一种有向视频传感器网络改进MPSO覆盖增强算法

针对有向视频摄像机传感器网络的目标检测区域的覆盖服务问题,基于部署位置固定仅可连续旋转的传感器节点,增加可连续移动的轨道,提出可移动节点的传感器网络模型。基于MPSO算法,将变异思想结合系数改进的PSO算法进行改进,通过选取合适的粒子搜索策略得到改进的MPSO算法,并将其应用于求解可移动节点的传感器网络模型。在仿真实验中,通过与PSO算法、系数改进的PSO算法的比较,验证了改进的MPSO算法的有效性。一方面验证了新模型对于问题最优解更大的搜索空间,另一方面也实现了最大化覆盖区域和最小化重叠区域的目标。

基于RM-MPSO-ELM的变压器故障自动化诊断技术

为提高变压器故障诊断准确性,提出一种基于改进粒子群极限学习机算法(RM-MPSO-ELM)的变压器故障自动化诊断技术。利用一系列采集工具和气相色谱仪获取变压器故障样本数据,应用主成分分析法对变压器故障样本数据进行突出特征指标选取,降低数据维数,最后利用改进粒子群求取极限学习机中两个最优初始输入权值和隐层阈值,并利用优化的极限学习机实现变压器故障自动化诊断。应用所研究诊断技术后,变压器平均故障诊断准确率达到95.18%,应用效果良好。

基于MPSO-WLS-SVM的矿井瓦斯涌出量预测模型研究

为有效预防瓦斯灾害,以预测矿井瓦斯涌出量为研究目的,提出经改进的粒子群算法(MPSO)优化的加权最小二乘支持向量机(WLS-SVM),并用其预测非线性动态瓦斯涌出量。算法通过对WLS-SVM的正则化参数C和高斯核参数σ寻优,建立基于MPSO优化的WLS-SVM的瓦斯涌出量预测模型,并利用某矿井监测到的各项历史数据进行实例分析。试验结果表明:该预测模型预测的最大相对误差为5.99%,最小相对误差为0.43%,平均相对误差为2.95%,较其他预测模型有更强的泛化能力和更高的预测精度。

基于MPSO-CWLS-SVM的瓦斯涌出量预测

针对瓦斯涌出量受多因素影响,传统的预测方法难以建立准确的数学模型,导致预测精度低这一问题。提出一种经改进的粒子群算法(MPSO)优化的基于柯西分布加权的最小二乘支持向量机(CWLS-SVM)算法来预测非线性动态瓦斯涌出量。柯西分布加权的最小二乘支持向量机根据预测误差的统计特性,确定加权规则参数,以达到赋予训练样本不同权值的目的。并用MPSO算法对CWLS-SVM模型的正则化参数λ和高斯核参数σ寻优。利用无线传感器网络采集到的各项历史数据进行实例分析。结果表明,该算法有效的提高了瓦斯涌出量的预测精度,降低了预测误差,为煤矿瓦斯防治提供理论支持。

基于KPCA-MPSO-ELM的矿井突水水源判别模型

为准确判别矿井突水水源并有效预防突水事故,提出一种基于核主成分分析-改进粒子群算法-极限学习机（KPCA-MPSO-ELM）的矿井突水水源判别模型。利用核主成分分析（KPCA）法对原始数据进行属性约减,通过改进粒子群算法（MPSO）优化极限学习机（ELM）的初始权值和阈值,建立KPCA-MPSO-ELM模型;在综合考虑矿井各含水层的水化学特征的基础上,选取Ca2＋、Mg2＋、K＋＋Na＋、HCO3-、SO42-、Cl-等的浓度和总硬度作为矿井突水水源的主要判别依据;以新庄孜矿的45组实测数据作为样本进行实例分析,其中33组数据作为训练数据训练模型,另外12组数据作为预测样本,用该模型进行预测,并将其判别结果与MPSO-ELM、KPCA-PSO-ELM模型的判别结果进行对比。结果表明：KPCA方法能减少指标数据间的信息重叠;通过MPSO优化ELM参数,可提高算法的整体搜索性能和收敛速度; KPCA-MPSO-ELM模型的预测精度高于MPSO-ELM、KPCA-PSOELM等2个模型。

改进粒子群优化(MPSO)算法在动态配水中的应用

基于在水资源不充足的情况下,对都江堰灌区六大干渠水资源的合理分配,使农业效益达到最大。首先建立灌区优化配水模型,并将粒子群优化算法(PSO)及其改进的算法应用于该模型。分别对标准PSO、两种改进PSO(MPSO)算法与遗传算法进行仿真对比,结果显示采用PSO算法及其MPSO在农业经济效益上可获得更好的寻优效果,提高了水资源的利用率。

