基于混沌粒子群算法的城市无人机路径规划

结合城市无人机复杂运行环境特点,针对三维空间路径规划问题,提出基于混沌粒子群算法的城市无人机路径规划方案。首先利用地理信息系统GIS获取城市相关信息构建三维城市环境模型,然后针对PSO粒子群算法中rand()函数伪随机的问题,引入Zaslavskii混沌序列生成随机数,构建城市无人机路径规划经济效益、飞行高度和障碍物规避3个适应度函数,并对PSO粒子群算法和函数的参数进行调整。选取天津某区域进行仿真,结果表明本文所提方法比传统PSO粒子群算法更具有优越性。

粒子群优化算法在MEMS压力传感器电桥电阻计算与零偏补偿中的应用

采用粒子群优化(PSO)算法对微机电系统(MEMS)压力传感器电桥电阻进行了优化设计和验证。基于PSO算法的基本原理,建立电桥参数模型,充分利用冗余的测量数据配置优化条件,通过迭代运算得到了传感器惠斯通电桥电阻数值解,并将其作为零偏补偿的依据。然后根据计算和测试结果进行了零偏补偿,对补偿后结果进行了验证。结果表明,计算输出零偏值与实测输出零偏值之间的相对误差<1%;补偿后传感器的零偏值控制在0.5mV以内,实测零偏满量程误差≤0.1%。研究证明采用该算法模型可有效计算出MEMS压力传感器的电桥电阻参数,基于其计算结果的补偿方案可提升传感器电桥精度。

基于粒子群优化算法的急诊科心电监护设备风险管理模式研究

目的:基于粒子群优化(PSO)算法构建设备风险管理模型,探讨其在急诊科心电监护设备管理中的应用价值。方法:采用PSO算法优化神经网络模型构建心电监护设备风险管理模型,收集北京市普仁医院心电监护设备运行风险数据进行归一化处理,并将2021年11月至2023年10月北京市普仁医院急诊科在用的30台心电监护设备,按照设备管理模式不同对其分别采用反向传播(BP)神经网络模型(简称传统BP模式,设备运行时段为2021年11月至2022年10月)和PSO算法的设备风险管理模型(简称PSO算法模式,设备运行时段为2022年11月至2023年10月)进行管理,比较两种管理模型设备风险故障识别效果(测试集与训练集)、警报风险控制效果和设备故障维修诊断用时。结果:采用PSO算法的测试集风险故障数据识别受试者工作特征(ROC)曲线下面积(AUC)值、准确率、灵敏度和特异度分别为0.869、93.6%、92.8%和95.1%,训练集风险故障数据识别AUC值、准确率、灵敏度和特异度分别为0.839、95.6%、97.9%和96.7%,均高于传统BP模式,差异有统计学意义(x_(测试)^(2)=3.691、4.023、3.557、3.409,x_(训练)^(2)=6.884、5.962、5.334、3.215;P<0.05)。采用PSO算法的心电监护设备警报阈值合格率和设备维护平均合格率分别为(98.61±3.07)%和(98.79±3.11)%,均高于传统BP模式,警报静音率为(1.14±0.27)%,低于传统BP模式,差异均有统计学意义(Z=11.831、10.020、21.141,P<0.05)。采用PSO算法的心电监护设备内部报修用时、外部报修用时、故障诊断用时和报修总用时分别为(1.21±0.96)、(3.18±1.09)、(5.08±1.93)和(10.95±2.81)min,均少于传统BP模式,差异有统计学意义(t=15.404、19.020、16.694、25.511,P<0.05)。结论:基于PSO算法构建的心电监护设备风险管理模型应用,能够提高心电监护设备风险故障数据识别灵敏度、特异度和准确性,提升警报阈值合格率和设备维护合格率,降低警报静音率,缩短故障诊断报修用时。

