基于遗传粒子群算法的水闸底板优化设计

为获得最佳的水闸底板设计方案,降低建造材料用量,对水闸底板尺寸进行优化设计。首先,以水闸底板总截面积为目标函数,底板抗滑稳定、底板基底应力为约束条,以底板尺寸为优化变量建立水闸底板尺寸优化数学模型;其次,提出了一种耦合粒子群优化算法和遗传算法的遗传粒子群算法,用于优化求解水闸底板尺寸优化数学模型。选取狮子山水闸为分析对象,计算结果表明:遗传粒子群算法对狮子山水闸底板尺寸的优化率为11.44%,其对于狮子山水闸底板尺寸的优化效率明显优于粒子群优化算法和遗传算法。

基于遗传粒子群算法风电机组变速与变桨系统PI控制器设计

为了提升风电机组的控制精度并降低关键承载部件的载荷情况,通过遗传粒子群方法研究了变速与变桨系统比例积分(proportional integral,PI)控制器的设计。首先,采用泰勒级数将风电机组线性化展开为状态空间方程。然后,通过提取输入、输出和平衡点分别构建变速与变桨系统的数学模型。其次,分别采用Routh法和最小二乘法将变速与变桨系统辨识为低阶惯性系统和惯性时延系统。然后分别基于时间加权绝对误差积分准则和Chien-Hrones-Reswick法整定变速与变桨系统PI控制参数。最后,采用帕累托方法分配控制目标的权重关系并基于遗传粒子群算法优化变速与变桨系统PI控制参数,进而采用最小二乘法将其分别与风速和桨距角拟合构建自适应PI控制。结果表明:在变速控制中能够有效提升输出功率并抑制塔架顶部侧向振动;在变桨控制中能够有效平抑输出功率和发电机转速波动并降低叶片根部载荷情况。可见通过遗传粒子群方法设计的变速与变桨系统PI控制器具有良好的有效性和适用性。

基于遗传粒子群算法的海上风电系统参数优化

为提升海上风电系统的运行能力,使其阻尼比指标始终保持相对较高的数值水平,提出基于遗传粒子群算法的海上风电系统参数优化方法。根据遗传算法优化电信号参数,采用粒子群算法判别电信号能力,通过设置电量频谱参数完成基于遗传粒子群算法的电量频谱分配。建立风电系统传递函数,利用发电机建模原则计算DFIG-PSS优化参量的具体数值,实现对海上风电系统参数的按需优化。实验结果表明,随着遗传粒子群算法优化手段的应用,电信号阻尼比指标能够长期保持较高的数值水平,与基于PSO算法的调度模型相比,更能提升海上风电系统的稳定运行能力,符合实际应用需求。

基于Kriging模型和遗传粒子群算法的止回阀减阻优化设计

针对8′-150LB轴流式止回阀研究其流阻特性,并对其阀芯结构和文丘里阀口结构进行优化设计。为获得轴流式止回阀全开状态下的最小流阻,采用Nystrom法对阀门设计参数进行了确定,利用正交试验方法列出3因素,5水平的25组试验。在此基础上,建立设计参数与性能的Kriging响应面模型。最后利用遗传粒子群算法对Kriging模型进行优化,选取阀门减阻优化设计最优结构参数。

基于自适应遗传粒子群算法的含DG配电网无功优化

为了提高配电网运行的经济性和稳定性,提出了一种基于自适应遗传粒子群算法的含DG配电网无功优化方法。以配电网有功损耗与系统节点电压偏移指数之和最小为目标函数,采用遗传操作和自适应权重策略对PSO算法进行改进,建立基于自适应遗传PSO算法的含DG配电网无功优化模型,采用修改的节点系统进行仿真分析,结果表明,优化后有功损耗和系统电压偏移指数相比优化前分别降低34.69%和73.99%,验证了所提方法的正确性和有效性。

利用自适应混沌遗传粒子群算法反演瑞雷面波频散曲线

为了提高瑞雷面波频散曲线的反演精度,减少反演过程中的多解性,获取更准确的地下横波速度结构,本文从反演算法入手,对基本的粒子群算法进行改进,提出了一种能同步提高全局和局部搜索能力的自适应混沌遗传粒子群算法(ACGPSO):即先采用自适应惯性权重,并设置粒子的节速度,再引入遗传算法的交叉和变异操作及单维全分量的混沌局部搜索。利用该算法对理论模型的无噪和含噪基阶频散曲线进行反演,且针对含噪数据加入二阶与三阶频散曲线进行联合反演。所得反演结果与常规粒子群算法反演结果的对比表明:ACGPSO算法具有更好的稳定性和抗噪性,且基于该算法的联合反演能有效降低解的多解性,显著提高解的精度。对实际数据所做的两步法反演的效果进一步验证了该算法的适用性。

