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。

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FLC和SPSO的电厂过热蒸汽温控系统

针对火电厂锅炉过热蒸汽温度的准确控制问题,提出一种基于模糊逻辑控制(FLC)的前馈-反馈控制系统,构建了前馈和反馈两级调温机制。前馈FLC控制器根据给水流率和燃料流率,分别为中段过热器和后段过热器控制模块输出一个喷雾流率信号。反馈FLC控制器根据过热器输出蒸汽温度与参考值的误差和误差变化率,输出一个喷雾流率信号,采用简化粒子群优化(SPSO)算法进行参数优化。然后将这2个喷雾流率信号进行融合,以此来精确控制喷雾调节阀,稳定蒸汽温度到参考值。仿真结果表明,提出的FLC控制系统能够快速有效地控制温度,且对负荷变化具有很好的鲁棒性。

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SPSO-WK-TWSVM的复合材料层合板损伤辨识方法

针对复合材料层合板的基体裂纹损伤与脱层损伤的不易区分辨识的问题,采用Lamb波对层合板进行损伤检测,对接收到的传感信号进行特征提取与筛选,创新性地引入加权核双子支持向量基(weighted kernels-twin support vector machine,WK-TWSVM)的机器学习方法对基体裂纹与脱层损伤进行自动分类识别。为了进一步提高损伤辨识精度,采用简化粒子群优化(simple particle swarm optimization,SPSO)算法对WK-TWSVM的核函数权值及模型参数进行了寻优处理,并与其他粒子群优化算法就行了分析比较。试验分析结果表明,基于Lamb波的SPSO-WK-TWSVM复合材料层合板损伤辨识方法能够对复合材料层合板基体裂纹与脱层损伤进行准确的自动识别,识别精度明显高于其他TWSVM优化算法及传统的机器学习方法。

Fermi架构下的SPSO算法加速

利用新的图形处理器架构重新评估利用可编程图形处理器加速标准粒子群优化算法的可行性和有效性.针对新的图形处理器架构进行系统分析,在此架构下实现了标准粒子群优化算法的并行版本.实验结果表明,通过合理运用新的图形处理器架构,与其他标准粒子群优化算法的并行版本相比,取得了良好的加速比.

基于改进sPSO算法的测试数据自动生成方法研究

自动化测试可以有效地提高软件测试效率,降低软件开发成本,而测试数据自动生成是自动化测试中的重要环节。本文从基本粒子群算法入手,进行简化后,针对其特点和不足从收敛速度和收敛精度两方面对其进行改进,提出了一个利用改进后的sPSO算法自动生成测试数据的系统模型,并结合实例予以说明。

基于改进SPSO算法优化LS-SVM的六极径向混合磁轴承转子位移自检测技术

为解决磁轴承中采用电涡流传感器或霍尔传感器检测转子位移引起的磁轴承体积大、成本高、可靠性降低等问题,提出一种基于改进的简化粒子群算法优化最小二乘支持向量机位移预测模型的磁轴承转子位移自检测技术。介绍六极径向混合磁轴承的结构和工作原理,并推导其径向悬浮力的数学模型;基于支持向量机回归原理,建立六极径向混合磁轴承的控制线圈电流与转子位移之间的预测模型,并利用改进的简化粒子群算法优化了最小二乘支持向量机的性能参数,实现磁轴承的转子位移自检测。构建六极径向混合磁轴承系统转子位移自检测仿真模型,并进行起浮仿真实验,仿真试验结果证明了该方法的可行性。

基于MLP和SPSO的机器人行为选择与运动控制方法

针对传统行为选择机制(ASM)不能很好地作出控制决策的问题,提出一种基于多层感知(MLP)前馈神经网络的ASM,并将其应用到移动机器人目标跟踪中。首先,根据具体应用场景预定义多个机器人行为;然后,根据机器人配备的图像和红外传感器获得的目标位置和障碍物信息,通过MLP神经网络从预定义行为中选择出所需执行的行为;另外,为了构造最优的MLP模型,采用一种简化粒子群算法(SPSO)来优化网络权值参数。机器人目标跟踪仿真的结果表明,提出的ASM能够准确选择出合适的行为,实现了控制机器人跟踪目标移动且能够避开各种障碍物。

基于SPSO的PID参数自整定速度控制

为了提高感应电机磁场定向控制(FOC)系统中的速度控制器性能,提出一种基于简化粒子群优化(SPSO)算法的PID参数自整定方法,并应用到速度控制器中。在传统PSO算法中去掉了粒子速度参数,并融入了动态惯性权重,构建了一种SPSO算法。将PID控制器的3个参数编码为粒子位置,将电机速度的平方误差积分(ISE)作为适应度函数,通过SPSO算法获得最优的PID参数。根据最优参数构建FOC中的速度控制器,以实现电机的高效控制。仿真结果表明,提出的SPSO-PID控制器能够快速且稳定地控制电机速度到设定值,且对负载变化具有鲁棒性。

基于SPSO与ISKPCA的RdR散点图识别分类研究

面对稀缺的医疗资源,心血管疾病的上升趋势,自动化诊断日趋迫切。为实现心电自动化诊断,提出了一种使用简化粒子群算法来自动搜寻集成稀疏核主分量分析的参数,并以此获得的集成稀疏核主分量分析模型来对用心电数据绘制的RdR散点图进行识别分类的方法,以期实现心电自动化诊断。算法通过计算样本数据与使用核主分量分析映射数据之间的距离差值来研究数据之间的最大相似性,并以此来判断样本数据类别,在对正常窦性心律、非偶联早搏、二联律早搏、三联律早搏以及混合早搏这五种心律进行的分类实验结果显示,可以准确识别不同的心律,分类的正确率较高,有助于心电自动化诊断的实现。

