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。

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.

基于自适应变异粒子群算法的风光储微网调度

为克服传统粒子群算法在求解时容易形成局部最优,求解精度低的不足,提出了一种基于自适应变异粒子群优化的微电网调度求解方法。惯性权重采用自适应正态分布递减,随着迭代次数的增加更新粒子位置的移动策略,并且在算法后期引入变异环节。为验证算法的有效性,文章与其他算法进行收敛性能对比,并对两种典型天气情况下的微网运行成本模型仿真求解,得到最优调度。算例结果表明,改进算法能够对粒子全局最优搜索优化,效果优于其他算法,可合理调配分布式电源出力时段,具有良好的可行性。

基于改进粒子群算法的阻尼惯量自适应控制策略

针对传统虚拟同步发电机控制策略存在暂态调节时间长及稳定性差等问题,提出一种基于改进粒子群算法的阻尼惯量自适应控制策略。首先,通过分析系统受扰动后功角特性,提出阻尼惯量自适应控制策略;然后,利用改进粒子群算法选择控制策略初始值,给出关键参数的选取原则及具体范围;最后,通过与现有控制策略进行对比,分析不同惯量及阻尼下对系统影响并验证控制策略的优越性。结果表明,该策略可有效提高系统稳定性及动态响应性能。

速度多样性自适应选择模型的改进粒子群算法

针对单一进化模型无法满足粒子在不同阶段进化需求的问题,提出了一种自适应选择模型的改进粒子群算法。通过对粒子群算法的进化模型进行研究,给出了两种不同的进化模型,计算两种进化模型的速度多样性指标确定两种进化模型各自的选择概率,根据选择概率自适应选择相应的进化模式进行更新。速度多样性可以很好地反应粒子不断变化的进化情况,改进的粒子群算法可以根据进化情况自适应地调整各个进化模型的粒子比例,改善算法性能。为了进一步改进算法的整体性能,增加了一维学习机制。对比一些改进粒子群算法,进行8个测试函数的仿真实验,实验结果表明,该算法有5个测试函数的测试效果最好,Friendman检验和算法收敛对比分析结果表明,该算法具有良好的全局搜索能力和较快的收敛速度。

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。

基于混合改进自适应粒子群算法的光伏MPPT控制

针对常规粒子群算法对部分遮光条件下多峰值光伏阵列的最大功率跟踪容易陷入局部最优等问题,引入混沌映射函数初始化种群,同时引入非线性动态惯性权重系数以及动态学习因子设计自适应粒子群优化算法,构建基于混合改进自适应粒子群(IAPSO)的最大功率点跟踪算法,解决粒子群算法在部分阴影条件下容易陷入局部最优以及稳态波动大等问题。结果显示,IAPSO算法能够适应光照条件的变化,实现光伏阵列快速、高精度的最大功率点跟踪,有效解决了常规最大功率点跟踪方法存在的局部最优、稳态振荡等问题。

基于S型映射的自适应粒子群优化算法

针对粒子群算法搜索精度不高,易陷入局部最优解的不足,提出了一种基于S型映射的自适应粒子群优化算法.首先,通过群体适应度方差策略,设定种群收敛阈值;然后,根据阈值采用S型映射自适应变异搜索策略,以提高全局探索能力;最后,根据适应值排序,采用S型映射自适应步长梯度搜索策略,以提高局部搜索能力.通过四个测试函数实验表明,该算法在收敛速度、收敛精度方面均有较大提升.

混合策略改进的粒子群算法

针对粒子群算法易陷入局部最优、收敛精度低、收敛速度慢等缺陷,提出了基于混合策略的改进粒子群算法。使用融合Circle映射与精英反向学习的策略初始化种群,提升初始种群的质量,同时加快收敛速度;在粒子速度更新方式中引入蜘蛛移动策略平衡算法的全局搜索与局部搜索;提出了基于自适应t分布的变异策略,增强算法全局搜索和跳出局部最优能力;对15个单峰和多峰函数进行仿真实验,与其他3种算法进行了对比分析,结果表明:所提出的改进算法具有很强的寻优能力与稳定性。

