一种面向储粮微环境的GPSO改进算法研究

粮食作为一种特殊及复杂的生命体,储藏粮堆内部微环境的变化规律异常复杂,准确掌握粮堆内部温度场的变化是个难题。本研究通过对粒子群算法惯性权重和目标函数的修改,提出一种面向储粮微环境的GPSO改进算法,结果表明,改进算法在粒子分布较为分散时,使得粒子群收敛速度较快,迭代曲线平稳,全局搜索能力强。在粒子分布较为密集时粒子的速度较为缓慢,其局部寻优能力强。该算法与其他算法对比分析,表明对储粮温度预测具有良好的结果,预测的拟合程度很高。

基于GPSO的WSN节点定位技术研究

研究监测空间节点定位精度问题,由于无线传感器网络基于测距节点定位存在误差,造成精确度低。为此采用一种分群式粒子群优化算法(GPSO),对利用TOA的极大似然估计定位法估算出的结果进行优化处理。通过仿真从测距误差、未知节点个数和节点通信半径三方面分析三种算法的平均定位误差。结果表明,分群式粒子群算法能够提升标准粒子群算法跳出局部最优的能力,有效地避免了标准粒子群优化算法易早熟、陷入局部最优的缺点,最大概率地寻找到全局最优解,最终提高了节点定位精度。

基于模糊Petri网和Genetic-PSO算法的动态不确定性知识表示方法

针对复杂系统中不确定性信息的演变特性,提出对其动态适应的基于模糊Petri网和遗传-粒子群(GPSO)算法的不确定性知识表示方法.在基于模糊Petri网的不确定性知识表示模型的基础上,对该模型进行精确数学表示,并采用GPSO实现对不确定性表征参数的动态求解和自学习.最后通过在运载火箭伺服机构故障诊断上的应用验证基于GPSO的自学习模糊Petri网的有效性.

三维微组装多气体传感器测试仪

针对在地震等自然灾害及遮蔽空间范围传感器体积受限制和对周围环境参数感知问题,设计了三维微组装多气体传感器测试仪,结合设计的GPSO-BP算法,该测试仪可以在高温高湿的环境下实现实时对有毒气体浓度以及压力的多参数测量,并对其进行温湿度补偿,具有高性能、小型化、准确度高的特点。测试结果表明,在湿度为80%RH,温度为50℃的环境下测量不同气体,经过温湿度补偿后,该测试仪的准确对度至少提高到2.2%以上,稳定性较强,对于地震等恶劣环境下的环境参数感知具有重大的意义。

计及碳排放和风光消纳的多目标切荷优化调度

低碳经济背景下,风光电源并网发电已成为节能减排的重要手段和方式。针对传统火电机组消耗化石燃料并排放污染物缺陷以及风光电源出力具有随机性和波动性的特点,建立了切荷机制下计及发电成本、碳排放量和风光电源限电量的多目标调度模型。根据模糊理论计算各单目标函数的隶属度,引入综合满意度将多目标优化问题向单目标转化。提出嵌套结构的遗传粒子群优化(Genetic and Particle Swarm Optimization,GPSO)算法求解数学模型,以5机和风光电源为例验证所提模型及算法的有效性和合理性。

共形天线阵列方向图分析与综合

在存在单元互耦的情况下,提出了锥台共形天线阵方向图的分析与综合方法.采用渐变缝隙天线作为阵列单元,先算出天线单元的阵中耦合方向图,然后以叠加原理为基础分析计算天线阵列的主极化和交叉极化方向图.采用Ansoft HFSS仿真软件对该锥台共形天线阵进行了仿真分析,结果表明,所提出的分析方法准确可靠,为锥台共形天线阵特性优化设计提供了方法支持.同时,采用雁群优化算法,对0°方位面内的阵列主极化扫描方向图及交叉极化方向图进行了优化综合.

全局粒子群优化算法

针对粒子群优化算法在解决大维数的无约束优化问题时具有较差的收敛性和稳定性,提出了一种全局粒子群优化(GPSO)算法.GPSO算法引入了一种新的惯性权重,它被定义为一个指数型函数与一个随机数的乘积,这有利于维持算法的全局搜索和局部搜索.同时,GPSO算法对全局最优解进行了小的扰动,这可以有效地避免算法早熟.使用三种粒子群优化算法来解决6个无约束优化问题.仿真结果说明,与其他两种粒子群优化算法相比,GPSO算法具有更快的收敛速度和更强的逃离局部最优的能力.

