遗传禁忌搜索的能量均衡深井安全监测WSN分簇路由算法

针对深井巷道无线传感器网络（Wireless Sensor Networks,WSN）安全监测中节点能量消耗不均匀导致网络生命周期较短的问题,在分析低功耗自适应集簇分层型算法（Low Energy Adaptive Clustering Hierarchy,LEACH）、遗传算法（Genetic Algorithm,GA）和禁忌搜索算法（Tabu Search Algorithm,TS）的基础上,提出遗传禁忌搜索的能量均衡深井安全监测WSN分簇路由算法（GTSR-EB）,以分簇方式来减少数据发送量与寻优开销,利用优化GA算法和TS算法进行多路径搜索以选出一条能耗均衡、路径传输距离最短的最优路径。仿真实验表明:GTSR-EB算法网络存活周期为LEACH算法的2.17倍、GA算法的1.18倍,GTSR-EB网络能量利用率更高、生存周期更长。     

基于铀尾矿库核素污染监测WSN分簇路由协议

用WSN对铀尾矿库核素污染监测优于传统有线布置,为解决无线传输路由能耗的问题,提出了一种基于蚁群算法的前向传输分簇路由协议。该协议以分簇的方式来减少数据发送量与寻优开销,在下一跳接收节点选择阶段,以前向传输区域为切入点,利用优化的蚁群算法进行多路径搜索最后选出满足条件的最优路径。仿真实验表明,CFTA协议的网络生存周期有效延长,并减小了能耗。     

基于SSO的铀尾矿库无线传感器网络定位算法

为提高铀尾矿库无线传感器网络(WSN)定位算法的定位精度和收敛速度,利用优化的麻雀搜索算法(SSA)改进基于信号强度指示(RSSI)的定位算法。首先,引入混沌映射和精英方向学习初始化麻雀种群,丰富种群多样性,提高算法的全局寻优能力;其次,采用莱维飞行策略改进搜索者的位置更新方式,避免陷入局部最优;然后,采用优化的SSA代替最小二乘法来定位未知节点,并将定位算法应用于铀尾矿库放射性核素污染监测定位;最后,在不同的锚节点数、通信半径以及噪声标准差条件下,对比麻雀搜索优化定位算法(SSOLA)与加权质心定位算法(WCLA)、接收信号强度指示差定位算法(RSSID)、麻雀搜索定位算法(SSA)、粒子群定位算法(PSO)以及樽海鞘群定位算法(SAP)的性能。结果表明：SSOLA与其余5种算法相比定位误差平均下降41.9%、45.2%、26.8%、39.9%和36.9%,定位精度更高,收敛速度更快。     

基于网络分区和路径能耗的深井无线传感器网络多簇首路由算法

为解决深部矿井无线传感器网络因节点能量受限导致网络生存时间短及由多跳传输引起的“热区”问题,提出1种以分区结构和能量多路径为基础的带状无线传感器网络多簇首路由算法(NPPEC)。算法采用跳数泛洪方式建立带状网络分区结构,将节点分布密度加入主簇首竞选机制中,通过主簇首和副簇首的分工配合,使簇首能量更均衡地消耗;依据路径能耗、节点当前能量及位置计算路径选择概率,并通过控制跳数改善数据传输的实时性。经仿真比较,NPPEC算法网络生存时间约为LEACH算法的1.807 2倍、HEED-EELD算法的1.198 4倍,同时也有效改善了网络“热区”问题,为深部矿井无线传感器网络的构建提供1种更有效的解决方案。     

基于粒子群优化和巷道分区的深井WSN定位算法

针对现有深部矿井中人员定位精度不足问题,提出一种基于粒子群优化(PSO)及巷道分区的深井无线传感器网络(WSN)定位算法(PTWL)。将直型巷道里相邻锚节点之间的区域等分,利用信号强度等级对所划分的区域进行标记,以巷道中未知节点接收到的信号强度确定其大致区域,采用PSO算法对未知节点的最大概率坐标进行运算,实现精确定位;通过仿真试验对比PTWL与信号强度指示(RSSI)、信号强度分区(RSSP)算法的优劣。结果表明:PTWL算法比经典RSSI算法和RSSP算法定位精度更高。     

无线传感器网络基于分簇路由的火灾探测

无线传感器网络节点能量消耗是其路由协议设计的重要目标.分簇式的拓扑结构使网络中的节点相对均衡地消耗能量,显著地延长整个网络的生存时间.在大范围的防火区域中安放传感器节点,通过具有明确位置信息的节点采集并向簇头传送,可有效地发现及控制火灾.     

