基于改进型粒子群算法的栽植机四杆机构优化设计

针对栽植机四杆机构优化设计问题,提出了一种基于改进型粒子群算法的优化设计方法进行优化设计:以栽植机四杆机构为研究对象,建立以机构输出角的平方偏差最小化的优化模型;提出自适应权值粒子群算法,并与复合形法、约束随机方向法的优化设计结果进行比较,发现设计结果有了明显优化,验证了该改进型粒子群算法更适用于栽植机四杆机构的优化设计,对于栽植机四杆机构的优化设计具有良好的指导意义。

基于改进型粒子群算法的PID神经网络控制系统

针对传统的PID神经网络(PIDNN)应用范围受限及积分误差规则难以获取的问题。为实现对非线性多变量系统的有效控制,拓展神经网络控制系统的应用范围,提出了基于改进型粒子群算法在PID神经网络控制系统设计中的解决方案,取代了传统的BP反向传播算法。仿真结果表明,与传统的PIDNN相比,系统的稳定性、鲁棒性及精确性都有了明显的提高,该方法有效的提高了PIDNN控制的使用范围,为智能方法在PID控制中的应用提出了一个新的参考。

基于改进型粒子群的作业车间调度问题研究

研究以最小化作业加工总时间为目标的作业车间调度问题,受生物体自调节机制启发,改进了传统粒子群算法,提高了搜索效率,优化了调度结果。在该研究中,借鉴生物体内部自我调节机制,在粒子群算法中引入自适应调节因子,通过单个粒子感知共同飞行的其他粒子信息来自我调整飞行状态,以达到更大的搜索范围和更好的搜索质量。最后通过对作业车间调度实例Lawerence's系列问题进行测试,测试结果验证了算法的有效性。

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。

基于改进型粒子群PID算法线切割电极丝恒张紧力控制系统

在慢走丝线切割走丝系统中,电极丝容易受到外界干扰和自身控制系统影响下,电极丝的张紧力会发生一定程度的波动,最大波动幅值可达50%,将导致导轮之间电极丝发生较大的挠曲变形和振动,严重影响加工工件的形位精度和表面质量。对电极丝进行受力分析,介绍改进型闭环控制电极丝走丝系统,设计恒张紧力闭环控制系统,运用改进型粒子群PID算法对电极丝进行在线恒张紧力控制。实验结果表明:本次设计的控制系统,具有高精度和实时性,电极丝张紧力波动控制在5%之内,对外界冲击载荷的修正时间约为4 s,且电极丝横向振动减少接近50%。

基于改进型粒子群算法的无刷直流电机速度控制研究

无刷直流电机的控制方便,效率突出等特点,依赖于较高的调速性能。传统调速系统所采用的PID调速,日益无法满足工业应用对精度、抗干扰,自适应等调控品质的要求。本文针对以上不足,采用基于改进型粒子群算法的PID调速系统来对电机转速进行调控。鉴于粒子群算法寻优速度不匹配,且易过早陷入局部最优等问题,采用自适应惯性权重法来进行优化改进。通过编写Matlab编程和搭建simulink模型仿真对比,可以看到相对于传统PID控制器,改进后粒子群算法能使控制器有更小的超调量、更快的响应速度和更强的抗干扰能力,显著提高无刷直流电机调速系统性能。

基于圆周割线改进型粒子群优化算法的叶片临界颤振辨识方法研究

针对风力机叶片在颤振风速下的临界颤振现象,创新性地结合几何圆周割线和传统粒子群优化算法,首次设计了一种圆周割线改进型粒子群优化算法,应用于叶片临界颤振系统的参数辨识。该方法利用圆周上移动点的割线距离来动态调节全局学习因子和局部学习因子,针对优化辨识提高全局搜索和局部搜索的动态平衡性,避免陷入局部最优,提高算法的整体寻优性能和优化效率。仿真试验中,将该方法与多种先进粒子群优化算法(如改进型粒子群优化(MPSO)算法、基于线性递减惯性权重的粒子群优化(LDIW-PSO)算法、基于动态学习因子的免疫粒子群优化(IPSODCLF)算法)的辨识结果相比较,结果表明该辨识方法在辨识精度、计算时间和鲁棒性方面均具有显著的优越性。

