基于粒子-人工蜂群算法的3RPUP_(c)-UPS并联机构运动学正解研究

针对3RPUP_(c)-UPS并联机构运动学正解求解困难的问题,对新型3RPUPc-UPS并联机构的运动学特性进行了研究,并构建出位置正解求解模型,进而提出了一种基于粒子-人工蜂群算法(P-ABC)的并联机构运动学求解方法。首先,根据机构的拓扑特性,计算得到了方位特征集、自由度和耦合度;然后,根据机构的几何特征,基于姿态变换矩阵和动平台投影方程,建立了机构的运动学逆解方程,并对比了MATLAB和SOLIDWORKDS的仿真结果,验证了逆解分析的正确性;最后,将运动学逆解方程转化为最小化求解问题,构建出了适合优化算法的运动学正解模型,并利用MATLAB的软件交互界面(GUI)功能,开发出用于计算并联机构运动学正解的软件,分别基于粒子群算法(PSO)、人工蜂群算法(ABC)和P-ABC算法,对该并联机构的运动学正解进行了计算。研究结果表明:P-ABC算法单次求解时间在0.5 s内,求解误差级别为10-20,相对于ABC算法,运行时间缩短了50.02%;而相对于POS算法,其求解精度提高了10个数量级。P-ABC算法能够用于求解该并联机构运动学正解,具有计算速度快、精度高的特点,可以为研究并联机构运动学正解提供新方法。

基于粒子群人工蜂群算法的灌区渠-塘-田优化调配耦合模型

为了缓解农业水资源供需矛盾,减少南方季节性干旱造成的损失,该文结合南方灌区渠、塘、田地复杂的水量转化关系,建立了以灌溉区域效益最大为目标的渠-塘优化调控与田间多种作物优化配水相结合的耦合模型;根据该模型的特点,提出了模型求解的粒子群-人工蜂群混合算法。将模型应用于漳河灌区,并与常规的渠-塘调控和作物配水模型和只考虑作物优化配水模型相比较。结果表明,渠-塘-田地协同调配效果显著,耦合模型计算所得特别枯水年(降雨频率为95%)下灌溉用水效益比采用其他2种模型分别提高了20.7%和6.9%。粒子群-人工蜂群混合算法能快速求解该优化调配耦合模型,有利于解决多水源、长距离输配水、库塘共同调控等复杂情况下的高效用水模型的求解问题。

IABC-PSO算法优化调度水库群应用研究

随着经济增长、城市化发展,北方地区水资源需求量迅速增加。如何通过水利工程对水资源进行人工调节,在满足用水需求的基础上,兼顾发电、生态等多目标是目前的研究热点之一。本文以山西大水网中的忻州—阳泉供水区为研究对象,建立区域梯级水库多目标优化调度模型,考虑供水区年总缺水最小、梯级水库年发电量最大和年总生态缺水率最小的综合目标,提出改进的人工蜂群-粒子群优化算法(IABC-PSO),避免传统粒子群算法的不足,并成功应用于研究区供水水库调度方案优化,结果表明,当地供水丰水年能满足需求,平水年和枯水年存在一定程度缺水。相较于粒子群算法(PSO)和人工蜂群算法(ABC),本方法优化调度后,区域供水缺水率和生态缺水率有所降低。该研究成果可为不同地区的水资源调配提供借鉴。

基于改进粒子群算法的分布式能源系统协同优化运行研究

分布式能源系统是能源利用的未来趋势,其中协同经济优化运行是实现能量供需平衡、降低能源站成本的关键。首先从冷热电协同优化运行入手,建立了包括三联供系统、离心式冷机、空气源热泵以及风光储在内的分布式能源协同运行优化模型,然后考虑设备约束和系统约束,目标函数综合考虑运行成本和环境成本,采用改进粒子群优化算法求解。结果表明,与粒子群算法和自适应粒子群算法相比,该算法有效避免了局部最优以及后期收敛慢的问题,同时具有更好的优化效果。最后针对国内某示范园区分布式能源系统进行优化验证,所提方法能够有效降低总成本,提高分布式能源系统经济效益,促进可再生能源充分消纳。

移动边缘计算中基于云边端协同的任务卸载策略

在移动边缘计算(mobile edge computing,MEC)中,为了利用有限的计算资源提供高效的计算服务,提出一种基于Docker的云—边—端协同任务卸载框架,解决多接入MEC协同卸载、计算资源分配问题.为提高任务的执行速率和各节点资源利用率,对任务进行预处理,如在Kahn算法中加入行满秩矩阵要求并结合任务并行计算设定输出任务执行序列;分别建立端、边、云任务计算模型,分配权重设计联合优化系统延迟与能耗的目标函数;为求解最优卸载决策,引入“全优率”参数和粒子蜂设计人工粒子蜂群(artificial particle swarm,APS)算法作为卸载决策算法.实验表明,多任务处理证明了APS的有效性.多接入条件下,相比于本地计算、边缘计算、云计算、端—边联合和随机处理5种模式,所提方案的低延时和低能耗表现证明了其提供高效服务的优越性.

