模拟退火粒子群算法的Volterra主动噪声消除器

当Volterra滤波器的阶数较大时,滤波器的系数呈几何级数增长,实现困难。本文利用模拟退火粒子群算法优化二阶Volterra非线性滤波器系数,并将其用于管道噪声消除。该算法结构简单、运行速度快,有较强的全局搜索能力。数值仿真结果表明,该方法达到良好的非线性消噪效果。

基于粒子群优化PID控制的高速列车主动稳定性控制研究

为研究高速列车动力学与控制系统的稳定性,采用粒子群优化PID的高速列车稳定性主动控制方法,运用SIMPACK软件建立整车动力学仿真模型,并搭建整车PID主动控制系统。利用粒子群算法优化PID控制参数,结合相应的控制策略,建立新轮无故障、磨耗轮无故障以及新轮有故障3种不同的仿真工况对其主动稳定性进行仿真分析,提出以构架横向振动位移和速度状态为反馈,在构架梁位置施加控制力的主动稳定的方案,研究在不同速度下粒子群优化PID控制系统直线运行性能的影响。仿真结果表明:粒子群优化PID主动控制明显改善车体平稳性和减小轮对轮轴的横向力,在新轮和磨耗轮工况下其轮轨系数在大部分速度下均大于无控制状态;当磨耗轮运行速度大于400km/h或者新轮单侧抗蛇行减振器运行速度大于320km/h时,粒子群优化PID控制可明显减小轮对脱轨系数。

改进粒子群算法在LQR半主动悬架的应用

针对车辆半主动悬架LQR控制中Q矩阵和R矩阵往往由经验取值的问题,提出一种基于改进粒子群算法的LQR控制方法。该算法采用随机惯性权重代替了传统粒子群算法的固定惯性权重,提高了求解精度和效率,得到了更加具有适应性的LQR控制矩阵系数。为验证此方法的有效性,基于天棚阻尼模型建立1/4车被动悬架模型和半主动悬架模型,利用线性二次最优控制建立LQR控制器,并利用优化算法得到新的控制矩阵。通过仿真对比被动悬架、LQR控制的LQR半主动悬架、改进粒子群算法优化后的优化LQR悬架的各项性能参数,发现优化LQR悬架在悬架动挠度没有受到影响的前提下,使车辆的垂向加速度和轮胎动载荷得到有效降低,提高了车辆的行驶平顺性和操纵安全性。

基于粒子群优化算法的电网环境噪声监测及控制方法

信号在传输时受噪声信号影响形成低频振荡,检测效果不佳,为此,提出一种粒子群优化算法下电网环境噪声监测及控制方法。通过粒子群优化算法训练得出电网环境噪声最佳首相位,经过同步相量测量单元获得功角信号存储于相量数据集设备中,再输送到首次并行滤波设备内,得到单元幅值最大值,凭借该幅值对单元参数重调,依据其振荡频率、幅值、衰减系数与首次相位的取值情况监测出噪声,最后把监测出噪声经过带宽滤波设备,最终控制电网噪声。实验结果表明,所提方法能够在不同类型样本中均取得较好信号监测与控制结果,拥有极佳鲁棒性。

基于SVM-RFE和粒子群优化算法的恶意域名检测模型

本研究利用机器学习和随机搜索算法,提出一种基于SVM-RFE和粒子群优化算法的恶意域名检测模型.分析域名字符特征、解析特征和相关特征,使用SVM-RFE算法进行特征权重排序,通过优化的粒子群算法确定最佳SVM参数和特征选择.实验证明该检测模型具有较好的效率和准确度.

全参数自适应粒子群LQR主动悬架控制策略

建立1/4车辆主动悬架模型,提出全参数自适应粒子群LQR主动悬架控制策略,以提高汽车操纵稳定性。针对传统LQR控制策略参数调整困难,对原始粒子群算法进行自适应改进,考虑多个悬架性能指标,建立目标函数优化得到最优权重矩阵参数,以提升控制性能。通过Matlab/Simulink平台不同路面模型输入下联合仿真,与被动悬架、传统LQR控制等对比,结果表明,所提出的全参数自适应粒子群算法相较于原始算法收敛效率更高。经优化的控制策略显著改善了汽车主动悬架性能指标,与传统LQR主动悬架控制器相比,在稳定时间及极值等方面平均优化幅度40%以上,大幅提升乘坐舒适性。

基于粒子群算法的图像椒盐噪声去除算法

针对图像中的椒盐噪声消除问题,提出了一种基于粒子群算法的自适应开关中值滤波算法。提出的滤波器算法主要由两大阶段组成:噪声检测阶段和噪声滤除阶段。与标准中值滤波相比,提出的自适应开关中值滤波算法能够生成污染图像的噪波图。通过噪波图可以得到图像的污染和未污染像素信息。在滤除过程中,滤波器计算出未污染相邻像素的中值并且替换污染像素。仿真实验结果证实了所提算法的有效性,其能够有效地提高图像的峰值信噪比和图像质量;相比现有其他方法,所提算法的去噪效果更好。

