8篇关于蝙蝠算法的计算机毕业论文

今天分享的是关于蝙蝠算法的8篇计算机毕业论文范文, 如果你的论文涉及到蝙蝠算法等主题,本文能够帮助到你

基于栈式降噪自编码器的风电功率预测研究

这是一篇关于风电功率预测,异常数据识别,半监督模糊C均值,栈式降噪自编码器,蝙蝠算法,功率预测系统的论文, 主要内容为风能因其清洁安全、储量巨大、开发成本低等优点,成为最具发展前景的绿色可再生能源。然而,由于风能自身的随机性和不确定性,风机输出功率表现不稳定,给电力系统带来安全隐患和调度困难。因此,高精度风电功率预测对电网的调度计划、检修安排、经济效益和安全性都具有重要意义。本文基于华北某风场风机的实际运行数据进行研究。为了提高功率预测的准确度,对风机的原始数据做了异常数据识别处理。本文以风速-功率曲线为研究对象,引入了变点检测和改进半监督模糊C均值聚类的组合方法对风机原始数据进行异常数据识别。变点检测方法识别离散型异常数据,改进半监督模糊C均值方法识别堆积型异常数据,这种二次识别的组合方法可以有效提高异常数据识别率。并根据数据的统计特征改进了半监督模糊C均值方法,提高了算法性能。针对风电大数据的新形势,引入优化的栈式降噪自动编码器作为风电功率预测模型。传统的栈式降噪自动编码器微调阶段使用的分类器有收敛速度慢、易陷入局部最优的缺陷,提出使用极限学习机优化网络结构,提高收敛速度和泛化能力;同时,使用改进蝙蝠算法对权值参数进行寻优,有效提高了多层网络的计算速度和寻优能力。为了证明所提模型的性能,加入了与其他常用模型的对比试验,结果证明,此模型的鲁棒性、有效性和预测精度均有提升。为了满足智能电网建设的要求,提高本研究的实用性,设计并开发了一种结合所提出的异常数据识别模型和功率预测模型的风电预测系统。该系统采用了经典的Spring MVC和Hibernate等框架,保证了系统的稳定性和可维护性。在结合本文所提模型后,具有较高的预测精度,对风电场生产计划的制定和安全预防具有实际指导作用。

基于库存管控的代理商配件共享技术研究与实现

这是一篇关于汽车后市场,资源共享,库存管控,配件分类,KFCM,蝙蝠算法的论文, 主要内容为随着整车保有量的不断积累,前车市场利润空间缩小,汽车后市场却展露了其无限的潜力。作为汽车后市场重要组成部分的配件代理商在业务上只与其上下游企业合作,资源来源少,信息获取滞后。在库存管控方面,配件代理商采用单一的管理方式,导致配件库存积压常发生,造成代理商成本损失。因此,针对代理商需要提高市场响应速度、拓宽从外部获取资源的渠道、精准化库存管控的需求,本文基于第三方云平台对配件共享系统进行了研究,旨在实现资源共享,探索跨链协同业务,同时避免代理商库存资金积压,降低库存成本,提高其自身的市场竞争力。论文站在代理商角度,以库存管控和配件共享为目标,从几个方面进行了研究。首先,论述了研究的背景和意义,对分类算法和库存管控方法的研究现状进行了分析。然后对配件供应模式和代理商库存管理现状进行了研究,分析了代理商业务协同过程中的实际需求。结合其实际需求设计基于库存管控的配件共享系统的解决方案,并基于第三方云平台对系统的功能模块与流程进行了设计。针对代理商精准化库存管控和配件共享需求,实现了BA＿C＿KFCM聚类模型。由于噪声点对KFCM干扰大且初始聚类中心影响聚类结果,使用噪声模型降低噪声点的干扰,并用蝙蝠算法确定初始聚类中心。取样本的K近邻样本距离的均值作为该样本点在噪声模型中的隶属度松弛参数。最后利用平台上的库存数据对本文提出的聚类模型进行实验,验证了模型的具有较好的聚类性能。对代理商的销售数据和库存数据从多个方面进行了分析,包括销售区间分析、销售利润分析、库存结构分析等。通过业务数据统计分析,使代理商能全面了解自身的销售情况以及库存结构。论文基于B/S三层架构,采用SQL Server、ASP.NET等开发工具完成了系统的开发。对所实现的数据分析模块、分类模块、库存共享模块的功能进行了验证,解决了代理商的库存精准化管控的需求,为库存滞销件处理提供解决方案,实现配件共享。并通过建立通用配件字典进行关联匹配查询,实现配件跨链搜索,拓宽了代理商资源获取的渠道,达到了论文目标。

