基于混沌粒子群算法的机器人动力学参数辨识

文中提出了一种改进的混沌粒子群算法以优化机器人的激励轨迹,提高动力学参数辨识精度。首先,构建简化的SCARA机器人的动力学模型,选用改进的傅里叶级数作为激励轨迹并建立其优化目标和约束条件的数学模型;其次,在粒子群算法中引入动态控制参数策略和混沌搜索增强机制以优化调整算法参数和早熟粒子;最后,评估改进算法的寻优效果并利用其优化机器人的激励轨迹,进行基于神经网络的动力学参数辨识。仿真结果表明,所求的激励轨迹曲线平滑,机器人动力学参数辨识精度较高。

基于自适应混沌粒子群算法的冷却剂平均温度预测控制

为提高核反应堆预测控制求解最优控制律的效率和准确性,将堆芯预测模型拓展为冷却剂平均温度预测模型,基于自适应混沌粒子群算法,结合反应性增量约束条件和在线参数辨识对预测控制系统进行滚动优化,最终实现冷却剂平均温度的预测控制。通过MATLAB平台进行模型仿真,实验结果表明,滚动优化过程中改进的混沌粒子群算法能够快速、准确地寻优;在负荷升、降过程中,该控制方法也保证了冷却剂平均温度快速、精准地跟踪设定值变化。

基于混沌粒子群算法的结构可靠性优化设计

针对基本粒子群算法的早熟问题,充分运用混沌优化与粒子群优化的搜索特性,动态收缩搜索区域,将混沌粒子群算法应用到结构可靠性优化理论,建立结构系统可靠度约束下最小化结构质量的优化模型,提出基于混沌粒子群算法的结构可靠性优化设计方法。利用该优化方法进行框架结构优化设计。研究结果表明:运用所提出的可靠性优化设计所得结果显著优于运用基本粒子群算法和最佳矢量型算法所得结果;该方法易于实现,稳定性好,具有较好的工程实用价值和较强的开发能力。

基于混沌粒子群算法的水轮机调速系统参数辨识及建模试验

针对粒子群算法存在的后期收敛速度慢和易陷入局部最优等缺点,引入收缩因子和混沌优化思想对其改进,并将其应用于调速系统被控对象有关参数辨识问题上。提出一种水轮机调速系统参数辨识满意度函数设计的新方法,该方法直接计算系统响应的上升时间、调节时间、反调峰值功率、反调峰值时间等品质参数,并以系统总体满意度作为满意度函数。对某混流式水轮机调速器控制参数进行实测并对机组引水道参数进行辨识,试验结果表明:仿真数据能够准确模拟机组负荷的频率阶跃扰动响应,可以满足电网稳定性计算要求;在系统受到较大干扰时,该算法仍具有精确的参数辨识能力和很高的收敛效率。

Ahut-Delta并联机构改进混沌粒子群算法尺度综合

针对Ahut-Delta并联机构,提出了一种基于改进混沌粒子群算法的尺度综合方法。首先提出一种改进混沌粒子群算法,即采用混沌立方映射初始化种群,并根据迭代状态指数性调整惯性权重因子,同时进行早熟判断和混沌扰动,迭代获得最优粒子。其次将Ahut-Delta并联机构优化参数转变为粒子维度决策变量,雅可比矩阵的全域均值条件数和全域波动量构建的全域综合性能评价指标在其几何条件约束、传动角约束条件下转换为改进混沌粒子群算法的适应度函数。最终通过改进混沌粒子群算法优化搜索,优化出适应度函数值最小的最优粒子,从而获得Ahut-Delta并联机构在全域运动性能最佳的尺度参数。仿真分析结果表明,所提尺度综合方法具有正确性和有效性。

基于二进制混沌粒子群算法的认知决策引擎

为了解决不同通信模式下认知无线电发射机参数合理优化的问题,提出了一种基于二进制混沌粒子群算法(BCPSO)的认知决策引擎,该引擎利用粒子群优化算法收敛速度快和混沌运动全局遍历性的特点,使认知决策在多目标优化过程中有效地摆脱了局部极值点,提高了参数优化的精度和稳定性.基于认知正交频分复用(OFDM)系统的仿真结果表明,相对于现有认知引擎,该引擎具有平均适应度值高、对不同通信模式鲁棒性强的特点,实现了有效优化发射机参数的目的.

