基于优化OCV-AH积分法的SOC估计

针对传统安时积分法估算锂电池荷电状态(SOC)存在精度不足的问题,文章提出一种优化开路电压-安时积分法(OCV-AH)的锂电池SOC估计算法。该优化OCV-AH积分法主要包括静态SOC初始值的校正和动态安时积分法的优化。首先将静置法数据分段拟合涓流放电曲线,得到高精度的OCV-SOC特性曲线作为校正SOC初始值的依据;然后在考虑了温度、放电倍率和充放电循环次数对电池实际容量的影响后,计算出修正系数,加入安时积分法中,动态修正电池的实际容量。最后,在Simulink中搭建了优化OCV-AH积分法的模型,并在DST工况下,将优化安时积分法与传统安时积分法进行仿真对比,验证了该文设计的优化OCV-AH积分法对于SOC初始值校正和SOC动态估算的精确性。

概率积分法参数反演的文化-随机粒子群优化算法

为解决传统方法在概率积分法参数反演中存在的反演过程发散问题.将粒子群优化(PSO)算法纳入到文化算法(CA)框架中,提出了概率积分法参数反演的文化-随机粒子群优化(CA-rPSO)算法.以随机粒子群优化(rPSO)算法作为信念空间的进化算法,并将PSO作为群体空间的进化算法,形成两者独立并行进化的"双演化双促进"机制,按照误差平方和最小化准则构建适应度函数,反演出概率积分法参数.研究结果表明:对于常规布设形式的地表移动观测站,基于CA-rPSO反演概率积分法参数的收敛成功率为1.该结论具有较高的实用价值,且对矿山其它复杂参数寻优问题有着一定的指导意义.

基于粒子群优化神经网络的概率积分法预计参数的确定

为有效确定概率积分法预计参数,提高预计值的精度。将粒子群优化(PSO)算法和BP神经网络进行融合,采用改进的混合粒子群优化算法优化神经网络的权值和阈值。在分析概率积分法参数与地质采矿条件之间关系的基础上,建立了基于PSO优化BP神经网络的概率积分法预计参数的优化选择模型。以我国典型的地表移动观测站资料为例,将计算结果与实际值进行了对比分析,并与文献[1]中改进BP算法进行了比较。结果表明,PSO-BP神经网络方法用于概率积分法预计参数的选取是可行的,收敛速度更快,计算精度更高。

空调器模糊控制优化设计法——动态积分法

基于工程实践中空调器控制的一些缺陷 ,从模糊控制器的数学本质出发 ,分析了现有的改善空调器模糊控制器的控制性能的可行方法 .在此基础上 ,提出了一种能够实现在线自调整规则的动态积分优化设计方法 ,设计了相应的控制器 .仿真结果表明 ,该模型控制比无积分、常规积分模型超调量小得多、稳定性也更好 ,模糊控制器的性能得到了较大的提高 ,而且简单易行 ,适合于硬件实现 ,并且节能效果显著 ,可达 14 % .

不同智能优化算法反演概率积分法参数的对比研究

传统的概率积分法求参方法虽能较为精确地反演参数,但存在对工作面的类型以及测站的布设要求高、计算工作量大、效率低等不足,智能算法为精确确定概率积分模型最优参数提供了新方法。为探究不同智能优化算法在概率积分法求参过程中的性能,采用Matlab编程语言编写了模矢法、遗传算法、文化-粒子群算法、粒子群算法、果蝇算法和蚁群算法的运算程序,通过模拟试验,分别从算法的反演准确性、稳定性、抗误差干扰能力、全局寻优能力以及运行效率等方面进行了对比与分析。结果表明:当参数初值接近真值时,模矢法的反演准确性和效率最高;当参数初值与真值相差较大时,模矢法会陷入局部最优解,此时遗传算法的反演准确性和稳定性最强。从参数反演准确性和效率综合考虑,当参数范围已知时,最优算法为模矢法;当参数范围未知时,最优算法的选择依次为文化-粒子群算法、遗传算法、果蝇算法、粒子群算法、蚁群算法和模矢法。