基于库存管控的代理商配件共享技术研究与实现

小型离网风力发电机控制系统设计

这是一篇关于小型风力发电机,最大功率跟踪,蝙蝠算法,混合储能,支持向量机回归的论文, 主要内容为随着不可再生能源紧缺问题的加剧,风电系统的开发与利用越来越受到关注。风力发电利用效率以及输出电能质量的提升是系统的主要研究方向,风电系统最大功率跟踪(Maximum Power Point Tracking,MPPT)技术、混合储能系统技术逐渐成为风能开发的研究热点。本文以300W直驱式永磁风电系统为研究对象,针对风能利用效率低,输出电能质量差的问题,展开MPPT策略以及混合储能控制策略的研究。首先,为了提高系统发电效率,研究了风电系统基础理论,确定可以通过改变叶尖速比使系统捕获到最大功率。通过不同MPPT策略的比较,确定采用基于风速估计的最佳叶尖速比法和占空比扰动法相结合的复合控制方法。为了提高风速估计精度,利用蝙蝠算法(Bat Algorithm,BA)优化的支持向量机回归(Support Vector Machine Regression,SVR)建立了风速估计模型。为了避免BA初始种群分布不均、陷入局部最优解及收敛速度慢等问题的发生,通过Tent初始化蝙蝠种群初始位置、自适应权重位置搜索、优化响度及脉冲发射频率更新的方式对BA进行改进。利用Simulink搭建仿真实验平台,通过不同控制方法的对比实验,验证改进BA优化的SVR风速估计模型的优越性及改进的最大功率跟踪策略的优越性。然后,为了提高风电系统输出电能质量,延长电池寿命,选择锂电池与超级电容混合储能的方式存储系统产生的电能。并提出变时间常数的一阶低通滤波器与双闭环自抗扰控制(Active Disturbance Rejection Control,ADRC)相结合的控制策略。建立自抗扰控制器,并利用模糊控制优化外环反馈控制律的控制增益参数,实现了参数的自适应调节。为了避免锂电池受到捕获功率高频分量带来的损伤,设计变时间常数的一阶低通滤波器,对系统捕获功率进行分配,降低了低频分量中残留的高频分量。基于Simulink搭建仿真实验平台,通过不同混合储能控制方法的仿真对比实验,验证了本文所设计的控制策略在提高系统输出电压质量方面具备优越性。最后,建立风电控制系统硬件框架,设计并测试系统主要电路,搭建系统软件框架,并基于QT平台设计了人机交互界面。搭建实物实验平台,基于该平台对本文设计的小型风电系统控制器的性能进行测试。实验结果表明:1)改进MPPT策略,在定风速下跟踪时间更短、跟踪功率更大;在变风速下可以有效的跟踪到不同风速对应的最大功率。2)优化的风速估计模型可以有效地预测变化的风速。3)改进后的混合储能系统可以平抑主电路的电压波动,且满足锂电池分段式充电的要求。