基于粒子群优化算法的磁浮列车自抗扰悬浮控制器研究

为提高磁浮列车悬浮系统的抗干扰性和稳定性,本文提出基于粒子群优化算法(PSO)的自抗扰悬浮控制器。首先建立单电磁铁悬浮系统模型,然后基于该模型设计自抗扰控制器,最后引入粒子群优化算法对控制参数进行自适应寻优,得到适用于系统模型的自抗扰控制器。仿真和单悬浮架试验平台试验结果表明,系统受垂向加速度和悬浮气隙干扰时,相较于传统比例积分微分(PID)控制器,经粒子群优化算法自适应寻优的自抗扰控制器具有更好的抗干扰性和鲁棒性,可为磁浮列车悬浮系统控制算法的工程应用提供新思路。

基于微粒子群优化算法的差速器壳体轻量化设计

针对汽车差速器的轻量化,提出了基于微粒子群优化算法和参数化模型相结合进行优化的设计方法。通过计算模态和试验模态相结合,验证了差速器壳体有限元模型的准确性;基于微粒子群算法,建立了以质量最小和安全系数均方根值最大为目标的优化模型,进行了轻量化设计。优化结果显示:壳体质量由优化前的6.26kg下降到5.67kg,减轻了10.4%;优化后壳体的最大应力、最大应变和最小安全系数等性能指标均有不同程度的提高,验证了轻量化是成功的。

基于微粒子群优化算法的数字散斑图像相关方法

为了能够通过一步搜索同时得到数字散斑图像中所测点的整像素和亚像素位移信息,采用灰度插值的方法构造了亚像素子区,改进了基于微粒子群算法的数字图像散斑相关方法。对含有平移信息的模拟散斑图和具有应变的模拟散斑图进行相关计算,验证了该方法的适用性;在对具有微小面内位移转动的试件进行测量时,比较了整像素的微粒子群算法和不同量级的灰度插值下的亚像素微粒子群算法。结果表明,基于微粒子群算法的亚像素数字散斑图像相关方法在测量小位移方面具有一定的优越性。

基于协同微粒子群算法的暂态稳定约束最优潮流

针对电力系统预防控制的实现问题,提出了一种基于协同微粒子群算法的暂态稳定约束最优潮流计算方法。暂态稳定约束最优潮流问题是在最优潮流问题上加入暂态稳定功角约束,形成的高维非线性动态优化问题。微粒子群算法能够通过较少的粒子数搜索到全局最优解,有效地求解高维复杂优化问题。利用该方法,对存在失稳预想事故的新英格兰10机39节点系统进行了分析计算,并与多种智能算法的调度结果进行了比较。研究结果表明,使用协同微粒子群进化算法求解暂态稳定约束最优潮流是有效与准确的,其计算量小于已报道算法,优化结果更优,能够应用到电力系统的暂态稳定分析中,为电力系统预防控制提供了一种思路。

微粒子群算法在有源电力滤波器优化配置中的应用

以电压总谐波畸变率平均值为目标函数,以各节点电压总谐波畸变率为约束条件,建立了单个有源滤波器及多个有源滤波器优化配置问题的数学模型,并利用微粒群优化算法进行了有源滤波器的优化配置。以IEEE12节点系统进行了有源滤波器的优化配置仿真。结果表明,所述算法可以较快地收敛到全局最优解,很好地解决了有源滤波器的优化配置问题。

基于微粒子群理论的二维最大类间方差阈值分割算法

针对传统二维最大类间方差(Otsu)阈值分割算法处理红外图像耗时的缺点,提出了一种应用微粒子群理论的二维Otsu阈值分割算法。该算法利用粒子群理论的群体智能的特点,通过优化得出粒子的个体极值和全局极值,并根据这两种极值来更新粒子的位置和速度以获得最佳的分割阈值向量。通过对算法中惯性权重和学习因子的讨论确定了最佳的参数选择方案。仿真结果表明,该算法计算准确,流程简单,其运行时间仅为原始算法的5%左右,是一种快速有效的图像阈值分割算法。

基于改进粒子群算法的海流环境下无人水面艇路径规划

针对海流环境下无人水面艇(unmanned surface vessel,USV)的多目标路径规划问题,构建USV的多目标路径规划模型,并提出一种改进的粒子群(particle swarm optimization,PSO)算法。采用自适应惯性权重来平衡算法的全局和局部搜索能力,避免算法过早收敛;引入精英反向学习策略提升算法跳出局部最优解的能力。仿真结果表明,改进的算法具有更好的寻优能力和鲁棒性,能够有效解决海流环境下USV的路径规划问题。