基于自适应粒子群算法的主动配电网日前有功调度

在主动配电网背景下,将可调度分布式发电(distributed generation,DG)、不可调度DG、储能单元和基于可中断负荷的需求侧响应等多种类型的分布式能源(distributed energy resources,DERs)纳入主动配电网管理调度中,以DERs日前24 h有功出力为优化变量,以一天内配电公司的运行成本最低为目标函数,建立了日前有功调度模型,采用自适应粒子群算法对所提出的模型进行求解。针对改进后的IEEE 33节点配电系统进行了仿真,结果表明对于各类DERs进行综合调度优化不仅能够满足配电网供电质量要求,而且能够有效管理和消纳分布式能源,为配电企业带来最佳的经济效益。

基于混沌粒子群的主动悬架LQG控制研究

针对主动悬架线性二次型调节器(LQG)控制算法存在权重系数依靠经验来确定的不足,采用了粒子群优化算法对LQG算法参数进行离线优化,但传统粒子群算法存在易早熟收敛陷入局部最优的缺点,鲁棒性较差,因此提出了混沌粒子群优化算法。该算法首先利用混沌映射遍历性、随机性的特点,对粒子进行初始化,随后引入动态惯性权重系数及学习因子,可以权衡全局搜索能力和局部搜索能力。通过MATLAB对所设计的优化算法及悬架特性进行仿真,并与传统粒子群算法进行对比分析,结果表明,改进后的混沌粒子群优化收敛速度更快、收敛精度更好,且悬架车身加速度、悬架动挠度与轮胎动载荷均方根值分别降低了5.8%、0.8%、6.0%,验证了所提方法的可行性与有效性。

基于协同进化微粒群算法的神经网络自适应噪声消除系统

在分析前向神经网络结构的基础上,定义了一个与随机数对应的布尔向量,实现了前向神经网络的网络结构与权值联合编码;将网络结构参数作为协同进化微粒群算法子群的划分标志,构造了一种用于神经网络进化设计的协同进化微粒群算法,实现了神经网络的结构和权值协同自适应进化设计,应用于神经网络噪声消除系统,取得了比较好的效果。

改进反向粒子群算法及其在噪声中的应用

粒子群优化算法规则简单,收敛速度较快,但易陷入局部最优值,在噪声问题中也显示出较差的寻优能力.针对算法存在的不足,本文结合反向学习机制较快的学习速度及优化能力,并在算法进化过程中引入交叉因子,提出一种新的改进的反向粒子群算法(COPSO).实验表明,该算法在噪声问题中要优于反向粒子群算法.

基于多种群粒子群优化算法的主动轮廓线模型

主动轮廓线模型凹陷边界点的寻优属于动态优化问题,由于其复杂性,传统方法不能准确搜索到最佳边界点。若采用单一的粒子群优化算法求解,不仅耗时,而且容易陷入局部极值。针对以上问题,提出一种多种群粒子群优化算法,并将其应用于主动轮廓线模型的边界寻优过程中。该算法为每个控制点设置一个种群,各种群之间通过共享信息的方式协作寻优,从而避免采用单一PSO算法容易早熟的缺点,同时扩大了控制点的搜索区域,提高了收敛速度。将改进方法与传统方法进行了对比,实验结果证明了改进方法的有效性。

基于混合智能粒子群算法的广义电源主动配电网优化配置

研究广义电源接入主动配电网的优化配置问题。提出一种电压偏差指标。建立综合考虑投资经济效益、电压偏差及污染气体排放指标的多目标优化配置模型。提出一种混合智能粒子群算法,在优化过程中引入快速非支配排序策略、精英保留策略和拥挤距离计算策略以改善其全局搜索能力。对IEEE-33节点、PG&E-69节点配电系统进行计算,分析在不同负荷水平下各指标的变化情况,研究负荷变化时广义电源的最佳配置。研究表明,广义电源的接入与合理配置能够有效提高投资运行效益和系统电压稳定性,同时说明该方法能够保证配置方案的多样性和多目标优化过程的寻优性。

改进粒子群算法在主动磁悬浮轴承系统中的应用

通过分析得知,主动磁悬浮轴承系统本身是一个不稳定系统,可以采用PID控制器对其进行控制。但是传统PID控制在主动磁悬浮轴承系统中还存在着不足之处,为此可以将粒子群优化算法与常规PID控制相结合,对PID控制器中的参数进行优化,使系统能够达到更好的控制效果。采用了一种改进粒子群算法,对算法中的惯性权重w进行自适应调节,从而使得算法能够更快、更准确地寻找到最优值。通过Matlab/Simulink构建系统模型并进行仿真对比,改进粒子群算法可以使得系统达到更好的控制效果。

