基于GA-BP-PSO算法的薄壁注塑件翘曲变形优化

以聚对苯二甲酸乙二酯(PET)的塑料瓶胚零件为例,通过Moldflow软件设计浇注系统和冷却系统并进行有限元分析以优化零件的翘曲变形量。选定熔体温度、模具温度、保压压力、保压时间和注射时间为5个影响因素,设计了L16(45)的正交试验表。对正交实验数据进行了极差分析,得出了各因素对翘曲变形量的影响程度并获得较优工艺参数。通过GA-BP-PSO算法对工艺参数进一步优化,得到最佳工艺参数:熔体温度265℃、模具温度60℃、保压压力125 MPa、保压时间12.8671 s、注射时间0.3405 s。上述工艺参数对应的零件翘曲变形量为0.1373 mm。最后通过Moldflow软件进行数值模拟,得到翘曲变形量为0.1395 mm,较优化前的翘曲变形量0.1796 mm,降低了22.33%。软件模拟值和经GA-BP-PSO算法得到的预测值仅相差1.60%,将优化后的工艺参数组合应用于实际生产中,所获得的产品符合生产要求,验证了GA-BP-PSO算法的准确性与可行性。

基于GA-PSO算法的冻土本构模型参数识别

遗传算法(GA)与粒子群算法(PSO)分别具有缺乏目标导向性和易陷入局部最优的缺点,但同时分别具有全局搜索能力强与能有效传递优势信息的优点。本文以GA计算步结合精英保留策略作为PSO计算步的优势信息,避免PSO算法陷入局部最优,以PSO计算步结合非精英优化策略作为GA计算步的导向信息,克服GA算法缺乏目标导向的问题,建立了GA-PSO新算法。其具体过程为,通过采用GA计算步对解空间进行全局搜索并对精英个体进行保留,进一步,将适应度较差的个体利用PSO计算步进行优化。基于多峰函数的验证结果表明,GA-PSO算法在解空间中具有更强的全局搜索能力,同时具有更快的收敛速度。将GA-PSO算法应用到冻土非正交弹塑性本构模型的参数识别中,通过模型的参数识别以及模型预测结果对比与验证,结果表明GA-PSO算法能够有效识别冻土非正交弹塑性本构模型的参数,提升了模型的预测效果。

基于改进PSO算法设计的TFLN平台偏振不敏感光栅耦合器

针对光栅耦合器存在偏振依赖性问题,在薄膜铌酸锂(TFLN)平台上相继设计了标准型和改进型偏振不敏感光栅耦合器。在设计过程中,首先对粒子群(PSO)算法进行了改进,然后利用改进后的PSO算法对光栅参数进行了优化,包括光栅周期、占空比、刻蚀深度以及入射角等关键参数。最后,设计了偏振不敏感啁啾光栅耦合器,并通过线性啁啾调节有效折射率,从而显著提升了耦合效率和偏振不敏感带宽。仿真结果表明:在波长为1 544 nm时耦合效率最高,偏振不敏感啁啾光栅耦合器的横电(TE)、横磁(TM)模式耦合损耗分别为-4.88、-5.05 dB;在1 500~1 580 nm波长内偏振相关损耗(PDL)小于0.5 dB,偏振不敏感带宽为45 nm。

计及电-气园区综合能源系统多重不确定性的变置信区间优化调度

电-气园区综合能源系统(EGPIES)受到天然气管道泄漏与风电出力波动的多重不确定性影响,导致系统供电可靠性受到严重威胁。计及天然气管道泄漏与风电出力不确定性,提出了一种EGPIES自适应优化调度方法。根据天然气泄漏量与储能对系统负荷损失的影响划分失荷程度,结合场景法与条件风险价值理论对风电不确定性进行量化,并通过隶属函数对自适应选择的多目标函数进行处理。利用遗传粒子群优化算法对处理后的多目标函数进行求解,得到不同泄漏程度下的机组调度结果与自适应改变的风电置信区间。通过算例验证所提模型能在具有良好经济性的同时,提高系统的供电可靠性。

基于改进粒子群算法的多约束随船备件配置优化

为合理配置船舶随船备件,构建了多约束条件下的备件配置优化模型,提出了一种改进的粒子群算法对模型求解。首先,以备件费用、存储空间、重量为约束条件,以最大化系统备件保障概率为优化目标,通过构造含罚函数的适应度函数,将多约束最优化问题转化为无约束最优化问题;其次,设计了一种基于模拟退火改进的粒子群算法求解优化模型;最后,通过开展仿真实验,证明了该方法在求解随船备件配置优化问题的有效性和优越性。