基于GA-PSO算法的冻土本构模型参数识别

遗传算法(GA)与粒子群算法(PSO)分别具有缺乏目标导向性和易陷入局部最优的缺点,但同时分别具有全局搜索能力强与能有效传递优势信息的优点。本文以GA计算步结合精英保留策略作为PSO计算步的优势信息,避免PSO算法陷入局部最优,以PSO计算步结合非精英优化策略作为GA计算步的导向信息,克服GA算法缺乏目标导向的问题,建立了GA-PSO新算法。其具体过程为,通过采用GA计算步对解空间进行全局搜索并对精英个体进行保留,进一步,将适应度较差的个体利用PSO计算步进行优化。基于多峰函数的验证结果表明,GA-PSO算法在解空间中具有更强的全局搜索能力,同时具有更快的收敛速度。将GA-PSO算法应用到冻土非正交弹塑性本构模型的参数识别中,通过模型的参数识别以及模型预测结果对比与验证,结果表明GA-PSO算法能够有效识别冻土非正交弹塑性本构模型的参数,提升了模型的预测效果。

基于粒子群算法和变分模态分解的起重机滚动轴承性能退化评估

针对港口起重机滚动轴承早期故障特征不易提取、识别精度不够高的缺点,提出一种以粒子群(PSO)优化变分模态分解(VMD),结合支持向量数据描述(SVDD)的滚动轴承性能退化评估模型。通过PSO优化VMD中的参数,更好地提取滚动轴承的特征。利用SVDD模型中球心距离度量性能退化程度,并借助隶属度函数量化轴承性能退化,进而实现对轴承性能退化程度的精确评估。应用滚动轴承的全寿命试验数据验证该模型,并与传统的时域特征指标比较,本方法对轴承性能退化评估具有更强的敏感性,验证该方法的优越性。

基于粒子群算法的室外配用电场景射线追踪优化方法

为高效地利用射线追踪(ray tracing,RT)方法对室外配用电环境毫米波段进行传播特性研究,提出一种将RT方法与粒子群优化(particle swarm optimization,PSO)算法相结合的RT优化方法.首先进行低分辨率RT,利用距离参数筛选出可能到达接收端的射线发射角度,并将其划分成多个搜索区域;然后在每个搜索区域中利用PSO算法寻找最优路径.该方法的路径损耗仿真结果与传统RT仿真结果以及实测数据都表现出了良好的一致性,场强覆盖预测也和传统RT仿真结果相一致.结果表明,该方法在保证精确度的同时可以有效提高RT计算效率,并避免了传统RT中的接收球问题,具有一定的工程应用价值.

改进粒子群优化(MPSO)算法在动态配水中的应用

基于在水资源不充足的情况下,对都江堰灌区六大干渠水资源的合理分配,使农业效益达到最大。首先建立灌区优化配水模型,并将粒子群优化算法(PSO)及其改进的算法应用于该模型。分别对标准PSO、两种改进PSO(MPSO)算法与遗传算法进行仿真对比,结果显示采用PSO算法及其MPSO在农业经济效益上可获得更好的寻优效果,提高了水资源的利用率。

基于PSO微粒群算法的复杂网络社区结构发现

复杂网络社区结构划分日益成为近年来复杂网络的研究热点,到目前为止,已经提出了很多分析复杂网络社区结构的算法。但是大部分算法还存在一定的缺陷,而且有些算法由于其时间复杂度的过高导致其不适合应用于对大型网络的分析。提出了一种基于PSO微粒群算法的复杂网络社区结构分析方法。此方法无需预先知道组成该复杂网络的社区数量、社区内的节点数以及任何门限值。该算法的可行性用Zachary Karate Club和College Football Network模型进行验证。

