改进型PSO算法解算三维测边网平差模型

空间三维测边网属于典型的秩亏自由网。针对目前网平差常用的最小二乘算法存在线性化求导复杂,计算量大等问题,本文基于高精度测距值,以控制点坐标反算距离与观测距离差值之和最小为目标,构成非线性方程组,建立函数模型;考虑到非线性方程组求解方法中智能优化算法无需求导和公式推导简单等优点,引入粒子群(PSO)智能优化算法,并构建改进型PSO算法。研究结果表明,根据本文提出的改进型PSO算法进行平差解算,可保证解算结果的准确性,且该算法较传统PSO算法的寻优速度更快,不仅可为空间三维测边网的解算提供新思路,还可为建立空间三维测边网提供理论支撑。

基于特征构造和改进PSO算法的分布式光伏功率预测

分布式光伏由于其历史数据缺乏,光伏出力的预测精度不高,提出改进粒子群优化算法(PSO)+长短时记忆网络(LSTM)与注意力机制结合的神经网络模型。构造基于聚类算法的特征工程扩充数据集;给出局部最优判据改进粒子群算法并应用于模型的超参数优化,提升模型泛化性;采用注意力机制与LSTM相结合的架构进行短期功率预测。在澳大利亚公开数据集上的实验表明,新的特征工程与光伏出力具有相关性,预测精度相比传统LSTM模型精度提高17.4%,且改进PSO算法相比标准算法收敛性更好。

基于改进惯性权重PSO算法的水库防洪联合调度研究

针对望谟县洪灾频发的现状,基于改进惯性权重的PSO算法,以动用新屯、纳坝水库的防洪库容最小为目标,建立了水库防洪联合调度模型。在保证水库工程安全和控制断面低于保证流量的前提下,通过防洪联合调度,两库(纳坝、新屯)库堤结合方案使望谟县城市防洪标准由现状20年一遇提高到50年一遇,50年一遇洪水削峰率约为33.7%。其中,纳坝水库50年一遇洪水的安全下泄量为23.5 m^(3)/s,新屯水库50年一遇洪水的安全下泄量为16.5 m^(3)/s。实例应用可为水库群防洪联合调度研究提供参考。

基于改进KNN算法的新能源发电单元运行状态识别

目前识别发电单元运行状态的研究较少,数据来源以数据采集与监控系统为主,采集速度较慢。为此,提出了一种基于发电单元机端电气量数据并融合改进k近邻(KNN)算法的新能源发电单元状态识别方法,直接采集机端电气量数据用于快速判断发电单元状态。提出KNN算法的改进策略,克服了传统KNN算法准确度低、识别速度慢的缺点。利用电力系统分析综合程序获取用于状态识别的发电单元机端电气量数据,利用改进策略对数据进行预处理,并对比传统KNN算法、逐条使用改进策略的KNN算法对新能源发电单元状态识别的耗时与准确度。结果表明所提算法较传统算法的识别准确度和速度明显提升,能满足稳定控制过程中对新能源发电单元的状态感知需求。

改进灰狼算法优化GBDT在PM_(2.5)预测中的应用

针对灰狼算法易陷入局部最优解和全局搜索能力不足的问题,通过霍尔顿序列(Halton Sequence)搜索算法初始化狼群位置,避免灰狼算法陷入局部最优解和重复运算;引入莱维飞行和随机游动策略对灰狼算法的寻优过程进行优化,以增加算法的全局搜索能力;利用粒子群算法模拟灰狼种群得出的最佳适应度以用于惩罚项改进灰狼算法中的头狼更新策略。使用改进算法优化的梯度提升树(Gradient Boosting Decision Trees,GBDT)模型对北京市大气污染物监测数据中PM_(2.5)质量浓度进行预测,采用3种评估函数对各模型以及混合模型预测效果得分进行评估。结果显示,本文改进的灰狼算法对梯度提升树的优化效果优于其他算法,均方根误差E RMS为6.65μg/m^(3),平均绝对值误差E MA为3.20μg/m^(3),拟合优度(R^(2))为99%,比传统灰狼算法优化结果的均方根误差减少了19.19μg/m^(3),平均绝对值误差降低了10.03μg/m^(3),拟合优度增加了9百分点;与霍尔顿序列和莱维飞行改进的(Levy Flight-Halton Sequence,LHGWO)相比,改进的灰狼算法预测得分的均方根误差降低了10.39μg/m^(3),平均绝对值误差减小了6.71μg/m^(3),拟合优度提高了5百分点。研究表明了预测模型优化的有效性,为未来城市改善空气质量提供了科学依据和技术支持。