基于量子粒子群算法的含DG配电网优化重构

为了提高含DG配电网重构后的经济性和可靠性,以配电网网络损耗最小和电压偏差最小为目标函数,建立基于量子粒子群算法的含DG配电网优化重构模型,采用IEEE-33节点配电系统进行仿真分析,并与其他优化算法进行对比,结果表明,采用QPSO算法优化重构的配电网电压偏差和网络损耗分别为0.2152p.u.和80.595kW,优化效果更好,验证了模型的正确性和求解方法的优越性。

细菌群觅食优化算法及PID参数优化应用

针对细菌觅食(BF)算法收敛速度慢和粒子群优化(PSO)算法早熟的缺点,提出了一种细菌群觅食优化(BSFO)算法。将PSO算法中粒子速度的更新公式替代BF算法位置公式中的方向向量,使细菌在优化过程中具备感应周围细菌位置并向细菌群体历史最优位置游动的能力。Benchmark函数的测试表明,BSFO算法对于大部分测试函数的结果较为理想。将BSFO算法用于材料试验机电液位置伺服系统的PID控制器参数寻优仿真,获得了较好的控制性能。

按传动角优化曲柄滑块机构的约束粒子群算法

建立了偏置曲柄滑块机构工作行程最小传动角最大化问题的约束优化设计模型,提出了处理该模型中约束条件的自适应罚函数法。由于粒子群算法具有简单、高效的特点,因而应用该算法求解机构约束优化问题的全局最优解。给出了数值实例,并通过与已有结果的比较来表明新方法的有效性和稳健性。

改进和声搜索算法用于配电网重构

针对配电网重构大规模非线性混合整数规划的特点,提出采用通过粒子群算法控制参数进化的改进和声搜索算法对配电网进行重构。首先,将粒子群算法引入和声搜索算法,用于智能引导和声搜索算法参数的进化;然后,提出新的支路组断开原则及其相关概念。通过上述改进克服固定参数设置对和声搜索算法搜索能力的制约,提高算法的全局寻优性能并有效减少不可行解的生成。最后,将上述方法和原则结合对IEEE33节点系统以及PG&E69节点系统进行仿真,得到的仿真结果验证了该方法的准确性和有效性。

矿用对旋式轴流通风机扩散器结构多目标优化设计

以矿用对旋式轴流通风机为研究对象,应用粒子群优化算法对其扩散器结构设计参数进行了优化。首先,应用实验设计方法研究了通风机扩散器结构设计参数与通风机全压及效率之间的关系。研究结果表明:随着扩散器芯筒尾部半径R1的增大,通风机全压会先降低而后增高;通风机全压随着扩散器出口截面半径R2的增大而减小,随扩散器长度L1的增大而增大。通风机效率随R1、L1的增大而增大,随R2的增大而减小,且L1对通风机效率的影响最为显著。然后,以通风机全压及效率为优化目标,以扩散器结构设计参数为设计变量,应用粒子群优化算法对其进行多目标优化。

考虑装配及运输环节的工艺计划与调度问题

针对工艺规划与调度集成问题在制造环节方面考虑的不足,将制造环节从仅考虑工件制造扩展到由工件制造、组件装配及完成件装配组成的完整制造过程。考虑到加工设备可能属于不同的车间,将运输环节考虑到制造过程中。提出一种考虑装配及运输环节的工艺规划与调度集成问题,以完工时间为优化目标对该问题进行数学建模。为有效压缩搜索域,设计了一种带优选策略的粒子群算法对该问题进行求解。通过实例验证了该数学模型的正确性及算法的有效性。

适于车辆路径规划的改进型粒子群优化算法

路径规划在车辆导航系统中具有举足轻重的作用,是配送车辆导航系统中的一个重要模块.为解决物流配送车辆导航中的路径规划问题,文章以点对点模型为基础,对基本粒子群优化算法在初始种群的产生方法和种群的进化策略进行改进,提出适于配送车辆导航中路径规划点到点模型的改进型粒子群优化算法,并通过仿真试验验证了算法的有效性和快速运算能力.

液晶面板生产策略选择优化

为了寻求最优生产控制策略,引入延迟策略解决液晶面板产业生产策略问题,并与其他三种常见的生产控制策略进行对比研究。考虑了存货持有成本、缺货成本、生产能力、市场需求等条件,分别建立了接单后生产策略、面向库存生产策略、部分延迟策略和延迟生产策略四种不同策略下的企业利润模型,并采用粒子群优化算法对上述模型进行求解,通过对四种模型下实际数据的仿真计算和分析比较,为液晶面板生产控制策略的选择提供理论支持和选择依据。

