导读:本文包含了混合智能方法论文开题报告文献综述及选题提纲参考文献，主要关键词:采煤机齿轮传动,故障诊断,混合智能,ANFIS
混合智能方法论文文献综述
田林红,赵阳[1]（2019）在《基于混合智能的采煤机齿轮传动故障诊断方法》一文中研究指出采煤机齿轮传动部分是保障其稳定运转的关键,智能诊断方法各有优缺点,综合多种智能算法的混合智能方法有效保障了预测结果的准确性。研究了故障诊断的基本流程,采用多种特征提取方法建立采煤机齿轮传动的混合智能诊断模型,介绍了混合智能诊断模型中ANFIS分类器的基本结构以及各层之间的传递函数,确定了ANFIS的样本训练过程以及网络诊断流程。通过对比ANFIS和RBF神经网络的迭代次数证明了ANFIS的训练速度更快,对比单一ANFIS分类器和混合智能模型的分类准确率,验证了混合智能模型的预测准确率更高。(本文来源于《煤矿机械》期刊2019年11期）
张康,郭双喜,黄鹏起,屈玲,鲁远征[2]（2019）在《一种海洋混合层深度的智能识别方法研究》一文中研究指出文章提出了一种识别混合层深度的人工智能方法。该方法在温度(密度)与压强(或深度)间建立线性模型,并且将其系数和方差做成一组表征廓线特征的统计量。初始时为模型设定一个主观的先验分布,在一个自海表向下移动的窗口内通过贝叶斯链式法则和最小描述长度原理学习新数据,得到系数均值的最大后验概率估计。用F-检验识别系数发生突变的位置,以此确定混合层的存在性及其深度。通过2017年2月太平洋海域的地转海洋学实时观测阵(Arrayfor Real-timeGeostrophicOceanography,ARGO)数据进行测试,并且以质量因子(QualityIndex,QI)值作为判断识别混合层深度结果准确性的依据,发现该方法相比于梯度法、阈值法、混合法、相对变化法、最大角度法和最优线性插值法在识别结果上具备更大的QI值。表明该方法能够准确识别混合层深度。(本文来源于《热带海洋学报》期刊2019年05期）
陈林,钟卫东,杨晓元,刘文超[3]（2019）在《针对SM4的混合智能侧信道分析攻击方法》一文中研究指出目前国内外针对SM4算法的传统侧信道分析攻击,由于计算量问题,采取将S盒隔离,逐个攻破的方式进行密钥恢复。该方式无法利用功耗曲线中与密钥相关的全部信息,造成信息浪费、所需实测功耗曲线数量多等问题。针对传统方式的局限性,提出一种针对SM4算法的混合智能侧信道分析攻击方法。该方法将SM4算法中的4个S盒视为一个整体,同时利用多个S盒的功耗泄露信息,通过PSO与GA相结合的混合算法快速搜索密钥。对传统和该方法进行密钥恢复对比实验,通过实验结果可知,恢复SM4算法S盒第一轮轮密钥传统分析方法需1 670条实测功耗曲线,而该方法仅需790条,验证该方法能够减少恢复SM4算法密钥所需实测功耗曲线数量,提高侧信道分析攻击效率。(本文来源于《计算机工程与应用》期刊2019年23期）
杨春江[4]（2019）在《炼钢连铸混合智能优化调度方法及应用》一文中研究指出根据多级、多机、不同精炼次数的生产环境,建立了考虑机器分配和时间安排的非线性规划模型,提出了一种混合智能优化调度方法,包括专家系统分配、基于人机交互的邻域搜索和基于模型转换的时间优化。最后,将该调度方法成功地应用于某大型钢铁厂。应用结果表明,该方法能明显缩短钢水的冗余等待时间,提高设备的负荷率。(本文来源于《中小企业管理与科技(中旬刊)》期刊2019年06期）