采用PSO-LSTM联合算法的MEMS陀螺仪温度误差补偿方法

MEMS陀螺仪是一种用来测量角速度的惯性器件。是一种具有成本低、体积小、性能好、可靠性好等优点的微机械陀螺仪,可广泛应用于微惯性导航系统、军事、汽车、消费电子等领域。然而,由于MEMS陀螺仪的材质特性,其输出数据受温度影响较大,这一问题限制了其在工业生产领域的进一步应用。通过对MEMS陀螺仪温度误差补偿模型中所用算法的对比分析,结合用于优化人工神经网络的PSO粒子群优化算法提出了一种采用PSO-LSTM联合人工神经网络算法的MEMS陀螺仪温度误差补偿方法,并通过多种数据检测函数进行了仿真对比实验,基于RMSE和MAE两项参数验证了优化后算法的有效性,以期为MEMS陀螺仪工作过程中的温度误差补偿模块设计提供新思路。

基于粒子群优化的改进四次S型加减速控制算法

针对基于传统三次S型加减速算法在数控机床起止端加加速度不连续,存在柔性冲击,以及传统四次S型加减速算法模型繁复,时间复杂度高的问题,设计加加速度曲线在加速区间、减速区间的开始和结束阶段连续不断变化,提高了速度曲线变化的平滑性,减低了工件加工运行时间。同时,提出一种基于粒子群算法的速度规划方法,根据加减速控制模型构建其适应度函数,继而得到加减速规划所需的所有参数。最后通过MATLAB对所提算法进行仿真实验。结果表明:所提算法能有效降低系统的柔性冲击,并提高加工精度和运行效率。

一种面向群组机器人搜索任务的改进粒子群算法

针对群组机器人搜索时难以得到全部全局信息的问题,提出邻域粒子对粒子群优化(particle swarm optimization,PSO)算法进行改进。对于机器人组群中的粒子,设定了机器人的速度限制,根据任务的解决程度,可以弹性改变机器人粒子的前进速度。为实现在实际环境中使用PSO算法,将粒子的拓扑空间替换为搜索空间,使得群组机器人可以应用改进后的PSO算法完成既定的搜索任务。设计了一套含有8个指标的算法评价体系,通过100次的3种不同类型搜索任务求解,对比不同的算法和指标,实验结果证明了提出的PSO算法在群组机器人搜索任务中的适用性和有效性。

基于粒子群优化ACMD方法的滚动轴承复合故障分离方法

为了对强背景噪声干扰下的滚动轴承复合故障特征进行提取,课题组提出一种基于粒子群和自适应调频模式分解(adaptive chirp mode decomposition,ACMD)的滚动轴承复合故障分离的特征提取方法。首先,构建一个复合故障分解因子(compound fault decomposition factor,CFDF)用于评价复合故障特征提取效果;然后,将最大复合故障分解因子作为目标函数,利用粒子群寻优算法自适应搜索ACMD最优参数,进而实现信号模态分解;最后,对分解后的多模态分量进行平方包络谱分析,进而判断轴承的故障类型。仿真及试验结果表明:该方法能够实现强背景噪声干扰下的滚动轴承复合故障特征提取,分离出单一的故障信息。对比经典VMD方法,该方法具有更好的鲁棒性。

基于铀尾矿库核素监测的WSN粒子群优化路由算法

为提高铀尾矿库无线传感器网络(WSN)现有路由算法的网络寿命,提出一种基于铀尾矿库核素监测的WSN粒子群优化路由算法(EBPSO)。首先,在簇头(CH)选举阶段,考虑传感器节点的能量、簇内节点距离、CH到基站的距离等参数,利用粒子群优化(PSO)算法选出最合理的CH,并将筛选出来的CH节点应用于铀尾矿库核素监测组建WSN;其次,在数据传输阶段,提出转发节点的选择方法;然后,用能量阈值重分簇方案来减少能量消耗;最后,对比基于PSO优化模糊C均值的分簇路由算法(POFCA)、低功耗自适应分簇(LEACH)以及高效非均匀分簇算法(EEUC)性能。结果表明:在网络生命周期上,EBPSO算法比POFCA、LEACH、EEUC分别提升1.7%、24.7%、9.2%。EBPSO算法能够延长网络生命周期,适用于铀尾矿库核素监测应用场景。