基于改进型粒子群优化算法的畸变光斑校正仿真研究

相干探测激光雷达作为一项重要的光学探测技术,在实际应用中面临着大气湍流的影响:大气湍流会导致光斑发生畸变,从而降低探测性能。为解决这一问题,笔者提出了基于改进型粒子群优化算法的畸变光斑校正方法。该方法通过引入Metropolis准则以一定的概率接受劣质解,达到了更高的收敛极限。另外,改进型粒子群优化算法对惯性参数的取值不敏感。对于不同的惯性参数,随着迭代次数增加,所提算法最终都能够达到相同的收敛极限,这说明改进型粒子群优化算法的鲁棒性较好。在中强湍流和强湍流下,对比分析了随机并行梯度下降(SPGD)算法、粒子群优化(PSO)算法和改进型PSO算法的校正结果。仿真结果表明:在收敛速度方面,SPGD算法用时最长,其次是PSO算法,改进型PSO算法用时最短。在收敛极限方面,对于中强湍流,三种算法都能够使斯特列尔比提高到0.8以上,可以认为畸变校正达到了理想效果;对于强湍流,SPGD、PSO和改进型PSO算法使斯特列尔比分别提高了1.2、2.6、3.2倍(与校正前相比)。综合来看,相比SPGD和PSO算法,改进型PSO算法更有利于提高相干探测激光雷达的性能,尤其是在强湍流条件下。

基于改进型粒子群优化算法的非对称级联开关电容多电平逆变器

针对粒子群优化PSO(particle swarm optimization)算法在应用到逆变器的特定谐波、消除脉宽调制SHEPWM(vselective harmonic elimination pulse-width modulation)所存在的全局搜索能力差、且容易陷入局部最优等问题,提出1种改进型PSO。通过在搜索过程中引入遗传算法中的垂直交叉运算,以及采用精英保留策略来提高算法的全局搜索能力、局部搜索能力和保留优秀的个体,由此提高开关角精确度,改善SHEPWM的性能。使用所提算法对新型非对称级联开关电容多电平逆变器的SHEPWM非线性超越方程进行求解,解决了传统数值法对初值依赖性高及传统PSO求解开关角精确度低等问题。仿真及实验结果验证了所提拓扑结构的可行性和所提算法应用到SHEPWM中的有效性。

基于改进粒子群算法的室内可见光定位研究

为了提高现行室内可见光定位系统的定位精度,提出考虑噪声干扰的动态惯性权重及认知因素的改进型粒子群算法。首先,将决定定位精度的欧式距离转换为目标函数最小值优化问题;其次,利用惯性权重动态赋值,增强粒子群算法初期的全局搜索能力和后期的局部搜索能力;然后,利用正弦函数使得个体认知因素值非线性地减小,利用余弦函数使得群体认知因素值线性地增加,以进一步提升定位精度;最后,通过仿真与实验测试对所提定位算法进行验证。仿真测试结果表明,在5 m×5 m×3 m和5 m×4 m×3 m两种定位模型中,在0,0.5,1.0和1.5 m四个高度平面的空间定位平均误差分别为0.65和0.54 cm;实验结果显示,在搭建的1 m×1 m×0.8 m和1 m×0.8 m×0.8 m室内空间中的平均定位误差分别为2.67和1.81 cm。

基于改进型粒子群理论的大承载车辆盘式制动器优化设计

为了解决大承载盘式制动器产品设计水平较低和可靠性较差等问题,以大承载车辆盘式制动器为研究对象,建立将制动距离与制动温升作为优化目标的优化设计模型,使用改进型粒子群理论对重载车辆盘式制动器进行优化设计,最后通过有限元计算方法对优化后的模型进行验证。分析结果表明,随着车辆制动距离的增加,盘式制动器温升整体呈现下降的趋势;通过对优化设计后盘式制动器进行有限元验证,优化后盘式制动器模型的强度、温度及制动效能特性均满足使用要求,制动器设计方法得到丰富、可靠性得到提高。

基于激素调节机制改进型自适应粒子群算法在置换流水车间调度中的应用研究

研究以最小化最大流程时间为调度目标的离散型生产作业中的置换流水车间调度问题,将基于激素调节机制的改进型自适应粒子群算法应用到其中。在该算法中,粒子群算法的个体最优初始值不再是随机生成,而是由基于启发式信息的贪婪随机自适应算法得到的工件加工顺序转换而成,同时借鉴激素调节机制,引入激素调节因子,根据单个粒子周围的粒子的信息,对粒子的飞行方程进行改进,以提高搜索效率和搜索质量。对置换流水车间调度实例Rec系列基准问题进行测试,结果验证算法的有效性。

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.

