基于分数阶达尔文粒子群FODPSO算法的图像分割

图像分割主要用于提取用户感兴趣的目标,是图像分类和识别的基础。采用一种基于分数阶达尔文粒子群算法的图像分割方法,该算法采用分数阶微积分控制系统收敛性,能够对n尺度图像进行n-1个阈值寻优计算。实验结果表明,对比于APSO、CFPSO算法,该算法具有收敛速度快、稳定性强、精度高、全局寻优等特点,有效地克服了传统算法易陷入局部最优和收敛速度慢等缺陷,可满足实际工程需求。

基于分数阶达尔文粒子群的不等间距节点部署优化算法

针对节点随机部署存在节点能耗不均衡、无线网络寿命不长等问题,借助分数阶达尔文粒子群算法的寻优优势,提出一种粒子群优化不等间距节点部署算法。结合星型和链式拓扑结构的优点,建立不等间距拓扑结构;根据粒子自身进化信息自定义进化因子,调整分数阶次系数实现寻优算法的快速收敛;利用Levy飞行对局部最优位置进行随机扰动以提高算法跳出局部最优的能力;利用改进的粒子群算法求解节点部署的不等间距和最优节点数。仿真结果表明,与节点等距部署、节点随机部署等算法相比,改进的不等间距节点部署优化算法不仅有较高的节点覆盖率,还均衡了节点能耗,延长了无线网络的寿命。

求解并联冷机负荷分配问题的改进FODPSO算法

针对并联冷机负荷分配问题,以系统总功率最小为优化目标,建立满足系统末端负荷需求的并联冷机负荷分配优化模型,提出一种改进分数阶达尔文粒子群优化(IFODPSO)算法,以每台冷机的部分负荷率为优化变量进行求解,优化并联冷机系统的运行策略以节能。首先,针对基本分数阶达尔文粒子群优化(FODPSO)算法粒子初始化过于分散的问题,提出利用蒙特卡洛方法结合基本算数运算符生成初始种群;其次,针对其在高维优化中难以同时搜寻到每一维最优解的问题,引入多重优化提高算法稳定性并加快收敛速度;第三,针对易陷入局部最优的问题,通过自适应多策略行为使粒子能够根据其适应度选择合适的更新方式,提高了算法的搜索能力;最后,以2个典型的并联冷机系统作为案例验证所提出算法的性能,并与其他现有优化算法的实验结果进行对比。研究结果表明:相比于其他算法,IFODPSO算法在并联冷机负荷分配问题的求解中能够取得更加显著的节能效果,得到更优的运行策略,同时收敛精度、收敛速度和稳定性都有了显著提高。

基于PSO实现的级联H桥七电平APF在外超导电源中的研究

针对强磁场实验装置(SHMFF)的链式高压有源电力滤波方案规划,基于有源滤波系统的非线性特性,采用分数阶值。PI控制器替代普通PI控制器,在此基础上引入粒子群算法优化指令电流PI控制器参数,并通过实验对比分析了人工整定的PI控制器与PSO整定的PI控制器的运行效果。经样机实验表明,采用的PSO算法整定的电流内环控制器是正确的,且具有一定的参考价值。

钢板缺陷识别的Volterra-SVM模型研究

针对钢板缺陷识别问题,结合超声波脉冲反射原理,提出一种基于Volterra级数和支持向量机的钢板缺陷识别方法。首先,利用Volterra级数模型建立起钢板缺陷的特征模型;其次,使用分数阶粒子群优化算法提取出原始信号中的特征参数,即Volterra级数时域核;最后,将提取到的特征向量输入支持向量机模型进行训练与测试,完成对钢板缺陷的分类识别。设计实验得到多组数据样本,进行模型验证,实验结果表明:基于Volterra级数和支持向量机的识别模型能够较好的完成对钢板缺陷的分类识别,识别准确率达93.3%。

基于神经网络的数控机床丝杠热评价模型

对在使用年限中的数控机床滚珠丝杠进行热评价,提出了基于支持向量机(support vector machine,SVM)与BP神经网络的数控机床滚珠丝杠热评价模型。采集同一类型、不同年限数控机床的滚珠丝杠温度变化数据,利用粒子群优化支持向量机(PSO-SVM)、BP神经网络以及分数阶粒子群优化BP(FPSO-BP)神经网络分别建立热评价模型并且仿真验证,验证结果显示PSO-SVM与FPSO-BP神经网络准确率都高于90%。模型的提出为数控机床的设计使用和故障诊断提供了思路和方法。