基于自加速遗传粒子群算法的半封闭式温室能耗预测

针对半封闭式温室环境参数众多且难以测量的问题,提出了一种机理建模与系统辨识建模相结合的温室能耗建模方法。采用自加速遗传粒子群算法(self-accelerating hybrid algorithm of particle swarm optimization and genetic algorithm,SPSO-GA)对温室物理模型中难以确定的参数进行辨识,建立半封闭式温室能耗预测模型。根据上海半封闭式玻璃试验温室的气象数据和测量的能耗值,分别采用遗传算法(genetic algorithm,GA)、粒子群算法(PSO,particle swarm optimization)和SPSO-GA进行参数辨识与能耗预测比较分析。采用SPSO-GA获得的温室能耗预测结果与实测数据的相对误差为1.4%,分别比GA和PSO减少了2.9%和13.7%。根据日太阳光照辐射总量、室外日均温度2个参数及相应的变化曲线,预测的温室能耗值精确度大于86%。试验与模拟结果验证了基于SPSO-GA的温室能耗预测模型有效,可为半封闭式温室能量负载设计、管理和控制提供理论依据。

基于遗传粒子群算法的冷连轧轧制规程优化设计

选取等相对负荷为轧制规程的目标函数,令轧制力、轧制功率、轧制力矩、轧制速度等参数满足一定约束条件,采用罚函数法将有约束条件转为无约束条件。用遗传粒子群算法对目标函数进行优化,求得最优解。该混合算法集合了遗传算法全局搜索能力强,粒子群算法局部搜索能力强,收敛速度快的特点。使得各机架功率合理分配,设备能力充分发挥,生产效率提高。

基于遗传粒子群算法的模拟电路故障诊断方法研究

针对模拟电路故障模式复杂多样的特点,提出一种基于小波包分解、归一化处理、遗传粒子群优化算法(GAPSO)和BP神经网络相结合的模拟电路故障诊断新方法;该方法使用小波包分解重构获取各尺度函数空间上的能量特征信息作为特征向量输入神经网络进行训练和诊断;利用遗传粒子群算法优化BP神经网络的权值和阈值,能有效克服BP神经网络极易陷入局部极小等缺陷;通过Multisim仿真电路实例,比较GAPSO-BP和BP神经网络的诊断结果,得知GAPSO-BP神经网络能够较为有效地实现模拟电路的故障诊断,具有一定的实际应用价值。

基于遗传粒子群算法的底排参数优化

为优化底排装置结构和药柱燃速系数,以某型底部排气弹为例,分析确立了设计变量和目标函数,综合遗传算法和粒子群优化的优点,设计了遗传粒子群优化算法,结合建立的底排内外弹道模型,构建了基于GA-PSO的底排参数优化模型。算例中优化方案能增加底排弹的减阻率,底排工作时间延长9.56 s,落点存速增加6.01 m/s,最大射程增加1 892.95 m,增幅5.02%。该文设计的GA-PSO具有较好的稳定性和较快的收敛速度,优化模型可以为底部排气弹底排装置的设计提供参考,也可以作为其他相似寻优问题的基本模型。

基于并行交叉遗传粒子群算法的水文频率参数估计

针对水文频率参数估计问题,提出了基于并行交叉遗传粒子群算法的水文频率优化适线方法.该方法从初始种群的产生和编码、算法的执行方式和数据融合,以及其中的PSO算法的惯性权重三个方面对传统算法进行了改进.为了验证该算法的性能,分别采用矩法、权函数法、概率权重矩法、线性矩法、GA、PSO和文中所提出的算法,对某水文站的年径流量进行了研究分析,得到了各个方法对应的水文频率曲线,实验结果表明:文中提出的并行交叉遗传粒子群算法较其它6种方法,可以得到更小的离差平方和,该算法得到的水文频率曲线可以很好地拟合实测数据.

