导读:本文包含了局部寻优论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:局部,算法,多点,智能,神经网络,拓扑,阻抗。
局部寻优论文文献综述
王干军,李锦舒,吴毅江,彭小圣,李黎[1]（2019）在《基于随机森林的高压电缆局部放电特征寻优》一文中研究指出高压电缆局部放电(简称局放)新特征的构建与优化选择是提升识别精度、优化识别效率、增强监测参数可视化效果的重要手段。提出了一种基于随机森林的局放特征优选新方法。在实验室构建了5种类型的电缆人工缺陷,通过加压测试获取局放原始数据,并提取了3500个局放脉冲和3500个典型干扰信号脉冲,构建了1235个局放特征。基于上述样本,开展了基于随机森林的特征寻优,分别获得了局放和干扰信号特征排序结果和不同类型局放信号的特征排序结果,并通过反向传播神经网络(back propagation neural network,BPNN)和支持向量机(support vector machine,SVM)对优选排序结果进行了验证。结果表明,局放和干扰识别的有效特征参数主要是表征信号快慢的特征和小波组合特征;不同类型局放识别的有效特征参数主要是小波组合特征。结果证明,随机森林算法是一种有效的电缆局放特征优选方法,并有望推广到其他电力设备局放的特征寻优。(本文来源于《电网技术》期刊2019年04期）
谌伦作,干树川,胡骏[2]（2018）在《网格寻优SVM在GIS局部放电故障检测中的应用》一文中研究指出绝缘气体组合开关(Gas Insulated Switchgear,GIS)是变电站重要设备,它的绝缘特性直接关系到电力系统的可靠性。针对当前GIS局部放电(Partial Discharge,PD)故障分类检测算法主要使用的BP神经网络由于运行速度慢且参数调节麻烦而不适合在线检测的问题,提出将网格寻优算法结合LIBSVM工具包的支持向量机(Support Vector Machine,SVM)应用于GIS局部放电故障分类检测。仿真结果表明,与无网格寻优的SVM和BP神经网络相比,网格寻优SVM具有速度快、参数自动寻优的特点,对六类典型GIS局部放电故障的分类检测都有很好的识别效果。该方法结合超声波法检测局部放电具有灵敏度高、不受电磁场影响、可实现在线定位的特点,这将更有利于GIS局部放电故障在线检测的工程实际应用。(本文来源于《四川理工学院学报(自然科学版)》期刊2018年05期）
杨光垚[3]（2018）在《基于特征寻优与深度学习的高压电缆局部放电模式识别研究》一文中研究指出高压电缆作为城市供电网络的重要组成部分,其安全稳定运行与国民正常生产生活密切相关。高压电缆由于长期高电压大电流运行,在外力破坏、设备缺陷、水树入侵等因素作用下易出现运行故障。通过局部放电(简称局放)监测可以及时发现电缆故障并预警,有利于保障供电安全。局放模式识别是局放状态监测的重要环节之一,其识别难度较大,一方面局放信号与工业现场复杂的噪音和干扰信号混杂,另一方面部分局放类型相似度很高,增大了局放的识别难度。研究局部放电的模式识别问题有利于及时准确地判断故障类型,对保障电缆的安全稳定运行具有重要意义。本文在归纳局放模式识别研究现状的基础上,阐明局放模式识别面临的问题与挑战,针对现有研究的不足,从数据预处理、样本扩充、特征寻优、模式识别开展研究,取得的主要研究结果如下:(1)针对海量局放样本提取处理耗时长效率低的问题,提出了一种电缆局放数据自动预处理方法,并开发对应局放数据自动预处理软件。原始样本数量巨大,如何有效地从海量样本中自动提取处理并筛选出局放信号和干扰信号是一大挑战。本文提出的自动预处理系统首先通过多维特征分类将信号分成不同的类型,然后采用自动图谱识别技术自动判断信号属于局放还是干扰,判断完之后将信号加入样本库。在新的信号到来时,先通过样本库寻找相似信号判断信号类别,如果不存在相似信号则继续通过自动图谱方法进行识别。本系统在判断阶段对信号给出置信度,对于置信度较低的信号需要经过专家辅助分析系统判断后才可加入样本库。该自动预处理系统一方面自动处理局放数据,统计特征并判断信号是否为局放,提高了局放样本的获取效率,另一方面构建了局放与干扰的历史样本库,有利于开展后续研究工作。