改进粒子群优化多拦截器目标分配方法研究

为提高多拦截器拦截对抗场景下的目标分配效能,对多拦截器目标分配算法展开研究。首先提出了目标分配问题的离散优化模型,其次设计了一种改进粒子群优化算法,引入变邻域搜索算法解决传统粒子群优化算法容易陷入局部收敛的问题,设计目标分配矩阵以及适应度函数模型解决带约束离散优化问题,同时避免了编解码算法造成的精度损失;再次设计局部跳出算法的启动准则,提高了算法的效率;最后仿真分析表明:改进粒子群优化算法相对传统算法分配效能可提高9.4%,且收敛结果与全局最优偏差不超过0.1%。

采用改进多目标粒子群算法的斜拉桥阻尼器参数优化

为克服大跨度斜拉桥黏滞阻尼器优化设计效率低、多个相互制约的减震控制目标的问题难以权衡,基于遗传算法的“变异”方法,提出了改进多目标粒子群算法来进行阻尼器参数优化设计。建立大跨度斜拉桥的有限元模型,开展了全桥地震响应分析,根据抗震需求在桥梁纵向设置黏滞阻尼器;分别建立了塔底弯矩、阻尼力和梁端位移的减震响应与阻尼器参数之间的响应面数学模型;以减震响应面模型为研究对象,通过该算法进行阻尼器参数全局自动寻优分析,确定了阻尼器的最优参数,并与采用参数敏感性分析方法确定的一组阻尼参数进行对比分析。研究结果表明:该优化方法具有计算精度好、优化效率高和更好地权衡多个相互制约的减震控制目标的优点;通过优化算法获得的阻尼器参数组合相比采用参数敏感性分析方法获得的阻尼参数组合的减震响应,塔底弯矩增大1.73%,阻尼力减小5.97%,梁端位移减小1.66%;在无需多次有限元试算的基础上确定了更高精度的阻尼器优化参数组合,在提高减震效果的同时大大提升了计算效率。

基于改进多目标粒子群的大型设备群检测策略优化方法

在大型履带起重机群(大型设备群)检验检测中,存在检测工期紧、检测质量和人员安全要求高、经济效益最大化等多目标约束下的最优检测策略制定问题,为此,提出了一种基于改进多目标粒子群的大型设备群检测策略优化方法(MOPSO)。首先,利用变异算子对传统的多目标粒子群算法优化方法进行了改进;然后,根据大型设备群检测项目的实际需求构建了检测工期、检测成本、检测质量与安全的多目标优化模型,并确定了各子目标的约束条件;最后,将该优化算法和构建的模型应用于大型履带起重机群的检测项目中,对该方法的有效性进行了验证。研究结果表明:与传统检测策略相比,在保证质量和安全的前提下,利用该方法得到最优的检测策略,其检测周期仅需3/4,检测单位成本节省了14%,受检单位成本节约了32.8%,极大地提升了检测效率,降低了企业和检验单位人力、经济和时间成本。因此,该方法具有良好的实用性和推广应用价值。

基于多目标粒子群优化算法的某轻型商用车操纵稳定性优化研究

针对某轻型商用车稳态回转时侧倾度偏大的问题对其悬架进行优化改进。基于ADAMS/car搭建整车多体动力学模型,通过前悬架反向平行轮跳试验、后悬架理论计算验证了悬架仿真模型的准确性。进行整车稳态回转工况和转向盘中间位置转向工况仿真分析,结果表明,车身侧倾度偏高。为实现操纵稳定性优化分析的流程自动化,提出了基于modeFRONTIER的联合仿真方法。以悬架设计参数为优化变量,以汽车的侧倾度与横摆角速度响应滞后时间为优化目标,采用拉丁超立方试验设计方法拟合得到混合代理模型,并结合多目标粒子群优化算法对悬架系统进行多目标优化,获得了悬架系统优化方案。优化结果显示,在不影响平顺性的前提下,汽车车身侧倾度降低了13.93%,横摆角速度响应滞后时间降低了2.75%,整车操纵稳定性得到了提升。