无水均质边坡全局最优化稳定性分析——圆弧滑面积分法

传统的条分法,每次搜索滑面都需要重新计算土条的几何量,计算工作量大,搜索得到的滑面也难以保证是全局最危险滑面。以1stOpt全局最优化软件为工具,以圆弧滑面积分方法为基础,对无水均质边坡使用Fellenius及简化Bishop分析方法搜索边坡全局最危险滑面,获得了非常好的效果。

相关积分法在酮苯脱蜡优化中的应用

过程稳态优化的相关积分法是最近出现的一种新型的很具特色的过程优化方法。简述了该法的主要内容，并介绍了2号酮苯脱蜡装置在线优化控制系统，该系统的优化核心运用了相关积分法，文中给出了该系统对照试验和长期投运的结果。

量子粒子群算法反演概率积分法参数

概率积分法预计模型反演参数过程中存在计算量大、过程复杂等问题,现有的智能优化算法可以弥补这些不足,但存在易陷入早熟收敛、粒子全局搜索效果较差、收敛速度较慢等缺陷。通过试验发现量子粒子群(Quantum-behaved Particle Swarm Optimization Algorithm,QPSO)算法能够在保证精度不变的基础上极大降低算法的运行时间,并降低粒子陷入早熟收敛的概率,将粒子扩大为全局唯一的解空间。将量子粒子群算法引入到开采沉陷预计参数求解中,以下沉和移动变形的实测值与预计值之差的绝对值累加和最小为求参代价函数,构建了基于QPSO算法的概率积分法参数反演模型。研究结果表明:①模拟试验中,在相同的运行环境下,QPSO算法与粒子群(Particle Swarm Optimization,PSO)算法的求参精度相当,QPSO算法求参稳定性略高,且求参效率大幅度提高(QPSO算法运行时间比PSO算法减少近90%),验证了基于QPSO算法的概率积分法参数反演模型的有效性与可靠性;②利用所建立的QPSO参数反演模型求解了顾桥南矿1414(1)工作面概率积分法参数,求取结果为:q=1.0415,tanβ=1.9108,b=0.3742,θ=85.0869,S1=55.6635 m,S2=37.1618 m,S3=-0.6670 m,S4=-9.7980 m,下沉与水平移动拟合中误差为72.04 mm,符合工程应用标准,尽管QPSO算法与PSO算法求解精度相当,但运算效率显著提高。所构建的模型对于开采沉陷预计参数精准反演具有一定的参考价值。

改进GWO-BP算法的概率积分法预计参数求取

针对BP神经网络模型求取概率积分法预计参数时的缺陷,本文提出了一种基于改进灰狼优化算法(GWO)的BP神经网络参数预测模型IGWO-BP,主要通过对灰狼算法的收敛因子a和速度更新公式的改进,使其寻优性能更优。运用改进的灰狼优化算法对BP神经网络的初始权值和阈值进行优化,利用最优的初始权值和阈值对模型进行训练和预测,从而得到概率积分法参数的预测结果。为了验证该算法在概率积分法参数求取方面的优势,将其与SVR模型的预测结果以及PLS模型的预测结果进行对比,从相对误差、平均绝对百分比误差以及一致性指数3个评价指标对3种方法的求取精度,发现IGWO-BP算法的最大相对误差、平均绝对百分比误差以及一致性指数都优于其他两种预测方法,说明IGWO-BP算法能够在概率积分法开采沉陷预计方面得到应用。

基于改进狼群算法的概率积分法模型参数反演方法

概率积分法是国内广泛应用的开采沉陷预计方法,如何基于实测数据,精确、快速、可靠地获得概率积分法模型参数,一直是该方法应用的难点。鉴于此,在分析WPA优缺点的基础上提出二次游走、变异行为改进策略,形成了改进狼群算法(IWPA),并将IWPA引入概率积分法模型参数反演中,构建基于改进狼群算法的概率积分法模型参数反演方法(MIWPA)。模拟试验结果表明:MIWPA反演参数相对误差、参数中误差分别不超过3.4%,4.02,且MIWPA的准确性、可靠性均优于MWPA;将MIWPA应用在淮南矿区顾桥矿1414(1)工作面的概率积分法模型参数反演中,获取的概率积分法模型参数为q=0.93,tanβ=1.98,b=0.42,θ=84.53°,S1=-12.44 m,S2=-18.80 m,S3=55.06 m,S4=33.98 m,下沉值与水平移动值拟合中误差为114.88 mm,满足工程应用要求。