基于PSO的方案阶段修理级别优化方法

提出一种方案阶段装备修理级别的优化方法,在缺少系统外场可更换单元构型信息的情况下,对基层级和基地级多个保障站点的送修比进行优化设计。首先分析方案设计阶段修理级别优化建模影响因素,包括装备可用度和维修费用;然后建立可用度和期望备件短缺数的转化关系,以系统库存短缺期望为目标函数,以维修费用为约束,构建修理级别的优化模型,用粒子群算法求解优化模型,并设计算法;最后以某装备的修理级别分析为例,验证模型的正确性和算法的有效性,充分证明了在方案阶段实施修理级别的优化设计,对后续阶段装备及其保障系统的设计和分析都具有重要的指导作用。

基于PSO-LM-BP神经网络的压力传感器温度补偿方法

为了提高高速列车表面压力测试的准确性,补偿温度对压阻式压力传感器的影响,克服BP神经网络收敛速度慢、易陷入局部极小值、稳定性差的缺陷,提出PSO-LM-BP神经网络补偿传感器温度误差的方法。首先,使用粒子群优化(PSO)算法,筛选BP网络的权值和阈值;然后使用LM算法作为BP网络的训练算法进行训练;最后,综合对比BP网络、LM-BP网络、PSO-BP网络和PSO-LM-BP网络的性能。结果表明,PSO-LM-BP网络收敛速度快、精度高、稳定性好,兼具3种算法的优点,有效抑制了温度对传感器的影响。

基于改进闭环子空间的水电机组参数辨识方法

以往的开环辨识方法仅适用于水电机组并大网模型,系统并入孤网或小网或空载运行时应采用闭环辨识。具有较好辨识效果的预测形式简约子空间闭环辨识方法(PARSIM-K)充分利用了马尔克夫参数矩阵的Toeplitz结构,通过奇异值分解降阶和线性投影获取模型参数,但需要选择合适的时域参数,目前尚无一般的方法。为此,建立了带有频率噪声的水轮机调速系统模型,提出基于粒子群优化算法参数优化的PARSIM-K。该方法利用粒子群优化算法优化时域参数p、f,提高了辨识精度。与传统开环方法相比,所提方法能够克服噪声的影响,更加简便、安全、实用。仿真结果表明,与未优化参数的方法相比,所提方法辨识的模型参数误差更小、模型精度更高。

求解双向无等待混合流水车间调度问题的粒子群优化算法

针对双向无等待混合流水车间调度问题,提出一种粒子群算法进行求解。算法采用排列形式进行编码,设计了插入—平移算法进行解码,解码过程利用处理时间最短优先策略选择加工机器,提出工件冲突的检测和化解方法,并利用粒子群算法进行全局优化。将该问题模型和求解算法应用于高速磁浮列车调度问题,仿真实例表明,所得模型和算法能够高效地求解高速磁浮列车调度问题。

基于量子粒子群优化的数字冲击滤波器自动设计

为了提高数字冲击滤波器设计的效率,提出了一种基于QPSO算法的优化设计方法.首先根据EBPSK通信系统中数字冲击滤波器的特殊滤波机理,在考虑有限字长效应的情况下对数字冲击滤波器进行建模,然后设计出合理的优化变量、目标函数和约束条件,并利用QPSO算法的全局搜索能力和惩罚函数法的约束处理机制设计数字冲击滤波器.仿真结果表明:种群适应度值能够逐步达到收敛,从而保证了寻优结果的最优性;设计得到的滤波器幅频响应在中心频率处呈现出极窄的陷波-选频特性,并可将EBPSK调制信号的微弱相位跳变转化为明显的幅度冲击,有利于解调.与已有的手调滤波器相比,该设计方法快速可靠,可节约0.3～0.5 dB的信噪比增益.

应答器天线电磁传输性能的优化

为了提高列控车载设备可靠接收应答器报文的能力,本文提出一种优化应答器天线电磁传输性能的方法。通过电磁场仿真软件建立应答器系统模型,结合理论计算验证模型的正确性。利用此模型进行仿真分析,确定了综合评价应答器天线电磁传输性能的三项指标。建立BP神经网络,利用均匀设计选择样本数据进行神经网络训练,得到应答器天线尺寸与电磁传输性能之间的非线性映射关系。结合粒子群算法的非线性寻优能力,最终确定射频能量接收天线和上行链路发送天线在不同周长下的最优长宽比。

基于多信道通信系统的绿色节能算法

为了提高无线电通信系统的绿色节能效率,在分析系统能耗模型的基础上,提出一种基于多信道通信系统绿色节能算法。首先建立多信道功耗最小化问题数学模型,然后粒子群优化算法对数学模型进行求解,并在粒子群算法中引入模拟退火算法的退火操作,防止了局最优解的出现,提高求解的速度,最后采用仿真对比实验测试本文算法的性能。结果表明,本文算法在满足不同的用户服务要求下,减少系统总的发射功率,降低了能量消耗,有利于保护环境。