多无人机协同侦察任务规划器的设计与实现

这是一篇关于无人机,遗传算法,蝙蝠算法,惯性权重,Agent,负载均衡的论文, 主要内容为在现代战争中,无人机由于其作战时间长、可靠性高等优点,在战场侦察中发挥着越来越重要的作用。而单无人机由于多种限制往往难以实现对所有目标进行侦察,因此,通常采用多无人机进行协同侦察。在军事领域,规划器是验证军事规划方案的重要工具,无人机侦察目标前通常采用规划器进行模拟验证,而如何设计实现合理的多无人机协同侦察任务规划器是当前急需解决的问题。本文首先对多无人机协同侦察任务规划问题进行描述,然后对遗传算法、蚁群算法以及蝙蝠算法进行了深入分析。通过对传统蝙蝠算法增加惯性权重以进行改进,同时对解的形式采用2N维编码方式来表示。分别对遗传算法、蚁群算法和蝙蝠算法进行实验验证,并对实验结果进行了比较分析,证明了改进后的蝙蝠算法在求解多无人机协同侦察任务规划问题上的优越性,为多无人机协同侦察任务规划器提供了合理的任务规划技术。考虑到多无人机协同侦察任务规划是一种初始的理想规划,模拟实体不具备智能性,本文利用Agent技术,采用混合型Agent模型结构,对多无人机协同侦察模拟实体进行模拟实体建立,并对模拟实体增加规则描述和处理,使其具有智能性。同时,为保证计算机对规则的读取,利用XML对规则进行存储,并设计AgentMain类,所有模拟实体均对AgentMain类进行继承和修改,提高了系统的可重用性,为多无人机协同侦察任务规划器设计了智能模拟实体。最后,本文针对传统的规划器结构存在的问题,利用改进的B/S架构对多无人机协同侦察任务规划器进行设计与实现,提高了系统的安全性、可靠性,降低了系统耦合性,并提升了系统性能。同时,结合多无人机协同侦察想定的模拟场景进行模拟实验,通过实验过程和结果分析,证实本文多无人机协同侦察任务规划算法的正确性、规则的合理性以及任务规划器的可靠性。

智能计算在柔性作业车间调度问题中的应用研究

这是一篇关于柔性作业车间调度问题,车间调度,蝙蝠算法,高斯变异,Lévy飞行的论文, 主要内容为随着大数据时代的到来,作为企业管理问题中的一个关键问题,生产调度在竞争激烈的环境下,它能够使生产效率得到优化,降低生产成本,使现有资源得到合理化的利用,所以受到很多关注。到现在六十多年的时间里,生产调度问题已经取得了不菲的研究成绩,它主要研究如何对现有资源进行分配。其中,我们所知的柔性作业车间调度问题,更加符合实际生产过程,同时由于实际问题求解较难,所以研究其分配问题是具有重大意义的。近年来,许多智能算法被应用到这类问题中,蝙蝠算法作为新兴智能算法,由于其模型简单,易于控制和执行等特点,也越来越多的被应用到柔性作业车间调度问题(FJSP)中。本文对车间调度问题进行了系统的研究,并提出了两种改进蝙蝠算法,然后对算法分析求解,把它进行编解码,将理论和实际相结合,从而为FJSP和有关其他技术的深入完善提供一些基础。本文将改进后的蝙蝠算法用于对FJSP的求解,并与其他已有改进算法作出比较,主要研究内容概括如下:1)研究相关文献。介绍了本文的选题背景和选题目的,并进行了文献综述;2)总结了车间调度问题和柔性作业车间调度问题国内外研究现状;3)介绍了蝙蝠算法的基本原理、算法流程,算法的应用和改进;4)改进算法。本文从实际应用问题出发对蝙蝠算法作了认真的分析和研究,在此基础上,提出了两种新的蝙蝠算法改进方法:一种改进的自适应混合型蝙蝠算法(YSBA)和带有高斯变异的Lévy飞行改进蝙蝠算法(MGBA),实验结果表明,这两种算法可以解决部分区域过分搜索的问题,避免陷入部分区域最优值,具有比较精确的计算结果值;5)建立了符合FJSP特点的数学模型,然后采用该算法对FJSP的模型进行求解,分析FJSP在制造业中的价值。