【摘 要】
：
为了改善多目标哈里斯鹰算法（MOHHO）中非支配解集档案维护过程中搜索效率,本文设计了几种改进方法。通过一系列实验验证了所设计的策略是有效且优于之前策略的,并在解集分布性、收敛快速性、指标优越性三个方面说明了改进的多目标哈里斯鹰算法的优越性,并将改进的算法应用在闭环系统参数辨识上,主要的工作如下:（1）针对MOHHO算法中非支配解集维护过程中收敛速度慢、搜索效率低、易陷入局部最优等缺点,提出了使用
论文部分内容阅读
为了改善多目标哈里斯鹰算法（MOHHO）中非支配解集档案维护过程中搜索效率,本文设计了几种改进方法。通过一系列实验验证了所设计的策略是有效且优于之前策略的,并在解集分布性、收敛快速性、指标优越性三个方面说明了改进的多目标哈里斯鹰算法的优越性,并将改进的算法应用在闭环系统参数辨识上,主要的工作如下:（1）针对MOHHO算法中非支配解集维护过程中收敛速度慢、搜索效率低、易陷入局部最优等缺点,提出了使用空白角度区域强化搜索策略的多目标哈里斯鹰算法（BARESMOHHO）。首先将目标空间使用角度区域分割,并根据非支配解集中个体数目动态调整划分等级,以便于快速发现目标空间中的稀疏区域。然后对于出现的空白区域,按照空白区域分布情况多策略选择不同的区域,通过计算角度信息定向选择区域中的引导者,引导算法向重点区域搜索,以便于提高非支配解分布性和算法搜索效率。最后使用Tent混沌映射序列优化初始种群分布性,提高算法的收敛速度。进行了策略有效性验证试验和其他几个多目标优化算法性能对比实验,展现了BARESMOHHO算法的综合性能。（2）将改进的算法应用在闭环系统辨识中。通过文献研究分析了多目标优化在闭环辨识中应用的可能性,并选择了激励方式以及激励信号施加位置,对以往的评价指标函数进行了修改以适用于多目标优化,选择了一种间接辨识的结构进行多目标闭环辨识。最后通过闭环多目标辨识仿真实验,并分析了得到的非支配解集,证明了多目标智能优化算法在闭环系统辨识中的可行性,同时说明了多目标辨识模型参数的优化效果要优于单目标辨识。
其他文献
研究高效、准确、快速的基于数据驱动的旋转机械故障诊断方法具有重要意义。深度学习（DL）是数据驱动方法的一个重要分支,在故障诊断方法中得到了越来越多的关注。虽然DL方法在旋转机械故障诊断中取得了很好的效果,但大多数方法的性能会随着工作条件的变化而急剧下降。为了解决这个问题,我们设计了一个迁移学习框架,用于更快、更准确的旋转机械故障诊断。为了提高模型训练和诊断速度并减少模型的参数量。首先,我们设计了一
冶金起重机是在恶劣环境下工作且任务极其繁重的一类起重机,其长时间重复、间歇性吊运、频繁起动制动的载荷吊运过程不断地冲击冶金起重机设备与钢结构,容易造成设备故障与钢结构的疲劳失效,具有极大的危险性。工业健康监测系统能够实时监测设备健康状况,减小工业设备故障或疲劳失效带来的危险性。冶金起重机应用工业健康监测系统时由于数据维度高、数据量大,不易采集和处理表征冶金起重机健康状态的多维数据,此外由于缺乏有效
隔离壁反应蒸馏塔（R-DWDC）作为反应蒸馏（RDC）和隔离壁技术过程强化与集成的产物,在资源节约和能源消耗方面具有巨大的潜在优势,但迄今为止很少有针对过程综合与设计的研究。尤其单隔离壁反应蒸馏塔（R-SDWDC）是现有研究中占绝对优势的过程结构,虽然它能很好的协调反应操作与分离操作之间的物质和能量耦合,但是分离与分离操作之间的物质和能量耦合却被完全忽略,因此R-SDWDC并不是过程强化的最优结构
＜正＞ 南京附近吕家山至红山近东西向展布的沉积岩系,1935年朱森、李毓尧等定有一套古生代志留纪、泥盆纪及石炭—二叠纪地层。1964年沈修志等改划为中生代三叠系青龙群、黄马青组及侏罗系象山群地层,并在青龙群与黄马青组之间划了一条规模较大的逆断层。1976年提交的1:20万南京幅区测报告,基本上与沈氐意见相似,所不同的是把沈氐
数据实时监控是工业生产过程安全经济运行的重要手段,但在数据采集中存在采样不平衡、同时系统中存在非线性耦合关系以及受到非高斯干扰等监控难题。生成式对抗网络（Generative Adversarial Networks,GAN）及其拓展方法对抗自编码器（Adversarial Autoencoders,AAE）等从分布函数等角度给出了以上监控难题部分解决方法。然而复杂的工业过程监控中,通常几个难题伴
＜正＞ 江苏及安徽南部的下石炭统发育较好,化石丰富,为我国研究早石炭世地层主要地区之一。近年来,我们在该区系统地观察了一些剖面,并参照安徽省、江苏省区测队的有关资料,作了进一步的整理和分析。根据地层层序、岩石性质和生物群特征,对下石炭统的划分提出初步意见。
虽然隔离壁蒸馏塔（Dividing Wall Column:DWC）能够在一个操作单元内实现三元混合物的分离,且具有较高的热力学效率,但是分离过程仍然具有很强的不可逆性,仍有进一步强化的潜力。为了解决此问题,本文将内部热耦合技术（Internally Heat Integrated Technology）应用于DWC,即将隔板中置的DWC分为两部分（高压段与低压段）,通过高压段向低压段传送热量,降
微小故障对系统影响不明显,难以及时检测,容易演化为影响工业生产的重大故障,对其快速、准确地诊断具有非常重要的研究价值。微小故障多隐藏在正常操作范围内,传统的被动故障诊断方法仅利用系统输入输出数据,难以实现有效、及时地检测。主动故障诊断设计最优辅助信号并注入系统达到增强故障特征目的,从而增强对微小故障的检测能力。然而,辅助信号的引入不可避免地对系统性能造成影响,为此本文提出主动故障诊断和跟踪控制器的
被誉为人工智能领域“明珠”的强化学习在机器人控制、自动驾驶、资源调度等领域蓬勃发展,取得了巨大的成功,这得益于设计符合目标的奖励函数。在实践中,手动设计奖励函数不仅耗费大量的人力物力,而且具有主观性。逆强化学习能够自动构造奖励函数,避免了人为主观偏差,解决了强化学习的瓶颈问题。行为克隆直接从专家示例监督学习获取策略,而逆强化学习先求奖励函数再强化学习获取策略,虽然获取的策略更好,但计算量也大大增加
信息化时代的来临伴随着数据的链式增长,从数据中挖掘分析潜在的高价值信息并用于数据驱动建模引起了科研界和工业界的广泛关注。样本的数量、样本的分布性都在一定程度上对数据挖掘信息产生影响,进而影响数据驱动建模的质量,充足的训练样本和合理的样本分布能够保障模型的鲁棒性和泛化能力。但在某些行业领域例如流程工业中,由于物理传感器本身的限制,使得某些过程数据的采集难度大、获取成本高,并且稳态工艺流程工业得到的数