收缩因子
收缩因子的相关文献在1989年到2022年内共计85篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、数学
等领域,其中期刊论文79篇、会议论文4篇、专利文献36119篇;相关期刊65种,包括中小企业管理与科技、医学信息、沈阳建筑大学学报(自然科学版)等;
相关会议4种,包括第29届中国控制会议、中国水力发电工程学会信息化专委会2009年学术交流会、吉林省第五届科学技术学术年会等;收缩因子的相关文献由190位作者贡献,包括雷秀娟、史忠科、常江等。
收缩因子—发文量
专利文献>
论文:36119篇
占比:99.77%
总计:36202篇
收缩因子
-研究学者
- 雷秀娟
- 史忠科
- 常江
- 马少华
- 付阿利
- 冯杰
- 刘闯
- 卢银均
- 周万虎
- 孟海鸿
- 张云
- 张龙
- 易云飞
- 李明
- 李超
- 王问宇
- 赖仞
- 郑晓月
- 陈国鸿
- Gree.S
- 于志奇
- 于海洋
- 于苹苹
- 付强
- 令红艳
- 仲元昌
- 仲兆准
- 何建农
- 何志华
- 倪建成
- 冯超
- 刘升
- 刘国志
- 刘展
- 刘晓乐
- 刘涛
- 刘献礼
- 刘红云
- 刘继红
- 印江
- 厉梅芳
- 吉庆
- 向晓
- 吕琳莉
- 吴慧中
- 吴立尧
- 周丽萍
- 周冬
- 周凯
- 周晟
-
-
郝玉然;
王自鑫;
李正培
-
-
摘要:
为了准确预测地铁列车碳滑板磨耗量,本文选择训练速度快、参数设置少、准确度高的极限学习机(ELM)模型。针对ELM模型在训练过程中随机产生权值和阈值,导致模型泛化能力不足、稳定性差等缺点,引入基于收缩因子改进的自适应粒子群算法(APSO)对其进行优化,提出了一种基于自适应粒子群优化极限学习机(APSO-ELM)的碳滑板磨耗预测模型。将该模型运用到碳滑板磨耗实例预测中,在选取的270组样本数据中,前235组作为训练样本,后35组作为测试样本,以影响碳滑板磨耗的主要因素——地铁运行公里数作为输入参数,以碳滑板厚度为输出参数,将预测结果与ELM模型预测进行对比。结果表明,APSO-ELM模型有较高的预测精度,预测值更逼近于实际值,验证了APSO-ELM模型在碳滑板磨耗预测中的可靠性和有效性。
-
-
刘闯;
卢银均;
刘红云;
向晓;
王梁伟
-
-
摘要:
针对现有变压器绕组热点温度预测方法中存在的不足,采用收缩因子对粒子速度更新方式进行改进,保证PSO算法前期的全局搜索能力和后期的局部寻优能力,提高了算法的收敛性能;利用改进PSO对LSSVM参数进行寻优,建立基于改进PSO-LSSVM的变压器绕组热点温度预测模型.利用实际监测数据进行仿真分析,改进PSO-LSSVM的变压器绕组热点温度预测模型的预测效果优于其他方法,验证了本方法的正确性和实用性.
-
-
张汉文;
仲兆准;
黄虎;
彭德意
-
-
摘要:
热轧带钢精轧过程的负荷分配是制定精轧轧制规程的核心.为制定合理的负荷分配方案并提高生产效率与产品质量,在粒子群算法中引入杂交策略和收缩因子,构成改进后的混合粒子群优化算法.杂交策略的引入可以增强粒子种群的多样性,避免算法在收敛后期因粒子多样性不足而无法跳出局部极值.收缩因子可以有效约束粒子飞行速度,增强算法局部收敛能力.杂交策略与收缩因子两者共同作用可以明显改善算法的收敛性能.函数测试与仿真试验结果表明,改进的算法具备很好的收敛速度和收敛精度,对负荷分配的优化也十分有效.