基于粒子群算法的新型主动防护系统的拦截效能分析

点对点式拦截来袭目标的拦截概率较低且高度依赖目标探测系统精度和拦截算法解算精度,针对该问题,提出一种新型的主动防护系统拦截来袭目标的方案,即采用姿态可调的牵引体发射网状弹药,形成面对点式的"网"来拦截来袭目标。在分析网状弹药发射方式及拦截来袭目标飞行轨迹的基础上,建立了网状弹药的牵引体的运动模型,将拦截网的运动状态分解至其牵引体的运动状态,以牵引体的空间位置确定拦截网的有效拦截面积,减少了对网姿态计算的复杂性,同时简化高速来袭目标的运动为直线运动。采用遗传算法改进的粒子群算法解决了防护系统的多个发射参数的优化问题,最后采用蒙特卡罗打靶实验方法,仿真分析了影响拦截效能的参数设计问题,为新型主动防护系统的进一步优化设计提供了技术支撑。

基于粒子群算法优化的车辆主动悬架PID控制

针对汽车主动悬架PID控制器的参数选择问题,采用粒子群优化方法优化PID控制器的控制参数。以汽车行驶平顺性作为评价指标,建立综合车身垂直加速度、悬架动行程和轮胎动载荷3项指标的目标函数,采用粒子群算法优化控制器参数。在MATLAB软件中进行仿真。结果显示:经过粒子群优化后的PID控制器性能明显优于优化前性能。

基于变异粒子群算法的主动配电网故障恢复策略

为提高主动配电网故障恢复的快速性和可靠性,提出一种基于变异粒子群算法的恢复策略。光储系统与负荷特性模型的构建是研究策略的基础,利用光储模型保证负荷可靠恢复,在构建负荷特性模型时考虑负荷时变性、需求时变性及负荷可控性的特点。在建立的光储系统与负荷特性模型基础上研究故障恢复策略,首先对配电网进行动态孤岛划分,利用光储系统对孤岛内负荷进行可靠恢复,保证用户侧需求度高的负荷优先恢复,然后以总失电负荷最少、网损最小及开关动作次数最少为综合目标函数,运用变异粒子群算法得到孤岛与主网配合的配电网综合恢复策略,提高了主动配电网可靠性。最后,采用IEEE 33节点系统进行算例分析,结果验证了模型与恢复策略的优越性。

基于粒子群算法的车辆半主动悬架模糊PID控制的优化研究

为了改善轮毂驱动电动汽车非簧载质量增加导致行驶平顺性和操纵稳定性下降的问题,提出了一种基于粒子群算法优化的模糊PID控制器。首先,建立1/2车辆半主动悬架模型,完成对模糊控制器的设置,并在Simulink环境下建立带有模糊PID控制器的悬架模型,然后使用粒子群算法对模糊PID控制器进行优化。最后,对粒子群算法优化的模糊PID控制半主动悬架进行仿真研究。仿真结果表明,粒子群算法优化的模糊PID控制的悬架系统相较于传统PID控制和模糊PID控制,悬架性能得到大幅提升。

基于免疫粒子群算法的汽车半主动悬架系统研究

为了提高汽车操纵稳定性和乘坐舒适性,对汽车半主动悬架系统进行研究。建立了三自由度1/4车体悬架的数学模型,该模型包含了悬架系统侧向位移简化模型,推导出悬架动力学方程和状态方程。提出了一种全新的免疫粒子群混合算法,设计出免疫粒子群控制器,并将该控制方法用于悬架系统的控制中。与模糊控制结果进行对比,免疫粒子群控制方法使车身垂直加速度、悬架动行程、车轮相对动载和车身侧位移的最大峰值分别降低了38.64%、20.53%、60.60%和23.39%,趋于稳定的时间分别缩短了0.45s、0.6s、0.4s和0.6s。仿真结果表明,免疫粒子群控制算法在改善被控过程的动态和稳态性能、提高抗干扰能力以及参数时变的鲁棒性等方面均优于模糊控制方法,同时有效地提高了半主动悬架系统的减震性能。

基于RBF-PSO算法的潜艇尾部结构噪声优化

针对潜艇尾部结构噪声突出问题,选取潜艇尾部桨轴艇耦合模型为研究对象,以潜艇尾部质量为约束条件,以纵向、横向激励力下的水下潜艇尾部辐射声功率级为优化目标,设计以尾壳板厚度、T型材结构参数(面板宽、腹板高、面板厚度、腹板厚度)为设计变量的均匀试验设计,采用径向基函数(Radia Basis Function,RBF)神经网络构建反映设计变量与优化目标之间映射关系的代理模型,使用粒子群算法(Particle Swarm Optimization,PSO)对潜艇尾部噪声进行多目标优化。研究表明:纵向激励下潜艇尾部水下辐射声功率合成级降低3.79 dB,横向激励下潜艇尾部水下辐射声功率合成级降低1.55 d B,潜艇尾部质量降低3.424 t。将RBF-PSO算法应用于潜艇尾部结构低频噪声优化问题效果较好,可以为潜艇的结构噪声优化提供指导。