基于MPSO-ANN的火炮零部件硬度无损检测研究

依据音频无损检测原理,针对某火炮零部件(凸轮轴)硬度与音频参数的非线性映射问题,将ANN网络应用到音频检测中,同时采用改进粒子群算法(MPSO)优化BP神经网络结构和初始权值;MPSO算法把PSO算法的单向搜索变为多向搜索,提高了搜索精度,平衡了局部和全局搜索能力,较好地收敛到最优解,克服了BP网络结构难以确定和易于陷入局部极小值的缺点,实现了不同零部件硬度检测中的样本训练与预测,分别对内推、外推样本进行比较分析;结果表明其适应度逐渐趋于稳定并迅速收敛,精度满足要求。

MPSO-GEP方法在边坡可靠度计算中的应用

提出了采用基因表达式编程(Gene Expression Programming,GEP)和混合粒子群相结合计算边坡可靠度的新方法。该方法采用均匀设计法确定样本点,通过数值计算求解安全系数,应用GEP方法拟合边坡的功能函数;借鉴遗传算法中的杂交概念,将其引入标准粒子群方法(Particle Swarm Optimization,PSO),形成混合粒子群方法(MPSO),改善了PSO方法的全局搜索能力,提高了方法的收敛速度和计算精度,可用于计算可靠度指标及相应的验算点。以2个典型的边坡为例,通过算例1与其他方法对比,验证了MPSO方法较标准PSO方法计算精度高、收敛速度快;分析了算法中各控制参数对可靠度指标的影响;算例2为隐式功能函数问题,将MPSO方法与GEP方法相结合求解可靠度指标。结果表明:MPSO-GEP方法对求解隐式功能函数的边坡可靠性问题具有很好的适应性,该方法科学可行且具有很好的应用前景。

海底管道泄漏风险的MPSO-SPA评估模型

针对海底油气管道泄漏风险分析方法中各指标的不确定性问题,提出了一种基于改进粒子群算法(MPSO)和集对分析法(SPA)的综合风险评估方法。建立海底管道风险多指标评价体系,并采用改进惯性权重的PSO算法确定评价体系权重。由于评价因素众多,进一步运用SPA法求得各个指标之间的关联程度,构建MPSO-SPA综合评价模型,对海底管道的泄漏风险进行深层次的分析。在此理论基础上,以某海域5段管网为例,用上述方法评估管道泄漏风险因素的权重。结果表明:该模型将评价指标间的同、异、反通过关联度进行定量化,并与模糊综合评价法对比,得到与其实际情况相一致的评判结论,为后续海底管道风险评估提供了依据。

基于MPSO的地面防空群维修任务规划研究

针对地面防空群的维修任务规划问题,建立维修任务规划流程,以维修任务的优先级、维修时间和维修保障资源消耗为目标,建立了地面防空群维修任务规划模型,根据战场环境特点,基于置信度法确定多目标参量的权重,将多目标优化问题转化为单目标问题,并采取改进的自适应粒子群优化算法对模型进行求解。通过实例验证,该方法在收敛速度及求解结果质量上均优于传统粒子群算法,可以有效解决地面防空群的维修任务规划问题,对部队维修保障决策具有一定的参考价值。

基于AGA与MPSO的非传统布局仓储货位分配优化

非传统布局是现代仓储管理的新热点,根据对非传统布局(Fishbone型)特征分析,针对货位分配优化问题,提出以出入库效率和货架稳定性为优化目标,建立多目标优化模型。设计了自适应遗传算法(AGA)和改进的粒子群优化算法(MPSO)进行求解。AGA采用动态自适应策略改进选择、交叉、变异算子,克服初期"早熟",提高末期局部搜索,增强鲁棒性;考虑到PSO搜索过程的非线性复杂特征,引入非线性变化的惯性权重和时变加速的学习因子,提升早期全局搜索能力,改善末期收敛迟钝,优化算法整体性能。采用Matlab进行仿真实验,结合实例验证了本文方法的有效性与通用性。对比实验结果表明AGA在处理此类货位分配优化问题上优势更明显。

BP-MPSO混合算法在机器人空间路径中的应用

在对PUMA机器人空间路径进行BP算法环境建模与目标建模的基础上,针对传统粒子群优化(PSO)算法搜索空间有限、容易陷入局部最优点的缺陷,提出了一种改进的粒子群优化(MPSO)算法。该算法引入了基于全局信息反馈的重新初始化过程机制,并对PUMA机器人空间路径进行了优化。仿真实验表明,该算法的应用不仅降低了求解逆运动方程的难度,还能得到全局最优解,显著地提高了PUMA机器人空间路径优化的效率。

基于MPSO算法的RBF网络学习算法

针对标准粒子群优化(PSO)算法存在早熟收敛,易陷入局部极值的缺陷,提出了一种利用混沌优化算法确定PSO算法参数的改进粒子群优化(MPSO)算法。为了提高径向基函数(RBF)神经网络的精度和性能,提出了一种基于改进粒子群优化(MPSO)算法的RBF网络学习算法。RBF网络隐层节点个数用对手受罚的竞争学习(RPCL)算法确定后,基函数的中心矢量、方差和网络权值用MPSO算法在全局空间动态确定。采用Iris分类问题做仿真实验,并与基于标准PSO算法的方法和单纯BP网络训练进行比较。实验结果表明,该算法性能优于所比较的2种算法,并且具有良好的收敛性和模式分类能力。