李健[5]（2019）在《智能汽车路径跟踪混合控制方法研究》一文中研究指出智能汽车作为提高交通安全性和通行效率的重要手段,成为世界汽车技术的主要发展方向。路径跟踪控制是实现智能汽车自主行驶的关键技术之一,然而在实际控制过程中,智能汽车的行驶工况具有高度的时变性和不确定性,这给路径跟踪控制带来了巨大挑战。从智能汽车控制的安全性、稳定性角度来看,不同工况应具有不同的控制目标和侧重点,另外,单一的控制算法有其自身的局限性和特定的使用条件,无法兼顾智能汽车路径跟踪控制过程中的多工况特征以及协调不同工况下的控制性能要求。因此,传统单一控制算法无法有效协调智能汽车不同转向工况下路径跟踪控制性能要求的问题,难以实现对目标路径的最优跟踪。针对上述问题,结合智能汽车在高速和低速转向工况下呈现出的系统特性差异,本研究基于PID控制和模型预测控制(Model Predictive Control,MPC)理论,以及模糊控制理论,提出了一种路径跟踪混合控制方法,旨在通过结合多种智能控制策略的优势,提高智能汽车在不同速度工况下的路径跟踪性能,主要研究内容如下:(1)建立了车辆预瞄运动学模型、车辆动力学模型及轮胎模型,根据轮胎模型的侧偏特性,分析了车辆稳定行驶的轮胎侧偏角约束范围。在此基础上,分别设计了基于车速补偿的预瞄式PID路径跟踪器和基于MPC理论的路径跟踪控制器,在分析PID控制和MPC控制优缺点的基础上,将PID控制和MPC控制相结合,通过仿真分析得出两种控制算法在变速路径跟踪过程中,控制效果优劣的高低速切换阈值,提出了智能汽车路径跟踪低速模式采用PID控制和高速模式采用MPC控制的混合切换控制方法,通过Matlab/Simulink和Carsim平台联合仿真,结果表明,两种控制算法在切换点处,只单纯的切换不同控制器的输出值,容易产生控制器输出值的较大跳跃,引起系统扰动和瞬态响应,严重影响车辆的横向稳定性;而在非切换点处,混合控制比单一的PID控制和单一的MPC控制具有更好的路径跟踪控制效果。(2)为了解决不同控制算法之间切换出现的横向不稳定性问题,基于模糊控制理论设计了切换稳定模糊控制器,旨在减小不同控制算法之间切换导致的横向控制器输出值较大跳跃,仿真结果表明,设计的切换稳定模糊控制器实现了横向控制系统输出量的平滑稳定切换,提高了路径跟踪系统的跟踪精度和稳定性。(3)对所设计的路径跟踪混合控制器在真实环境下的有效性进行了验证,借助了哈弗H8智能驾驶平台进行了实车实验。实验结果表明,本文所提出的混合控制方法在路径跟踪过程中,能够满足高低速不同工况下的行驶需求,并且可以实现两种控制算法之间的平滑稳定切换,从而满足了系统在不同工况下的局部控制性能,又能达到整体优化的目的,提高了路径跟踪的精度和车辆行驶的稳定性,并获得了比单一的控制算法更好的控制效果,优于传统的单一PID控制和MPC控制,提高了智能汽车路径跟踪的精确性和稳定性。(本文来源于《江苏大学》期刊2019-06-01）
丁辉[6]（2019）在《基于混合差分进化的智能核设计方法研究》一文中研究指出反应堆核设计优化是核工程设计中的重要内容,对提高核电站的经济性和安全性至关重要。由于涉及变量众多并存在诸多约束,使得核设计优化过程十分繁琐复杂。目前基于人工智能的优化方法已在核设计优化领域应用较为广泛,但存在收敛性不足、受参数影响大的问题,导致优化结果有时反不如人工优化。本文基于中子输运设计与安全评价软件系统SuperMC“超级蒙卡”,开展了智能核设计方法研究,主要研究内容和创新概括如下:(1)发展了混合差分进化的核设计优化方法。核设计优化中变量类型包含连续型与离散型。差分进化算法(Differential Evolution,DE)设计为处理连续空间优化问题,难以处理其中离散变量的优化。本文基于DE算法发展了混合差分进化的核设计优化方法(HTDE)。HTDE中对离散变量编码方式进行了设计,发展并增加了相应的变异与交叉策略,实现了混合变量问题的优化。为了进一步提高算法的性能,提出了一种新的自适应交叉概率,并采用了反向学习方法。