基于IABC-PSO算法的区域水资源优化配置模型研究

近年来山西省水资源供需矛盾日益突出,采用科学有效的方法对该区域水资源进行优化配置十分关键。在综合考虑社会、经济、生态效益的基础上,建立了多目标水资源优化配置模型。针对传统粒子群算法的缺点,提出了改进的人工蜂群-粒子群算法(IABC-PSO);通过引入Logistic混沌映射、基于S型函数的非线性惯性权重以及改进的侦查蜂搜索算子,提升了算法的收敛精度及全局寻优能力。以晋中南部供水区为实例,运用IABC-PSO算法进行了水资源调配计算及分析。研究成果可为山西省“大水网”建设背景下的区域水资源配置提供一种新的求解思路。

整流电路晶闸管RBF神经网络故障诊断研究

为有效诊断和识别三相桥式全控整流电路中晶闸管故障,提高故障诊断精准度,采用对整流电路输出电压的采样数据进行晶闸管故障特征提取,建立晶闸管故障诊断的RBF神经网络模型。采用改进粒子群-人工蜂群算法优化训练RBF神经网络。仿真实验分析表明,RBF神经网络的实际输出与期望输出完全一致,具有良好的故障诊断识别效果,故障诊断准确率高、可靠性强,具有较强的工程实践指导价值。

一种井下瓦斯传感器故障辨识方法

鉴于目前煤矿井下瓦斯传感器故障辩识速度慢、辩识准确度不高等缺陷,提出基于小波包分解与砸BF神经网络的瓦斯传感器故障辨识方法.采用小波包分解提取瓦斯传感器故障特征向量并输入至RBF神经网络,应用粒子群-人工蜂群(PSO-ABC)算法优化砸BF神经网络结构参数,并通过大量的瓦斯传感器样本对砸BF神经网络模型进行训练和检测.实验分析表明:本方法的辨识速度快、诊断正确率高,为精准辩识瓦斯传感器故障提供一种更加科学高效的新途径.

一种用于高校教师创新能力评价的智能模型

鉴于目前高校教师创新能力评价方法存在的问题,在梳理影响高校教师创新能力因素基础上,提出采用BP神经网络建立高校教师创新能力评价模型,利用粒子群-人工蜂群算法优化BP网络初始权值和阈值等结构参数,选取某高校教师创新能力的专家评价数据作为训练及测试样本,采取改进的BP算法对BP神经网络进行训练.通过仿真分析以及对比实验得出,利用粒子群-人工蜂群算法以及改进BP算法优化训练的BP神经网络模型,能加快网络的收敛速度,提高高校教师创新能力评价精准度和效能,对于推进高校教师创新工作管理以及高校教师创新能力的提升具有一定的参考价值.

无刷双馈电机模糊神经网络PID转速控制

无刷双馈电机(BDFM)控制系统是具有高度非线性、时变性的转速、电流双闭环调速系统,但转速控制器采用传统PID控制,难以实现快速、准确的转速响应要求。为此,提出一种基于控制的转速控制策略,采取粒子群人工蜂群(PSO-ABC)算法、改进BP算法优化训练网络以及输出PID控制器最优参数kp、ki、kd,所设计的递归模糊神经网络PID控制器能实现准确的转速跟踪,动态响应好,鲁棒性强。仿真分析与实验结果均取得较好的控制效果,从而验证控制方法的有效性。

电动汽车锂电池荷电状态的径向基神经网络预测

电动汽车锂电池是一个高度复杂的非线性时变系统。为准确高效预测电动汽车锂电池荷电状态大小,建立基于径向基神经网络的电动汽车锂电池荷电状态预测模型,利用粒子群—人工蜂群算法优化训练径向基神经网络。仿真分析与对比实验表明,建立的锂电池荷电状态预测模型预测速度快、精确度高、实时性强,对于提高电动汽车锂电池的能量效率和使用寿命,具有一定的实际使用价值和指导意义。

永磁直线同步电机伺服系统位置控制器设计

针对永磁直线同步电机伺服系统存在的非线性、时变性以及强耦合性问题,设计一种基于模糊神经网络的位置控制策略,利用粒子群-人工蜂群算法及改进BP算法优化训练模糊神经网络,实现永磁直线同步电机位置控制的自适应和智能化。仿真结果表明,文章设计的模糊神经网络位置控制器具有位置跟踪准确、动态响应快、鲁棒性强等优势。