基于Deform仿真和粒子群多目标算法的微结构刀具优化设计

合理的刀具微结构在铣削过程中能够有效降低铣削力与铣削温度,提高刀具服役寿命。为了得到理论最优的硬质合金刀具微结构参数,需解决铣削H13模具钢过程中存在的大铣削力与高铣削温度等问题。借助Deform软件构建理想状态下的硬质合金铣削模型,进行正交仿真实验研究微结构关键参数对铣削力与铣削温度的影响;以刀具微结构作为优化自变量,最小铣削力与最低铣削温度作为目标函数,构建基于粒子群算法下的多目标优化模型,通过铣削仿真实验进行验证。结果显示,经粒子群多目标算法优化后的刀具微结构参数为R1=300μm, R7=822μm, R22=607μm,理论计算与仿真的最大铣削力和最高铣削温度之间的误差分别为22.93%和5.64%;与原刀相比,最大铣削力与最高铣削温度分别优化了53.15%和4.91%。

基于多目标粒子群优化算法的动力电池仿生冷板结构优化设计

为了提高锂离子电池的冷却效果,提出一种高度对称的仿生网状流道冷板。首先,利用单因子分析法分析了冷板结构参数对其性能的影响,然后,以冷板的平均温度、温度标准差和冷却液压力损失为性能指标,采用多目标粒子群优化(MOPSO)算法对冷板的结构参数进行了优化,得到性能最优时的流道宽度、流道深度和冷板壁厚分别为9.0 mm、1.5 mm和1.4 mm,对应的平均温度、温度标准差和压力损失分别为33.20℃、1.33℃和65.63 Pa,相比于初始结构参数,优化后的平均温度和温度标准差分别下降1.92℃和0.02℃,但压力损失增大27.10 Pa。最后,在电池模组层面验证了优化结果。

多目标粒子群优化算法及其应用研究综述

现有研究较少涵盖最先进的多目标粒子群优化(MOPSO)算法.本研究介绍了多目标优化问题(MOPs)的研究背景,阐述了MOPSO的基本理论.根据特征将其分为基于Pareto支配、基于分解和基于指标的3类MOPSO算法,介绍了现有的经典算法.介绍相关评价指标,并选取7个有代表性的算法进行性能分析.实验结果展示了传统MOPSO和3类改进的MOPSO算法各自的优势与不足,其中,基于指标的MOPSO在收敛性和多样性方面表现较优.对MOPSO算法在生产调度、图像处理和电力系统等领域的应用进行简要介绍.并探讨了MOPSO算法用于求解复杂优化问题的局限性及未来的研究方向.

基于响应面法和粒子群算法的电机轴多目标优化

为满足新能源汽车电机轴的轻量化设计需求,文中提出了一种基于响应面法和粒子群算法相结合的多目标优化方法。以电机轴的内径为设计变量,在满足强度约束的条件下,将电机轴质量、多危险截面处等效应力和1阶临界转速作为设计目标构建了多目标优化模型。建立Box-Behnken试验设计得到4因素3水平的有限元分析试验方案,采用最小二乘法拟合了各子目标的高精度响应面方程,并根据各子目标的重要程度引入影响因子,建立了统一的全局优化目标函数。最后,结合惯性权重线性递减的粒子群算法对全局目标函数进行了寻优。优化结果表明:电机轴的质量减小了4.8%,1阶临界转速提升了8%,且两处危险截面的等效应力分别减小了2.9%,2.5%。

基于多目标粒子群的电动汽车优化充电策略

居民区家用电动汽车充电具有较强的集中性,大规模电动汽车充电负荷会对配电网系统造成负荷峰谷差过大等问题。文中提出一种基于多目标粒子群(Multi-Objctive Particle Swarm Optimization,MPSO)算法的用户充电选择控制策略,通过分析预测电动汽车充电负荷建立以系统总负荷方差和调度成本最小为目标函数的多目标优化模型,同时考虑了电动汽车电池及系统功率等约束条件,采用多目标粒子群优化算法求解电动汽车最优起始充电时刻。仿真结果表明,相比居民区内电动汽车无序充电,文中所提电动汽车充电策略能有效降低负荷峰值和调度成本。

