基于双态二进制粒子群优化算法的配电网故障定位

针对二进制粒子群算法在复杂配电网故障定位时易出现早熟收敛情况,本文提出一种双态二进制粒子群优化算法。通过引入进化因子,把粒子群分成捕食状态和探索状态两个部分,让陷入或即将陷入局部极值的粒子跳出来进行全局搜索。构造故障定位的评价函数,以33节点配电网为例,在故障信息完整和部分畸变的情况下,用该算法与二进制粒子群算法分别对配电网中的单点故障定位和多点故障定位进行仿真分析,结果验证了该算法的高效性和高容错性。

基于改进二进制粒子群算法优化DBN的轴承故障诊断

针对滚动轴承故障振动信号非平稳性的特点,对二进制粒子群优化算法(binary particles swarm optimization,BPSO)和深度信念网络(deep belief network,DBN)进行研究,提出一种基于局部均值分解(local mean decomposition,LMD)和IBPSO-DBN的轴承故障诊断方法。提出用加权惯性权重改进BPSO迭代过程中的固定权重,再用改进BPSO优化DBN的隐含层神经元个数和学习率。该方法先对信号进行LMD,提取出各PF分量的散布熵和时域指标,并构建特征矩阵,然后把特征矩阵输入改进BPSO-DBN模型中训练,实现滚动轴承故障诊断和分类。采用试验轴承数据做验证并与其他诊断方法对比,结果表明,基于LMD和BPSO-DBN的滚动轴承故障诊断方法具有较好的故障识别率。

基于粒子群优化算法的地震数据品质因子及混合相位子波同时估计

非稳态地震数据高分辨率处理及反演是通过求解包含地震子波滤波效应及地层吸收衰减效应的反演方程,获得地下反射界面的地震响应。为实现高分辨率处理及反演中初始地震子波及数据品质因子Q模型的实施条件,结合地震子波Z变换的根移动编码及等效Q模型的二进制—十进制转换策略,引入粒子群全局优化算法,建立非稳态地震数据混合相位初始地震子波及数据品质因子同时估计的方法。利用井旁道与数据的互相关作为准则函数,判定粒子群是否收敛至最大,输出最佳初始地震子波及Q。应用理论合成数据和实际数据测试进行验证。结果表明:相较于传统常相位地震子波估计及反Q滤波,该方法在复杂干扰条件下能更精确捕获真实的子波波形及衰减参数。利用输出的地震子波及Q进行时变反褶积处理得到高分辨率剖面,说明方法具有准确性、计算效率高且输出结果优,估计的地震子波和Q更符合实际地震波传播特征,为后续高分辨率地震数据处理提供基本参数。

预测钢坯温度分布的时间顺序粒子群优化算法

以加热炉内钢坯的一维模型为研究对象,采用基于有限差分法的瞬态导热正问题以及基于时间顺序的粒子群优化算法来构建一维瞬态导热反问题的数学模型。首先以钢坯离散点处温度测量值作为已知条件,并将其与导热正问题计算的温度值的均方差作为目标函数,通过粒子群优化算法反演得到边界的热流密度值。其次将反演的热流密度值代入导热正问题中求得离散点处的温度模拟值。最后使用Python语言编写通用算法程序。计算结果表明:离散点处的温度模拟值与测量值具有较好的一致性,说明所构建的导热反问题模型可以较好地反演出钢坯表面的边界条件,而且当存在随机误差时,仍能精确地预测钢坯温度分布。后面可以进一步结合实际工程,将该模型推广到三维钢坯温度预测系统中。

改进二进制粒子群优化算法在配电网络重构中的应用

配电网络重构是一个非常复杂的大规模组合优化问题。网络重构中,能否得到有效解,即保证辐射状网络,是一个很关键的问题。对电网拓扑进行简化,配合破圈法更新粒子,得到100%的有效解,大大提高了计算速度。提出一种应用于配电网络重构的改进二进制粒子群优化算法,并结合禁忌搜索算法,使PSO算法跳出局部最优化陷阱,改善了算法的搜索效果,加快了寻优速度。最后对IEEE 69节点系统进行计算,并与相关文献结果进行对比,表明本文改进算法具有快速、高效的全局寻优能力。

基于粒子群算法的双三相永磁同步电机谐波优化设计

双三相永磁同步电机具有多自由度,通过注入谐波电流可以显著提高转矩输出能力。相比未注入谐波策略,最大转矩峰值电流比控制在保持峰值相电流不变时输出更高的转矩,其中五、七次谐波电流注入策略不需要进行硬件重构。但传统的五、七次谐波注入策略没有考虑铜耗。因此本文提出一种基于粒子群算法的五、七次谐波电流优化设计,限制峰值相电流,采用粒子群算法搜索以转矩最大和铜耗最小为目标的全局谐波电流最优值。实验结果表明,所提策略可以在兼顾转矩输出的同时有效降低铜耗。

