5篇关于鲸鱼优化算法的计算机毕业论文

今天分享的是关于鲸鱼优化算法的5篇计算机毕业论文范文, 如果你的论文涉及到鲸鱼优化算法等主题,本文能够帮助到你

基于声振信号分析的磁瓦内部缺陷无损检测方法研究

这是一篇关于磁瓦,内部缺陷,无损检测,群分解,鲸鱼优化算法,卷积神经网络的论文, 主要内容为永磁铁氧体材料是当代社会经济迅速发展中必不可少的基础型功能材料,全球范围的磁性材料生产基地逐渐向发展中国家转移,以至于我国正逐步成为全球磁瓦生产基地。在生产中仍然难免会出现具有缺陷的磁瓦产品,为确保永磁电机在高速运行中,不会因磁瓦的缺陷导致重大事故,实现快速而准确的缺陷检测是磁瓦制造业当今面临的最为突出的问题。声学检测相较于其他无损检测方法具有无可比拟的优势,在零部件的内部缺陷检测中应用率最高。基于此,开发两种相关信号处理方法用于磁瓦内部缺陷的声振检测,具体内容如下:(1)为了满足高性能磁瓦精细化生产时对内部缺陷检测准确率的高要求,提出一种结合群分解、鲸鱼优化算法和随机森林的信号分析方法。该方法首先根据磁瓦声振信号特点,构造反映群分解性能的适应度函数,再通过鲸鱼优化算法配合该函数对群分解参数进行优化,以此获得最佳的群分解参数;其次,群分解利用该最优分解参数将磁瓦声振信号分解为若干振荡分量,并筛选出能量最大的振荡分量并提取出反映磁瓦内部缺陷的特征信息;最后经随机森林分类器对提取的特征进行识别,以决策磁瓦是否存在内部缺陷。实验结果表明,所开发的方法能实现多类型磁瓦的内部缺陷检测,检测准确率为99.79%,单片磁瓦的检测时间低于6秒。(2)由于第一个方法在面对大批量生产的低性能磁瓦内部缺陷检测时暴露出一些低效率的问题,因此开发一种检测磁瓦内部缺陷的高效检测方法具有重要的现实意义。结合深度学习在处理复杂特征信息的优势,开发一种基于卷积神经网络的磁瓦内部缺陷声振检测方法。在该方法中,磁瓦的一维声振信号首先被转换为二维声振图像,再输入针对信号特点所设计的卷积神经网络进行学习训练,以完成从声振图像中自主学习和提取能区分内部缺陷有无的信号特征,最后由softmax完成对应特征的识别。检测实验结果表明,开发的方法可实现准确率为99.38%的磁瓦内部缺陷检测,单片磁瓦的检测时间低于0.031秒。

基于声振信号分析的磁瓦内部缺陷无损检测方法研究

共同研究兴趣人员推荐及其云计算下的调度算法研究

这是一篇关于推荐系统,混合推荐,云计算,任务调度,鲸鱼优化算法的论文, 主要内容为随着信息时代的到来,科学论文的数量急剧增长,如何快速找到与自己领域相关的研究人员,成为了科研工作者所关心的焦点。云计算调度下的推荐系统作为帮助科研工作者快速了解该领域研究进展以及热点问题的方法之一,其可以通过分析大数据来为用户提供所需要的项目或信息,并使用云计算技术大幅度提升任务计算速率,使得单位时间内可以处理更多的任务,从而提高推荐的准确率和用户使用体验。然而传统的推荐算法大多采用基于内容的推荐方法,但这种方式容易陷入冷启动和数据稀疏问题;此外,云计算中的任务调度策略也会直接影响推荐系统的资源使用率和运行时间,从而影响用户的使用体验。为此,本文从推荐算法和云计算任务调度两个方面进行优化,主要贡献如下:(1)本文设计了一种混合推荐算法,该算法在基于用户的协同过滤算法中引入社交网络对共同研究兴趣人员进行推荐。一方面,引入社交网络可以有效缓解冷启动和数据稀疏问题。另一方面,基于协同过滤的推荐算法只考虑用户偏好之间的相似性而忽略了用户自身的属性特点。本文设计的推荐算法将用户和自己的研究领域双向绑定,通过对用户曾经发表的论文建立学术背景模型,并生成社交信任网络,再根据信任关系的可传递性为用户推荐可能感兴趣的研究人员。该算法克服了数据稀疏对推荐性能的影响,其推荐性能和可扩展性优于传统推荐算法。(2)针对推荐算法中数据量过大等问题,本文设计实现了一种改进的鲸鱼优化算法用于云计算下的任务调度。该算法通过优化映射关系,提高了种群多样性,从而改善了传统算法中存在的局部最优问题;采用引入非线性收敛因子和增加自适应权重的方式,引导搜索代理在局部开发和全局开发之间找到理想的过渡,解决了传统算法中随机参数过多而导致的不稳定性。本文还提供了具体的证明实验以及该改进算法的详细实现方案。根据不同任务场景中的实验结果表明,与现有的元启发式算法相比,本文所提出的算法具有更快的收敛速度以及搜索最优任务调度计划的准确性。

基于无人机的化工园区环境因子监测系统设计

这是一篇关于无人机,环境因子监测,数据采集,鲸鱼优化算法,路径规划的论文, 主要内容为近年来随着智能设备和传感器技术的不断进步,无人机作为移动监测设备,通过携带智能设备进行化工园区环境因子的监测,为化工园区的监测提供了新的解决思路和方案。因此,若能设计一种不受化工园区复杂的设备环境影响,且当环境因子超过设定阈值时,能快速定位上传事故点、监测处的位置信息及现场情况的自动监测系统,此系统不仅可以解决环境污染物扩散范围广、传播速度快等问题,并能快速上报偶然性和常规性的园区事故,具有极好的同步性和灵活性,为我国化工安全做出实际的贡献。本文基于无人机搭载高灵敏度的传感器阵列、GPS+C-RTK高精度定位模块、云台相机,以及远程数据传输、智能控制技术,实现化工园区环境因子的监测,并将环境因子、检测点位置、异常点照片等数据信息上传至地面端,用于化工园区环境因子管理和监控。本文主要研究内容如下:(1)机载环境因子检测装置和监测系统的硬件开发。利用四旋翼无人机搭载气体传感器阵列模块、无线通信模块及控制模块,实现无人机对化工园区环境因子的检测和数据传输。(2)环境因子监测系统软件开发。在PX4源代码的基础上完成无人机最优路径规划的设计,实现地面控制站发出控制指令后,无人机根据命令做出飞行模式和飞行状态的调整,以及环境因子气体监测。同时,通过无线通信模块与云平台绑定,将传感器阵列检测数据、飞行轨迹位置等信息上传至云平台,实现化工园区环境因子管控与显示。(3)无人机路径规划算法的模型建立与求解。本文结合无人机弧度转角和智能群算法的优点建立弧线特征的路径规划模型,提出了混合策略改进的鲸鱼优化算法,规划出从起始点到目标点的最优路径,从而实现无人机从起始点遍历所有的检测点,各检测点间的飞行转角采用弧线转向,完成一次低能耗、最短路径巡检任务后降落至起始点。混合策略改进的鲸鱼优化算法经Matlab进行多任务点路径规划仿真,以验证算法的稳定性和迭代效果。(4)算法仿真与环境监测系统测试。完成无人机搭载机载环境因子采集装置和改进的鲸鱼优化算法的测试,实验结果表现良好。