不平衡电压下双笼转子无刷双馈发电机的多目标控制

该文以双笼转子无刷双馈感应发电机为主要研究对象。为了解决不平衡电网电压带来的功率绕组(power winding,PW)定子绕组功率脉动和电流不平衡的问题,设计了简化矢量控制策略,对PW侧谐波功率和负序电流进行抑制。此外,通过建立控制绕组(control winding,CW)电流统一表达式,对各个控制目标之间的关系进行了数学推导和理论分析。在此基础上,建立了PW电流不平衡度约束条件下,针对PW有功功率脉动幅值和无功功率脉动幅值的多目标控制数学模型。并采用粒子群算法进行求解,对CW统一电流表达式中的系数进行优化,计算CW参考电流值从而实现多目标控制。最后在双笼转子无刷双馈感应发电机实验平台上,对所提出的控制策略的有效性和理论推导的正确性进行了验证。

基于随机惯性权重的简化粒子群优化算法

针对标准粒子群优化算法易出现早熟收敛、搜索速度慢及寻优精度低等缺陷,提出一种基于随机惯性权重的简化粒子群优化算法。算法采用去除速度项的粒子群简化结构,通过随机分布的方式获取惯性权重提高新算法的局部搜索和全局搜索能力,并且学习因子采用异步变化的策略来改善粒子的学习能力。考虑到个体之间的相互影响关系,每个粒子的个体极值用所有粒子个体极值的平均值代替。通过几个典型测试函数仿真及F-检验结果表明,提出的算法在搜索速度、收敛精度、鲁棒性方面较已有改进算法有了显著提高,并且具有摆脱陷入局部最优解的能力。

基于改进SPSO-BP神经网络的温度传感器湿度补偿

针对在实际使用中湿度影响温度传感器准确性的问题,通过对基本粒子群算法的分析,得出不受速度向量影响的简化粒子群算法,同时采用线性递减惯性权重,提出了一种改进SPSO-BP神经网络温度传感器的湿度补偿方法。通过改进的简化粒子群算法的不断迭代,优化BP神经网络的权阈值,直到得到最优权阈值,并赋给BP神经网络。根据湿度影响实验中测得的数据,运用此方法建立湿度补偿模型,与BP神经网络方法对比分析。结果表明,改进SPSO-BP神经网络的模型结构简单、补偿精度高,收敛速度快,有效地对温度传感器进行了湿度补偿。

改进的简化粒子群算法优化模糊神经网络建模

为了更准确地描述有记忆效应的射频功放特性,提出了一种改进的简化粒子群优化(PSO)算法,并结合自适应模糊推理系统(ANFIS)建立模糊神经网络功放模型。改进的简化PSO算法仅保留粒子的位置项,加入了随机的个体最优候选解,由粒子的当前位置、个体最优解、全局最优解和随机的个体最优候选解共同决定其位置项;采用线性递减惯性权重,并利用异步变化的动态学习因子,且新颖地引入拉普拉斯系数,从而增加了种群多样性,加快了收敛速度,避免陷入局部最优。由模型仿真对比可知,该方法建立的功放模型结构简单、收敛快、误差小、精度高,从而验证了建模方法的有效性和可靠性。

基于PID控制和改进粒子群优化算法的特高压直流附加次同步振荡阻尼控制器设计

以高压直流输电系统快速可控为出发点,采用极大极小值原理和改进粒子群优化算法相结合的新方法,针对向家坝—上海±800 k V特高压直流输电系统送端可能发生的次同步振荡(sub-synchronous oscillation,SSO)问题,建立一种基于比例积分微分控制的UHVDC附加次同步振荡阻尼控制器(subsynchronous oscillation damping controller,SSDC)模型。对不同方式的时域仿真结果表明,该SSDC控制器能够有效抑制交直流互联电网送端系统汽轮机组的轴系扭振,可在相当大范围内保证系统的SSO稳定性,具有较强的鲁棒性。

