基于MOPSO算法的超导限流器结构参数优化

电阻型超导限流器能够快速限制短路电流,因此常与直流断路器结合使用开断直流故障。超导限流器的性能与直流断路器元件参数之间存在复杂耦合关系,在一定直流断路器元件参数下的超导限流器的选型亟需研究。文中首先分析了现有超导限流器电阻的模型,然后仿真了超导限流器与直流断路器结合使用时的短路故障,分析了超导限流器电阻和回路电流的变化规律。仿真结果表明:超导限流器可成功限制故障电流的上升,帮助直流断路器开断故障电流;超导限流器的电阻、温度和电流波形之间存在复杂耦合关系。最后,固定超导带材的截面,通过多目标粒子群算法对超导限流器的长度进行了优化,优化前后的结果表明:当超导带材长度为47 m时,短路电流峰值为1.24 kA,在5.90 ms时产生电流过零点,比优化前超导带材减少了7 m,但短路电流峰值和过零点时间几乎没有变化。

基于MOPSO-CNN模型的压缩机气阀故障诊断技术

针对传统方法难以提取有效的气阀故障信号,无法建立气阀状态与信号间复杂映射关系的问题,将气阀振动信号转为频域信号输入卷积神经网络(CNN)进行气阀状态诊断,采用多目标粒子群算法(MOPSO)对CNN的超参数进行优化,构建自适应CNN模型,并针对分类结果进行可视化分析,探讨了不同训练测试比对分类准确率的影响。结果表明:MOPSO-CNN模型可完成数据降噪、特征提取和故障分类的一贯式处理,实现端到端的故障诊断,其分类准确率和训练时间均优于传统方法;通过t-分布随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)可视化分析,证明了CNN模型在逐层特征提取和特征分离上的优越性;所建立模型在不同训练测试比的条件下表现良好,对训练数据的需求量不大。研究结果可为往复式压缩机气阀故障诊断提供实际参考。

基于TOPSIS-MOPSO的侦察星座优化设计

侦察星座优化是天基信息体系建设的关键问题。为弥补以往研究大多只采用少量性能指标进行侦察星座优化的不足,提出了一种综合考虑5项性能指标的侦察星座优化模型。在解算优化模型过程中,为解决传统基于Pareto支配的进化算法出现的选择压力与多样性不足的问题,提出了TOPSIS-MOPSO(Technique for Order Preference by Similarity to an Ideal Solution-Multi-Objective Particle Swarm Optimization)算法,将多属性决策领域的TOPSIS引入进化算法中,并与SPD(Strengthened Pareto Dominate)相结合,得到一种能够同时增强种群收敛性与多样性的环境选择策略。提出了基于Harmonic距离的全局最优粒子选择策略,加快种群收敛速度,保护种群多样性;提出了自适应进化算子选择策略,帮助算法摆脱局部最优解。将TOPSIS-MOPSO算法应用在侦察星座优化问题上,并与MOPSO、DGEA、AR-MOEA 3种经典方法进行实验对比分析,实验结果显示,所提算法比其他3种算法在Δ*、IGD和HV上的最优指标值分别提升了19.76%、89.07%和28.2%。

一种双种群协同进化的混合NSGA-II与MOPSO多目标算法

多目标非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)是一种经典的多目标进化算法,具有鲁棒性强和搜索性能高的优点,多目标粒子群优化算法(Multi-objective Particle Swarm Optimization,MOPSO)是新型的进化算法,具有收敛速度快、精度高和搜索效率高的优点。为了充分发挥这2种算法的优势,本文提出一种结合NSGA-II和MOPSO的双种群协同进化多目标优化算法。将算法应用于5个标准测试函数优化问题进行对比试验,试验结果表明,本文算法得到的最优解集更接近真实帕累托(Pareto)前沿,收敛性、均匀性和分布性更好,综合性能更强。

