摘要：针对现有算法在智能电阻箱动态误差校正方面存在的收敛速度慢、计算精度低,且易进入“局部最优”的陷阱等缺点,展开对智能电阻箱动态示数校正过程的重构及设计,并对动态误差校正优化算法进行研究.在双混沌优化系统中添加扰动因子与指数自适应学习方式改进搜索策略;在粒子群算法中将惯性权重因子修正为自适应权重因子,将学习因子修正为异步线性学习因子以优化算法,进而提出一种改进的粒子群优化算法(AL-DCPSO).利用8个经典函数对算法性能进行测试后,将这种算法应用在某型号智能电阻箱动态误差校正的过程中,研究结果表明:改进后的算法具有更高的计算精度(达到0.001)与更强的寻优能力,且在优化过程中呈现出较强的自适应学习能力,计算过程较为稳定,鲁棒性有效提升,耗时在阈值范围内有所增加.其创新性在于将双混沌优化机制的优点与粒子群算法相结合,应用到智能电阻箱动态误差校正的过程中,对动态误差校正方法进行了一定拓展,为粒子群优化算法在具体实际优化过程中的关键参数选取与策略设计,有效提升算法优化性能提供了一些借鉴.

摘要：为了提高对湿气管道持液率的预测精度,文中对输入参数进行灰色关联熵设计,减少单纯关联度设计参数的波动性影响。其次针对一般樽海鞘算法在寻优过程中易出现“早熟”难题,提出双更新机制的樽海鞘算法。它通过双更新机制、参数微调、猴群跳跃策略、衰减因子调整来改进其寻优性能。最后用新改进算法优化BP神经网络持液率预测模型的权值和阈值,其模型所求预测结果与传统BP算法及其他一般算法优化BP神经网络预测模型的预测结果进行对比。仿真实验表明:文中算法新模型求出的预测精度较高、适用范围广,明显优于其他算法,为湿气管道的持液率精确预测提供了一种新方法。