遗传粒子群算法的动态计划与排程问题研究

文章针对柔性作业车间生产过程中随机出现的异常情况和频繁动态排程导致的系统振荡问题,提出了一种新的动态计划与排程方法;该方法以生产效率、设备利用率以及交货期满意程度三者综合为优化目标,采用基于事件驱动和周期驱动相结合的驱动机制,以适应生产过程中的异常情况,并提出一种改进的主、从递阶结构的遗传粒子群算法;最后,通过实例验证了该方法的有效性。

基于遗传粒子群算法的DNA编码优化

DNA编码序列的设计是影响DNA计算可靠性的重要手段,该文从DNA编码设计应满足的多约束条件中选取适当的约束条件,针对这些约束条件提出每个DNA个体应满足的评估公式,采用遗传粒子群算法解决该多目标优化问题,并在不同的约束准则下将计算得到的序列与已有的DNA序列进行了对比。仿真结果证明了该方法的有效性。

基于遗传粒子群算法的堆垛机作业路径优化

堆垛机的作业路径决定了自动化仓库的作业效率。建立了堆垛机作业的数学模型,并采用遗传粒子群算法对自动化仓库堆垛机作业路径进行优化。该算法引入了遗传算法中交叉和变异操作,通过粒子与个体极值和群体极值的交叉和粒子自身变异的方式来搜索最优解。仿真实验结果表明,该算法的求解效果在收敛速度和优化效果方面都有明显的提高,可以有效地减少堆垛机系统拣选作业运行时间,提高了自动化仓库的作业效率。这对实际应用有一定的参考价值。

基于混合遗传粒子群算法的混沌系统参数估计

针对粒子群算法容易出现"早熟"的缺点,提出了一种改进的混合遗传粒子群(hybrid genetic particle swarm optimization,HGPSO)算法。在粒子群算法的迭代中引入淘汰机制,将满足淘汰条件的粒子与当前适应度最优的粒子进行多后代择优交叉和一定概率的变异操作,以期得到适应度更优的新粒子,代替被淘汰粒子。通过对4个典型函数的测试表明,该算法能够有效地克服"早熟"现象,提高了全局寻优的能力。将改进的算法用于Lorenz混沌系统的参数估计。仿真结果表明,即使在加入测量噪声的情况下,该算法仍能够对系统的未知参数做出有效的估计。

基于遗传粒子群算法的三维芯片热布局优化

三维叠层芯片是由多层芯片堆叠而成,其热效应与散热问题尤为突出。采用遗传粒子群算法对三维叠层芯片的热布局进行优化,研究了该芯片的功率以及个数对热布局的影响。仿真结果表明:使用遗传粒子群算法的热布局的优化精度较高,经过优化后的三维叠层芯片的温度分布更加均匀,最高温度以及温度梯度都有显著降低;三维叠层芯片的功率越高,以及堆叠的芯片个数越多,热布局优化的结果就越明显。

遗传粒子群算法在频率分配中的应用

首先建立了基于干扰最小化的频率分配模型,接下来研究了遗传算法在频率分配中的应用。针对遗传算法的不足,基于粒子群算法思想提出遗传粒子群算法,并将算法应用到频率分配之中。通过仿真得到使用遗传算法和遗传粒子群算法进行频率分配的情况,仿真结果表明遗传粒子群算法在运算的后期具有更高的效率。

基于遗传粒子群算法的模拟电路测试点选择

针对模拟电路测试点选择的特点,提出利用遗传粒子群算法与整数编码故障字典相结合的方法进行测试点选择。首先根据各测试点的数据建立整数编码故障字典,然后利用遗传粒子群算法选取最优测试点。将该方法应用于实际模拟滤波器的测试点选择,结果表明:利用该方法很容易求出模拟电路的全局最优测试点。

基于遗传粒子群算法的FBG传感网重叠光谱的解调研究

由于光源带宽有一定的范围,当光纤布拉格光栅(FBG)传感器的数量使用过多时会发生光谱重叠现象,所以会造成反射光谱的中心波长识别困难。为解决光谱重叠问题,通过利用光谱形状复用技术构造重叠光谱,并根据遗传算法和粒子群算法的特点,将二者进行结合形成了遗传粒子群混合算法,用于改进识别反射光谱的中心波长的收敛速度和精度。通过仿真实验结果可知,当FBG传感器的反射光谱发生重叠时,遗传粒子群混合算法可以实现对重叠光谱中心波长的识别,且识别误差范围在5 pm之内。该方法为解决因光源带宽而限制FBG传感器的使用数量提供了一种可行方案。

一种结合自适应惯性权重的改进遗传粒子群算法

针对经典粒子群算法容易陷入局部最优的不足之处进行研究,提出对经典粒子群算法使用自适应惯性权重并引入遗传算法的思想来解决经典粒子群优化算法容易陷入局部最优解的问题。仿真实验结果表明,该混合算法与经典粒子群算法相比,不仅能够避免寻优过程中陷入局部最优问题,而且还具有收敛速度快、成功次数高、稳定性及寻优结果好等特点。