基于改进二进制粒子群优化算法的网络重构研究

提出了一种基于改进二进制粒子群优化算法的网络重构方法,该算法在二进制粒子群优化算法的基础上,通过结合破圈法理论以控制粒子的更新过程,使更新后的粒子100%符合网络的辐射状要求,从而减少了以往网络重构中辐射网判断的环节。此外算法还引入了禁忌搜索算法的思想,克服了粒子群算法易陷入局部最优的缺陷。最后对IEEE单馈线33节点系统进行计算,证实了算法的有效性,并与相关文献中的算法进行比较,表明算法具有较高的搜索效率和较强的全局寻优能力。

基于技术成熟度和二进制粒子群优化算法的装备测试设计优化方法研究

针对复杂装备测试性设计过程中测试设计优化问题,在分析现有优化方法的基础上,提出了一种基于技术成熟度评价(TRA)方法和二进制粒子群优化(BPSO)算法的测试设计优化方法。该方法根据装备测试设计的技术成熟度分析结果建立目标优化模型,然后应用二进制粒子群算法对模型进行求解,得到的结果直接用于装备的测试性设计工作。由于考虑装备测试设计的影响因素较一般方法多,因此得到的结果更加优化。该方法已经在某型装备测试设计辅助系统中得到应用。

改进的二进制粒子群算法的传感器优化配置

传感器组合优化问题是设备状态检测系统设计的重要问题。在研究传感器与故障有向图的基础上,提出了传感器优化配置模型;根据传感器组合优化自身特点,从位改变率、惯性权重两个方面对BPSO算法进行了参数分析。结合免疫算法的"亲和度"思想以及非线性惯性权重递减公式,提出了改进的二进制粒子群算法。案例显示,改进的二进制PSO算法提高了算法在整个解空间的搜索能力,加快了收敛速度,能够很好地用于解决传感器优化问题。

采用弧形映射函数的二进制粒子群优化算法

针对二进制粒子群优化算法(BPSO),采用S形映射函数,将粒子在空间中飞行速度的正负值大小映射为其位置向量取1的概率,易于陷入局部最优解的问题,本文提出了采用弧形映射函数的二进制粒子群优化算法(ABPSO).该算法采用弧形映射函数取代BPSO中的S形映射函数,将速度平方值大小映射为位置向量改变的概率大小,当粒子具有较低的速度平方值时能够维持在原位置,较高的速度平方值时改变位置,从而使算法更好地收敛于全局最优解;同时,采用了无强制性位置更新程序,符合弧形映射函数使用速度平方大小映射为位置改变概率大小的需要.通过六个基准函数的仿真实验发现,ABPSO具有更好的收敛精度和更高的收敛速度;ABPSO采用更加符合粒子运动规律的弧形映射函数,表现出更好的收敛于全局最优解的能力和更高的收敛速度.

自适应学习因子的混沌二进制粒子群优化算法

针对二进制粒子群优化算法存在求解精度低的问题,提出一种自适应学习因子的混沌二进制粒子群优化算法(SABPSO)。首先,SABPSO算法采用混沌策略初始化粒子种群;其次,根据适应度值以及当前粒子与最优粒子间距离设计粒子成长因子,反映种群的进化状态;再次,通过成长因子和迭代次数设计自适应学习因子更新机制;最后,实验结果表明:在4个经典测试函数上SABPSO算法具有更有效的收敛性能。

双吸引子多群体粒子群算法解决动态优化问题(英文)

提出了一种新的"双吸引子多群体粒子群优化算法"(BMPSO)。与传统的粒子群优化算法(PSO)相比,BMPSO的主要特点是它使用了两个"群体吸引子"和两种搜索粒子。两种搜索粒子具有不同范围的搜索特性,一种利于进行全局搜索而另一种利于进行局部搜索。并且通过引入一种新的"传递"机制,两部分粒子可以更有效地共享搜索信息。实验表明,BMPSO算法在Moving Peaks Benchmark(MPB)测试问题上具有很好的性能表现。

利用种群平均信息的二进制粒子群优化算法

在Kennedy和Eberhart的二进制粒子群优化算法(BPSO)的基础上提出一种利用种群平均信息的二进制粒子群优化算法。新算法利用种群个体极值的平均信息和粒子的个体极值决定粒子当前取值的概率,使粒子可以充分利用整个种群的信息。通过测试函数优化和0—1背包问题,结果表明该算法具有较好的收敛速度和稳定性,求解结果要优于BPSO和一些改进算法。

