基于带压缩因子粒子群算法标定设计反应谱

粒子群优化算法是模拟群体智能所建立起来的一种全局优化算法,在解决多参数非线性函数的优化问题上具有良好的性能,为了有更好的收敛精度和更快的收敛速度,本文构建了带有压缩因子的粒子群算法,可用于设计反应谱的标定。利用这一方法可给出第一拐点周期、特征周期、平台值和衰减指数等刻画设计反应谱特征的参数值。本文以埃尔森特罗台(El Centro)加速度时程的反应谱标定为例,采用本文提出的改进粒子群算法、Newmark三参数法、双参数法和差分进化算法对其进行标定。对比分析了4种标定方法给出的特征参数及计算精度,实例证明,改进粒子群算法具有较高的精度,给出的设计反应谱较好地反映了地震反应谱的特征。

基于改进粒子群算法的永磁同步风力发电机优化设计

根据离网型小功率永磁同步风力发电机的运行特性,结合场路耦合的方法,设计一台小功率永磁同步风力发电机。为了有效减小发电机起动阻力矩,以发电机齿槽转矩为目标,运用回归型支持向量机实现电机电磁模型的非线性回归建模;基于该非参数模型,利用带压缩因子粒子群算法进行寻优,获取电机的最优结构参数,仿真结果表明了优化设计的正确性。

面向大型社会活动的个性化区域交通控制

针对大型社会活动下的城市区域交通控制问题,提出一种面向大型社会活动的个性化区域交通控制方法。充分考虑交通管理者的个性化实践经验,构建面向大型社会活动的区域交通控制双层模型,即个性化交通管理与个性化交通控制模型。引入模糊分析法,对区域交通控制双层模型的参数进行个性化确定,并基于压缩粒子群算法对模型进行优化求解,最终输出各区域、区域内各交叉口控制向量。以长沙城区举办大型活动背景进行了交通控制仿真验证。研究结果表明:大型活动举办期间,区域交通系统运行良好,这说明本文算法能够有效解决大型活动下的区域交通控制问题。

基于YSPSO-RBFN的布里渊散射谱特征提取

为提高提取到的传感布里渊散射谱的布里渊频偏量的精度,利用压缩因子粒子群优化算法调节权值的RBFN(Radial Basis Function Net)径向基函数神经网络对布里渊散射谱进行特征提取。提出的算法克服了传统RBFN神经网络易于陷入局部极值的缺点,利用PSO(Particle Swarm Optimization)算法调节权值后向传输网络,对布里渊散射谱进行精度提取,保证了求解的速度和精度。数值分析过程中,利用新型结合算法在不同线宽和不同信噪比大测量范围情况下的散射谱进行参数估计。通过实验获得不同温度下的布里渊散射谱数据,利用YSPSO-RBFN(Particle Swarm Optimization with Shinkage Factor Shirnhage Factor-Radical Basis Function)算法处理实验数据,结果表明,该算法可提高布里渊散射谱特征提取的精度,25℃下拟合误差为1.99 MHz,温度升高拟合误差也在减小。在85℃时的频移拟合误差为0.047 MHz。因此,将该算法用于布里渊散射温度和应变传感系统,可有效提高检测精度。