基于RSM和MOPSO的轴承沟道磨削工艺参数优化

探究角接触球轴承内圈沟道精磨工艺参数与加工质量的响应关系,确定最优工艺参数组,提高沟道加工质量。采用响应面法(RSM)与多目标粒子群优化(MOPSO)算法优化影响沟道加工质量的磨削深度、砂轮线速度和工件转速。首先利用RSM建立以沟道表面粗糙度和圆度误差为响应的显著不失拟模型;然后通过方差分析和响应曲面图研究工艺参数对响应的交互影响规律;最后采用MOPSO算法对模型进行多目标优化,利用K-means聚类法求解最优解集的折衷解,并进行试验验证。结果表明,磨削深度和砂轮线速度对沟道表面粗糙度和圆度误差影响极显著,工件转速对圆度误差的影响极显著,对表面粗糙度的影响显著;磨削深度与工件转速的交互作用对表面粗糙度影响显著,砂轮线速度与工件转速、磨削深度的交互作用对圆度误差影响显著。最优工艺参数组经试验验证,表面粗糙度和圆度误差较优化前分别减小了8.14%和16.03%。基于RSM和MOPSO算法结合的回归模型整体和单个变量显著,且有较高的预测精度,寻优后的工艺参数组可获得良好的优化效果。

基于改进MOPSO算法的配电网分布式储能优化配置

合理配置分布式储能可有效提升分布式光伏接入配电网的运行性能。以电压稳定系数、网络线损和储能装置容量作为指标,建立分布式光伏接入配电网系统的储能优化配置模型,在优化求解中提出一种改进的多目标粒子群优化算法。改进算法针对每次迭代中粒子和全局最优粒子的相似度来调整惯性权重的取值,使其达到全局最优;同时采用自适应学习因子增加收敛性和收敛速度;为减少决策者对最终全局最优解选取的影响,引入灰色关联投影法,从Pareto解集中获得储能的最优接入位置以及接入容量。最后在修改的IEEE 33节点配电网中进行仿真验证。仿真结果表明,所提方法可以降低三个指标,提高经济效益和安全性。

基于LSTM-Attention与MOPSO高炉节能减排控制算法研究

随着节能环保观念和绿色持续发展理念的深入人心,如何做好高炉节能减排已为目前钢铁行业面对的主要问题之一。为实现高炉节能减排,将人工智能技术与高炉生产数据相结合,提出了燃料比最低和煤比最高的多目标优化方案。在燃料比和煤比预测方面运用随机森林(RF)、长短时记忆网络结构(LSTM)、结合注意力机制的长短时记忆(LSTM-Attention)3个算法对比分析,选择出对燃料比和煤比预测最准确的LSTM-Attention模型作为预测模型。并在LSTM-Attention预测模型基础上,结合多目标粒子群算法(MOPSO)和非支配排序遗传算法(NSGA-II)分别寻找Pareto最优解进行对比,选择效果较好的MOPSO进行结果分析。结果表明,在高炉生产工况一定的情况下,控制决策变量压差、氧量、喷煤量和风量的参数值,约能降低能耗4.06×10^(11)kJ/年,减少CO^(2)的排放量25.91 t/年,为高炉实现节能减排提供技术支持。

基于MOPSO的斜齿轮传动几何参数多目标优化设计

斜齿轮作为机械设备传动装置中的主要零/部件,应用较为广泛。为了避免在使用过程中斜齿轮部分轮齿因强度低而发生提前失效的情况,综合考虑变位系数、齿数和模数等对齿轮强度的影响,建立以斜齿轮几何参数为设计变量,以斜齿轮副满足强度、重合度和齿顶厚度要求等为约束条件,以斜齿轮副齿根最大弯曲应力的差值最小、齿面接触应力最小为优化目标的数学模型,利用多目标粒子群优化(Multi-Objective Particle Swarm Optimization,MOPSO)算法编写相应的Matlab程序,对所建立的数学模型进行优化求解,并通过MASTA软件对优化前、后齿轮副进行仿真分析。结果表明,在满足设计条件的情况下,斜齿轮副弯曲强度差值与齿面承载能力均有所改善。该研究为斜齿轮宏观几何参数的优化设计提供了参考。

基于MOPSO的荞麦秸秆育苗钵成型工艺参数优化

采用响应面法研究荞麦秸秆生物质育苗钵密度、跌落破损率和承压破损率3个物理性能与成型压力、粘结剂用量及保压时间的关系,并应用多目标粒子群优化(MOPSO)算法对工艺参数进行三响应优化分析。试验结果表明:当压力为8~12 MPa、粘结剂用量为60%~90%、保压时间为11~14 min时,育苗钵密度可达1.041 g/cm^(3)以上,跌落破损率和承压破损率分别在2.97%和2.65%以下。最优成型工艺参数为压力11.73 MPa,粘结剂用量60.5%,保压时间12.7 min,此条件下育苗钵密度达到1.168 g/cm^(3),跌落破损率和承压破损率分别为2.52%和2.58%。

