基于环形拓扑结构和动态邻域的多模态多目标粒子群优化算法

传统多目标优化算法在求解多模态多目标优化问题时未充分考虑解集在决策空间中的分布特性,导致种群早熟收敛且所得Pareto解集不完整.针对该问题,提出一种基于环形拓扑结构和动态邻域的多模态多目标粒子群优化算法.为更好地平衡探索与开发,将进化过程分为2个阶段:1)整个种群被划分为多个小型子种群和一个劣势子种群.采用基于空间距离的无重叠环形拓扑结构提升小型子种群的多样性,使得算法能搜索到更多Pareto最优解,并利用全局最优位置更新劣势子种群,提高搜索效率;2)所有粒子都跟随全局最优位置进行搜索,提高算法的搜索精度.同时,引入周期重组和一种新的全局最优位置更新策略,避免算法早熟收敛.仿真结果表明,所提算法可以有效解决多模态多目标优化问题.

一类刚性负载双轴伺服系统的非线性观测器控制设计策略

提出了一种基于非线性观测器的命令滤波自适应反步控制(OCFABC)方法,以解决具有LuGre摩擦模型的双轴伺服系统中的位置跟踪和速度同步问题。观测器用于系统摩擦补偿。命令滤波器作用于虚拟控制信号,解决反步法中的计算爆炸问题,建立误差补偿方程,提高跟踪精度。此外,还设计了速度同步信号,以达到更好的系统同步效果。利用Lyapunov理论分析了闭环系统的稳定性。最后,通过仿真和试验结果证明了所设计方法的有效性和优越性。

改进的r支配高维多目标粒子群优化算法

高维多目标优化问题是广泛存在于实际应用中的复杂优化问题,目前的研究方法大都限于进化算法.本文利用粒子群优化算法求解高维多目标优化问题,提出了一种基于r支配的多目标粒子群优化算法.采用r支配关系进行粒子的比较与选择,并结合粒子群优化算法收敛速度快的优势,使得算法在目标个数增加时仍保持较强的搜索能力;为了弥补由此造成的群体多样性的丢失,优化非r支配阈值的取值策略;此外,引入决策空间的拥挤距离测度,并给出新的外部存储器更新方法,从而进一步防止算法陷入局部最优.对多个基准测试函数的仿真结果表明所得解集在收敛性、多样性以及围绕参考点的分布性上均优于其他两种算法.

基于多目标量子粒子群算法的环境/经济调度

针对传统的粒子群优化算法在求解环境/经济调度中存在控制参数多和局部搜索精度低等问题,提出一种基于多目标量子粒子群优化算法的环境/经济调度问题的求解方法.该算法利用具有量子行为特性的粒子搜索解空间,引入改变作用区间的变异算子增强全局搜索能力,并采用基于粒子多样性的方法更新全局最优的领导粒子.仿真结果表明,该算法是有效的,所求Pareto解集能逼近真实的Pareto解集且具有良好的分布性.

基于改进YOLOv5s的行人车辆目标检测算法

针对传统的行人车辆目标检测算法因参数量大和计算复杂度高而在现实应用中受限的问题,基于轻量化深度学习网络提出改进的YOLOv5s行人车辆目标检测算法.首先,选用ghost模块替换主干网络中部分卷积模块进行模型剪枝,同时向网络中引入注意力机制,使得网络在减少模型参数量和提升模型性能两方面实现更好的平衡;其次,采用边界框的宽高差值计算代替边界框回归损失函数中宽高比距离的计算,加速网络的收敛;最后,通过构建真实交通场景下的行人车辆目标检测数据集检验模型的准确性和实时性.实验结果表明,在保持原算法较高精度的同时,改进后YOLOv5s算法的参数量下降28%,模型大小降低27%,节省了硬件成本,拓宽了YOLOv5s算法的应用场景.

一类区间多目标粒子群优化算法

针对区间参数多目标优化问题,提出一种基于模糊支配的多目标粒子群优化算法.首先,定义基于决策者悲观程度的模糊支配关系,用于比较解的优劣;然后,定义一种适于区间目标值的拥挤距离,以更新外部存储器并从中选择领导粒子;最后,对多个区间多目标测试函数进行仿真实验,实验结果验证了所提出算法的有效性.

不确定可靠性优化问题的多目标粒子群优化算法

针对元件可靠性为区间值的系统可靠性优化问题,提出一种区间多目标粒子群优化方法.首先,建立问题的区间多目标优化模型;然后,利用粒子群算法优化该模型,定义一种不精确Pareto支配关系,并给出编码、约束处理、外部存储器更新、领导粒子选择等关键问题的解决方法;最后,将该方法应用于可靠性优化问题实例,验证了方法的有效性.

基于异地冗余PLC的火电厂运煤系统设计

火电厂运煤系统的稳定是火电厂高效运行的重要保证：，针对传统运煤系统控制方案需要大量的电缆和中间接线且在恶劣的运煤环境下稳定性低的问题，以湖北某2×1000MW火电厂运煤系统为背景，提出基于异地冗余PLC和Profinet环网的就地控制运煤系统解决方案，包括系统硬件选型和设计，下位机和上位机软件编程。生产实践表明，该方案易于设备检修维护，有助于提升运煤系统的工作效率和信息自动化水平。