基于并行混沌优化算法的永磁同步电机多参数辨识

为提高永磁同步电机(PMSM)系统多参数辨识的精度,实现PMSM的高性能控制,研究了一种并行混沌优化算法。针对一些PMSM多参数辨识方法由于数学模型欠秩问题而导致辨识结果的不确定性以及混沌优化算法对初始值敏感的缺陷,将并行混沌优化算法应用到PMSM多参数辨识中。分别采集在实际PMSM模型i d=0和i d≠0控制条件下的数据,从而构建PMSM四阶d,q模型,解决了状态方程辨识电机多个参数时存在的欠秩问题;确定合适的并行数,从多个初始值同时出发进行全局搜索,克服了混沌优化算法对于初始值敏感、易陷入局部最优的缺陷;根据目标函数值,得到PMSM参数辨识的最优结果。该方法可满足在同一PMSM四阶模型中对定子电阻、d,q轴电感和永磁体磁链进行辨识。通过仿真实验进行验证,该算法相比较混沌优化算法具有稳定性好,收敛速度快,辨识效率、精度较高的优点。

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.

免疫算法关键技术与优化研究

在生物科学和信息学科研究领域,国内外专家已经对进化、遗传和免疫等自然现象进行了广泛而深入的研究。设计了一种新的并行混沌免疫优化算法,该算法不仅将混沌优化的最新成果引入到免疫算法研究领域,而且将混沌优化和免疫算法进行有机融合,为免疫算法研究领域提供了新的研究工具和方法。

基于PCOS-ELM的室内指纹定位算法

针对传统室内指纹定位算法存在定位精度低、对环境适应能力差的问题,提出了一种基于并行混沌优化的在线连续极限学习机(PCOS-ELM)定位算法。离线阶段,通过并行混沌优化算法(PCOA)对极限学习机的隐含层节点参数进行寻优并构建高精度初始定位模型;在线阶段,利用在线连续极限学习机(OS-ELM)使新增位置指纹数据对定位模型进行动态调整,以适应室内环境的变化。结果表明:提出的PCOS-ELM定位算法具有更高的定位精度和更好的环境适应性。

基于并行混沌和复合形法的桁架结构形状优化

针对多工况下受应力、位移和局部稳定性约束的桁架形状优化问题,提出了基于并行混沌优化算法和复合形法的混合优化算法。该算法综合利用了并行混沌的全局搜索能力,复合形法的快速局部搜索能力和混沌细搜索。首先,利用并行混沌优化算法快速搜索到全局最优解附近,然后应用改进复合形法以并行混沌的优化解为初始复形进行搜索,提高了最优解的搜索速度,最后应用混沌细搜索策略提高最优解的精度。两个典型数值算例验证了该混合优化方法对桁架形状优化问题的有效性和稳定性。