高效积分法叠前深度偏移

鉴于积分法叠前深度偏移算法相对于其他单程波算法具有输入输出灵活、计算效率高、陡倾角成像效果好的优点,所以目前行业内主要应用积分法叠前深度偏移算法。然而,由于近几年采集技术和计算机技术的发展使该类算法面临大数据量和高性能硬件资源的挑战,本文深刻分析了该类算法的发展瓶颈,提出了一套提高计算效率的方法和策略,如动态任务分配技术、数据压缩技术、算法优化技术和"流水线"软件优化技术,并开发为GeoEast系统下的软件产品,简称为GeoEast积分法。实际应用表明该软件可以大幅度缩短生产周期、节约用户宝贵的计算机资源和人工成本。

基于精细时程积分的输电塔风振响应下的拓扑优化

为了解决输电塔的动力优化问题,提出了基于精细时程积分法的动力拓扑优化方法.以某特高压输电塔为实例,建立了输电塔在模拟风作用下的运动方程,并采用精细时程积分法求得风振响应.以求得的动力响应约束为条件,运用遗传算法对输电塔进行了拓扑优化,即对输电塔的截面尺寸、根开和塔身拓扑构型进行优化,并考虑截面、根开和构型耦合因素,运用M atlab编程实现了输电塔杆件布置最优,结构优化后用钢量减少了7.81%.该方法既保证了输电塔结构的安全性,又降低了输电塔的用钢量.

基于积分方程的电磁散射优化计算

研究了一种基于积分方程的粗糙表面电磁波散射快速算法,该算法基于自适应积分法,利用辅助基函数将三角基函数匹配到矩形栅格上,并通过快速傅里叶变换加速矩阵向量乘积的迭代计算。算法的另一个特点是运用单积分方程分析三维目标的电磁散射特性,和传统的耦合积分方程方法相比,单积分方程方法能减少未知量数目。采用单积分公式计算收敛速度显著快于传统耦合积分方程。数值结果表明了该算法的准确性和高效性。

智能优化算法在概率积分参数反演中的比较

概率积分法是我国矿山开采沉陷预计的主要方法,其预计的精度直接取决于参数准确性。采用智能优化算法对实测地表沉陷数据反演是获取概率积分法参数的主要方法。为研究优化算法在开采沉陷概率积分参数反演中的应用效果,采用VB语言编程实现了模矢法、遗传算法、粒子群算法、模拟退火算法等常见概率积分参数反演算法,通过构造理论数据分析和比较了这4种算法参数反演的效果,并从运行时间、求参稳定性、搜索性能、抗局部解能力等方面对4种算法进行综合评价。研究结果表明:4种算法参数反演结果精度较高,参数相对误差小于2%,且对观测站中的观测值随机误差、粗差问题具有较强的抗干扰能力。模矢法运行效率高但容易陷入局部解,粒子群算法效率较低,遗传算法和退火算法全局能力强但后期收敛能力较弱。

遗传算法优化的非线性悬架系统仿真研究

以四分之一汽车模型为研究对象,通过线性减振弹簧构建非线性Duffing振子,提出一种切实可行的非线性悬架系统构建方法。利用增维精细积分法求解非线性悬架系统动力学模型;以车身总加权加速度均方根值最小为优化目标,汽车偏频取值为约束条件,建立非线性悬架系统的优化模型,引入遗传算法,确定非线性悬架最优的弹簧刚度和阻尼系数;进行SIMULINK仿真,对比非线性悬架系统相与传统线性悬架系统的减振效果,进一步证明了所构建的非线性悬架系统的可行性和优越性,为非线性悬架方面的研究提供了一种新方法。