混沌粒子群算法优化最小二乘支持向量机的混凝土强度预测

为了获得更理想的混凝土强度预测结果,提出一种混沌粒子群算法优化最小二乘支持向量机(LSSVM)的混凝土强度预测模型。首先采集混凝土强度数据,并进行归一化处理。然后采用LSSVM对混凝土强度与影响因子之间的变化关系进行建模,并采用混沌粒子群算法搜索最优LSSVM参数。最后采用具体混凝土强度预测实例对其性能进行分析。结果表明,本文模型可以准确描述混凝土强度与影响因子间的变化关系,提高了混凝土强度预测精度,具有一定的实际应用价值。

基于混沌粒子群算法的光伏电站站内无功优化

光照强度的变化不仅会造成光伏电站并网点电压波动,而且可能会导致光伏发电单元出口电压越限,呈现较大的时空分散特性。并且随着光伏有功出力增加,光伏电站的稳定性会下降。针对上述问题,在建立大型光伏电站的模型上,采用改进的混沌粒子群算法对光伏电站进行多目标无功优化,以均衡光伏电站站内节点电压,提高其稳定裕度,并降低有功网损为目标,仿真验证所提方法的正确性。通过求解向量组的极大线性无关组判断粒子的进化方向,有利于粒子保持多样性。

基于混沌粒子群算法的项目调度干扰问题研究

针对资源受限项目调度问题中的干扰情况进行了界定,面向几种干扰问题建立了相应的资源受限项目调度干扰模型和混沌粒子群求解算法,对项目网络图干扰、任务干扰和资源干扰三种干扰问题进行仿真计算,验证了算法和模型的有效性,为决策者在干扰事件发生后及时对原最优调度计划作出调整给出了方向。

基于混沌粒子群算法的物流配送路径优化方法

针对现代物流配送路径优化中物流成本控制、配送效率和计算效率提高等问题,提出了一种基于混沌粒子群算法的物流配送路径优化方法。通过分析现代物流配送特点和配送路径优化影响因素,建立综合反映配送效率、成本、客户需求等因素的物流配送指标体系;依据物流配送指标体系,基于信息熵建立综合考虑主观和客观因素的物流配送路径优化问题的目标函数;最后为提高计算搜索效率提出一种基于混沌粒子群算法的物流配送路径优化方法,并进行仿真验证。通过实例仿真表明,基于混沌粒子群算法的物流配送路径优化方法可以有效解决物流配送路径选择问题。

基于混沌粒子群算法的数字微流控生物芯片污染故障清除

数字微流控生物芯片的可靠性和安全性在生化分析领域具有很高要求,先后经过同一电极的液滴会造成污染,因此对芯片上的污染故障进行清除是保证生化实验准确性的重要途径。通过分析清洗模型与粒子群算法的特性,提出基于混沌粒子群算法的清洗液滴调度方案。将芯片转换为TSP模型,通过概率选择策略选择污染点,引入优秀系数和混沌序列对算法进行优化,把约束条件转换为动态禁忌表,完成故障清除,得到最优清洗时间。实验结果表明,该方案完成了对污染故障的清除,且相对于粒子群优化算法(PSO)和最大最小蚁群优化算法(MMAS)方案,可有效缩短清洗时间,提高阵列单元使用率。

基于混沌粒子群算法的Ad Hoc网络优化研究

基于混沌理论提出了混沌粒子群算法C-PSO(chaotic particle swarm optimization),C-PSO算法针对Ad Hoc网络提取的优化指标进行优化处理,在网络优化过程中,C-PSO算法充分利用了混沌系统的随机性、遍历性、敏感性等特性,避免了PSO算法"早熟"现象的出现,避免了陷入局部最优区,增强了全局收索能力.基于网络模拟器NS-3仿真系统对C-PSO算法和PSO算法进行了仿真实验测试,通过对丢包率、网络生命周期和网络吞吐率3个网络性能指标的对比分析和评估,结果表明C-PSO算法优于PSO算法,从而验证了C-PSO算法对Ad Hoc网络优化的有效性与可靠性.实现了对Ad Hoc网络优化.

