基于改进双粒子群算法的舰船电力系统网络故障重构

舰船电力系统环形网络故障重构本质上是带约束的多目标非线性组合优化问题。为了解决舰船电力系统发生故障时的供电恢复问题,提出了一种改进双粒子群优化算法进行求解。此算法分为主、辅两个粒子群,主粒子群改进了种群初始化、自适应调整惯性权重和学习因子,提高了主粒子群算法的全局寻优能力。同时,辅助粒子群还采用改进的混沌局部搜索策略,增强了种群多样性及局部寻优能力,有效地解决了粒子群算法中容易陷入局部极值的问题。通过系统仿真,分别将几种不同的优化算法进行比较。结果表明该算法具有很高的搜索效率和寻优能力,能有效地提高故障恢复的速度与精度,在处理舰船电力系统网络故障重构方面具有较好的效果。

骨干双粒子群算法求解柔性作业车间调度问题

针对柔性作业车间调度问题,以最小化最大完工时间为优化目标,提出了一种骨干双粒子群算法(Double Bare Bones Particle Swarm Algorithm,DBBPSO)。算法结合基于冯诺依曼拓扑结构的改进骨干粒子群算法与基于混沌变异的骨干粒子群算法,利用种群交流机制使两个种群协同进化,实现了算法在全局搜索与局部开发之间的平衡,并提出一种基于最小加工时间的机器选择策略。将所提算法在四个经典算例与一个柔性作业车间调度实例上与其他不同算法进行仿真对比,结果表明所提算法比其他对比算法具有更好的寻优能力,更适合解决该类调度问题。

基于双粒子群算法的矿井搜救机器人路径规划

针对在复杂地形中标准的粒子群算法用于矿井搜救机器人路径规划存在迭代速度慢和求解精度低的问题,提出了一种基于双粒子群算法的矿井搜救机器人路径规划方法。首先将障碍物膨胀化处理为规则化多边形,以此建立环境模型,再以改进双粒子群算法作为路径寻优算法,当传感器检测到搜救机器人正前方一定距离内有障碍物时,开始运行双改进粒子群算法:改进学习因子的粒子群算法(CPSO)粒子步长大,适用于相对开阔地带寻找路径,而添加动态速度权重的粒子群算法(PPSO)粒子步长小,擅长在障碍物形状复杂多变地带寻找路径;然后评估2种粒子群算法得到的路径是否符合避障条件,若均符合避障条件,则选取最短路径作为最终路径;最后得到矿井搜救机器人在整个路况模型中的最优行驶路径。仿真结果表明,通过改进学习因子和添加动态速度权重提高了粒子群算法的收敛速度,降低了最优解波动幅度,改进的双粒子群算法能够与路径规划模型有效结合,在复杂路段能够寻找到最优路径,提高了路径规划成功率,缩短了路径长度。

基于双粒子群算法的船舶电力系统网络重构

船舶电力系统网络重构是一个多目标、多约束的非线性组合优化问题。粒子群算法在解决这类问题具有独特的优势,但基本粒子群算法存在易早熟而陷入局部极值的缺陷。本文采用双粒子群算法解决船舶电网重构的问题,算法将粒子群分为主辅两个子群来协同进化,对主群引入伪变异策略,提高了算法的求解精度,减少陷入局部最优的危险。对辅助群采用基于爬山思想的位置更新策略,提高了算法的收敛速度。仿真结果表明双粒子群算法在解决船舶电力系统网络重构问题方面具有较好的效果。

基于大数据和双量子粒子群算法的多变量系统辨识

针对智能算法与历史大数据相结合进行多变量系统辨识过程中不能精确量化每个子系统数学模型的问题,提出了一种有效的数据并行优化计算的解决方案。在辨识过程中,为了解决量子粒子群算法(quantum particle swarm optimization,QPSO)收敛速度和寻优精度方面的不足,提出了一种改进的QPSO算法——双量子粒子群算法(double quantum particle swarm optimization,D-QPSO)。该算法对粒子种群编码和原有的进化搜索策略同时进行了量子化处理,经过测试函数实验,改进的算法在搜索能力上优于PSO和QPSO算法。最后利用现场运行历史数据,通过D-QPSO算法进行参数估计,将设计的解决方案应用于热力发电厂负荷控制系统的传递函数辨识中,得到的模型为控制器的设计与优化奠定了基础。