基于改进PSO算法的掘进机减速器齿轮修形参数优化

通过分析减速器齿轮修形理论,提出一种改进的PSO算法来求解掘进机减速器齿轮最优修形参数组合,并利用Romax Designer软件对修形后齿轮的性能进行仿真分析。实验结果表明:太阳轮和行星轮的传动误差幅值分别降低了0.087 7、0.204 1μm;齿轮传动过程中所受载荷集中在齿中心,外力载荷分布均匀,避免了载荷偏载情况的发生;振动加速度明显降低,可以进一步提升减速器齿轮的传动性能,能够作为减速器及类似机械零件的设计和改进方法。

基于改进 PSO-BPNN 的拖拉机液压油品质监测

为实现对拖拉机液压油品质的有效监测,保障拖拉机液压系统的平稳运行,基于改进PSO-BPNN设计一种针对拖拉机液压油品质的监测方法。首先,为研究拖拉机液压油品质恶化情况,在液压油新油的基础上配制不同比例的液压油油样。随后,搭建拖拉机液压油品质监测试验装置,并依据试验装置采集与监测液压油粘度、介电常数和温度参数。然后,设计并搭建一种基于改进PSO-BPNN的拖拉机液压油品质监测模型,该模型利用正弦调整惯性权重的PSO算法优化BPNN的权值和阈值初始值,提高模型收敛效率。最后,为验证基于改进PSO-BPNN的液压油品质监测方法的可行性,与基于传统BPNN、标准PSO-BPNN的拖拉机液压油品质监测模型进行对比。结果表明,基于改进PSO-BPNN的拖拉机液压油品质监测方法具有较快的收敛速度,监测正确率达到97.78%,为优化拖拉机液压油品质监测方法提供参考。

基于改进粒子群算法的机械臂振动抑制研究

SCARA机械臂在工作过程中和工作终止后都会出现振动问题,为了降低机械臂的残余振动,选取粒子群作为寻最优抑振轨迹的优化算法,针对粒子群算法在轨迹寻优时收敛性差以及出现停滞现象问题,提出采用非线性递减惯性权重和粒子种群跳跃的方法对粒子群算法进行改进。利用机械臂振动抑制实验平台,使用改进的粒子群算法进行抑振轨迹优化并进行实验研究,验证结果可行且有效,得到抑振指标最小的最优抑振轨迹。

基于改进PSO的无线传感器网络数据自适应聚类算法

为解决无线传感器网络数据类项过于繁杂的问题,将相似信息参量整合成独立的簇类对象集合,提出基于改进PSO的无线传感器网络数据自适应聚类算法。按照改进PSO算法的作用机制,确定欧氏距离指标的计算数值,实现对网络数据的处理。在无线传感器网络体系中定义聚类排序原则,结合相关数据样本求解自适应期望熵,完成无线传感器网络数据自适应聚类算法研究。实验结果表明,在改进PSO算法作用下,无线传感器网络数据经过整合后的簇类对象集合数量由20个减少到6个,能够解决无线传感器网络数据类项过于繁杂的问题,满足按需整合相似信息参量的实际应用需求。