改进的粒子群算法对微电网多目标优化调度研究

成了太阳能机组大规模的使用,使得在保证电网电压稳定的前提下,如何提高可再生能源的利用率成了亟待解决的问题。针对由光伏电池、风力发电机、微型燃气轮机、柴油发电机和电池等构成的微电网,考虑运行成本、扰动负荷和污染治理成本等多指标,构建微电网多指标最优调度数学模型,进而提出改进的多目标粒子群算法。在满足约束条件下,提出一种改进惯性因子并引入自适应变异操作的方法对优化模型进行求解。仿真结果表明,微电网的运行得到了优化,并验证了改进的粒子群算法的优越性能,为优化调度的进一步研究奠定了基础。

代理多目标粒子群驱动的粗糙聚类图像分割算法

为了提高粗糙聚类算法应用于图像分割时的分割效果,提出一种代理多目标粒子群驱动的粗糙聚类图像分割算法。首先,通过自适应确定粗糙聚类上、下近似的阈值,减少人为干预;其次,利用粗糙聚类中边界样本占比构建动态惩罚因子,进而结合聚类的紧致性和可分性度量构造粗糙聚类目标函数,并联合聚类的连通性函数从不同角度共同评价聚类质量;最后,设计代理辅助的精英多目标粒子群优化策略,筛选精英粒子更新种群,得到最终的聚类中心,从而避免粗糙聚类算法对初始中心敏感和易陷入局部最优的问题并提升优化效率。实验结果表明:所设计的优化策略在标准测试问题上能够得到更好的优化结果;对比其他图像分割算法,该算法分割效果最佳。

基于多目标粒子群算法的配电网储能选址定容分析

介绍了一种基于多目标粒子群算法的配电网储能选址定容方法。该方法综合考虑了节点电压水平、网络损耗以及储能系统总容量三个关键因素,以优化配电网的运行效率和稳定性。通过粒子群算法和多目标优化理论,多个潜在节点上模拟储能系统的选址和定容过程,不仅提升了节点电压水平,降低了网络损耗,还确保了储能系统的经济性和可行性,从而提高配电网的整体运行效率和经济效益。

基于粒子群优化算法的分布式光伏选址定容方法

为减少分布式光伏接人对配电网的影响,提升分布式光伏消纳水平,需研究分布式光伏的选址定容优化问题。分布式光伏的选址定容问题是非线性、多变量、多目标的优化问题,以系统网损、电压偏差、光伏消纳量为优化目标,以潮流、节点电压、支路电流等为约束条件,以分布式光伏的位置和容量为决策变量,构建含分布式光伏的配电网多目标约束优化模型。采用粒子群优化算法对优化模型进行求解。以IEEE33节点配电系统为算例进行仿真和对比分析,验证所述方法的可行性和优越性。

多/单目标优化转换下的作战任务重分配

协同作战任务分配技术是近年来军事领域的研究热点之一,以往的研究一般将任务分配划分为预分配和动态分配2个阶段并独立进行研究,但是这种做法忽略了2个阶段之间的内在联系。针对这一问题,以多目标优化下的任务预分配和单目标优化下的任务动态分配为切入点,提出一种多/单目标优化转换思想。在动态任务分配阶段,通过决策者在预分配阶段的选择获取其主观偏好,基于获取的主观偏好将多目标优化转化为单目标优化后,使用合同网协议完成单目标任务重分配。仿真结果证明了所提出的多/单目标优化转换思想的正确性及其在动态任务分配问题中的适用性。

基于人工免疫-改进粒子群优化算法的机械臂轨迹规划研究

焊接机器人运动轨迹复杂、控制精度要求高。提出了一种满足多目标约束的轨迹规划方法。针对机器人轨迹平滑性要求,以5次非均匀有理B样条(Non-Uniform Rational B-Splines,NURBS)曲线为基础,对笛卡儿空间路径点进行参数化表达;根据工业机器人路径约束及工况需求,选取时间、能耗、跃度3个运动学指标作为目标优化函数,采用人工免疫双态粒子群进行轨迹优化;为了平衡粒子“探索”与“利用”,增加双模态模型,引入人工免疫系统,提升了粒子多样性与后期收敛能力;根据Pareto解集得到满足约束的焊接机器人各关节最优轨迹,通过Matlab仿真证明了方法的有效性;最后,针对空间相贯曲线焊缝进行了焊接试验。结果显示,规划的轨迹符合实际工程需求。