基于双种群粒子群算法的分时段电力系统无功优化

提出了一种基于双种群粒子群算法的分时段无功优化算法,将复杂的动态无功优化问题转化为静态无功优化进行处理。文中把设备的调节代价和网损费用之和作为目标函数,考虑了包括设备相邻时段调节次数限制等约束条件。在该模型基础上,根据负荷的变化趋势,提出了一种考虑设备一天内调节次数限制的分时段算法。该方法简便,不需设置划分时段的门槛值,保证了分段的有效性和可操作性,且采用双种群粒子群算法对每个时段进行静态无功优化。该算法对离散变量进行了特殊编码,较好地解决了连续和离散变量的共同寻优,降低了网损,并减少了设备动作次数。IEEE30节点算例系统结果验证了所提算法的正确性和有效性。

一种基于混沌优化机制的双粒子群优化算法

针对标准粒子群优化算法PSO(Particle Swarm Optimization)在处理高维复杂函数时存在收敛速度慢、易陷入局部最优和算法通用性不强等缺点,提出了一种基于混沌优化机制的双粒子群优化算法。它借鉴群体适应值方差的早熟判断机制,同时提出了一种逐步缩小搜索变量空间的新方法。典型数值实验表明,该算法效率高、优化性能好、对初值具有很强的鲁棒性。尤其是该算法具有很强的避免局部极小能力,其性能远远优于单一优化方法。

双种群粒子群算法的时间最优轨迹规划研究

针对以时间为目标的轨迹规划问题,提出一种工业机器人时间最优轨迹规划方法。将路径规划生成的关键点,两两之间通过3次多项式连接;以时间为优化目标,以运动学特征为约束,通过罚函数法构建适应度函数;提出双种群粒子群算法进行优化。以6自由度机械臂为例,仿真发现所提算法解的质量优于粒子群算法和量子粒子群算法,最优值分别减少43.83%和1.75%、平均值分别减少54.62%和17.05%、标准差分别减少91.38%和83.80%;结果表明所提方法能使机械臂各关节轨迹平滑,速度、加速度和加加速度最大值77.78%处于50%最大约束左右。所提方法在机器人最优时间轨迹规划中具有较强实用性,能够延长机器人使用寿命。

一种混沌优化机制的双量子粒子群优化算法

针对量子粒子群优化算法(quantum delta Particle Swarm Optimization,PSO)在处理高维复杂函数时存在收敛速度慢、易陷入局部最优和算法通用性不强等缺点,提出了一种基于混沌优化机制的双量子粒子群优化算法。它借鉴群体位置方差的早熟判断机制,同时提出了一种逐步缩小搜索变量空间的新方法。典型数值实验表明,该算法效率高、优化性能好、对初始位置具有很强的鲁棒性。尤其是该算法具有很强的避免局部极小能力,其性能远远优于单一优化方法。

双种群变异粒子群算法

利用变异机制可以增加遗传算法全局寻优能力的特性,结合惯性权值线性递减PSO算法具有较快收敛速度的优点,提出了一种双种群变异PSO算法,对该算法与其他PSO算法进行了比较,仿真结果表明其性能优越。

基于双因子改进型粒子群算法的混合滤波系统的多目标优化设计

大容量混合滤波系统的应用前景十分广阔,其滤波器组的参数优化,尤其是无源滤波器的参数设计对综合性能的影响很大。本文提出基于双因子改进型粒子群优化算法的混合滤波系统中无源滤波器组的多目标优化设计方法。通过将加速因子和交叉因子引入优化算法,针对无源滤波器的多目标优化,高效搜索参数空间以获得最优解。与以往的优化设计相比,带双因子的改进型粒子群算法采用自适应的惯性权重,交叉因子增加了粒子的多样性,克服了算法寻优过程中易局部收敛等问题,提高其全局搜索能力。而收缩因子可以加快PSO的运算速度,明显提高了算法的寻优速度。测试结果表明利用该算法设计的混合型滤波系统具有较强的鲁棒性。

双评价粒子群算法确定非线性流含水层参数

在标准粒子群算法的基础上,对迭代后的粒子进行位置和适应值的双评价,得到改进的粒子群优化算法。在化简非稳定井流问题解析解的基础上,利用抽水试验数据,根据最小二乘原理,确定了求解含水层参数与非线性渗流参数的目标函数,编写了用于求解该问题的双评价粒子群优化算法程序。最后,通过数字算例验证了方法的可行性和可靠性。

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。

基于改进双态粒子群算法的BLDCM分数阶控制器

针对将普通PID控制器或智能PID控制器作为BLDCM伺服控制系统时出现灵活度及控制精度不高的问题,提出一种改进的分数阶PI^(λ)D^(μ)控制器,通过改进的双态粒子群算法对分数阶PI^(λ)D^(μ)控制器参数整定的方法。仿真和实验结果都证明:改进的双态粒子群算法可以克服普通粒子群算法容易陷入局部最小解及收敛速度慢的不足,该方法具有更好的控制精度和鲁棒性,可以提高BLDCM伺服系统的控制精度、灵活度及抗干扰性。

