基于APSO-BP神经网络的末敏弹作战效能评估方法

针对末敏弹结构复杂、影响因素多、作战效能分析困难等问题,以末敏弹命中概率作为目标函数,建立了作战效能评估指标体系,提出了一种基于APSO-BP神经网络的作战效能评估模型,并构建了BP神经网络和PSO-BP神经网络2种对比模型,利用MATLAB工具对3种模型进行了仿真分析。结果显示,APSO-BP神经网络的运行耗时为0.6513 s,均方误差为0.0032,相关系数为0.9789;PSO-BP神经网络的运行耗时为2.0154 s,均方误差为0.0075,相关系数为0.9688;BP神经网络的运行耗时为14.1375 s,均方误差为0.0159,相关系数为0.8900。APSO-BP神经网络评估模型运行耗时更短,预测精度更高,对于末敏弹的作战运用具有重要的理论意义和现实价值。

基于GPR代理模型和GA-APSO混合优化算法的软基水闸底板脱空反演

软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自适应惯性权重粒子群(genetic algorithm-adaptive particle swarm optimization,GA-APSO)混合优化算法的水闸底板脱空动力学反演方法,用于检测软基水闸底板脱空。首先,构建表征软基水闸底板脱空参数和水闸结构模态参数之间非线性关系的GPR代理模型;其次,基于GPR代理模型与水闸实测模态参数建立脱空反演的最优化数学模型,将反演问题转化为目标函数最优化求解问题;最后,为提高算法寻优计算的精度,提出一种GA-APSO混合优化算法对目标函数进行脱空反演计算,并提出一种更合理判断反演脱空区域面积和实际脱空区域面积相对误差的指标—面积不重合度。为验证所提方法性能,以一室内软基水闸物理模型为例,对两种不同脱空工况开展研究分析,结果表明,反演脱空区域面积和模型实际设置脱空区域面积的相对误差分别为8.47%和10.77%,相对误差值较小,证明所提方法能有效反演出水闸底板脱空情况,可成为软基水闸底板脱空反演检测的一种新方法。

SA-APSO算法及其在变压器油中局部放电超声定位中的应用

针对基本粒子群算法(particle swarm optimization algorithm,PSO)局部寻优能力差及易早熟收敛的情况,提出一种融入模拟退火思路的自适应粒子群混合算法(simulated annealing-adaptive particle swarmoptimization algorithm,SA-APSO),在惯性权重变化-自适应粒子群基础上融入退火思想,以一定的随机概率接收最优值,能有效提升全局寻优能力并克服早熟收敛现象。利用测试函数进行的仿真结果表明SA-APSO算法在结果精度及稳定度上明显优于基本PSO。并将其应用于变压器油中局部放电的定位计算,将结果与基本PSO及自适应粒子群进行比较,结果表明基于SA-APSO的变压器油中局部放电超声定位方法能够实现全局精确定位,且结果稳定,综合误差小于3.7 mm。

APSO算法在光伏阵列MPPT追踪器中的应用

针对传统的MPPT算法无法在光伏阵列局部遮阴或光照不均等情况下对最大功率点进行有效追踪的问题,提出了一种自适应粒子群优化(APSO)算法。阐述了APSO算法的基本思想以及将该算法实际应用到光伏阵列最大功率点追踪(MPPT)追踪器中的设计思路,并给出了带APSO算法的追踪器硬件实现原理框图。测试结果表明,基于该算法的追踪器能够快速、准确地实现光伏阵列在部分遮挡条件下全局最大功率点的追踪,具有一定的工程应用价值。

基于APSO算法的水工弧形闸门主框架优化设计

使用MATLAB编制程序,运用加速粒子群算法(APSO)对水工钢结构进行优化设计,在保证钢结构强度、刚度、稳定性等约束基础上,减轻闸门自重。采用遗传算法优化钢结构设计和有限元模型,并用ANSYS软件建立了闸门有限元模型用以设计验证。结果表明,基于APSO算法的优化设计能够在保证闸门安全运行的同时,有效的减轻闸门自重,结果优于遗传算法。

“碳中和”背景下光伏系统可持续性评价——基于混合信息的粒计算决策模型

针对“碳达峰,碳中和”背景下,如何多视角评价光伏系统,助力中国光伏产业的绿色低碳发展这一现实问题,提出了可持续发展评价维度下基于数据驱动的光伏系统决策模型。首先,依据可持续评价维度,建立光伏系统综合评价指标体系。其次,针对光伏系统绩效水平存在不确定性和波动性的情况,构建区间信息粒和区间二型模糊集用以量化评价信息。再次,针对光伏系统评价指标权重偏好未知的情况,利用随机多准则可接受分析方法,通过蒙特卡罗模拟生成指标权重向量空间,获取指标权重向量;进一步,运用自适应粒子群算法得出排序结果。最后,通过实际光伏系统案例验证了该方法的可行性与有效性。

ReliefF和APSO混合降维算法研究

降维与分类一直是机器学习的研究热点,在很多领域有着成功的应用.针对基因数据分类存在特征维数过高、冗余数据和高噪声等问题,现提出一种基于Relief F和自适应粒子群(APSO)优化的混合降维算法.即先通过Relief F和APSO算法选择特征子集,然后使用超限学习机作为评价函数对基因数据进行分类,最后通过循环迭代得到最优的分类精度.实验证明,混合降维算法与已有的算法相比分类精度更高、更稳定,它适用于基因表达数据降维.