无线安全监控系统在选煤厂瓦斯监测中的应用

为减少或避免选煤厂瓦斯爆炸事故的发生,解决选煤厂安全监控系统智能化程度低和不能精准地确定瓦斯质量浓度这一问题,引入无线传感器网络(WSN)进行监控,设计安全监控系统框架和各功能单元,分析验证其应用性能;分析选煤厂安全智能监控领域WSN的应用价值。系统运行中可以基于大量的传感器节点进行信息采集,将相关信息通过通信网发送到控制中心。结果表明:WSN可以实现选煤厂瓦斯质量浓度的实时检测,达到预警值现场报警,确保在出现警情后高效的应对,从而为瓦斯质量浓度的监控提供支持,避免引发严重事故。采用的低功耗分群分层路由协议,可延长网络的有效生命周期,使各节点能量损耗均衡。     

基于新内点测试与Grid-SCAN的铀尾矿库监测定位算法

面向铀尾矿库放射性核素污染WSN监测中,由于监测环境制约,针对该条件下节点密度低、带状分布网络连通性差等问题,为保证一定定位精度,提出一种新的定位算法。新内点测试利用RSSI值与海伦公式判断是否在三角形内外,无需未知节点周围其他节点信息,并采用Grid-SCAN寻找概率模型选取点,使该算法满足低密度条件的定位并减少其计算量。约束范围内计算网格内各点RSSI值的概率,并以最大概率坐标为定位结果。经过仿真,新算法较APIT算法在定位精度上提高了55%~69%。     

基于阶次序列与凸规划的铀尾矿库监测定位算法

在铀尾矿库放射性核素泄露污染WSN监测中,针对凸规划定位精度低的问题,提出一种基于阶次序列的凸规划定位算法。通过划分子区域缩小未知节点几何约束范围,建立各子区域的重心坐标到锚节点的阶次序列表,计算未知节点序列与序列表的相关度,并以最大相关度的子区域重心坐标为定位结果。使该改进算法满足低密度条件的定位并能减少其计算量提高定位精度。经过仿真,新算法较凸规划算法在定位精度上提高了14%。     

基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。     

考虑可靠性的矿井瓦斯传感器选址模型

针对依据现行煤矿安全规程及相关规范布置的瓦斯传感器有可能出现失效的情况,提出兼顾经济性和可靠性双目标的瓦斯传感器优化选址模型。借助图论和设施选址理论,以矿井通风网络节点为候选布置点,节点间的风流流经时间为监测等级,以煤矿相关规程规范硬性要求的布置点为必选点,建立瓦斯传感器多目标优化选址模型。然后,基于Pareto蚁群算法(PACA)阐述模型的求解过程。最后,结合某风网算例,给出模型与算法的具体应用。结果表明:模型的非劣解包含了传统的以最小化传感器成本为目标的选址模型最优解,并且可靠性越高所需的传感器就越多。     

建筑施工事故非线性灰色伯努利模型预测

为提高建筑施工事故灰色预测模型精度,在传统GM(1,1)模型基础上,建立非线性灰色伯努利模型(NGBM),并采用粒子群优化(PSO)算法对参数进行优选。以2001—2011年全国建筑事故死亡人数统计数据为基础,运用该模型对2012—2013年的相应人数进行预测,并与GM(1,1)模型和灰色Verhulst模型的结果相对比。结果表明,NGBM拟合精度最好,平均相对误差仅为2.65%,验证了模型的可行性和准确性。     

RS-PSO-ELM下腐蚀管道失效压力预测

为提高腐蚀管道失效压力的预测精度并简化其计算过程,提出基于粗糙集(RS)和粒子群算法(PSO)融合极限学习机(ELM)的腐蚀管道失效压力预测模型。通过属性约简提取影响失效压力的关键因素,选用PSO优化ELM的输入权值和隐含层偏差,将归一化的核心指标数据代入计算。结果表明:该模型预测结果与实际值基本一致,与单一ELM模型相比,预测结果的均方差(MSE)降至0.255;与其他蚀管道失效压力评价模型相比,该模型预测结果的绝对误差平均值降至0.32。     

地铁线网抗毁性优化分析

为科学评价地铁线网的抗毁性,加强运营地铁线网的管理,结合复杂网络0-1邻接矩阵的含义,改进传统粒子群优化(PSO)算法;通过对比改进PSO算法与遗传(GA)算法的优化结果,建立基于改进PSO算法的复杂网络抗毁性优化方法。以武汉市地铁线网为例,将该线网看作复杂网络,进行抗毁性优化;基于优化结果和实际情况,删选优化增边信息,提出优化方案,并与武汉市2017年的规划线路进行对比。结果表明,武汉市地铁线网的抗毁性可通过增加边来进一步优化,改进PSO算法在地铁线网的抗毁性优化中是可行的。     

基于IPSO-BP模型的火灾气体传感器气压补偿算法

为完善飞机火灾检测系统,设计一套方案,模拟试验不同气压下CO、CO2气体传感器采集气体的体积分数值,并与理论值比较,进而提出一种根据粒子适应度值动态调整学习因子的粒子群算法.采用改进的粒子群(IPSO)算法寻找反向传播(BP)神经网络的最优初始权值阈值,再利用寻优后的BP神经网络修正CO、CO2气体传感器的检测结果,消...     

