新書推薦:
《
舵手证券图书 周期与龙头 A股剑客著 解密龙头股周期性循环 游资操盘手法实战解读
》
售價:HK$
201.6
《
华夏衣裳 汉服制作实例教程
》
售價:HK$
178.8
《
狂飙年代:18世纪俄国的新文化和旧文化(第一卷)
》
售價:HK$
189.6
《
电气线路互联系统(EWIS)设计实践指南 达索析统(上海)信息技术有限公司
》
售價:HK$
178.8
《
商学精要(第12版)(工商管理经典译丛)
》
售價:HK$
118.8
《
产业政策的选择及其经济后果
》
售價:HK$
154.8
《
战争的幽灵
》
售價:HK$
105.6
《
西洋镜:中华考古图志
》
售價:HK$
225.6
|
內容簡介: |
本书以解决工程问题为目的,针对人工蜂群优化算法应用于解决船舶工程、电力系统、信号处理、控制系统和新能源等领域的若干关键问题进行了深入研究和分析。本书是根据作者针对人工蜂群优化算法的以上应用进行深入研究并提出了自己的见解和思路编写出来的。全书共10章,分为6个主题:基础篇,包括第1章人工蜂群优化算法;船舶工程篇,包括第2章基于人工蜂群优化算法的船舶电力系统故障诊断方法和第3章基于人工蜂群优化机理的目标船舶方位估计方法;电力系统篇,包括第4章人工蜂群优化算法在谐波估计中的应用;信号处理篇,包括第5章基于人工蜂群优化机理的盲源有序分离算法,第6章人工蜂群优化算法在复数盲源分离中的应用和第7章人工蜂群优化算法在单通道周期性信号盲分离的应用;控制系统篇,包括第8章基于人工蜂群优化机理的PID控制的AVR系统;新能源系统篇,包括第9章基于人工蜂群优化算法的太阳能电池模型参数的辨识和第10章基于人工蜂群算法的孤岛式混合能源系统优化配置方法。这些应用不仅有理论上的分析,还通过Matlab仿真实验予以验证。
|
關於作者: |
王荣杰,中山大学博士,香港理工大学访问学者,现为集美大学副教授、硕士生导师,主要从事智能信息处理和电力系统故障诊断方向的研究,近五年以第一作者身份在国内外学术期刊发表论文29篇,SCI和EI同时检索7篇,EI检索8篇,2009年-2014年多篇论文获福建省电机工程学会优秀论文二、三等奖。
|
目錄:
|
目 录
基础篇
第1 章 人工蜂群优化算法 ............................................................................... 2
1.1 蜜蜂的觅食行为 ........................................................................................... 2
1.2 人工蜂群优化算法 ....................................................................................... 4
1.2.1 原型人工蜂群优化算法I ................................................................. 4
1.2.2 原型人工蜂群优化算法II ................................................................ 7
1.3 本书的内容与组织结构 ............................................................................... 9
1.3.1 本书的内容 ....................................................................................... 9
1.3.2 本书的组织结构 .............................................................................. 11
参考文献 .............................................................................................................. 13
船舶工程篇
第2 章 基于人工蜂群优化算法的船舶电力系统故障诊断方法 ........................ 16
2.1 船舶电力系统故障诊断研究概况 ............................................................. 16
2.2 保护继电器或断路器拒动情况的目标函数建立 ..................................... 17
2.2.1 船舶电力系统故障类型分析 ......................................................... 17
2.2.2 船舶电力系统故障诊断的目标函数 ............................................. 20
2.3 基于人工蜂群优化算法的船舶电力系统故障诊断方法 ......................... 37
2.4 仿真实验分析 ............................................................................................. 38
2.5 本章小结 ..................................................................................................... 40
参考文献 .............................................................................................................. 41
第3 章 基于人工蜂群优化机理的目标船舶方位估计方法 ............................... 43
3.1 船舶方位估计介绍 ..................................................................................... 43
3.2 目标船舶方位估计问题描述 ..................................................................... 44
3.3 基于人工蜂群优化机理的目标船舶DOA 方位估计 ............................... 46
3.4 仿真分析 ..................................................................................................... 47
3.5 本章小结 ..................................................................................................... 52
参考文献 .............................................................................................................. 53
电力系统篇 .......................................................................................................... 55
第4 章 人工蜂群优化算法在谐波估计中的应用 ............................................. 56
4.1 谐波估计方法研究概况 ............................................................................. 56
4.2 谐波估计问题描述 ..................................................................................... 57
4.3 基于群智能优化算法的谐波估计 ............................................................. 58
4.3.1 相位的估计 ..................................................................................... 58
4.3.2 幅值的估计 ..................................................................................... 59
4.3.3 群智能优化算法 ............................................................................. 59
4.3.4 基于群体智能优化算法的谐波估计 ............................................. 64
4.4 仿真实验分析 ............................................................................................. 65
4.4.1 无噪声的谐波估计 ......................................................................... 66
4.4.2 有噪声的谐波估计 ......................................................................... 69