基于PDJI-MOPSO算法的多连杆悬架硬点优化

基于刚体运动学理论建立了多连杆悬架的数学模型,并通过运用多体系统动力学理论建立的仿真模型对其进行了验证。采用扰动法对影响悬架K&C特性较大的关键硬点进行了多因素灵敏度分析。结合加入比例分布及跳数操作的多目标粒子群优化(PDJI-MOPSO)算法对硬点进行多目标优化,获得硬点的Pareto最优解集。结果表明,优化后的多连杆悬架在车轮跳动过程中,车轮前束角、外倾角和轮距变化范围更小,有利于减小轮胎磨损,提高汽车操纵稳定性。

基于工况识别的IWM-EV主动悬架MOPSO模糊滑模控制

轮毂电机电动汽车(in-wheel motor electric vehicle,IWM-EV)的电机激励与车辆系统的耦合特性严重的恶化车辆的动力学性能以及电机的工作稳定性,针对这种振动负效应问题,建立了考虑机电耦合的车辆动力学耦合模型,并设计了工况识别的主动悬架多目标粒子群(multi-objective particle swarm optimization,MOPSO)模糊滑模控制器。基于傅里叶级数法建立了轮毂电机的垂向不平衡激励与电机转矩的电机模型;将电机模型与车辆动力学模型结合建立了电机与悬架联合的垂向-驱动非线性动力学耦合模型。基于耦合模型分析了车辆的机电耦合振动负效应特性,针对模型强非线性的特点,设计了耦合模型的非线性控制器。仿真结果表明,控制器能既能有效的减小电机的相对偏心率,抑制电机不平衡电磁力,又能提升车辆动力学性能,有效的抑制了轮毂电机电动汽车的振动负效应。

基于混沌变异MOPSO的儿童座椅优化设计

为了提高儿童座椅的安全性,建立了儿童安全座椅的有限元模型,利用LS-DYNA进行碰撞仿真。选取靠背倾角、头枕倾角和安全带中心高度作为设计变量构建响应面模型。提出混沌变异理论在粒子群优化中的应用,并利用基于混沌变异的分组MOPSO算法得到儿童座椅的参数最优解。最后利用最优解再次进行仿真实验,并与原始性能对比,得到的结果在儿童各个部位的损伤、防护都有明显改善。

基于MOPSO的石墨烯/磁性粒子混合填充多层吸波材料优化设计

本文研究了基于多目标粒子群算法(MOPSO)的石墨烯/磁性粒子混合填充多层吸波材料的优化设计。首先,基于电磁场理论推导了多层吸波材料的反射系数,并定义了兼顾宽频带、宽角度和极化无关特性的吸波性能以及磁性粒子填充量这两个相互矛盾的子目标的表达式。进而,以石墨烯纳米片(GNS)/片状羰基铁颗粒(FCI)混合填充吸波材料为例,通过MOPSO优化得到了五层吸波材料模型的最优设计。结果显示,基于MOPSO的多目标优化可以在相互矛盾的子目标之间取得较好的平衡,经过优化的多层吸波材料厚度仅为1.65 mm,总体磁性粒子填充量仅为13.3 wt%,但却可以在大约6~18 GHz的频率范围内和0°~45°的入射角范围内实现至少5 dB反射率衰减,且与入射波极化无关。

能耗控制视角下的MOPSO爆破参数优化研究

为探究露天矿山爆破工程调参与破碎能耗控制的相关性,结合大皇山凝灰岩矿的生产统计数据,提出砂石骨料加工破碎环节的能耗控制指标耗量比,建立耗量比与爆破参数多目标粒子群优化(MOPSO)模型,对耗量比与孔排距和炸药单耗及钻孔超深3个爆破参数的代理模型进行寻优,并结合修正Kuz-Ram模型对寻优结果的可靠性和以能耗指标作为爆破效果评价指标的合理性加以佐证。结果表明:在相对最佳耗量比指标下,细碎阶段耗量比指标是粗碎和中碎阶段的1.5倍左右;爆破参数中,孔排距取6.0 m×3.0 m,炸药单耗取0.35 kg/m 3,超深根据实际情况在1.7~2.0 m间取值。与未经优化参数相比,寻优参数对应着更小的平均块度,为64 cm,说明较低的破碎能耗指标与良好的爆破效果存在着对应关系。