基于改进粒子群算法的燃煤电厂经济调度自适应优化方法

经济调度优化关乎电厂的经济效益,为此,提出基于改进粒子群算法的燃煤电厂经济调度自适应优化方法,旨在最大化电厂经济效益、最小化发电成本,并设定相关约束条件,通过自适应调整粒子群算法参数,改进算法迭代求解模型,获得最优经济调度策略。实际应用显示,该方法有效提升了电厂经济收益,减少了污染物排放,具有良好的优化效果。

基于粒子群算法优化的汽车天窗改进型自抗扰控制

针对当前汽车天窗继电器闭合后,电动机控制天窗平移开闭、起翘开闭及防夹回退响应滞后问题,将内部不确定因素和外部环境干扰视为一个综合影响因素,提出了一种基于粒子群算法优化的改进型自抗扰控制方法,旨在改善汽车天窗的响应性能。首先,设计了一种新型cfal函数,解决了fal函数在拐点处不平滑容易引发抖动和控制系统不稳定的问题。接着,基于这种新型非线性cfal函数,构建了改进型扩张状态观测器,实现了对天窗扰动影响的实时估计。最后,采用粒子群算法进行内部参数优化调节,进行了汽车天窗系统的控制实验,并将该方法的输出响应曲线与传统ADRC控制进行了对比分析,实验结果验证了这种自抗扰控制方法在提升汽车天窗响应性能方面的优越性和可行性。

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。

基于改进粒子群算法的中深层地源热泵供暖系统运行优化

构建变工况运行且包含蓄热装置的中深层地源热泵供暖系统,基于改进粒子群算法,分别以运行费用、系统COP和地热能利用系数为目标函数对系统运行进行优化,并对优化结果进行比较和分析。结果表明:对应目标函数优化后的运行费用、系统COP和地热能利用系数分别为279.27元、6.4420和0.8527。以系统COP为目标函数的优化效果与运行费用相反,而与地热能利用系数相近。

基于改进T分布烟花-粒子群算法的AUV全局路径规划

针对传统粒子群算法在处理自主水下机器人(Autonomous Underwater Vehicle,AUV)全局路径规划时面临的寻优时间长、能耗高的问题,本文提出一种改进的T分布烟花-粒子群算法(T-distribution Fireworks-Particle Swarm Optimization Algorithm,TFWA-PSO),该算法融合了烟花算法的高效全局搜索能力和粒子群算法的快速局部寻优特性.在变异阶段,提出自适应T分布变异来扩大搜索范围,并在理论上证明了该变异方式能够使个体在局部最优解附近增强搜索能力.在选择阶段提出了适应度选择策略,淘汰适应度差的个体,解决了传统烟花算法易丢失优秀个体的问题,并对改进的T分布烟花算法与传统烟花算法的收敛速度进行对比.将改进算法的爆炸操作、变异操作和选择策略融合到粒子群算法中,对粒子群算法的速度更新公式进行了改进,同时从理论上对所改进的算法进行了收敛性证明.仿真实验结果表明,TFWA-PSO能够有效规划出一条最短路径,同时与给定的智能优化算法相比,TFWA-PSO在寻找最优路径的时间上平均降低了24.72%,能耗平均降低了17.33%,路径长度平均降低了16.96%.

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ER8机器人轨迹规划

为解决传统机器人工作效率低、稳定性不足和传统粒子群算法易早熟等问题,提出了一种基于改进粒子群算法的时间最优轨迹规划算法。通过改进粒子群算法的惯性权重和学习因子,优化了粒子群算法的局部和全局搜索能力。首先,以国产ER8型机器人为研究对象,采用改进型D-H参数法获得机器人连杆参数数据,同时通过运动学正逆解理论计算求出了轨迹插值点;其次,利用MATLAB机器人工具箱建立了ER8机器人仿真模型,由于正逆解理论值与仿真结果完全相一致,证明了所建仿真模型的正确性;最后,通过MATLAB仿真得到机器人3-5-3多项式插值构造的轨迹中各关节的位置、速度和加速度等信息,在满足运动学约束的前提下,利用改进粒子群算法优化3-5-3混合多项式插值函数构造的轨迹,机器人用于完成轨迹的时间从3 s减少到1.0375 s,相对于优化前,整体运行时间缩短了大约65%,证明文中改进的粒子群算法可以有效实现时间最优的轨迹规划。