基于LDA与混沌粒子群算法的车道线识别方法研究

与传统的车道线检测算法不同,本文采用LDA算法对道路图像进行针对性灰度化处理。加大车道线与道路的差异,然后使用抛物线模型对车道线进行拟合,采用混沌粒子群算法对抛物线参数进行优化,以车道线的灰度特征和梯度特征作为混沌粒子群的适应度函数,经过多次的迭代得到抛物线拟合车道线的参数最优值,进而识别出车道线。实验结果表明,本文算法能在复杂环境下识别出车道线,对视频帧序列中的车道线连续追踪具有良好效果。

基于混沌粒子群算法的采煤机优化设计

为了能够提高采煤机的性能,利用混沌粒子群优化算法对采煤机螺旋滚筒进行了优化设计。讨论了采煤机螺旋滚筒的优化数学模型;分析了混沌粒子群算法的基本原理;利用MATALAB软件编制优化设计程序,对采煤机滚筒进行了优化设计。

基于改进混沌粒子群算法的光伏阵列建模方法研究

准确地建立光伏阵列模型对光伏电站性能分析具有十分重要的意义。由于传统光伏阵列建模方法具有模型参数计算困难、计算结果精度低、对铭牌参数依赖性高等不足,导致传统光伏阵列模型具有适应性差等。文章从实测数据出发,提出了一种基于改进混沌粒子群算法的光伏阵列建模方法。模拟结果表明,相比于传统的建模方法,基于改进混沌粒子群算法的光伏阵列模型模拟结果的精度较高,更符合光伏阵列的实际输出特性,且不依赖于出厂参数,因此,适应性较好,并具有操作简单、易于实现的优点。

自适应混沌粒子群算法在油水两相流动分析中的应用

针对垂直井中油水两相流动的最优化测井解释,提出了一种新的自适应混沌粒子群优化算法(ACPSO)。该算法具有较强的全局搜索能力,能以较大的概率收敛到全局最优解。然后,针对用仪器测井值和理论响应值建立的误差函数(非相关函数),用ACPSO算法进行优化处理,对实际井的处理结果表明,该算法是可行的。

改进型混沌粒子群算法求解函数均值问题

针对基本粒子群优化算法易陷入局部最优的缺陷,提出一种基于有限作用域的混沌粒子群优化算法。利用特定的初始分布涵盖全局最优值,利用混沌序列良好的非线性性质来影响粒子速度的更新过程;以有限作用域外的粒子遍历优化问题的可行域,从而增加粒子对可行域的广度搜索,以有限作用域内的粒子搜索最优值,从而提高全局最优值的精度搜索效率。把本文算法应用到函数均值求解的实验中,结果表明,本文算法具有较好的求解精度和求解效率值。

混沌粒子群算法在WSN覆盖优化中的应用

研究WSN覆盖优化方面的问题,提高无线传感网络通讯效率。针对无线传感网络节点分布不均匀或者节点失效时,WSN覆盖区域会出现重叠或者指定区域没有被覆盖,造成无线传感网络通讯效率下降的问题,提出了利用一种混沌粒子群算法,根据无线传感网络相关参数和条件建立数学模型,利用优化处理方式对其进行优化,提高了通讯效率。实验证明,利用混沌粒子群算法进行WSN覆盖优化,可以提高无线传感网络优化效率,取得了令人满意的效果。

基于混沌粒子群算法的集成网络优化

为了改善集成RFID与WSNs网络中智能节点随机部署时的不合理分布,提高同时读取多个标签信息的能力,提出了基于混沌粒子群(CPSO)的集成网络优化算法,用于寻找智能节点的最佳位置。该最佳位置不仅要保证给定智能节点对标签的最大覆盖率,而且要使得集成网络分布合理。混沌粒子群算法利用了混沌运动遍历性、随机性等特点,对传统粒子群算法进行改进,摆脱了粒子群算法后期易陷入局部极值点的缺点,并保持了前期搜索的快速性。仿真结果表明,该算法比基本粒子群算法具有更好的优化效果,在保证智能节点有较高读取率的同时,也优化了集成网络资源的分布。

基于混沌粒子群算法的采煤机优化设计

介绍了混沌粒子群算法的基本原理及其优化算法,构建了采煤机螺旋滚筒的优化模型,并将混沌粒子群算法应用采煤机螺旋滚筒优化之中,通过实践发现,优化后的采煤机工作稳定,能够有效提升采煤机性能。