双种群PSO结合MSWF-ESPRIT的间谐波参数分析

针对间谐波不易检测的特点,该文提出了一种新的间谐波参数分析方法。首先利用多维纳滤波器的旋转不变技术估计信号参数方法MSWF-ESPRIT(estimation of signal parameters via rotational invariance techniques based of multiple stage wiener filter)对间谐波信号进行频率估计,然后再利用粒子群算法PSO(particle swarm optimization)结合自适应最小均方LMS(least mean square)算法以两种群协同进化的方式对间谐波信号的幅值与相角进行估计。双种群自适应PSO算法的提出提高了算法的收敛速度与粒子位置向量的准确度,减小了陷入局部极值的概率。仿真结果表明,MSWF-ESPRIT算法在较高信噪比下谱估计结果优于总体最小二乘旋转不变子空间。

基于双策略搜索粒子群算法的供应链库存优化

针对双渠道供应链中不同渠道间存在订货价格差异的问题,建立了考虑价格差异影响的双渠道多级供应链模型,提出一种双策略搜索粒子群优化(Double Strategy Search Particle Swarm Optimization,DSSPSO)算法求解该模型。为降低供应链系统总成本同时保证较高的客户满意度,供应链各级节点采用自适应共享库存控制策略。通过算例仿真对比三种算法的模型优化结果,结果表明:双策略搜索粒子群算法优化后的总成本较遗传算法降低了64.4%,达优率为80%,验证了算法的有效性和稳定性。

基于双态混沌PSO的机载激光通信视轴稳定控制

机载空间激光通信视轴稳定是激光通信链路建立的前提。在视轴稳定平台中应用自抗扰控制方法取得了良好的控制效果,但自抗扰控制需调整参数众多且缺乏规范的调整手段。针对自抗扰控制调参难的问题,本文提出了一种利用双态混沌粒子群算法优化自抗扰控制参数的方法。仿真结果表明,与PSO-PID控制方法相比,该方法具有更快的响应速度,更强的抗干扰能力和更好的鲁棒性。

针铁矿法沉铁过程亚铁离子浓度预测

针对针铁矿法沉铁过程出口亚铁离子浓度离线化验获得,存在很大滞后性,难以实现沉铁过程实时控制的问题,研究反应器出口亚铁离子浓度在线预测方法.本文在分析沉铁过程化学反应机理的基础上,考虑铜离子对反应过程的影响,结合连续搅拌反应器(Continuous stirred tank reactor,CSTR)特性,建立了针铁矿法沉铁过程的机理模型,并提出了基于信息交换的双粒子群搜索算法(Double particle swarm optimization,DPSO)优化选择机理模型的参数,构建基于最小二乘支持向量机(Least squares support vector machine,LS-SVM)的机理模型输出误差的补偿模型,采用并联补集成方式建立了亚铁离子浓度的集成预测模型.工业现场数据验证了所建模型能有效地反映亚铁离子浓度的变化趋势,为针铁矿法沉铁过程的优化控制奠定了基础.

基于绿色模块划分的EHMODDPPSO不确定优化方法

针对模块划分过程中基本单位本身是一个零件库的情况,研究了零件库中零件属性呈标准正态分布随机数等不确定性问题,分析模块与模块的功能和结构相关性及其本身作为零件库的前提下所属零件本身绿色性,构建了包含内聚度、耦合度、绿色度三个目标函数的产品绿色模块划分的不确定性优化模型,设计一种EHMODDPPSO方法,求出最优模块划分以及相应各零件表中最优零件。以一个轮式装载机部分模块为实例,验证了其合理可行性,面对日益丰富的零件以及其多样属性,本研究具有较好的实用价值。

无人机三维实时航迹规划

无人机航迹规划是无人机任务规划中最重要也是最复杂的环节,针对基本粒子群航迹规划算法后期容易陷入局部最优解、算法容易"早熟"、规划出的航迹精度不高等问题,提出了一种以并行方式进行的双种群粒子群航迹规划算法;双种群粒子群算法由两个向相反方向搜索的种群构成,这两个种群协同优化,扩展了搜索范围,克服了基本粒子群算法后期容易陷入局部最优解的问题,提高了航迹的精度;如果无人机在飞行过程中检测到突发威胁,则寻找邻近航迹点作为实时重规划点,规划其到目标点的航迹;通过仿真验证了算法的有效性,并满足了实时性的要求。