基于改进型多目标粒子群算法的晶圆制造系统瓶颈工作站调度

为了尽可能提高瓶颈工作站利用率,在获得较高系统产能的同时得到一个合理的制造周期,构建了以最小化瓶颈工作站的平均加权提前/拖期时间和最小化瓶颈工作站流程时间为优化目标的改进型多目标粒子群算法,并对瓶颈工作站进行了性能分析.将准时交货和快速生产要求分别映射为瓶颈工作站平均加权提前/拖期时间和流程时间,并构建了多目标优化模型.通过改进速度和位置的更新机制,对陷入局部最优的粒子进行交叉操作,设计了用于瓶颈工作站调度的改进型多目标粒子群算法.在不同作业规模下从算法的稳定性、Pareto前沿质量、收敛速度及运行时间出发,进行了调度仿真试验.结果表明该算法对提高瓶颈工作站的调度性能是有效的、可行的.

采用改进多目标粒子群算法的斜拉桥阻尼器参数优化

为克服大跨度斜拉桥黏滞阻尼器优化设计效率低、多个相互制约的减震控制目标的问题难以权衡,基于遗传算法的“变异”方法,提出了改进多目标粒子群算法来进行阻尼器参数优化设计。建立大跨度斜拉桥的有限元模型,开展了全桥地震响应分析,根据抗震需求在桥梁纵向设置黏滞阻尼器;分别建立了塔底弯矩、阻尼力和梁端位移的减震响应与阻尼器参数之间的响应面数学模型;以减震响应面模型为研究对象,通过该算法进行阻尼器参数全局自动寻优分析,确定了阻尼器的最优参数,并与采用参数敏感性分析方法确定的一组阻尼参数进行对比分析。研究结果表明:该优化方法具有计算精度好、优化效率高和更好地权衡多个相互制约的减震控制目标的优点;通过优化算法获得的阻尼器参数组合相比采用参数敏感性分析方法获得的阻尼参数组合的减震响应,塔底弯矩增大1.73%,阻尼力减小5.97%,梁端位移减小1.66%;在无需多次有限元试算的基础上确定了更高精度的阻尼器优化参数组合,在提高减震效果的同时大大提升了计算效率。

基于改进粒子群算法的标签天线结构参数多目标优化设计

为了解决天线设计人员应用电磁仿真软件优化天线结构时存在的优化方向不明确和优化速度慢的问题,文中以干式水表的嵌入式射频识别标签天线设计为例,提出了基于改进粒子群算法的标签天线结构参数多目标寻优方法。首先,根据干式水表产品追溯需求,提出了中心频点尽可能接近理想中心频点、回波损耗尽可能低、带宽尽可能宽、面积尽可能小的四个目标函数。其次,为避免粒子群算法陷入局部最优,采用多维均匀拉丁超立方初始化、Logistic混沌映射非线性变化惯性权重、网格划分变化学习因子、高斯扰动策略等方法对算法进行改进,并应用于标签天线结构参数多目标优化中。最后,进行了实例验证。验证结果表明:利用改进后的粒子群算法得到的标签天线结构参数优化结果可更大程度满足优化目标需求,优化耗时仅为电磁仿真软件的40.1%。

基于改进粒子群算法的定日镜场优化设计模型

定日镜场是塔式光热电站的重要子系统.定日镜的优化布置问题是塔式光热电站建设需要解决的关键问题.以塔式光热电站的定日镜场为研究对象,建立阴影遮挡效率模型、余弦效率模型、截断效率模型以及大气透射率模型,得出定日镜场的光学效率.以镜场年平均输出热功率作为目标函数,建立非线性规划模型,用基于同心圆的粒子群算法进行圆形定日镜场的参数设计及优化求解.通过迭代寻优,找到年平均输出热功率最大时即可找到粒子的特征因子的最优解.