基于改进PSO算法的光伏阵列MPPT研究

由于光伏组件的P-V特性是单峰非线性曲线,由它组成的光伏阵列的发电功率易受温度、光照强度等外界环境因素的影响,导致实际工程中光伏发电效率大大降低,因此追踪最大功率点(Maximum Power Point Tracking,MPPT)使光伏发电系统的发电功率一直处于最大功率点,对提高系统整体的发电效率有着十分重要的意义。引用进化差分算法对传统的粒子群算法(PSO)的寻优过程进行差分进化选择,并将非线性策略与改进后的PSO算法相结合。通过仿真计算分析,改进后的PSO算法相较于传统的PSO算法能够更快速、更准确地找到部分阴影情况下的最大功率点,进而提升了光伏系统的发电效率。

改进萤火虫群算法协同差分隐私的干扰轨迹发布

针对历史轨迹加噪发布干扰轨迹时数据集的冗余问题和轨迹形状相似带来的隐私泄露风险,提出轨迹数据先约简后泛化再进行差分隐私加噪的基于改进萤火虫群优化求解的干扰轨迹发布保护机制(IGSO-SDTP)。首先,基于位置显著点约简历史轨迹数据集;其次,结合k⁃匿名和差分隐私对简化后的轨迹数据集分别进行泛化和加噪;最后,设计了兼顾距离误差和轨迹相似性的加权距离,并以加权距离为评价指标,基于改进萤火虫群优化(IGSO)算法求解加权距离小的干扰轨迹。在多个数据集上的实验结果表明,与RD(Differential privacy for Raw trajectory data)、SDTP(Trajectory Protection of Simplification and Differential privacy)、LIC(Linear Index Clustering algorithm)、DPKTS(Differential Privacy based on K-means Trajectory shape Similarity)相比,IGSO-SDTP方法得到的加权距离分别降低了21.94%、9.15%、14.25%、10.55%,说明所提方法发布的干扰轨迹可用性和稳定性更好。

基于精度因子与距离残差的加权最小二乘算法在DTMB辅助北斗定位中的应用

北斗三号系统已完成建设,该系统可以在空旷的室外提供较为准确的定位信息。但是在城市峡谷区域,北斗信号会受到遮挡。当能够提供有效定位信息的北斗卫星数目逐渐减少时,利用北斗卫星进行定位得到的定位结果偏差会逐渐增大。本文针对以上问题,在采用地面数字多媒体广播信号辅助北斗定位的基础上,利用基于精度因子与距离残差的加权最小二乘算法进行定位,相比于利用最小二乘算法进行定位,定位精度提高了40%~50%。本文提出的算法对于解决定位基站数目不足时增加其他不同类型基站来进行辅助定位的问题具有借鉴作用。

基于最佳缝合线和改进加权平均融合的图像拼接

为了解决图像拼接中出现的拼接缝和伪影问题,文章提出一种基于动态规划思想的寻求最佳拼接缝算法,采用改进的加权平均融合算法解决拼接缝问题。在图像配准方面,通过SIFT算法对图像进行特征匹配,并利用RANSAC算法去除误匹配点。在图像融合方面,给定一对对齐的图像重叠区域,利用动态规划思想来搜索最佳缝合线;然后结合改进的加权平均融合算法实现无缝拼接。实验结果表明,本文提出的算法有效消除伪影和拼接缝,实现两幅图像重叠区域之间的光滑过渡,符合人类的视觉感知效果。

基于改进PSO算法的导叶式旋风分离器结构参数多目标优化

为了进一步提高旋风分离器性能,对导叶式旋风分离器结构进行多目标优化。首先构建旋风分离器参数化脚本模型,通过数值模拟与台架试验对模型准确性进行验证,再基于全局高灵敏参数,利用搜索能力强和收敛速度快的改进PSO算法,以分离效率和压降为性能目标对分离器结构进行优化。对比分析优化前后的参数变化率、静压力与湍动能,结合工程需求选取最优方案,并对最优方案进行试验验证。结果表明:优化后的参数配置可有效减弱内部湍流运动强度和能量损耗,最优方案的分离效率由原来85.10%提升到92.09%,压降降低30.45%。