基于自适应模糊神经网络的功放预失真新方法

针对无线通信系统中记忆非线性功率放大器预失真结构不足和精度不高等问题,提出了一种基于模糊神经网络模型识别的双环学习结构自适应预失真方法。该方法以实数延时模糊神经网络模型为基础,采用改进的简化粒子群优化(Simplified Particle Swarm Optimization,SPSO)算法进行间接学习结构离线训练模糊神经网络来确定模型参数,作为预失真器的初值,再利用最小均方(Least Mean Square,LMS)算法进行直接学习结构在线微调整预失真器参数,拟合功放的非线性和记忆效应。该方法结构简单,收敛速度快且精度高,避免了局部最优。实验结果表明,该方案邻信道功率比经典的双环结构预失真方法约改善7 d B,功放的线性化性能明显提高,由此验证了其可行性。

低压电力线自适应OFDM系统比特功率分配算法

自适应OFDM系统的比特功率分配能够提高频谱利用率,可以有效地克服低压电力线的多径干扰.在实际系统中,由于对传输比特数整数规划的要求,注水功率算法无法达到比特功率分配的优化结果,鉴于此考虑低压电力线信道的实际传输特性,提出具有变异特性的简化云粒子群优化算法(SCAPSO),对OFDM系统进行比特功率分配,从而解决在功率及系统误码率限定条件下传输速率最大化的比特功率分配问题.仿真实验表明,本文提出的算法与贪婪算法性能相当,节省运算时间,与注水功率算法和粒子群优化算法相比,提高了系统传输速率.

计及光伏出力模糊性和旋转备用的电力系统环境经济调度

光伏发电的出力和负荷的不确定性给电力系统经济调度提出了新要求。针对光伏出力和负荷难以准确预测的特性,基于可信性理论引入模糊变量,并将光伏出力和负荷用模糊参数表示;用模糊约束取代传统确定性约束,建立含梯形模糊变量的功率平衡和正负旋转备用容量的模糊机会约束模型。采用清晰等价类的方法将模糊约束转换为确定性约束,提出用简化的粒子群优化算法求解模型。算例分析验证了所提模型和算法的有效性。

一种混沌惯性权重的简化粒子群算法

惯性权值作为粒子群算法的一个全局参数,能够方便地控制算法的搜索能力和收敛速度,在算法运行过程中具有重要的作用。在分析惯性权值的作用基础上提出了一种混沌惯性权重的简化粒子群优化算法,利用混沌序列的内在随机性、遍历性和规则性,提高算法的寻优能力。测试结果表明,新算法具有更快的收敛速度和更强的全局寻优能力。

结合半监督学习和LDA模型的文本分类方法

针对样本集中具有较少标记样本情况下的文本分类问题,提出一种结合半监督学习(SSL)和隐含狄利克雷分配(LDA)主题模型的标记样本扩展方法(SSL-LDA),并整合朴素贝叶斯(NB)分类器构建一种文本分类方法。使用LDA主题模型生成主题分布,以表示所有样本;根据训练集中已标记样本,通过一种简化粒子群优化(SPSO)算法获得SSL-LDA自训练模型的最优参数;基于SSL-LDA自训练模型对训练集中一些未标记样本进行标记,扩展训练集;基于扩展后的训练集,训练NB文本分类器。在3个数据集上的实验结果表明,该方法能够很好地应对标记样本较少的情况,获得了较高的分类精确度。

基于改进粒子群算法的模糊小波神经网络建模

随着射频功放非线性对射频前端的影响日益增大,使得功放建模变得越来越重要。提出了一种自适应模糊小波神经网络模型结构,并利用改进的粒子群优化算法,建立有记忆的功放模型。将小波函数融入到自适应模糊推理系统的模糊规则中,得到新的网络模型;在粒子群算法中引入最差位置影响因子,提高搜索效率,并进一步简化,忽略粒子的速度项,同时采用与适应度函数值相关的动态变化惯性权重,加快了收敛速度,避免出现"早熟"现象。仿真结果表明:该方法建立的功放模型误差小、精度高,能够有效地表征功放特性。