一种基于MPSO构建的NARX逆模型设计方法

实际运行中强非线性系统常规PID控制难以取得良好的控制效果,本文根据现场某控制系统的实际数据,通过引入一种基于改进粒子群优化算法(MPSO)来建立的模糊-动态回归神经网络(Fuzzy-NARX)逆模型。仿真实验结果表明:该方法可以获得结构紧凑的模型。为进一步用于在线控制提供基础。

MPSO-MNR算法及噪声对该算法在EIT成像中的影响

针对现有电阻抗成像算法的局限,在此将修正的粒子群算法与牛顿拉夫孙结合算法,形成MPSO-MNR算法。对二维圆形求解区域,采用有限元剖分,在三角电流驱动模式下,应用提出的MPSO-MNR算法进行电阻抗重构,并研究了噪声对重构结果的影响。数值仿真结果表明:MPSO-MNR算法能够准确重构解域内电阻抗分布;噪声影响成像的质量,随着噪声的增加(信噪比的减少),重构目标的边界、背景变得逐渐模糊。MPSO-MNR算法避免要求迭代初值接近真值,并具有较快收敛的特点,在一定的噪声范围内,可用于电阻抗重构。

基于MPSO的电液举升伺服系统自适应模糊PID控制

为提高电液举升伺服系统位置控制精度,提出一种基于改进的粒子群算法(MPSO)优化的自适应模糊PID控制策略。根据流体动力学原理,建立伺服阀控非对称缸系统数学模型,分析系统动态运动特性。综合考虑多种不确定扰动影响,设计自适应模糊PID(AF-PID)控制器,并通过MPSO算法对AF-PID控制器中的量化因子和比例因子进行迭代寻优。利用MATLAB/Simulink和AMESim仿真软件,搭建系统的联合仿真模型,并对所设计控制器的控制性能进行仿真验证。结果表明:相同工况下,相较于常规PID和AF-PID控制器,MPSO-AF-PID控制器作用下系统的轨迹跟踪性能最优,能更好地满足起下管柱作业需求。

基于MPSO-RVM的短期交通流预测方法研究

为了提升公路短时交通流预测精度,提出一种采用非线性动态惯性权重粒子群算法优化相关向量回归的短期交通流预测方法(MPSO-RVM)。首先对原始数据进行算数平均值降噪处理,采用含有动态惯性权重ω的PSO算法优化RVM预测模型的参数,前期ω取值较大、变化较慢,维持了算法的全局搜索能力;后期ω变化较快,极大地提高了算法的局部寻优能力,从而提高求解精度,避免陷入局部最优解。使用美国Pe MS数据库中的交通流数据进行训练及预测,通过实验表明对预处理后数据使用MPSO-RVM方法可大幅提升预测精度。

基于MPSO的有限缓冲区多产品厂间歇调度问题的研究

研究了以最小化最大完工时间为目标的有限缓冲区多产品厂间歇调度问题,提出了一种基于多种群粒子群优化(MPSO)的间歇调度算法。该算法采用多种群,增加了种群初始粒子的多样性,在每一代子种群并行进化的过程中引入移民粒子,使子种群之间相互影响和促进,避免算法过早地陷入局部最优,提高了算法的全局搜索能力;每代进化后选出子种群中的优秀粒子作为精华种群,并对其进行变邻域搜索(VNS),进一步提高了算法的收敛精度。通过对不同规模调度问题的仿真,以及与其它算法的对比,证明了该算法解决有限缓冲区多产品厂间歇调度问题的有效性和优越性。

MPSoC可调度性分析的价格时间自动机模型

多处理器片上系统(MPSoC)是在单一芯片上集成多个处理器的复杂SoC,是多核时代SoC的最新发展方向,保证MPSoC可调度是其设计的重点。针对MPSoC的特性,使用价格时间自动机,对其构建一种可调度性分析模型,并使用模型检测工具UPPAAL中的统计模型检测引擎自动模拟系统,并估算不可调度概率。实例验证结果表明,该模型检测方法降低了分析成本,可以分析传统模型检测方法所不能判定的复杂系统。

基于MPSO算法的空舰导弹航路规划

为保证空舰导弹的最佳攻击效果,借鉴水空介质航行器的相关研究思路,提出一种将导弹末端突防航路扩展至水下的攻击模式,并对其全局航路规划进行了研究。首先对目标舰艇对空及对海的综合防御能力进行了分析与建模,为保证规划算法效率,利用多种群粒子群优化(MPSO)算法进行寻优搜索,设计了相应的适应度函数和进化策略,最后给出仿真算例。仿真结果表明,该方法可以实现不同介质空间武器全局航路规划。