群智能优化算法反演概率积分参数的性能比较与分析

目前,各种群智能优化算法涌现且各有特色、性能各异、普适性不强、在开采沉陷领域应用较少,更为重要的是,众多学者面对该类算法,无法有效选择最优算法进行开采沉陷研究。常见的群智能优化算法中狮群算法(Lion Swarm Optimization,LSO)、蝙蝠算法(Bat Algorithm,BA)、人工鱼群算法(Artificial Fish School Algorithm,AFSA)具有不同的特征,且在概率积分参数反演中鲜有应用。为此,将上述3种群智能优化算法引入概率积分参数反演中,并从抗随机误差性能、抗粗差干扰性能、观测点缺失的抗干扰性能、参数波动性和全局搜索性能等几个角度对群智能优化算法进行研究分析。模拟试验及工程实例分析表明,上述3种群智能优化算法均满足应用精度要求。LSO算法在抗随机误差干扰影响、观测点缺失的抗干扰能力方面以及参数结果总体波动性方面相对于BA、AFSA算法有一定优势;BA算法在抗粗差干扰能力方面优于LSO、AFSA算法;在全局搜索性能方面,随着反演参数解空间范围扩大为原来的2倍后,用AFSA算法反演概率积分参数的精度优于LSO、BA算法。通过详细比较分析,总结了上述3种算法在开采沉陷中的性能表现,可为有效选择合适的群智能优化算法进行概率积分参数反演提供参考。

概率积分法预计参数的智能优化选择方法研究

为有效确定概率积分法预计参数,提高预计值的精度。将粒子群优化(PSO)算法和BP神经网络进行融合,采用改进的混合粒子群优化算法优化神经网络的权值和阈值。在分析概率积分法参数与地质采矿条件之间关系的基础上,建立了基于PSO优化BP神经网络的概率积分法预计参数的优化选择模型。以我国典型的地表移动观测站资料作为网络的学习训练样本和测试样本,将计算结果与实际值进行了对比分析,并与改进BP算法的计算结果进行了比较。结果表明,PSO-BP神经网络方法用于概率积分法预计参数的选取是可行的,收敛速度更快,计算精度更高。

锻锤隔振基础参数优化的新方法

针对锻锤砧下直接支承式减振基础 ,建立了锻锤减振系统的二自由度有阻尼振动力学模型 ,然后用傅立叶变换法求出振动传递率的频率关系 ,用直接积分法 (龙格 -库塔法 )求出砧座和基础位移的时域响应 ,并分别对频域函数和时域函数进行参数优化 ,最终建立起频率函数 -时域函数 -优化参数间的相互关系 。

基于非线性规划法的最小阻力船型优化设计

为了获得阻力性能优良船型,以兴波阻力理论为基础,利用非线性规划法并结合CAD技术研究最小阻力船型的优化设计.以总阻力为目标函数,总阻力用兴波阻力和平板摩擦阻力之和来表达,设计变量取船型修改函数的参数,在保证必要的排水量为基本约束条件下,选取Wigley船型为初始船型,分别对船体的首部和全船线型进行优化设计.通过将改良船型的阻力性能、船体线型和基于Michell积分法的优化计算结果相比较,证实了在相同的设计参数和约束条件下,采用Rankine源法进行船型优化结果更可靠.

履带急救车非线性减振系统动态性能优化

针对履带急救车非线性减振系统在随机激励下的动态性能优化问题,首先提出了一种基于改进的分块增维精细积分法和NSGA-Ⅱ算法的多目标参数辨识方法,对履带急救车非线性减振系统进行了参数辨识;然后,应用Sobol’法分析了减振系统各物理参数对系统输出的全局灵敏度;最后,应用遗传算法对减振系统进行了动态性能优化。结果表明:经过优化,担架台垂向振动加权加速度均方根值由原来的0.521 0 m/s2下降为0.418 3 m/s2,降幅达19.7%,减振系统动态性能得到了明显改善。