关联规则挖掘结合简化粒子群优化的哈希回溯追踪协议

针对源路径隔离引擎(source path isolation engine,SPIE)不能回溯追踪早期经过路由器的攻击数据包问题,提出了一种IP回溯追踪协议(IP trace-back protocol,ITP),该协议根据压缩哈希表、Sinkhole路由算法和基于网络取证的数据挖掘技术抵抗网络攻击。其中包含简化粒子群优化(simplified particle swarm optimization,SPSO)关联算法的分析管理器(attack analysis manager,AAM)通过分析来自Sinkhole路由器和入侵检测系统(intrusion detection systems,IDS)的攻击包的关联性生成攻击模式和攻击包规则,并将该结果通知系统管理器,Sinkhole路由器和IDS通过数据挖掘技术分析攻击包之间的关联性。通过比较SPIE,概率包标记(probabilistic packet marking,PPM)和i Trace的性能可以看出,ITP不仅能实时追踪后向攻击,而且能定期使用压缩哈希表(compressed hash table,CHT)完成追踪任务。因此,在抵抗Do S攻击方面,ITP性能优于SPIE,PPM和i Trace,此外,在回溯执行时间方面,相同跳跃数下,ITP比iTrace低2-3 s。

单纯形微粒群算法在确定路堤安全系数中的应用

在公路设计中,对于路堤的堤身稳定性、路堤和地基的整体稳定性评价,按规范要求一般采用简化Bishop算法来确定公路边坡最危险滑动弧面及其对应的最小安全系数.工程上常采用的枚举法要求给出搜索范围,计算速度慢.传统的优化算法如步长加速法等存在容易陷入局部极值等缺点.在微粒群算法(PSO)基础上,运用了一种用单纯形法和微粒群法结合的优化搜索算法(SM-PSO),并与PSO方法在优化效率和优化性能方面作了比较.该方法在收敛速度、适应性等方面较PSO方法也有明显改进,与传统枚举算法相比计算精度满足要求.

一种改进的简化均值粒子群K-means聚类算法

针对粒子群优化算法容易陷入局部最优且K-means算法受聚类数及初始聚类中心的选取影响较大,提出了一种改进的简化均值粒子群K-means优化聚类算法(ISMPSO-AKM).一方面,在简化粒子群算法的基础上,加入邻域最优粒子,由个体最优位置、全局最优位置及邻域最优位置线性组合改进位置公式.另一方面,构造一种基于余弦函数和对数函数的惯性权重,实现对惯性权重的动态调整.此外,引入AKM聚类算法确定聚类数,动态获取初始中心,进一步提高算法的准确性.仿真实验表明,改进的ISMPSO-AKM算法具有更快的收敛速度,更高的求解精度及更稳定的聚类结果.

基于政府干预和主流情绪的突发事件网络舆情群体负面情绪演化研究

[目的/意义]探讨政府干预和主流情绪引导对突发事件网络舆情群体负面情绪转移和演化的影响,为政府舆情治理提供理论依据。[方法/过程]基于社会影响理论,分析政府干预和主流情绪引导对群体情绪转移的影响,提出一种基于政府干预-主流情绪的突发事件网络舆情群体情绪演化模型。采用EGM(1,1)作为基础演化模型,并运用简化粒子群算法(SPSO)描述群体情绪间的转移和演化。最后结合“东方之星”沉船事故、“8·12”天津滨海爆炸事故和“长春长生疫苗”事件验证模型可行性。[结果/结论]结果表明,该模型能够刻画主流情绪对负面情绪的引导能力,以及不同情绪和不同强度下政府干预对主流情绪引导能力的影响;能够很好地描述群体负面情绪向其他情绪转移的方向和程度,以及群体负面情绪的演化趋势。