MOPSO算法在Boost变换器优化设计中的应用

为了提高Boost变换器的效率,节约系统成本,提出了基于多目标粒子群优化算法(MOPSO)的Boost变换器设计.首先分析了Boost变换器的功率损失,根据Boost变换器的设计要求,选择合适的MOSFET、二极管、电感和电容等器件,建立离散元器件数据库.以此数据库为约束条件,以功率损失、系统成本和体积为目标函数,建立了Boost变换器多目标优化设计模型,用MOPSO算法从几百种组合解集中寻找pareto最优解.基于折中分析,可为变换器做出合理的器件选择,以满足不同的设计要求.以光伏发电系统前级Boost变换器为例进行仿真研究,结果表明MOPSO具有处理离散多目标优化问题的能力,能在短时间内找到折中解,证明了该算法的有效性.

基于MOPSO的RC单柱墩全寿命抗震性能多目标优化设计

采用MATLAB模块化编程将多目标粒子群优化算法MOPSO和反应谱分析联合起来进行抗震优化设计。根据桥墩在E1和E2两级设防水准地震作用下的抗震性能,采用Pushover分析墩顶的最大漂移率以及概率统计的方法得到全寿命期费用模型对应的工程费用,从而得到费用最小的Pareto解。数值计算结果表明:MOPSO算法和反应谱分析结合能够很好的应用于桥梁全寿命抗震性能设计分析,算法的收敛性和稳定性好,所求得的Pareto最优解在解空间分布均匀且范围较广,可以为桥梁设计提供良好的方案选择空间。

NSGA-II与MOPSO算法的多工序车削节能优化比较分析

在实际加工约束条件下,建立以表面粗糙度和能量消耗为目标的多工序车削优化模型的切削参数优化选择十分必要。运用NSGA-II算法和MOPSO算法对多工序车削模型进行优化比较。优化实例表明:NSGA-II算法能够获得了比MOPSO算法更优的表面粗糙度、能量消耗的Pareto最优解集以及相应的粗、精切削参数,为多工序车削参数优化选择提供了依据。

基于BP-MOPSO的散货船舱口圆形角隅疲劳强度优化设计

散货船舱口角隅的疲劳强度问题历来为人们所关注。文章以1艘174000载重吨散货船作为实船算例,在Patran中建立有限元模型,依据CCS《船体结构疲劳强度指南》(2018)对船舯6号舱室舱口角隅的疲劳强度进行评估。基于BP神经网络和MOPSO算法设计了2种优化圆形舱口角隅的方法,子模型法和全局模型法。最后,对比分析2种方法的结果数据,提出了寿命重量比概念来评估各种角隅,分析了圆形角隅的重量对疲劳寿命的影响趋势,得到1组较优的角隅结构形式,供其他设计者参考。

基于MOPSO的输变电设备状态评估管理研究

针对电压等级的不断提高和输变电设备使用年限的增加,发生电网故障的风险也逐渐增加的问题,提出了一种基于MOPSO的输变电设备状态评估方法。首先,训练得到一系列基SVM分类器;然后,使用MOPSO算法选择一部分精度和多样性较高的SVM构建决策分类器,并将输变电设备分为多种不同的运行状态;最后,使用变压器油中的溶解气体数据进行仿真实验来评估变压器的状态,并与传统的SVM、IEC三比值法和BP神经网络算法进行比较。实验结果表明,所提出的算法能准确、有效地评估变压器的状态,相比传统的诊断方法其具有更高的准确率。

基于MOPSO煤泥水浓缩过程加药系统研究与设计

针对煤泥水浓缩过程中药剂添加不合理造成的药剂浪费增加洗选成本,浓缩效果不理想和不能满足压滤工序的入料要求等问题,设计了一种针对不同工况下煤泥水浓缩的智能加药控制系统,实时识别煤泥水浓缩入料状况,以溢流浊度(浓缩效果)和浓缩机底流浓度(压滤机入料要求)以及药剂消耗为优化目标,设计了基于MOPSO煤泥水浓缩过程加药系统。仿真验证以及在工业现场应用试验表明,该系统的运行可以保证煤泥水浓缩效果,同时降低药剂消耗。