粒子群优化模拟电荷法在HGIS工频电场计算中的应用

近年来,复合型气体绝缘组合开关设备(HGIS)以其造价适中、占地面积小、运行安全可靠等优点,在我国超高压变电站的建设中得到越来越多的应用。研究分析HGIS配电装置区的工频电场分布规律,对智能变电站的设计与建设、电磁环境评估以及消除民众对电磁辐射问题的不必要担忧等方面具有重要意义。鉴于传统模拟电荷法(CSM)布点和校验环节过于繁琐,难以应对复杂场景。提出将粒子群优化算法(PSO)和传统模拟电荷法结合,形成粒子群优化模拟电荷法(PSO-CSM)。并将其应用到500 kV HGIS配电装置区工频电场的计算中,研究分析配电装置区内各主要设备对工频电场的影响以及整个配电装置区工频电场的分布状况,并提出变电站工频电场防护的相关建议和改进措施。

非饱和非对称二维随机共振系统的优化及在高速铁路轴承故障诊断中的应用

针对传统双稳杜芬随机共振SR的输出饱和及噪声能量转换不足的问题,引入张角系数控制下的线性分段势阱函数,以抑制SR系统的输出饱和现象,采用非对称势阱函数扩大布朗粒子在单边势阱内的振荡范围,以增加SR输出幅值。结合非线性SR系统最佳耦合方式,构建非饱和-非对称二维SR系统,该系统的4个三维势阱的动力学特性丰富,势阱宽且陡峭度低,布朗粒子的振荡范围较大。采用多尺度简化粒子群优化算法,对构建的非饱和-非对称的二维SR系统进行多参数同步优化,进一步提高粒子在势阱内迁移向上的运动能量。仿真试验与高速铁路轴箱轴承的故障试验结果表明:所提出的优化耦合SR系统,能够显著增强特征信号幅值,提高噪声的利用率,在轴承早期损伤检测中具有突出优势。

一种改进的粒子群算法在交通分配上的应用

针对粒子群算法收敛速度慢、求解精度低和算法在迭代后期容易陷入局部最优的问题,首先,采用仅以位置项来控制粒子进化方向的简化粒子群算法,以此避免粒子速度过大时导致的粒子发散的现象;其次,引入随迭代次数增加自适应改变的线性惯性权重来消除惯性分量的影响,同时引入莱维飞行策略来改变粒子位置以帮助粒子逃离局部最优;最后,通过四种测试函数对固定权重的粒子群算法、标准粒子群算法和改进算法的性能进行比较。实验证明,改进后的算法在收敛速度、精度和稳定性上都有所提升。在验证了改进算法的有效性后,使用改进后的算法求解单一OD对多路径路网的用户最优模型并与标准粒子群算法求解结果进行对比,改进后的算法求解结果更加稳定均衡,验证了算法的可行性。

基于标准粒子群算法的GH4169高速铣削表面粗糙度研究

采用单因素和正交实验法,研究了整体硬质合金刀具高速铣削GH4169高温合金时切削参数对表面粗糙度的影响规律,结果表明,每齿进给量对表面粗糙度的影响十分显著,铣削速度和铣削深度对表面粗糙度的影响较小;基于标准粒子群算法建立了表面粗糙度与切削参数之间的经验公式,并对经验公式进行了实验验证,结果显示,基于标准粒子群算法建立的经验公式能有效预测GH4169高温合金高速铣削过程中的表面粗糙度,为铣削参数优化、铣削表面质量控制提供了依据。

基于Prony和改进PSO算法的多机PSS参数优化

针对多机电力系统稳定器(PSS)的参数优化问题,提出了采用Prony算法辨识互联电力系统低频振荡的机电模式,利用基于T-S模型模糊自适应的改进微粒群优化(T-SPSO)算法协调PSS参数的控制策略。先采用基于Prony分析的留数法确定PSS的最优安装位置,然后通过对采样数据的Prony分析辨识系统振荡模式的特征值,最后利用所提T-SPSO算法协调优化多机PSS参数。T-SPSO算法根据当前种群最优适应值和惯性权重,自适应更新惯性权重取值,解决了PSO算法的早熟问题。针对IEEE4机系统的仿真分析表明,基于T-SPSO算法优化后的多机PSS控制器,在2种典型运行方式下都具有更好的控制性能。

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。

基于锦标赛选择遗传算法的随机微粒群算法

以保证全局收敛的随机微粒群算法SPSO为基础,提出了一种改进的随机微粒群算法——GAT-SPSO。该方法是在SPSO的进化过程中,以锦标赛选择机制下的遗传算法所产生的最优个体来代替SPSO中停止的微粒,参与下一代的群体进化。通过对三个多峰的测试函数进行仿真,其结果表明:在搜索空间维数相同的情况下,GAT-SPSO的收敛率及收敛速度均大大优于SPSO。

校园热力网分布式监控系统的研究

介绍了在气候补偿系统,对组合式换热机组的运行参数进行实时监控。及在典型楼宇安装楼宇分时分温控制系统,实现供热系统供水温度随室外温度的自动气候补偿。分析可节能约20%。

混合变异算子的自适应粒子群优化算法

针对惯性权重线性递减粒子群算法(LDW)不能适应复杂的非线性优化搜索过程的问题,提出了一种非线性递减的惯性权重策略,使算法很快地进入局部搜索,并在算法中引入混合变异算子,克服算法易早熟收敛的缺陷。对几种典型函数的测试结果表明,本文算法的收敛速度和收敛精度都明显优于LDW算法。