基于物联网的焊机监测系统中突发检测算法研究

来源 :计算机应用研究 | 被引量 : 3次 | 上传用户:gaolch010
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对基于物联网的焊机监测系统中异常情况检测和预警的需要,提出一种基于多种群萤火虫的突发检测算法;通过不同种群萤火虫的协同工作实现滑动窗口大小的优化选择与配置,提高突发检测模型的处理速度与检测性能。仿真实验结果表明,基于多种群萤火虫的突发检测算法在突发概率或者最大滑动窗口大小相同的情况下,处理时间少于传统的突发检测算法,并具有更高的准确率和召回率。
其他文献
针对标准人工蜂群算法收敛速度慢和易陷入早熟收敛等问题,提出一种快速收敛人工蜂群算法。首先借助反向学习理论初始化种群来提高初始解的分布质量,并在雇佣蜂和跟随蜂阶段引入向量整体扰动搜索方程加快局部搜索;然后为了跳出局部最优,采用一种随机更新搜索策略来增加蜂群多样性以平衡全局探索和局部利用能力;最后通过八个标准测试函数的仿真实验,发现所提出的算法与几个改进的人工蜂群算法相比,具有更快的收敛速度且获得了更
针对维修过程中各专业忙闲不均和协同工作效率低下等问题,提出了一种基于改进关联规则的维修专业组合和优化方法。首先,以均衡任务量为目标,建立了维修专业关联度分析模型;其次,以功能聚合为目标,提出了以较大概率共同承担任务且任务量偏小的维修专业组合方法;最后,从维修任务和维修专业两方面考虑,建立了组合维修专业的优化模型。通过具体实例分析,证明了该方法的有效性和正确性。
针对粒子群算法在非对称可行性区间经常发生越界的问题,提出了一种非对称边界变异的分层并行量子粒子群算法(MQPSOBV)。该算法中引入分层思想,将粒子非对称可行性区间分层设置和并行运行;当粒子越界时,对越界粒子在非对称上下边界进行相应变异,从而使算法完全控制粒子越界行为,有效地克服了粒子群算法的缺陷。测试结果表明,该算法在精度和全局搜索能力方面有了很大的提高,具有一定的实际应用价值。