基于改进粒子群算法的综合能源系统多目标优化运行

“双碳”目标下,电力能源系统需要逐步向节能低碳的方向发展,综合能源系统(IES)是解决能源与环保问题的重要举措。目前对IES的研究主要集中在分布式能源、储能并网和多目标优化等方面,智能算法是处理优化问题的重要途径,但随着模型复杂化,传统的智能算法存在收敛性差、容易陷入局部最优的问题。基于此围绕IES经济、环保与稳定运行目标,构建了考虑经济性、环保性及出力不平衡性3个指标的基于改进粒子群算法的IES多目标优化模型。首先,以3个指标最优为目标搭建了IES模型;其次,采用隶属度函数和层次分析法(AHP)进行归一化处理并确定权重系数;最后,引入粒子浓度评价算子改进粒子群算法,对所提模型进行求解,并分析系统在单一目标和多目标情况下的运行结果,验证了模型和算法的有效性。改进算法显著提高了收敛速度,有效避免了粒子陷入局部最优。

基于改进多目标粒子群的大型设备群检测策略优化方法

在大型履带起重机群(大型设备群)检验检测中,存在检测工期紧、检测质量和人员安全要求高、经济效益最大化等多目标约束下的最优检测策略制定问题,为此,提出了一种基于改进多目标粒子群的大型设备群检测策略优化方法(MOPSO)。首先,利用变异算子对传统的多目标粒子群算法优化方法进行了改进;然后,根据大型设备群检测项目的实际需求构建了检测工期、检测成本、检测质量与安全的多目标优化模型,并确定了各子目标的约束条件;最后,将该优化算法和构建的模型应用于大型履带起重机群的检测项目中,对该方法的有效性进行了验证。研究结果表明:与传统检测策略相比,在保证质量和安全的前提下,利用该方法得到最优的检测策略,其检测周期仅需3/4,检测单位成本节省了14%,受检单位成本节约了32.8%,极大地提升了检测效率,降低了企业和检验单位人力、经济和时间成本。因此,该方法具有良好的实用性和推广应用价值。

基于多目标粒子群优化算法的某轻型商用车操纵稳定性优化研究

针对某轻型商用车稳态回转时侧倾度偏大的问题对其悬架进行优化改进。基于ADAMS/car搭建整车多体动力学模型,通过前悬架反向平行轮跳试验、后悬架理论计算验证了悬架仿真模型的准确性。进行整车稳态回转工况和转向盘中间位置转向工况仿真分析,结果表明,车身侧倾度偏高。为实现操纵稳定性优化分析的流程自动化,提出了基于modeFRONTIER的联合仿真方法。以悬架设计参数为优化变量,以汽车的侧倾度与横摆角速度响应滞后时间为优化目标,采用拉丁超立方试验设计方法拟合得到混合代理模型,并结合多目标粒子群优化算法对悬架系统进行多目标优化,获得了悬架系统优化方案。优化结果显示,在不影响平顺性的前提下,汽车车身侧倾度降低了13.93%,横摆角速度响应滞后时间降低了2.75%,整车操纵稳定性得到了提升。

基于改进粒子群算法的目标航迹模拟及RCS仿真

针对雷达运动目标轨迹模拟逼真度问题和RCS特征,提出一种基于嵌入式粒子算法的目标航迹模拟和RCS仿真方法。首先,分析了无人机模拟运动目标航迹的基本原理,以及无人机和模拟目标之间的运动模型和耦合关系,确定了耦合因子和控制量。然后,分析了目标运动轨迹模拟的约束条件,并结合无人机性能和能耗等因素给出了目标优化适应度函数,建立了目标航迹模拟的最优控制模型。其次,为提高模型解算的针对性和实用性,将粒子群算法进行改进,并嵌入到模型求解中,实现了对目标航迹的有效模拟。最后,基于模拟目标航迹,利用飞行动力学原理和坐标系转换计算得到模拟飞行目标的姿态角,通过电磁计算软件仿真得到模拟飞行目标的RCS。仿真结果表明,该方法对实现运动目标轨迹模拟和RCS仿真具有广泛适用性。

基于改进粒子群算法的自适应构网型变流器控制策略

构网型控制是一种改善新能源高渗透率下电力系统稳定性问题的技术手段。针对传统构网型变流器均采用固定参数控制而未能发挥出最佳调频效果这一问题,基于构网型变流器控制参数可调的特点,提出一种自适应控制策略,以优化构网型变流器的输出并改善电力系统的动态特性。首先,通过仿真实验得到典型构网型变流器虚拟惯量和阻尼系数在大功率事件下对系统动态特性的影响;其次,研究典型构网型变流器的频率曲线与功角曲线,提出包含频率偏差和频率变化率的自适应构网型变流器控制策略;然后,通过改进粒子群算法对自适应控制策略涉及参数进行整定;最后,基于MATLAB/Simulink搭建的微电网模型,验证所提控制策略的稳定性与鲁棒性。仿真结果表明,所提控制策略可以自适应改变控制参数,使构网型变流器的输出能够满足系统各个阶段的不同需求,优化电力系统的动态特性。