在连续、离散优化测试及PWR堆芯装载优化性能测试例题中,HTDE均表现了良好的收敛性与鲁棒性。(2)发展了非支配混合差分多目标核设计优化方法。核设计优化中往往涉及多个目标的同时优化,NSGA-II是解决多目标优化的经典算法,但其存在多样性与收敛性不足的缺点。本文将HTDE和NSGA-II融合,采用了改进的拥挤度算子,提出了新的排序策略与种群动态调整策略,发展了非支配混合差分多目标核设计优化方法(MHTDE)。为了验证MHTDE的性能,本文使用了国际多目标基准例题对MHTDE进行了测试,结果显示了MHTDE在处理多目标优化问题中的效率。本文分别使用西屋压水堆、田纳西反应堆WBN1以及萨瓦娜核动力船优化基准题对发展的方法进行了综合测试。西屋压水堆装载优化目标为保证有效增殖因数keff满足限值的情况下使功率峰因子(PPF)最小,优化方案将PPF从1.60降至了1.21。田纳西反应堆WBN1的优化目标为最大化keff、最小化PPF,同时考虑慢化剂温度系数等的约束,优化后keff提高1.0%,PPF降低2.6%。萨瓦娜船屏蔽设计优化中,在保证剂量水平在可接受范围内的前提下,优化后屏蔽体重量降低了25.5%,体积降低了15%。以上综合测试证明了本文发展的优化方法的可行性与有效性,可广泛应用于复杂反应堆核设计优化中。(本文来源于《中国科学技术大学》期刊2019-05-01）
刘海明[7]（2019）在《混合料水分智能控制的实现方法》一文中研究指出阐述了混合料水分控制方法及智能控制的实现方法。结合工程案例,介绍了该方法的应用效果,通过对烧结生产中混合料的水分的自动控制,实现了烧结混合系统的智能化生产,最终实现提高烧结矿成品的质量和产量。(本文来源于《矿业工程》期刊2019年02期）
李国杰[8]（2019）在《基于多智能体的交直流混合微电网协调控制方法研究》一文中研究指出交直流混合微电网集新能源分布式发电、交直流混合配用电等技术于一身,拓扑结构多样、运行方式灵活,能够有效地接入各种形式的分布式电源,并能够为多种形式的交流或直流负荷高效供电,可有效解决高密度分布式电源就地接入与消纳等问题。但是,高度随机的分布式电源出力、灵活多样的运行模式、大量的分布式电源、电力电子换流设备又给交直流混合微电网的协调控制运行提出了诸多挑战,尤其随着高密度分布式电源的接入,通讯量急剧增加,系统通讯网络往往不堪重负。针对以上问题,本文围绕基于多智能体的交直流混合微电网协调控制运行展开研究。本文首先介绍了本课题的研究背景及其研究意义,归纳了国内外微电网的工程发展状况和微电网技术的研究现状,概述了交直流混合微电网的典型结构,分析了主从控制、对等控制及分层控制叁种不同模式的控制方式及优缺点,分析了多智能体的基本理论,研究了动态一致性问题,针对多智能体自主、协同和分布的特点,将多智能体理论引入到交直流混合微电网的协调控制中,并结合交直流混合微电网中交直潮流断面的拓扑结构,提出了基于多智能的交直流混合微电网中多并联双向换流器的分层协调控制策略。该控制策略实现了交直流混合微电网中交直潮流断面功率的合理分配,维持了直流母线电压的稳定;其次,研究了交直流混合微电网的运行机理及协调控制方法,提出了基于区域多智能体的交直流混合微电网分层协调控制策略,所提控制策略实现了交直流混合微电网系统功率的合理分配、母线电压的二次协调控制,增强了微电网系统的可控性;最后,结合示范工程搭建了仿真模型,并验证了所提控制策略的正确性和可行性。(本文来源于《华北电力大学》期刊2019-03-01）
