改进算法将粒子的搜索过程分为两阶段,第一阶段,将标准微粒群算法的速度公式加以改进进行搜索;第二阶段,将第一阶段的最后一代粒子作为Powell算法的初始点,让Powell算法与PSO算法交替进行.这样既克服了微粒群算法陷入局优的缺点,也大大提高了算法的求解精度,同时提高了收敛速度并保持了微粒的多样性.仿真结果表明：与标准微粒群算法相比,Powell-PSO具有较高求解精度和较强寻优能力,并且不论是对单峰还是多峰函数都能取得较好的优化效果.     

基于粒子群优化算法的结构可靠度敏感性分析方法:相对收敛率（英文）

目的:采用粒子群优化算法(PSO)提高可靠指标计算效率,探讨PSO求解过程中粒子群在不同维上统计特性及其收敛速率表征的物理含义,研究优化过程中粒子收敛速率与随机变量敏感性的关系,提出可靠度敏感性分析新方法。创新点:1.根据PSO寻优过程中粒子在不同维上收敛速率不同,提出采用收敛速率表征随机变量的敏感性;2.建立最优化策略组避免粒子群收敛过程中产生波动,保证最优化策略组内粒子在不同维上连续收敛,定义相对收敛率表征随机变量敏感性。方法:1.根据Hasofer-Lind可靠指标的几何意义,建立可靠指标的优化模型,提出采用改进的PSO求解可靠指标与验算点,采用可行策略方法处理约束条件;2.通过理论推导,构造PSO迭代过程的最优评价函数集(公式(18)),建立最优化策略组保证粒子在不同维上连续收敛,提出表征随机变量敏感性的相对收敛率计算公式(公式(19));3.通过数值模拟并与传统基于梯度的敏感性分析计算结果比较,验证本文所提方法的可行性和有效性。结论:1.相对收敛率可以表征随机变量的敏感性;2.最优化策略组避免相对收敛率的波动,保证候选粒子变异系数曲线在解空间内连续收敛;3.最优化策略组内随机变量候选解的变异系数越小则其表征的随机变量越敏感;4.基于PSO的可靠度及敏感性分析对复杂问题更有效。     

基于IPSO和BPNN的网络安全态势预测

网络安全状态数据具有数据量大、特征数目繁多以及连续型属性多等特点.态势预测问题可转化为海量数据的预测问题.以网络安全态势研究为应用背景,提出了一种基于改进的粒子群优化算法来优化反向传播神经网络的态势预测模型.利用IPSO内在的隐并行性和很好的全局寻优能力对BP网络的权值和阈值进行优化并建立预测模型对网络安全态势进行预测.仿真实验证明其改善了传统BP网络在预测应用中的不足,有效提高了态势预测的精准度.     

燃烧化学动力学机理的框架简化：组分耦合的灵敏性分析简化方法（英文）

目的:发动机燃烧数值模拟需要高精度的、尺寸合适的化学反应机理,因此需要对复杂的详细化学反应机理进行简化。由于现有的灵敏性分析简化方法效率低且计算时间长,因此本文希望得出一种效率更高、计算时间更短的灵敏性分析简化方法。创新点:1.利用直接关系图简化方法中的相互作用系数计算待删除组分之间的相互耦合关系,提出了组分耦合的灵敏性分析简化方法;耦合关系较大的两个组分被视为一个整体,有助于提高灵敏性分析简化的效率、缩短计算时间。2.得到了较小尺寸的乙烯(33组分)和正庚烷(79组分)框架燃烧反应机理。方法:1.提出组分耦合的灵敏性分析简化方法,即先利用直接关系图简化方法中的相互作用系数计算待删除组分之间的相互耦合关系(公式(2)和(3),图2);在简化过程中,耦合关系较大的两个组分被视为一个整体被删除。2.通过0维和一维计算验证得到的简化化学反应机理的精度。结论:1.本文所提出的组分耦合的灵敏性分析简化方法提高了灵敏性分析简化的效率、缩短了计算时间。2.利用此方法对含有111组分和784基元反应的乙烯以及561组分和2539基元反应的正庚烷的燃烧化学机理进行简化,最终得到33组分的乙烯框架机理和79组分和339基元反应的正庚烷框架反应机理。3.在较宽的工况范围内对得到的框架机理进行点火延时、层流火焰传播速度、温度曲线、组分浓度和反应的灵敏性分析等燃烧特性参数的验证与分析,结果表明得到的框架机理具有较高的精度和较小的尺寸,适用于燃烧数值模拟。     