自适应粒子群优化算法(APSO)在膜下滴灌优化灌溉中的应用

在考虑了灌溉水量、作物水分响应模型、降雨量、不同生育阶段缺水对产量敏感指数、作物市场价格、农业灌溉用水价格、膜下滴灌成本价格等因素下,建立了农作物经济效益最优的多约束、非线性灌溉模型。将APSO算法进行灌溉模型优化求解。利用新疆棉花膜下滴灌实验所得数据,得出了作物在不同范围有限灌水量下棉花各生育阶段间灌水量的最优效益分配,求解的结果显示该灌溉模型能很好地解决了作物非充分灌溉下优化灌溉问题。

基于改进粒子群优化算法的混凝土泵车全局功率匹配

针对混凝土泵车全局功率匹配技术存在优化算法求解质量差的问题,本文提出了一种基于改进粒子群算法的工况自适应混凝土泵车全局功率匹配策略.首先,在MWorks平台上构建基于发动机与液压泵等特性数据,集成液压､机械､控制､负载与动力五大模块的泵送系统模型;然后,采用改进粒子群算法进行全局匹配优化,输出不同作业需求下的参数经济匹配值;最后,基于构建的泵送系统仿真平台,分析典型工况下不同功率匹配策略的节能效果.结果表明:所提策略与传统策略相比,轻､中､重载工况分别节油5.86%,5.24%和1.74%.

多指标约束下舰载装备维修级别建模与优化

修理级别分析(level of repair analysis,LORA)是装备综合保障性工程中的一项重要内容,针对现有关于LORA问题研究的不完善之处,以舰载装备维修保障为背景,综合考虑维修费用和维修效果,建立LORA协同规划数学模型。根据模糊优选理论,给出基于正负理想方案的多指标LORA决策隶属度优化目标函数,运用自适应粒子群算法对LORA模型进行求解,通过算例给出了优化结果,分析LORA决策的一般规律,证明方法的合理性及LORA模型的正确性。提出的LORA决策模型是现有研究基础上的重要补充,对于完善装备维修保障决策理论具有重要意义,为装备维修保障工作的开展提供决策支持。

用自适应粒子群算法求解自激脉冲喷嘴结构参数模型

提出了用自适应粒子群优化算法求解自激脉冲喷嘴结构参数模型,以打击力输出最大为优化目标,对其喷嘴结构参数进行优化。通过试验验证了模型和算法的性能,给出了较为精确的模型和边界约束条件。试验结果表明:所建模型是合理的,自适应粒子群优化算法求解结果与试验结果能够较好地吻合,解决了自激脉冲喷嘴设计和制造边界条件不易定性表达的问题。

基于粒子群优化的三轴磁强计非线性误差校正

三轴磁强计的非线性误差是影响其测量精度的重要因素,而传统三轴磁强计误差模型仅考虑零偏、磁轴非正交和灵敏度误差,无法实现对磁测误差有效剥离和校正。通过对传统误差模型进行扩展,提出了三轴磁强计的非线性误差模型,并利用自适应粒子群优化(APSO)算法对非线性误差模型参数进行反演。实验结果表明:可以有效地补偿三轴磁强计的非线性测量误差,相较于传统校正方法,在误差参数规模较大情况下,APSO算法具有更好的全局搜索能力,可大幅提高误差参数反演精度及算法收敛速度。

轻工装备制造阶段关键绿色质量特性提取模型

为了提升轻工装备制造业在绿色发展过程中的可持续竞争力,在关键质量特性概念的基础上提出关键绿色质量特性(critical to green quality characteristics,CTGQs),建立CTGQs提取模型,识别出对环境影响最大的工艺过程参数,实现轻工装备在制造阶段的关键绿色质量特性提取,为实现绿色制造提供了理论基础。为更好地消除提取过程中的冗余数据,将改进ReliefF算法与自适应粒子群(adaptive particle swarm optimization,APSO)算法相结合,提高CTGQs提取准确性。最后以啤酒发酵罐为例,验证了该模型的有效性。

自适应粒子群算法在水库优化调度中的应用研究

采用自适应粒子群算法(APSO)对水库优化调度问题进行了研究。建立了问题的数学模型,提出了该算法的工程实现方法,编制了基于Matlab语言的优化计算程序。三插溪水库的仿真实例表明:APSO算法较PSO算法的收敛性能更好,APSO算法在搜索晚期具有更强的局部搜索能力,更容易找到最优解。与遗传算法相比,APSO算法采用的参数少,实现简单,收敛结果更优。可见,APSO算法在水库优化调度问题上的求解是可行有效的。