董伟,杨强,葛磊蛟,迟福建[9]（2019）在《基于混合智能模型的分布式风力发电预测方法》一文中研究指出进行准确的多尺度风功率预测对分布式风电机组的可靠和经济运行至关重要。提出了一种基于人工智能算法的混合模型,包括最小冗余最大相关(mRMR)准则的输入变量选择(IVS)模块,以及元启发式随机算法优化的自适应神经模糊推理系统(ANFIS)。所提混合模型将可利用的相关数据,包括历史风电功率时间序列和区域数值天气预报(NWP),利用最小冗余最大相关(mRMR)的滤波方法来自动选择不同预测步长的输入变量;然后对于具备最优特征的输入数据,通过自适应神经模糊推理系统来进行监督学习;模型应用粒子群优化(PSO)算法对ANFIS参数训练以达到最优预测效果;最后通过实际分布式风电机组的运行数据对所提出的混合智能模型进行评估,实验结果证实了模型的有效性。(本文来源于《供用电》期刊2019年01期）
曹裕捷,张彬桥[10]（2019）在《混合智能算法的多目标无功优化方法》一文中研究指出传统电力无功优化主要集中在引入或改进某种单一智能优化算法,进化算子的不变性难以保证算法在各寻优阶段的稳定性和普适性.本文提出基于多种智能算法动态混合策略的多目标无功优化方法.该方法采用计及系统网损与电压偏移的多目标优化模型,考虑多种智能算法在不同寻优阶段的优劣特征,基于帕累托最优动态确定备选算法的使用比例,使多种智能算法优势互补以提高整体寻优效率.以IEEE 30节点、系统多目标无功优化为算例,结果表明新方法在帕累托前沿和收敛特性等方面都表现更优.(本文来源于《叁峡大学学报(自然科学版)》期刊2019年01期）
混合智能方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
文章提出了一种识别混合层深度的人工智能方法。该方法在温度(密度)与压强(或深度)间建立线性模型,并且将其系数和方差做成一组表征廓线特征的统计量。初始时为模型设定一个主观的先验分布,在一个自海表向下移动的窗口内通过贝叶斯链式法则和最小描述长度原理学习新数据,得到系数均值的最大后验概率估计。用F-检验识别系数发生突变的位置,以此确定混合层的存在性及其深度。通过2017年2月太平洋海域的地转海洋学实时观测阵(Arrayfor Real-timeGeostrophicOceanography,ARGO)数据进行测试,并且以质量因子(QualityIndex,QI)值作为判断识别混合层深度结果准确性的依据,发现该方法相比于梯度法、阈值法、混合法、相对变化法、最大角度法和最优线性插值法在识别结果上具备更大的QI值。表明该方法能够准确识别混合层深度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合智能方法论文参考文献
[1].田林红,赵阳.基于混合智能的采煤机齿轮传动故障诊断方法[J].煤矿机械.2019
[2].张康,郭双喜,黄鹏起,屈玲,鲁远征.一种海洋混合层深度的智能识别方法研究[J].热带海洋学报.2019
[3].陈林,钟卫东,杨晓元,刘文超.针对SM4的混合智能侧信道分析攻击方法[J].计算机工程与应用.2019
[4].杨春江.炼钢连铸混合智能优化调度方法及应用[J].中小企业管理与科技(中旬刊).2019
[5].李健.智能汽车路径跟踪混合控制方法研究[D].江苏大学.2019
[6].丁辉.基于混合差分进化的智能核设计方法研究[D].中国科学技术大学.2019
[7].刘海明.混合料水分智能控制的实现方法[J].矿业工程.2019
[8].李国杰.基于多智能体的交直流混合微电网协调控制方法研究[D].华北电力大学.2019
[9].董伟,杨强,葛磊蛟,迟福建.基于混合智能模型的分布式风力发电预测方法[J].供用电.2019
[10].曹裕捷,张彬桥.混合智能算法的多目标无功优化方法[J].叁峡大学学报(自然科学版).2019