4.5 本章小结 ..................................................................................................... 70
参考文献 .............................................................................................................. 72
信号处理篇
第5 章 基于人工蜂群优化机理的盲源有序分离算法 ...................................... 76
5.1 盲源分离的基本概念 ................................................................................. 76
5.2 盲源有序分离问题描述 ............................................................................. 77
5.3 基于人工蜂群优化机理的盲源有序分离算法 ......................................... 80
5.3.1 PSO 算法 ......................................................................................... 80
5.3.2 DE 算法 ........................................................................................... 81
5.3.3 基于群体智能优化算法的盲源有序分离 ..................................... 83
5.4 仿真实验分析 ............................................................................................. 84
5.5 本章小结 ..................................................................................................... 96
参考文献 .............................................................................................................. 96
第6 章 人工蜂群优化算法在复数盲源分离中的应用 .................................... 100
6.1 复数盲源分离研究概况 ........................................................................... 100
6.2 复数盲源分离问题描述 ........................................................................... 101
6.3 改进的人工蜂群优化算法 ....................................................................... 103
6.4 基于ABC 优化的有序复值盲源分离算法 ............................................. 106
6.4.1 基于交叉验证技术的复数源信号个数估计 ............................... 106
6.4.2 复值盲源抽取的代价函数 ........................................................... 107
6.4.3 基于ABC 优化的有序复值盲抽取算法 ...................................... 111
6.5 基于ABC 的欠定复数盲源分离算法 ...................................................... 113
6.6 仿真分析 .................................................................................................... 117
6.6.1 改进的ABC 算法优化性能的测试 .............................................. 117
6.6.2 基于ABC 优化的有序复值BSS 算法的仿真与分析 ................ 123
6.6.3 基于ABC 优化的欠定复数BSS 算法的仿真与分析 ................ 133
6.7 本章小结 ................................................................................................... 135
参考文献 ............................................................................................................ 135
第7 章 人工蜂群优化算法在单通道周期性信号盲分离的应用 ...................... 138
7.1 单通道盲源分离介绍 ............................................................................... 138
7.2 单通道周期性信号盲分离问题描述 ....................................................... 139
7.3 周期性混合信号的单通道盲分离算法 ................................................... 140
7.3.1 希尔伯特变换 ............................................................................... 140
7.3.2 基于交叉验证技术的阶数估计 ................................................... 141
7.3.3 利用人工蜂群优化算法的基频和源数估计 ............................... 142
7.3.4 基于自适应滤波的谐波幅值估计 ............................................... 143
7.4 仿真分析 ................................................................................................... 145
7.5 本章小结 ................................................................................................... 149
参考文献 ............................................................................................................ 150
控制系统篇
第8 章 基于人工蜂群优化机理的PID 控制的AVR 系统 ............
|
內容試閱:
|
前言
人工蜂群算法(Artificial Bee Colony,ABC)是由土耳其学者Karaboga D.于2005 年模拟蜜蜂寻觅花蜜过程中提出的一种群体智能优化算法。它是通过模拟蜂群分工寻找花蜜的机理,来解决多维优化问题的群集智能算法。众多的文献和数值优化分析实例已验证了人工蜂群算法比其他群体智能优化算法具有更好的优化机理和收敛性能。本书以解决工程问题为目的,针对人工蜂群优化算法应用于解决船舶工程、电力系统、信号处理、控制系统和新能源等领域的若干关键问题进行了深入研究和分析。本书是根据作者针对人工蜂群优化算法的以上应用进行深入研究并提出了自己的见解和思路编写出来的。全书共10 章,分为6 个主题:基础篇,包括第1 章人工蜂群优化算法;船舶工程篇,包括第2 章基于人工蜂群优化算法的船舶电力系统故障诊断方法和第3 章基于人工蜂群优化机理的目标船舶方位估计方法;电力系统篇,包括第4 章人工蜂群优化算法在谐波估计中的应用;信号处理篇,包括第5 章基于人工蜂群优化机理的盲源有序分离算法,第6 章人工蜂群优化算法在复数盲源分离中的应用和第7 章人工蜂群优化算法在单通道周期性信号盲分离的应用;控制系统篇,包括第8 章基于人工蜂群优化机理的PID控制的AVR 系统;新能源系统篇,包括第9 章基于人工蜂群优化算法的太阳能电池模型参数的辨识和第10 章基于人工蜂群算法的孤岛式混合能源系统优化配置方法。这些应用不仅有理论上的分析,还通过MATLAB 仿真实验予以验证。
人类文明不断进步,科学发展日新月异,本书在科学探索的道路上还有诸多不尽之处,但笔者谨怀抛砖引玉之心,希望能够为后续研究奠定基础,提供参考,启发思路,共同为人工蜂群优化算法在工程应用领域的研究工作不懈努力。
本书受国家自然科学基金51309116、农业部渔业装备与工程技术重点实验室基金2016002、福建省自然科学基金2016J01736 和福建省教育厅杰青科研基金JA14169资助。此外,要特别感谢我的研究生尹川为本书的第2、4 章提供思路和进行MATLAB 仿真实验。
王荣杰
2016 年9 月
|
|