改进的粒子群算法对微电网多目标优化调度研究

成了太阳能机组大规模的使用,使得在保证电网电压稳定的前提下,如何提高可再生能源的利用率成了亟待解决的问题。针对由光伏电池、风力发电机、微型燃气轮机、柴油发电机和电池等构成的微电网,考虑运行成本、扰动负荷和污染治理成本等多指标,构建微电网多指标最优调度数学模型,进而提出改进的多目标粒子群算法。在满足约束条件下,提出一种改进惯性因子并引入自适应变异操作的方法对优化模型进行求解。仿真结果表明,微电网的运行得到了优化,并验证了改进的粒子群算法的优越性能,为优化调度的进一步研究奠定了基础。

基于改进粒子群算法的刚柔耦合模型车辆平顺性研究

针对刚柔耦合车辆的振动控制问题,建立了半车7自由度刚弹耦合动力学模型,用欧拉伯努利梁模型对其进行简化。针对传统粒子群算法容易陷入局部最优解等缺点,引入混沌初始化、动态惯性权重和自适应学习因子对算法进行优化,提出一种基于改进自适应惯性权重的粒子群算法。最后,通过MATLAB仿真建模分析,从车架位移等4个性能方面将无优化悬架、传统粒子群算法优化和改进粒子群算法优化3种情况下的结果进行对比。结果表明,在所有指标中改进粒子群算法的结果均显著优于其他二者,证明了该算法的有效性,可以显著改善车辆的行驶平顺性和驾驶稳定性。

基于改进粒子群算法的分散式电采暖负荷模型参数辨识

分散式电采暖负荷是一种具有巨大调节潜力的需求响应资源,但是,用户行为差异、太阳辐照度等随机因素为建立精确的分散式电采暖负荷模型增加了一定难度。首先,结合具体应用场景,搭建基于气候模拟平台的分散式电采暖负荷实验平台,采集负荷建模实验数据。然后,针对分散式电采暖负荷二阶等效热参数模型方程较为复杂的问题,以仿真温度与实测温度之间的误差最小为目标,提出基于改进粒子群算法的模型参数辨识方法,建立分散式电采暖负荷模型。最后,通过改变数据采样周期,对负荷模型进行优化。结果表明,所提参数辨识及建模优化方法可以有效地提高分散式电采暖负荷二阶等效热参数模型精度。

基于改进粒子群算法的智能微电网多目标调度

微电网优化调度是一个复杂问题,具有多个目标和非线性特征,仅以运行成本为目标的优化方法可能导致解决方案单一且运行环境受到影响.本文提出了一种经济、环保和创新的微电网调度模型,并对微电网中的微型燃气轮机、风力发电机、光伏发电、柴油发电机和电池等进行了详细的优化研究.构建了一种将运行成本和环境保护成本结合在一起的多目标模型.采用多目标粒子群优化算法(MOPSO)求解,以满足各种系统约束条件.该方法旨在确保微电网的运行在经济和环境方面都能取得最佳效果.这一模型提供了一个更全面和实用的框架,为微电网实现经济性和环境友好性的运行提供了重要指导.

基于改进量子粒子群算法的叶片延长翼型厚度优化设计

针对如何平衡载荷与升阻比以优化翼型厚度的问题,采用一种改进量子粒子群算法(IQPSO)对翼型厚度进行计算优化,以国产某2 MW风机为例,通过对延长前后的叶尖速比、风能利用率、叶根载荷、升阻比、功率以及发电量等试验数据对比分析来验证所采用的方法。验证结果显示,叶片延长后,优化翼型厚度为15%。同时,在升阻比平均提高约3.156%的基础上,叶根增加载荷水平在Mx、My、Mz方向上最多分别提高了12.3%、12.7%、12.5%,且均在安全范围13%内,发电量相较于历史水平提升34.71%。从而表明通过采用IQPOS进行叶片翼型厚度优化后,在满足叶片承受载荷的前提下,能够显著提高升阻比,可实现风力发电机的性能提升,达到稳定提高发电量的目的。