考虑车内振动的动力总成悬置系统多目标优化

以实际工况下的测试数据为基础,建立了简化的车内振动传递路径分析模型。在此基础上,以发动机悬置刚度为设计变量,综合考虑悬置系统能量解耦和车内振动,建立了基于灰色粒子群优化算法的多目标优化模型。并以某型卡车为例,进行了多目标优化求解。实验和优化结果表明,在得到较好能量解耦的同时,降低了车内振动,实现了能量解耦和车内低振动的优化匹配。

病理嗓音发声系统的非对称建模研究

为了在病理嗓音识别中为特征参数选择提供依据,提出声带非对称力学建模仿真病变声带并进行分析研究。依据声带的分层结构和组织特性,建立声带力学模型,耦合声门气流,求取模型输出的声门源激励波形。采用遗传粒子群-拟牛顿结合优化算法(Genetic particle swarm optimization based on quasi-Newton method,GPSO-QN)将模型输出的声门源和实际目标声门波相匹配,提取优化模型参数。仿真实验结果表明,该声带模型能产生与实际声门源相一致的声门波形,同时也证明了左右声带生理组织间的非对称性是产生病理嗓音的重要原因。

基于广义混沌混合PSO的快速红外图像分割算法

为了准确的实现红外目标识别,提出了一种基于广义混沌混合PSO的快速红外图像分割算法.二维模糊划分最大熵分割方法不仅利用了灰度信息以及空间邻域信息,而且兼顾了图像自身的模糊性,能取得较为满意的分割结果.该方法实质上是一种具有搜索空间大、多局部极值点的典型非线性整数规划问题.广义混沌混合PSO算法在广义PSO算法的基础上,引入自适应平衡搜索,当算法发生停滞时引入模拟退火机制有选择地对当前全局最优粒子进行混沌优化,在增强局部搜索能力的同时能够克服早熟收敛现象.实验证明,运用广义混沌混合PSO算法实现红外图像二维模糊划分最大熵分割是快速、稳定的.

用于数独求解的几何粒子群优化算法设计

针对只有唯一解的数独问题(即标准数独),利用改进的几何粒子群优化算法进行求解,将几何粒子群优化算法应用到数独中,解决数独求解过程中存在的局部最优解问题。通过实例讨论求解过程中最佳参数的选择,并得出较理想的结果。实验结果表明,该方法能够有效解决数独问题。

混合粒子群算法的软件测试数据自动生成

针对全连接拓扑结构的粒子群算法在生成测试数据过程中,存在收敛精度低,易陷入局部极值的问题,提出一种混合粒子群算法HPSO,并将其应用于测试数据自动生成。该算法在保证全局收敛性的前提下,对多样性匮乏的种群,首先采用定长环形拓扑结构取代粒子群的全连接拓扑结构;其次,采用轮盘赌方法选择候选解,更新粒子位置信息和速度信息;最后引入条件禁忌算法,对处于局部极值的粒子采取禁忌处理。通过实验比较表明:与基本粒子群算法(BPSO)相比,HPSO使种群多样性得到大幅度提升;在测试数据生成性能上,HPSO的搜索成功率和路径覆盖率均优于遗传算法与粒子群算法混合算法GA-PSO,而平均耗时与BPSO算法相当,性能表现优越。

基于梯度粒子群算法的细菌觅食算法

针对细菌觅食算法在优化过程中环境感知能力较弱且容易陷入局部极值的缺陷,将梯度粒子群算法的基本思想引入细菌觅食算法中,改进原算法的收敛速度和收敛能力,并据此提出了基于梯度粒子群算法的细菌觅食算法GPSO-BFA。该算法既利用了细菌觅食算法出色的全局搜索能力,又借助梯度粒子群算法的快速局部寻优能力,很好地将两者的优势结合在一起。基于六个高维Benchmark函数的实验结果显示,该算法在收敛速度和精度方面都优于其他四种细菌觅食算法。

基于模式聚合和广义粒子群的网页文本属性约简

将模式聚合和自适应广义粒子群算法相结合,提出了一种文本属性约简新方法。设计交叉操作模拟粒子飞行速度的变化,变异操作保持种群的多样性,同时引入自适应策略动态调整变异概率,以求最优特征子集。在用自适应广义粒子群算法约简前,先用模式聚合理论对原始特征空间约简,得到中间特征子集,然后再用自适应广义粒子群算法继续约简,充分发挥两者的优势。实验结果表明,此算法能有效降低文本维数,提高分类精度。