(2)针对模式识别训练数据不充分的问题,提出了基于可变噪音和对抗生成网络的数据扩充方法。较复杂的模式识别方法(例如深度神经网络)有较多的参数,需要的训练数据量较大。数据量如果不足模型容易过拟合导致模型的识别精度降低。本文采用了基于可变噪音和对抗生成网络的数据扩充方法产生新的局放数据,并进一步通过支持向量机等模式识别方法和可视化方法验证了数据扩充对提高局放识别精度的有效性。基于可变噪音的数据扩充法扩充的样本经支持向量机验证后,其识别精度相比扩充前平均提升0.99%;经随机森林验证后,其识别精度相比扩充前平均提升0.96%。基于对抗生成网络的数据扩充法扩充的样本经逻辑回归验证后,其识别精度相比扩充前提升1.71%;经支持向量机验证后,其识别精度相比扩充前提升0.53%。结果充分证明了基于可变噪音和对抗生成网络对局放进行样本扩充的有效性。(3)针对模式识别特征参数过多难以判断有效特征的问题,提出了基于随机森林的特征寻优方法。局放特征参数众多,较高的特征维度导致的维度灾难降低了模型的训练效率并影响了模型的训练精度。本文提出了一种基于随机森林的特征寻优方法,构建了1235个局放特征并对局放特征进行打分排序从而发现有效的特征。为了增强特征寻优结果的可信度,本文采用支持向量机等模式识别方法与可视化的手段对特征排序的结果进行验证。验证结果证明了基于随机森林的特征寻优方法对局放数据特征寻优的有效性。(4)针对部分放电类型相似程度过高导致识别精度较低的问题,提出基于卷积神经网络的局放深度学习模式识别方法。本文采用5种类型共计3500个局放信号进行研究,并分析了网络结构、激活函数、优化算法等对局放模式识别精度的影响,最后将卷积神经网络应用到局放识别中。结果显示,卷积神经网络有效地提高了局放识别的精度,相比BP神经网络和支持向量机精度分别提升了4.29%和3.01%,且能较好地识别较难区分的局放类型,具有良好的应用推广价值。(本文来源于《华中科技大学》期刊2018-05-01）
张建辰,王艳慧,赵文吉[4]（2018）在《全局与局部寻优相结合的道路网匹配方法》一文中研究指出针对面向道路网匹配的概率松弛法约束性指标单一且无法识别M∶N匹配模式的不足,从兼顾全局和局部匹配最优的角度出发,提出了从局部角度顾及几何约束和拓扑约束,从全局角度完善M∶N匹配模式的改进算法,设计并实现了不同匹配模式下的匹配策略。测试结果表明,该方法的整体匹配精度和召回率提高了7%~14%,均达到90%以上;空间与属性匹配度评价指标提高了3%~7%;可将待匹配路网中最邻近结点平均距离的两倍值作为缓冲区阈值设定的参考依据,从而验证了该方法的可行性与可靠性。(本文来源于《武汉大学学报(信息科学版)》期刊2018年08期）
王共冬,陈浩,王军[5]（2015）在《局部寻优算子库在复合材料层合板强度优化设计中的应用》一文中研究指出应用改进后的遗传算法对复合材料层合板的强度进行优化设计,给出局部寻优算子库的结构和组成,以层合板的强度比为优化目标,建立基于局部寻优算子的遗传算法优化模型。研究了不同局部寻优算子对铺层优化算法的收敛速度及铺层优化结果的影响。采用面向对象语言开发了改进后的复合材料层合板的强度优化系统,系统在已开发的材料库和零件数模库基础上,可自动获取材料和零件数模信息,最后通过算例求解最优强度时的铺层顺序。将优化结果和标准遗传算法的结果进行对比分析,证明了优化模型的有效性和改进后遗传算法的优越性。(本文来源于《航空制造技术》期刊2015年16期）
陈小逸,李少纲,郑伟彬[6]（2015）在《基于多点扫描与动态阻抗匹配的局部阴影下光伏寻优控制策略》一文中研究指出为了提高输出功率,光伏阵列运行点通常设置在最大功率点附近,当光伏阵列受到阴影影响时出现多峰值的最大功率点,常规的最大功率跟踪算法容易陷入局部最优点而使寻优追踪失败。在此提出采用多点扫描方法对光伏输出P-V曲线进行采样处理,筛选出最大功率点存在区域,然后结合动态阻抗匹配算法进行最大功率跟踪,快速确定最大功率点,实现多峰值寻优和快速追踪最大功率。仿真实验证明多峰值寻优控制策略能有效提高阴影条件下的最大功率跟踪算法准确性和效率。(本文来源于《南昌大学学报(工科版)》期刊2015年02期）
