XiaoMi-AI文件搜索系统
World File Search System布谷鸟
基于模糊综合CS-SVR模型的雷达健康状态评估
模糊综合CS-SVR模型(FCCS-SVR)的目的是对雷达设备的健康状态进行评估和监测,保证其安全运行。由于故障监测信号样本少、变化慢、数据结构非线性等原因,对雷达系统的健康状态评估具有较高的难度。本文在建立雷达评估指标体系的基础上,研究了层次分析法与熵权法相结合的方法。为了评估健康状态的值,利用PSO、GA、BA、CS等优化算法对SVR模型的参数进行优化。同时,为了避免系统处于状态边缘的问题,进一步提出了一种基于模糊综合评判与布谷鸟搜索-支持向量回归(CS-SVR)相结合的雷达健康评估方法,即模糊综合CS-SVR(FCCS-SVR)。算例分析结果表明,实现了雷达系统的状态评估。系统性能分析表明，采用FCCS-SVR评估方法具有较高的识别率，能够准确评估雷达系统的健康状态。
无限半空间中平面热弹性波
原始研究论文摘要：通过可靠性分配来提高总可靠性已成为提高复杂工业系统设计效率的成功方法。过去的大量研究在很大程度上解决了这个问题。从迄今为止为实现目标而开发的不同技术中可以看出这一点。近年来，人们使用了元启发式算法，如模拟退火、禁忌搜索 (TS)、粒子群优化 (PSO)、布谷鸟搜索优化 (CS)、遗传算法 (GA)、灰狼优化技术 (GWO) 等。本文提出了一种实现混合 PSO-GWO 算法 (HPSOGWO) 的框架，用于解决复杂桥梁系统和太空舱生命支持系统的可靠性分配和优化问题。数值实验证明了所提框架的优势/竞争力。将 HPSOGWO 得到的结果与以前使用的 PSO 和 GWO 算法进行比较，结果表明，在一个名为复杂桥梁系统的问题中，与 PSO 和 GWO 相比，HPSOGWO 使用的函数评估次数较少。因此，HPSOGWO 获得的整体解决方案不仅与之前一些其他著名优化方法获得的结果相当，而且优于它们。
基于元启发式优化的图像和算术任务特征选择：一项 fNIRS 研究
摘要：近几十年来，脑机接口 (BCI) 已成为研究的前沿领域。特征选择对于降低数据集的维度、提高计算效率和增强 BCI 的性能至关重要。使用与活动相关的特征可以在所需任务中获得较高的分类率。本研究提出了一种基于包装器的元启发式特征选择框架，用于使用功能性近红外光谱 (fNIRS) 的 BCI 应用。在这里，从所有可用通道计算时间统计特征（即平均值、斜率、最大值、偏度和峰度）以形成训练向量。使用基于 k 最近邻的成本函数测试了七种元启发式优化算法的分类性能：粒子群优化、布谷鸟搜索优化、萤火虫算法、蝙蝠算法、花授粉优化、鲸鱼优化和灰狼优化 (GWO)。基于来自 29 名健康受试者的运动想象 (MI) 和心算 (MA) 任务的在线数据集，对所提出的方法进行了验证。结果表明，与从全套特征中获得的特征相比，利用从元启发式优化算法中选择的特征可以显著提高分类准确率。所有上述元启发式算法都提高了分类准确率并减小了特征向量大小。GWO 对 MA、MI 和四类（左手和右手 MI、MA 和基线）任务的平均分类率最高（p < 0.01），分别为 94.83 ± 5.5%、92.57 ± 6.9% 和 85.66 ± 7.3%。所提出的框架可能有助于在训练阶段为基于 fNIRS 的稳健 BCI 应用选择合适的特征。
基于规则的多目标蚱蜢优化算法优化的独立于电网的微电网长期最优容量规划能量管理方案
使用可持续能源系统 (SES) 为偏远社区提供离网电气化是实现可持续发展目标的必要条件。尽管如此，SES 的容量规划仍具有挑战性，因为它需要从长期角度满足波动的需求，此外还具有可再生能源 (RES) 的间歇性和不可预测性。由于容量规划问题的非线性和非凸性，必须采用有效的技术来实现具有成本效益的系统。现有技术受到目标函数可导性和连续性方面的一些限制，容易过早收敛，计算要求高，在不同应用中遵循严格的程序来微调算法参数，并且通常无法在优化过程的开发和探索阶段提供公平的平衡。此外，文献综述表明，研究人员在计算微电网容量规划问题时通常不会实施和检查微电网的能源管理方案 (EMS)。本文提出了一种基于规则的 EMS (REMS)，它由受自然启发的草跳优化算法 (GOA) 优化，用于独立于电网的微电网的长期容量规划，该微电网包含风力涡轮机、光伏发电、电池 (BT) 组和柴油发电机 (D gen)。其中，基于规则的算法用于实施 EMS，以优先使用 RES 并协调所提议微电网组件的功率流。随后，尝试探索和确认与 GOA 结合的所提议 REMS 的效率。目标函数的最终目标是最小化能源成本 (COE) 和供电概率不足 (DPSP)。通过长期模拟研究检查 REMS 的性能，以确定 REMS 的弹性并确保不违反 BT 存储的运行限制。将 GOA 的结果与粒子群优化 (PSO) 和布谷鸟搜索算法 (CSA) 进行了比较。模拟结果表明，所提出的技术在收敛到最优解方面具有优越性。模拟结果证实，所提出的 REMS 有助于更好地采用更清洁的能源生产系统，因为与传统的 D gen 相比，该方案分别显着降低了燃料消耗、二氧化碳排放量和 COE 92.4%、92.3% 和 79.8%。算法的比较评估表明，REMS-GOA 的结果更佳，因为它提供的 COE（目标函数）最低，为 0.3656 美元/千瓦时，而 REMS-CSA 为 0.3662 美元/千瓦时，REMS-PSO 为 0.3674 美元/千瓦时，对于期望的 DPSP 为 0%。最后，进行敏感性分析，以突出未来可能出现的不确定性对系统输入的影响。