ICWLS-SVM在埋地管道腐蚀速率预测建模中的应用

针对埋地管道腐蚀的影响因素之间存在复杂相关性,采用传统方法所建立的模型预测效果较差,本文提出一种改进的柯西加权最小二乘支持向量机(Improved Cauchy Weighted Least Squares Support Vector Machine,ICWLS-SVM)建模方法,该模型方法基于改进的柯西分布(Cauchy distribution)加权规则,能够对不同的训练样本进行自适应赋权,以合理分配数据样本对模型的贡献。由于建模过程中涉及的正则化参数C、核宽参数?以及宽度系数u对模型的鲁棒性及预测精度有较大影响,进一步采用遗传粒子群优化(Genetic Particle Swarm Optimization,GPSO)算法对以上参数进行优化选择,以获得较优的模型参数。数值仿真实验表明ICWLS-SVM具有较强的鲁棒性,其预测性能优于WLS-SVM和LS-SVM。同时,利用实测腐蚀速率数据对ICWLS-SVM模型进行性能测试,结果表明该建模方法在管道腐蚀速率预测建模方面是有效且可行的。

混合型粒子群优化算法研究

为了改进粒子群算法的性能,提出了融合其他算法优点的混合型粒子群算法。对三种主流的混合粒子群优化算法(基因粒子群、免疫粒子群、混沌粒子群)分别从混合目的、混合方式、实现步骤、算法优化性能等多个方面进行了研究,给出了这三种混合粒子群算法的优缺点及适用范围。

萤火虫-粒子群优化神经网络的异步电机转子断条故障诊断

针对目前异步电机转子断条故障诊断方法存在的局限性及其缺陷,在利用小波包分析提取电机转子断条故障特征向量的基础上,提出一种基于萤火虫-粒子群神经网络的故障诊断方法,构建电机转子断条的神经网络故障诊断模型,采用萤火虫-粒子群算法优化神经网络的结构参数。试验分析表明,该方法用于电机转子断条故障诊断,诊断速度快、准确性高、可靠性好。

双馈风电场的次同步振荡分析与抑制

针对现有的风电串补系统次同步振荡的抑制措施缺乏对次同步振荡的机理研究以及参数的动态优化,物理意义大都不太明确且抑制效果受到了很大的局限性,本文建立了双馈风机串补并网系统的模型,通过数学推导详细分析了风机次同步振荡的机理并通过时域仿真分析了次同步振荡的影响因素。在此基础上,通过在转子侧附加基于遗传粒子群算法进行参数寻优的改进阻尼控制器抑制双馈风机串补并网的次同步振荡。时域仿真结果表明:与固定参数的抑制方法相比,此方法对风电串补系统的次同步振荡抑制效果更好。

ICWLS-SVM在城市道路短时交通流量预测建模中的应用

为了提高短时交通流量(STF)预测的精度,提出一种改进的柯西加权最小二乘支持向量机(ICWLS-SVM)建模方法,该模型方法基于改进的柯西分布加权规则,能够对不同的训练样本进行自适应赋权,以合理分配数据样本对模型的贡献.采用遗传粒子群优化(GPSO)算法对模型参数进行优化选择,以获得较优的模型参数.数值仿真实验表明ICWLS-SVM具有较强的鲁棒性,其预测性能优于WLS-SVM和LS-SVM.同时,利用实测交通流量数据对ICWLS-SVM模型进行性能测试,结果表明该建模方法在短时交通流量预测建模方面是有效且可行的.

梯度微粒群算法在经济负荷分配中的应用

针对微粒群算法在解决电力系统经济负荷分配(ED)时容易早熟收敛和后期收敛速度慢的特点,将梯度微粒群算法(GPSO)应用于ED问题的求解,算法考虑了机组的运行约束。本算法对在迭代过程中微粒的位置及适应度计算,获取梯度信息,进一步调整惯性权重,从而提高基本微粒群算法的收敛速度,避免其容易陷入局部极值。运用GPSO算法对IEEE30节点系统进行计算,并将其计算结果与微粒群算法(PSO)、梯度法和遗传算法(GA)进行比较,优化结果好于上述3种方法,分析表明该方法是可行的、有效的。