利用粒子群算法确定阶段曝气法设计中的泥龄

确定泥龄(SRT)是成功设计活性污泥法的关键,以往的SRT通常根据经验来估算。给出了确定阶段曝气法设置中SRT的一元无约束优化模型,并应用粒子群算法(PSO)求解该优化问题。数值实例结果表明,PSO能精确、快速地求解SRT,为污水处理厂的设计提供了理论依据。     

危险品泄漏事故后动态路网应急疏散研究

在建立以最短车辆总疏散时间为目标的应急车辆疏散模型过程中,考虑路网上的车流是时变的,以动态交通流分配理论对应急车辆流进行优化分配。基于计算的复杂性和粒子群算法(PSO)的优点,采用PSO对模型进行求解。算例试验结果表明,优化后的方案能够减轻整个疏散车辆的拥堵程度,为应急管理部门决策提供理论支持。     

基于煤矿安全监测的ZigBee路由协议改进

针对基于煤矿安全监测的Zig Bee网络中数据传输的特点,对Zig Bee原有路由算法进行改进,提出了一种多路径路由协议。在协议中,重点考虑煤矿发生突发事件时大量紧急数据的传输问题,在事发节点与协调器节点之间建立多条路径并发地传输数据,提高数据的传输速率和可靠性,并且在寻找多条路径时,只将RREQ分组转发给父节点或者满足能量和广播半径要求的网络深度更低的邻居节点。仿真结果显示,改进后的路由协议在数据量大、发包速率更快的情况下表现出更优的性能,满足煤矿安全监测的要求。     

矿井煤与瓦斯突出事故应急救援能力评估模型

为降低煤矿井下煤与瓦斯突出事故中的人员伤亡和财产损失,提高突出事故中的应急救援能力,提出一种麻雀搜索算法(SSA)优化支持向量机(SVM)的煤与瓦斯突出事故应急救援能力评估模型。首先,依据相关文献与研究报告构建包括应急预防能力、应急准备能力、应急响应能力和恢复善后能力在内的4项一级指标,其中包括18项二级指标,并以各指标的得分数据作为模型训练数据集;然后,利用网络层次分析法(ANP)与熵权法(EWM)分别确定各评估指标在相互影响下的主客观权重,通过拉格朗日函数将各权重融合得到最优权重,运用SSA算法优化SVM的径向基核参数g和惩罚因子C,将最优权重计算得出的结果作为SSA-SVM模型的输入,期望值作为输出进行线性回归预测;最后,以河北省某矿为例,将SSA-SVM模型与传统SVM、粒子群优化算法(PSO)优化SVM、鲸鱼优化算法(WOA)优化SVM 3种不同模型的预测结果分别与期望值作对比分析。结果表明：SSA-SVM模型的预测结果与实际相符,平均绝对误差相较于其他模型分别下降8.04%、5.15%、4.82%,证明所建模型的优越性,可将其应用于矿山企业实际矿井煤与瓦斯突出事故应急救援能...     

支持向量机对多环芳烃毒性的定量构效预测

为了实现多环芳烃(PAHs)毒性的有效预测,提出应用定量构效技术对多环芳烃的空气-正辛醇分配系数(KOA)和致癌性进行预测。应用分子描述符和试验值确立构效关系,采用支持向量机算法(SVM)和人工神经网络算法(ANN)分别建立了PAHs的KOA回归预测模型和致癌性分类预测模型。利用网格划分(GS)、遗传算法(GA)、粒子群算法(PSO)对SVM进行参数寻优。应用均方误差(MSE)、拟合决定系数R2和分类准确率(Accuracy)分别对模型进行了验证与评价。结果表明,最佳回归预测模型GS-SVR的MSE为0.059 7,R2为0.913 0;最佳分类预测模型GA-SVC的Accuracy为95%。研究表明:应用SVM所建两种模型的稳定性和预测能力都优于应用ANN建立的模型;参数优化后模型的稳定性和预测能力得到了提高。