蔡振华,徐光年,吉晏平,王大治,黄竹志[7]（2014）在《基于BM局部寻优算法的配电网联络图自动布局研究》一文中研究指出给出一种解决配电网联络图排布的方法,为自动化、运方和调度等部门提供简单的图形展现方式;通过信息快速集成化的可视平台,使调度人员对配电网设备运行有全局的概念,解决"盲调"问题。(本文来源于《能源工程》期刊2014年06期）
沈继红,李加莲[8]（2012）在《贪婪光线寻优算法的局部收敛性分析》一文中研究指出针对新型智能优化算法光线寻优算法局部搜索能力弱和收敛性理论完善困难的问题,提出一种贪婪光线寻优算法,并通过理论推导证明了该算法的局部收敛性.数值实验结果表明,对于单极值非线性标准测试函数,与粒子群算法和模拟退火算法相比,贪婪光线寻优算法具有更高的收敛精度和稳定性.(本文来源于《吉林大学学报(理学版)》期刊2012年02期）
梁作松[9]（2009）在《两个变量的整数规划的两种局部寻优法》一文中研究指出所有变量都限制为非负整数的线性规划为整数规划.给出了两个变量的整数规划的两种局部寻优法:图解枚举法和贪婪枚举法.(本文来源于《辽宁师专学报(自然科学版)》期刊2009年03期）
张伟丰[10]（2008）在《基于多智能体局部寻优的粒子群优化算法》一文中研究指出为了提高粒子群算法的收敛速度和全局寻优能力,用多智能体遗传算法对粒子群算法当前搜索到的全局极值进行局部寻优,用搜索到的更好的解在下一次迭代中引导粒子进行搜索从而获得更快的收敛速度和更好的全局收敛性。对函数优化和神经网络训练的仿真实验表明,此算法能更快的收敛到全局最优解。(本文来源于《湖北汽车工业学院学报》期刊2008年03期）
局部寻优论文开题报告
（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：
绝缘气体组合开关(Gas Insulated Switchgear,GIS)是变电站重要设备,它的绝缘特性直接关系到电力系统的可靠性。针对当前GIS局部放电(Partial Discharge,PD)故障分类检测算法主要使用的BP神经网络由于运行速度慢且参数调节麻烦而不适合在线检测的问题,提出将网格寻优算法结合LIBSVM工具包的支持向量机(Support Vector Machine,SVM)应用于GIS局部放电故障分类检测。仿真结果表明,与无网格寻优的SVM和BP神经网络相比,网格寻优SVM具有速度快、参数自动寻优的特点,对六类典型GIS局部放电故障的分类检测都有很好的识别效果。该方法结合超声波法检测局部放电具有灵敏度高、不受电磁场影响、可实现在线定位的特点,这将更有利于GIS局部放电故障在线检测的工程实际应用。
（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。
局部寻优论文参考文献
[1].王干军,李锦舒,吴毅江,彭小圣,李黎.基于随机森林的高压电缆局部放电特征寻优[J].电网技术.2019
[2].谌伦作,干树川,胡骏.网格寻优SVM在GIS局部放电故障检测中的应用[J].四川理工学院学报(自然科学版).2018
[3].杨光垚.基于特征寻优与深度学习的高压电缆局部放电模式识别研究[D].华中科技大学.2018
[4].张建辰,王艳慧,赵文吉.全局与局部寻优相结合的道路网匹配方法[J].武汉大学学报(信息科学版).2018
[5].王共冬,陈浩,王军.局部寻优算子库在复合材料层合板强度优化设计中的应用[J].航空制造技术.2015
[6].陈小逸,李少纲,郑伟彬.基于多点扫描与动态阻抗匹配的局部阴影下光伏寻优控制策略[J].南昌大学学报(工科版).2015
[7].蔡振华,徐光年,吉晏平,王大治,黄竹志.基于BM局部寻优算法的配电网联络图自动布局研究[J].能源工程.2014
[8].沈继红,李加莲.贪婪光线寻优算法的局部收敛性分析[J].吉林大学学报(理学版).2012
[9].梁作松.两个变量的整数规划的两种局部寻优法[J].辽宁师专学报(自然科学版).2009
[10].张伟丰.基于多智能体局部寻优的粒子群优化算法[J].湖北汽车工业学院学报.2008
论文知识图