基于多目标粒子群算法的A356铝合金蠕变本构模型的构建

在150,250,300℃温度和20~150 MPa应力下,对A356铝合金进行单向拉伸蠕变试验,研究了其蠕变特性;采用多目标粒子群算法得到Norton-Bailey幂律模型、Garofalo双曲正弦模型和基于变形机制的真应力蠕变模型的参数,并采用这3种模型对A356铝合金的最小蠕变速率-应力曲线进行预测,分析3种模型的预测精度。结果表明:A356铝合金的最小蠕变速率与试验温度和应力成正相关,但温度对最小蠕变速率的影响程度大于应力;基于变形机制的真应力蠕变模型具有最高的预测精度,对最小蠕变速率的预测结果中90%数据点均位于2倍误差带内。结合多目标粒子群算法得到的基于变形机制的真应力蠕变模型可以用来准确模拟宽幅温度和应力范围下A356铝合金的蠕变特性。

基于改进的多目标粒子群算法的分布式光伏电源优化配置

针对不合理的分布式光伏电源选址定容给配网造成电压质量降低、功率倒送等问题,建立计及光照条件的配电网有功网损最小、电压偏差最小、投资成本最低的多目标选址定容模型,并提出一种改进的多目标粒子群算法求解该模型。该算法采用非线性惯性权重和学习因子提高算法的收敛精度,引入早熟扰动因子增强算法跳出局部最优的能力,提出拥挤距离更新策略,以保证Pareto解集分布的均匀性和广泛性;通过标准测试函数验证所提算法的优越性;最后,基于IEEE-69节点系统进行分析。仿真结果表明,所建模型在兼顾配电网经济性和安全性的同时,可有效将分布式光伏电源配置在光照资源丰富的地区。

基于改进粒子群算法的农村物流配送中心选址优化模型

文章在划定农村物流配送中心类型的基础上,以灰色理论预测农村物流配送需求,从而确定物流配送目标与作业流程。根据设定的物流配送与工作流程,基于改进粒子群算法构建选址模型,并通过对比测试的方法论证新模型的有效性。

基于人工免疫-改进粒子群优化算法的机械臂轨迹规划研究

焊接机器人运动轨迹复杂、控制精度要求高。提出了一种满足多目标约束的轨迹规划方法。针对机器人轨迹平滑性要求,以5次非均匀有理B样条(Non-Uniform Rational B-Splines,NURBS)曲线为基础,对笛卡儿空间路径点进行参数化表达;根据工业机器人路径约束及工况需求,选取时间、能耗、跃度3个运动学指标作为目标优化函数,采用人工免疫双态粒子群进行轨迹优化;为了平衡粒子“探索”与“利用”,增加双模态模型,引入人工免疫系统,提升了粒子多样性与后期收敛能力;根据Pareto解集得到满足约束的焊接机器人各关节最优轨迹,通过Matlab仿真证明了方法的有效性;最后,针对空间相贯曲线焊缝进行了焊接试验。结果显示,规划的轨迹符合实际工程需求。

基于改进粒子群算法的UWB雷达人体动作识别研究

针对雷达信号中的杂波干扰及样本数量对人体动作识别精度的限制,提出一种基于改进粒子群算法(particle swarm optimization,PSO)优化支持向量机(support vector machine,SVM)模型的超宽带(ultra-wideband,UWB)雷达人体动作识别算法。利用动态目标指示(moving target indication,MTI)与小波阈值滤波对接收到的UWB回波信号进行预处理,消除回波信号中的杂波和噪声对人体动作识别的影响;结合二维离散小波包分解(two dimensional discrete wavelet packet decomposition,2D-DWPD)与奇异值分解(singular value decomposition,SVD),对预处理后的雷达信号进行特征提取和降维;提出一种改进粒子群算法,优化SVM模型的相关参数进行识别和分类。实验结果表明,提出的算法准确率可达到96.25%,具有良好的识别性能。

改进粒子群算法求解生产计划与柔性作业车间调度集成问题

为解决机加工企业制定的生产计划与车间调度方案不兼容的问题,建立以最小化最大完工时间、最小化加工成本为目标函数的生产计划与柔性作业车间调度集成模型。提出一种改进粒子群算法(IPSO)作为全局优化算法。在传统粒子群优化算法(PSO)的基础上,引入遗传算子交叉的方式改进群体进化,同时设计随机性的边界变异,提高种群多样性,避免局部最优,学习因子及惯性权重采用幂函数动态变化,增强其搜索能力,更快收敛。最后通过生产实例,验证了IPSO在解决生产计划与车间调度集成问题上的可行性。同时将PSO、灰狼优化算法(GWO)和遗传算法(GA)作为对比算法,在15个Brandimarte基本算例上开展实验,得到的结果均优于其他算法,证明了IPSO求解柔性作业车间调度问题时的有效性和优越性。