基于APSO算法的公路光伏声屏障储充系统优化

为实现公路光伏声屏障发电系统的能源自洽,基于自适应粒子群算法提出了一套从光伏出力、蓄电池储能到充电桩用电的“光储充”容量配置方案。根据项目所在地的温度、辐射强度及光伏组件性能衰减规律建立光伏出力模型,结合公路光伏声屏障吸声降噪效果,计算光伏组件最佳倾角并获取该倾角下的光伏资源禀赋。基于光伏出力与负荷需求,获取蓄电池逐时荷电状态,利用雨流计数法和等效循环寿命法计算蓄电池的预估使用寿命,建立了涵盖初始投资、运行维护和设备更换3部分费用的成本模型,相较于传统固定寿命的成本模型更加具有实际意义。然后,以最小化总成本为优化目标,考虑系统的最小功率、占地面积、蓄电池荷电状态、系统负荷缺电率和系统弃能率5个约束条件,建立了公路“光储充”系统容量配置协调优化模型。采用自适应的粒子群算法,通过改进惯性权重提高了粒子的全局和局部搜索能力,得到了给定光伏板数量下蓄电池及充电桩的最优容量配置方案。结果表明:提出的公路“光储充”模型的能源自洽率达95%以上,对加快公路交通能源融合具有重要意义。针对蓄电池荷电状态,设定荷电状态全年处于0.2~0.8之间,防止了蓄电池的过充过放,显著提高了蓄电池的使用寿命;针对粒子寻优能力,采用自适应粒子群算法使得粒子寻优速度提升将近90%;最终优化结果同时满足5%的负荷缺电率及10%的系统弃能率,保证了系统可靠性。

基于自适应粒子群优化算法的AGC机组调配研究

提出了一种基于自适应型粒子群优化算法(APSO)的自动发电控制(AGC)机组调配方案。该方案针对考虑机组调节容量、调节速率等约束条件的AGC机组调配的数学模型,提出了一种改进的APSO。介绍了算法的基本原理,分析了不同参数取值对算法收敛性的影响。算例表明,该方法不仅可以克服整数规划法可能得不到最优解的缺点,而且与遗传算法比较,具有收敛性好、收敛速度快的优点。

基于Stearns-Noechel优化模型的木材单板染色配方预测

以樟子松单板为染色基材,采用活性染料对其进行染色,获取3组单色染料染色样本与8组混合染料染色样本。将自适应权值粒子群算法(APSO)与Stearns-Noechel模型结合,对8组混合染料染色样本进行染色配方预测。结果表明:采用APSO预测的配方绝对偏差均小于0.1,约为最小二乘法和传统粒子群算法的1/2;迭代次数约为传统粒子群算法的60%,寻优速度较快。优化模型获得三种珍贵材的R-Y-B染色配方分别为:花梨木—0.192%,0.419%,0.082%;鸡翅木—0.137%,0.284%,0.193%;黑酸枝—0.336%,0.581%,0.204%。采用该配方对樟子松单板进行染色,染色拟合样与标准样间的色差均小于2,且两者光谱反射率间的误差小,染色效果较好。

基于EXIT图和自适应微粒群算法的度分布对优化方法

综合EXIT图法和自适应微粒群优化(APSO)算法的优点,该文提出了一种基于EXIT图和APSO算法的非正则LDPC码度分布对优化方法。该方法设计了衡量EXIT曲线匹配程度的全局代价函数,并运用APSO算法对度分布对进行快速迭代优化,迭代过程中不需要固定CND曲线,可以获得EXIT曲线更加匹配的优化度分布对,以及更高的噪声门限。仿真结果表明,该方法在码结构优化方面有着很好的性能,且优化速度较高斯逼近法有了较大提高。

离心选矿系统模糊解耦PID设计

针对离心选矿系统强耦合、非线性等问题,提出一种基于自适应粒子群优化(APSO)算法优化模糊解耦比例-积分-微分(PID)控制器的智能方法。先利用模糊解耦算法设计模糊PID控制器,实现给矿流量和给矿质量分数分别由给水量和固体给料量直接控制,再引入APSO算法对模糊PID控制器的参数进行动态优化。仿真与实验结果表明:该方法具有响应速度快、超调量小等特点,且选矿机铁精矿富集比有显著提高。

基于Kriging代理模型的气辅注射成型工艺优化

针对气辅成型工艺设定及控制的复杂性,使用Kriging代理模型近似拟合气辅成型工艺参数与气体穿透长度之间的非线性函数关系,建立起Kriging代理模型与APSO算法相结合的优化策略。应用所建立的优化方案,以气体的穿透深度为优化的目标,模拟了某汽车后视镜的气辅成型工艺优化过程。算例表明,基于Kriging代理模型与APSO算法耦合的优化策略可以在小样本情况下获取较高的求解精度和较快的收敛速度。