基于二进制粒子群优化算法的热护套防护效率测试系统参数调节方法

针对火炮身管热护套防护效率测试系统中如何确定红外灯"开/关"状态模拟太阳热辐射,实现对热辐射参数调节问题,在分析系统工作原理基础上建立了数学模型,将其转化为组合优化问题。结合现场测试数据特点,设计了基于二进制粒子群优化的算法实现对组合优化问题的求解。实践表明,利用该算法确定的红外灯"开/关"状态和位置,能够满足测试系统对热辐射的精度要求,达到了调节测点热辐射参数的目的。

一种非线性因子的粘性二进制粒子群算法

为了解决粘性二进制粒子群算法在优化过程中易陷入局部最优、全局搜索能力弱、后期收敛性能差的弊端,提出了一种非线性因子的粘性二进制粒子群算法(NFSBPSO)。NFSBPSO算法采用非线性递减策略优化粘性权重,平衡全局与局部探索能力;同时,利用混沌策略对种群进行初始化,在每个迭代过程中对最差和最优粒子进行优化,以提高种群质量,扩大种群的全局探索能力。将新算法与3个对比算法在基准函数上进行测试,实验表明新的算法能较好地跳出局部最优,提高了算法的稳定性和收敛能力。

一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法

武器系统装备性能的不断提高,复杂度的不断增加对测试性设计提出更高要求。为了解决测试性设计中测试优化选择这一非确定性多项式难题(NP-hard),文中提出一种模拟退火-改进二进制粒子群算法(SA-IBPSO)用于求解最优完备测试集。该算法以二进制粒子群算法(BPSO)为基础框架,采用异步变化的学习因子,产生时变的压缩因子,以增强BPSO算法的全局搜索能力,确保其收敛性,并取消了对速度的边界限制;然后,与具有概率突跳能力的模拟退火算法(SA)相结合,以避免BPSO算法在求解过程中陷入局部最优。最后,通过案例验证,并与其他算法的运行结果进行比较,证明该算法可以更有效地解决测试优化选择问题。

基于二进制粒子群算法的可中断负荷优化调度

可中断负荷是非常重要的需求侧资源.本文对于在保证系统安全的前提下进行可中断负荷的优化调度,基于二进制粒子群优化算法(BPSO)分时段优化调度特性不同的多个可中断负荷,以满足系统各时段削减容量的需求,同时满足可中断负荷的运行约束条件,并使供电公司支付的补偿费用最小以及执行中断的次数最少.使用加权的处理方法把可中断负荷优化调度的多目标优化问题简化为单一的目标函数,经实例验证基于BPSO的优化算法对可中断负荷的优化调度是有效的.

无线传感器网络基于离散二进制粒子群算法的分簇优化

为提升分簇无线传感器网络能量效率,延长网络生存时间,文章利用离散二进制粒子群算法对簇首选取进行优化。首先采用二进制编码方式对簇首选取结果进行编码,综合考虑节点能量、位置及簇首数目等因素,设计适应度函数,通过粒子群不断迭代寻优,获取最优分簇结果。然后引入簇首多跳的簇间路由方式,进一步降低节点能耗。通过仿真实验证明,所提分簇优化算法有效均衡了节点负载,降低了网络能耗,使网络生命周期明显延长。

一种带变异算子的自适应惯性权重二进制粒子群优化算法

针对离散二进制粒子群优化算法在寻优过程中收敛速度慢、搜索精度不高和易陷入局部最优的问题,本文提出一种带变异算子的自适应惯性权重二进制粒子群优化算法(MABPSO).首先,采用非线性递增策略优化惯性权重,平衡二进制粒子群算法的全局探索与局部探索性能;其次,引入对未知空间搜索的变异算子,改进速度更新公式,使粒子的寻优范围扩大,增强算法多样性,有效避免陷入局部最优解.通过在六个基准测试函数上进行测试所得到的实验结果表明,本文对二进制粒子群优化算法所做的优化相比于其它三种算法,具有较好的逃离局部最优解的能力,提高了算法的收敛性能.

基于二进制粒子群算法的OFDM稀疏信道导频优化

在正交频分复用(orthogonal frequency division multiplexing,OFDM)稀疏信道中,合理的导频设计可以提高信道估计的性能,以测量矩阵的互相关最小化作为目标,提出一种基于二进制粒子群算法的导频优化方案,引入混沌初始化机制来保证初始粒子均匀地分散在解空间里,通过粒子变异机制来保证种群的快速收敛。根据实验和仿真结果可以看出,与随机搜索导频优化算法、逐位置导频优化算法以及最小二乘法相比,该算法能够有效节省导频的开销,提高频谱利用率,具有更好的信道估计性能。