基于改进型离散粒子群优化的云计算资源分配方案

针对云计算中资源有效分配的问题,提出一种基于改进型离散粒子群优化(IDPSO)算法的云资源分配方案.首先,将传统PSO算法中的运算进行离散化,使其能够应用于资源分配问题.然后,对传统PSO粒子位置更新公式中的惯性权重进行改进,根据当前粒子位置、局部最佳和全局最佳位置的适应度来确定这些权重系数,以此加快粒子的收敛速度.最后,将资源分配方案编码为一个二维粒子,利用IDPSO算法求解最优解.实验结果表明,该方案能够有效降低资源浪费率,具有可行性和有效性.

基于改进的粒子群算法的活性污泥神经网络控制模型

针对污水处理过程中出水水质受到诸多因素的干扰，在国际水协开发的基准仿真模型BSM1基础上，通过采用改进的粒子群算法，结合神经网络对活性污泥法系统进行仿真模拟和仿真。结果表明，与传统算法相比，改进型混合粒子群算法不仅加快了收敛的速度而且提高了搜索的精度，并且神经网络建立污水处理过程模型是有效可行的。

基于改进粒子群算法的光伏系统附加向心属性最大功率跟踪研究

对鸟类的群集行为进行研究,观察到在初始阶段鸟类的飞行是随机的,但随着观察时间的增长,外围要素表现出向群的核心移动的趋势。将这种特征特性与传统粒子群算法相结合,开发出一种改进型粒子群算法,增强了算法的全局开发和局部探索能力。通过不同光照条件下的光伏阵列对仿真算法进行对比验证,给出了最大功率点计算值和实测值的跟踪曲线。结果证明所提出的算法在部分遮蔽及变化光照下均能快速、稳定地在线寻得全局最大功率点,较好地解决了传统最大功率跟踪技术容易陷入局部最大功率的问题。

基于改进粒子群法的输电线路覆冰预测研究

冰雪灾害对输电线路造成的负面影响极大,尤其是不利于架空输电线路安全运行。为更好地保障架空输电线路在极端天气下的安全性和稳定性,本文全面分析了架空输电线路覆冰后的状态;然后,基于经典粒子群算法和优化粒子群算法,对架空输电线路在极端天气状况下的覆冰厚度进行了预测和分析。经过研究发现,采用经典粒子群算法和优化粒子群算法,经过优化后的参数模型预测精确度明显提高,更适合实际工程应用。

全空间条件下矿井瞬变电磁法粒子群优化反演研究

煤矿井下矿井瞬变电磁法(MTEM)探测中,电磁场呈全空间分布,全空间瞬变电磁反演是复杂的非线性问题,目前反演计算中全空间响应主要由半空间响应乘以全空间响应系数来得到,导致反演结果中顶板和底板异常(或前方和后方异常)叠加在一起难以分离,造成分辨率下降.论文提出采用粒子群优化算法(PSO)进行全空间MTEM反演,通过理论分析,在常规的粒子群算法基础上提出了一种新的进化公式改进策略,提高了粒子群算法的寻优能力.基于全空间瞬变电磁场理论,编写了粒子群算法反演程序,进行全空间条件下五层含巷道的复杂模型的反演计算.结合某矿井巷道顶板、底板岩层及断层含水性的探测实例,对实测数据进行反演计算和解释,探测结果得到钻探证实.研究表明,改进的粒子群优化算法对理论模型和实际资料的反演拟合程度较高,实现了矿井顶板、底板视电阻率异常的分离,提高了全空间瞬变电磁勘探资料的解释精度和分辨率.

基于FPGA的改进型PSO优化PID在冷轧带钢对中控制系统中的应用

带钢冷连轧卷取机对中控制系统是轧钢设备的重要组成部分,采用传统的PID方法控制精度不高。针对这一问题,提出了动态权重差异演化PSO优化PID算法,在FPGA平台上采用并行性和状态机的设计方法对算法进行优化,利用VHDL语言在QUARTUSII中编写各个模块,得到仿真结果。结果表明,该设计方法能达到系统的预期精度要求,使系统更快速、更稳定地运行。

粒子群优化齿轮箱振动信号周期分量提取方法

为了从齿轮箱振动信号中快速获得各零部件的振动信号,给准确定位故障部件提供理论依据,提出了一种适合于齿轮箱振动信号周期分量提取的改进型粒子群优化算法。在对齿轮箱振动信号、周期信号振幅与对应频率间的关系以及初始相位与对应频率间的关系分析的基础上,以各特征频率及其组合为基准生成初始种群进行优化,减少了周期信号提取中的盲目性,加快了周期信号的提取过程。最后,对实验室的齿轮箱进行了不同工况下振动信号的检测,以这些信号为例进行了周期分量的提取,结果说明所提方法是可行有效的。