基于选择性集成的表情识别方法

为提高基于选择性集成的表情识别方法的泛化能力,降低其预测成本,提出一种基于带极值扰动的简化粒子群优化和选择性集成的表情识别方法。采用简化粒子群优化算法对基分类器进行选择集成,将基于选择性集成的表情识别问题转化为半定规划问题进行解决。对比实验结果表明,该方法比传统方法有更好的识别率和鲁棒性。

利用MSPSO优化的Duffing-SR检测高铁轴承复合故障

针对高铁轴承复合故障冲击强弱不同导致的随机共振系统对微弱故障的遮蔽问题,提出基于多尺度简化粒子群优化的杜芬随机共振(Duffing-Stochastic Resonance,DSR)诊断方法。在DSR参数优化过程中,根据粒子每次迭代位置的优劣程度,采用多尺度惯性权重自适应调节粒子搜索步长与寻优方向,充分发挥粒子全局寻优和局部寻优能力。为了提高DSR对弱故障冲击的敏感性与对奇异点的鲁棒性,提出加权峭度融合目标频率处的信噪比的DSR综合评价指标。以综合指标为目标函数,采用优化后的DSR系统对仿真的多脉冲信号与轴箱轴承的复合故障信号进行特征频率检测。研究结果表明:优化后的DSR系统对轴承复合故障冲击具有良好的检测效果,能有效抑制强故障冲击对微弱故障冲击的屏蔽效应导致的DSR漏峰现象。

基于多子域分组粒子群优化算法的小型无人船路径规划

针对采用粒子群优化(PSO)算法对目标点数较多且分布密度不同的小型无人船路径进行规划时,采用全局求解的方式易导致收敛精度低、鲁棒性差和收敛速度慢的问题,提出一种多子域分组策略。该策略根据各点坐标求解地理中心和各目标点到该中心的方向角;以该中心为原点,采用横纵轴将搜索域划分为若干个子域,使目标点分散于各子域内;分别在各子域内用最大方向角、最小方向角判定起止点和待规划点,并进行粒子迭代寻优,规划各子域内的路径;通过起止点合并各子域内的路径形成封闭循环路径,并以精简4-OPT消除路径交叉。仿真试验和无人船现场试验结果表明,该算法具有较高的收敛精度和运算效率。

多视觉特征结合有约束简化群优化的显著性目标检测

针对一般显著性目标检测(SOD)方法容易受背景区域影响造成识别精度低下的问题,提出一种基于多视觉特征并结合有约束简化群优化的显著性目标检测方法。该方法获取3个低级视觉特征,即多尺度对比度、中心环绕直方图和颜色空间分布,利用有约束的简化群优化检测出最优权重向量,并将其与3个视觉特征结合以获取显著图,使用显著图在图像背景中提取出显著性目标。为了有效地抑制图像中的背景区域,定义一个简单的适应度函数以凸显边界目标。运用定量和定性方法在MARA SOD数据库上进行仿真实验,结果表明,与模糊聚类、低秩矩阵恢复和稀疏重构等方法相比,该方法能获得较高的识别精度和查全率。

基于简化粒子群优化的高铁钢轨智能检测技术

钢轨图像对比度低,光照不均匀,含有阴影、锈迹、斑痕等干扰区域,使得钢轨表面缺陷实时检测成为视觉检测的难点。针对此问题,提出一种基于粒子群优化的钢轨表面缺陷分割方法,针对传统的OTSU阈值分割方法受图像对比度、信噪比等因素影响较大的缺点,采用二维OTSU方法加以改进,提高缺陷分割的准确性,同时结合简化粒子群优化搜索方法,提高阈值分割速度,减少耗时。实验结果表明:本文方法可以有效地消除随机噪声,保留必要的缺陷信息,同时该方法具有较高的分割速度和精度,满足实时性要求。