-
-
李怡然
-
-
摘要:
针对孤岛模式下含多种微电源及蓄电池的微网系统,以考虑经济、环保性的综合成本为目标函数,结合功率平衡、各机组出力限制等约束条件,建立优化调度模型.鉴于标准PSO算法存在早熟收敛问题,本文提出一种引入自适应惯性权重和收缩因子的改进PSO算法,以增强全局和局部搜索能力.最后,基于典型日孤岛微网运行数据进行仿真分析,结果表明本文采用的算法有效降低了综合目标成本,取得了良好的优化效果.
-
-
王纯;
韩加好;
吉庆
-
-
摘要:
针对齿轮传动系统多目标优化设计问题,选取了齿轮传动系统的体积和重合度作为优化目标函数,建立了以可靠性约束、齿数约束、模数约束等作为约束条件的齿轮传动系统多目标优化数学模型.将收缩因子和线性递减惯性权重引入到基本粒子群算法中,得到了带收缩因子的线性递减惯性权重粒子群寻优算法;利用该算法具有收敛速度快和搜索能力强的特点,对二级斜齿圆柱齿轮传动系统的优化数学模型进行了求解,最终得到了齿轮的关键参数(齿数、模数、螺旋角)的最优解.研究结果表明:在齿轮传动优化设计中采用带收缩因子的线性递减惯性权重粒子群寻优算法,可以使二级斜齿圆柱齿轮传动系统的体积减少39.8%,重合度提高7.3%,降低成本,提高齿轮传动的稳定性;该结果可为齿轮传动系统的优化设计提供参考依据.
-
-
段新会;
李文鑫
-
-
摘要:
为减小风速预测的误差,该文引入混沌映射与收缩因子的方法对传统PSO粒子群算法进行改进,动态调整粒子群的权重,提高粒子群初期全局搜索能力、后期局部搜索能力以及收敛速度.将改进的粒子群算法对BP神经网络初始权值与偏置进行寻优,最后将改进PSO粒子群优化的BP神经网络对实际工程中的风速进行预测,采用平均相对误差和平方根误差衡量预测结果,结果表明改进后的PSO-BP预测方法均好于BP神经网络、PSO-BP风速预测方法和仅引入收缩因子的PSO-BP算法,验证了算法改进的正确性,使预测误差减小.
-
-
曹振乾;
印江;
张津华
-
-
摘要:
建立主蒸汽温度精确的数学模型是提高控制系统性能的基础。针对传统的粒子群优化(Particle Swarm Optimization,PSO)算法在模型辨识中存在易早熟,收敛速度慢的问题,提出一种引入收缩因子的改进PSO算法。该算法通过调整收缩因子的方法来提高算法的全局寻优能力和收敛速度。将山西某电厂350 MW循环流化床(Circulating Fluidized Bed,CFB)锅炉现场运行的数据用于主蒸汽模型参数辨识中,利用改进PSO算法寻优得到主蒸汽温度系统最佳的模型参数,通过现场实际数据验证了模型的有效性,为CFB锅炉主蒸汽温度控制优化奠定了基础。
-
-
-
周晟
-
-
摘要:
蝙蝠算法(BA)在优化设计中以迭代方法进行更新,初始化种群的规模、范围,对后续的优化性能、收敛速率、最优解获取质量有着巨大影响,因此,文中采用混沌映射的方法进行种群初始化操作,提高初始解空间的覆盖率。在此基础上,引入收缩因子,有效降低算法复杂度,加速算法趋于收敛,并借助自适应的方法计算声波频率,确保算法求解的前期、后期都具有高效的搜索能力。选取三种具有不同特征的典型基准测试函数进行分析,验证改进蝙蝠算法(改进BA)的优化性能。
-
-
范曼萍;
周冬
-
-
摘要:
针对现有风速预测方法在解决预测问题时存在的不足,提出了采用收缩因子对粒子速度更新的方式进行改进,保证粒子群算法前期的全局搜索能力和后期的局部寻优能力,提高算法的收敛性能.利用改进PSO对LS-SVM参数进行寻优,建立基于改进PSO优化LS-SVM的短期风速预测模型.采用实际风速数据进行仿真分析,所建模型的平均相对误差和均方根误差分别为3.72%和0.21,均好于其他几种风速预测方法,验证了所提出方法的正确性和实用性.