基于混沌多目标粒子群算法的综合能源调度

目的针对当前综合能源系统中资源协同优化效率不足、微网运行经济性和环保性差的问题,提出了一种计及风电储能及不稳定因素的微网优化调度方法。方法该方法在微网负荷侧需求响应对新能源消纳影响的基础上,以消纳新能源和削峰填谷为目的,提出了优化负荷曲线的方案;然后,考虑微网调度侧风电出力的不稳定性以及微网内部设备的耦合,进行优化调度以降低微网运行成本、减少环境惩罚费用并提高风电消纳平稳性;最后,采用混沌多目标粒子群算法对优化问题进行求解,并在风电不稳定度占比0%、5%、10%和15%时进行了算例仿真分析。结果当风电不稳定度为10%和加入风电储能,系统运行成本和环境治理费用最少,比方案1和无风电储能少6919.4元,风电平稳量也提高38 kWh。在电热冷网中,负荷侧加入需求响应后,系统得到稳定运行和能源合理利用,可以很好地满足负荷侧用能需求。从算法对比中,混沌多目标粒子群算法加入自适应权重和变异率后,具有较强的全局搜索能力和更好的准确性。结论该方法通过合理设置风电不稳定度能够有效降低运行成本和环境惩罚费用,提高风电稳定性,其次,负荷侧的需求响应可以一定程度地削峰填谷和消纳新能源。

缓波型钢悬链立管静态构型多目标粒子群优化分析

缓波型钢悬链立管造价低但设计参数多,寻找其最优设计构型使得受力最小十分必要。在立管水平跨度、悬浮段长度、浮子段长度和浮子段直径参数影响分析的基础上,通过全析因试验设计确定样本点,建立基于悬链线理论的缓波型钢悬链立管静态受力响应面模型,采用多目标粒子群优化算法求解帕累托最优解集,从而获得工程需要的最优方案。对比单目标优化,引入多目标粒子群优化算法能有效地降低悬挂点和触地点处的受力,且寻优能兼顾立管构型悬挂端及触地区受力最小化目标。

基于多目标粒子群算法的水电机组一次调频性能分析及参数优化

针对目前南方电网区域内存在水电机组在某些工况下出现一次调频实际负荷调整量达不到理论值进而造成一次调频被考核的情形,先对某机组原始运行数据进行处理,通过计算一次调频实际负荷调整量和实际调差率,观察其是否达到理论值,进而找出一次调频过程合格的工况区域,在一次调频过程合格的工况区域内选取特征工况点,并采用基于Pareto优化准则的多目标粒子群算法寻找最优的PID参数。仿真结果表明,优化后的PID参数相较于调速器实设参数可使得机组具有更为优良的一次调频性能指标。

基于改进多目标粒子群的HVDC交流滤波器优化设计

高压直流输电(HVDC)系统中的换流器在运行中会生成大量谐波电流,为减小其对交流系统的不利影响以及保证直流输电线路电能的有效传输,必须在换流母线上装设交流滤波器。针对现有HVDC系统交流滤波器设计方法的局限,建立了以滤波器投资成本和交流母线电压总谐波畸变率为目标、以电话谐波波形系数为约束的交流滤波器优化数学模型,并提出改进多目标粒子群算法(MOPSO)实现交流滤波器多目标优化设计,该算法使用自适应网格的二级存储库,且添加了约束处理机制和一种特殊的变异算子来提高算法的搜索能力;采用模糊决策方法对多目标优化设计最优解进行选取。建立了±500 kV HVDC系统仿真模型,仿真表明,多目标优化设计的交流滤波器既可有效滤除换流器谐波,又可节约成本,达到了滤波性能与投资成本之间的最佳平衡。

基于尾流判定的风电场偏航角分群优化控制

为了优化风电场整体的功率输出和疲劳载荷,提出分群优化方法。建立风机尾流干扰的神经网络判定模型,以风机的相对坐标和来流风速作为特征值来判断风机之间是否存在尾流干扰;引入连通分量分解算法,将风电场划分为多个互相无尾流干扰的气动解耦机群;采用改进的自适应评估粒子群算法,以提升功率和抑制载荷为目标对所有机群进行并行优化。结果表明:与贪婪算法和整体优化方法相比,所提分群优化方法在功率提升和载荷抑制方面的效果均较好,且其稳定性更好。