用于电动汽车电池SOC预测的BP神经网络模型

为破解目前电动汽车用电池剩余电量准确预测这一难题,在对影响电动汽车动力电池荷电状态(SOC)估算结果的相关因素分析基础上,建立一种用于电动汽车电池SOC预测的反向传播(BP)神经网络模型,首次提出蝙蝠-粒子群算法优化训练BP神经网络.仿真实验结果表明:该方法能方便、快速、准确地实现对电动汽车动力电池SOC预测,提高电动汽车动力电池的能量效率,延长动力电池的使用寿命,对于电动汽车的推广应用与发展具有较好的指导价值.     

彩虹折射法对喷雾气液沉淀反应的原位表征（英文）

目的:喷雾气液吸收化学反应广泛存在于能源、化学和环境工程中。比如在能源环境领域,湿法烟气脱硫(WFGD)中的碱性喷雾吸收脱除气体污染物,乙醇胺(MEA)吸收脱除CO_2酸性气体。对这类反应的表征,有利于控制和改善污染物脱除效率。本文尝试利用气液吸收沉淀反应过程中液滴折射率的变化来原位表征反应进程。创新点:1.基于彩虹折射法,首次对气液吸收沉淀反应的原位表征进行探究;2.通过若干实验和详细的传热计算分析,成功验证了其可行性和有效性。方法:1.通过与Abbe折射仪对比,确定全场彩虹测量的准确性(图3和公式(5));2.搭建全局彩虹技术(GRT)测量系统进行喷雾测量实验(图2),并记录反应过程中的彩虹图像和离线采样液滴用于显微分析(图4和5);3.对涉及到的气液吸收沉淀反应进行传热计算和分析(公式(7)~(13))。结论:1.初步表明了利用溶液折射率表征Ca(OH)_2质量分数的可行性。2.实验结果表明GRT的测量结果精确;反应后液滴折射率减少并趋向于水,反应进程可体现在彩虹角(即折射率)的变化上。3.不同浓度Ba(OH)_2吸收CO_2的反应进一步证明了该方法原位表征气液吸收沉淀反应的可行性。4.反应的传热计算和分析表明反应热所造成的温度升高可以忽略,验证了该方法的有效性。     

大型地下洞室群区域三维地应力场二次反演分析（英文）

目的:地下洞室群区域地应力分布繁杂多变,勘测点因数量有限难以反映初始地应力场空间分布特征。考虑工程区域内的地质构造、地形地貌及河谷的发育演化史等因素,提出综合反映工程区复杂地质条件及地层剥蚀过程的地应力场二次反演方法,揭示工程所在区域的三维地应力场分布特征,为地下工程的开挖加固设计提供更加准确的基础资料。创新点:1.基于地应力场反演基本理论,建立逐步回归-差异进化-支持向量机模型(SR-DE-SVM)的二次反演非线性模型;2.通过SR-DE-SVM算法计算流程,成功模拟工程区域地应力场分布。方法:1.通过工程勘测分析,推导出构造运动对工程区域地应力场分布产生的影响(表5和图13);2.基于智能反演方法,构建SR-DE-SVM的二次反演非线性模型(公式(10)),得到SR-DE-SVM算法的计算流程(图2);3.通过数值仿真模拟,结合地质历史的发展过程,验证所提出的二次反演方法的可行性和有效性(图10和11)。结论:1.工程区域内初始地应力水平属中等,主要受到岩体自重与构造运动的双重影响。2.SR-DESVM二次反演方法可更加清楚地明确初始地应力形成的主导成因,且更加准确、高效和真实地模拟工程区域三维地应力场的分布规律;3.围岩类别对黄登地下洞室群区域内的初始地应力场影响不大,仅在断层带及III、IV类凝灰岩夹层带切割部位有显著的应力释放效应。