基于改进A星算法的无人机自主避障路径规划

传统A星算法存在搜索节点多、路径拐点有大量冗余、未考虑到无人机自身物理信息与障碍物的边界距离,以及搜索效率不够高等问题,基于上述情况设计一种改进型A星算法。首先,针对搜索节点多的问题,提出了一种改进启发函数,以降低算法陷入局部最优的风险,从而减少搜索节点和搜索区域,节约搜索时间,提高搜索效率;其次,为避免无人机因自身尺寸与体积发生撞机的问题,采用消除边界碰撞可能的扩展节点的方法;最后,为消除路径拐点冗余,通过引用Floyd算法,达到拐点冗余消除和路径进行简化。试验结果表明,改进的A星算法与传统算法相比生成的路径更加安全高效。

基于改进YOLO算法的动物源性食品检测方法

由于动物源性食品图像的特征分布不规则,导致对其检测结果的可靠性难以得到保障,为此提出了一种基于改进YOLO算法的动物源性食品检测方法。通过YOLO V3的主干特征提取网络Darknet-53,分别对动物源性食品图像中存在的可见光和红外光进行特征提取,结合二者对应模态特征的最佳权重参数,进行特征加权融合,计算融合后特征的目标框位置损失、目标置信度损失以及类别损失,确定最终的分类。测试结果表明,设计方法对动物源性食品图像的识别结果稳定,且错误识别数量始终保持在较低水平,不受测试数据集构成的影响。

改进PSO算法在AWS波浪发电场参数辨识中的应用

考虑到现阶段波浪发电场的数量较少,缺少足够的实际测试数据,文中设计一种基于改进PSO算法的AWS波浪发电场模型。以AWS波浪发电场实测数据为输入,以有功功率为输出,引入粒子群算法(PSO)确定模型的各项等效参数,构建可以对实际测试波浪数据对应的发电场功率进行分析的等效模型。在PSO目标函数为等效模型输出有功功率和电场模型输出有功功率之间差值的平方和的基础上,采用PSO方法对等效模型驱动参数进行辨识。结果表明:迭代达到约1300次时,粒子群算法发生收敛,表明采用PSO对12组实测数据进行参数辨识都可以实现正常收敛的状态。所设计模型以粒子群算法进行辨识所得各参数基本相同,能够得到稳定的参数辨识结果。

基于改进PSO的有源噪声控制算法关键参数在线获取

针对有源噪声控制(Active Noise Control, ANC)系统中自适应算法关键参数难以最优设置,导致降噪系统性能不理想的问题,提出了一种改进粒子群(PSO)算法用于在线获取ANC系统关键参数。该算法在ANC系统的实时采样过程中,随机选择粒子作为ANC算法的关键参数,并以数据块为单位迭代更新粒子群。算法采用动态的惯性权重和非线性的适应度函数,解决了传统PSO算法寻优能力不足和鲁棒性弱的问题。实验结果表明,改进PSO算法在ANC关键参数在线寻优过程中,仅需20次迭代即能找到最优参数值,收敛速度快,并且算法获得的稳态误差值最低,稳定值为-35.6 dB,降噪表现优异。

基于改进PSO算法的光伏发电系统负荷参数辨识方法

常规的光伏发电系统负荷参数辨识方法主要使用混沌海鸥组合算法优化目标辨识函数,易受静态负荷的影响,导致参数辨识收敛速度偏低。因此,需要基于改进PSO算法设计一种全新的光伏发电系统负荷参数辨识方法,即利用改进PSO算法设计负荷参数辨识策略,根据光伏阵列特征调整光伏发电系统逆变器统一控制器参数,从而实现光伏发电系统负荷参数辨识。实验结果表明,设计的光伏发电系统负荷参数改进PSO算法辨识方法到达平均最优位置花费的辨识次数较少,收敛速度较高,辨识效果较好,具有可靠性和一定的应用价值。

基于改进PSO算法的煤矿相机参数优化设计

为提升基于PSO算法的煤矿相机参数选取的准确性,提出了一种基于惯性权重调整对粒子群算法进行优化的方法。在优化中在结合e指数法的基础上,通过粒子适应度函数值对惯性权重进行动态调节,在迭代的前期阶段,此时的适应度值较大,根据迭代次数对惯性权重进行调整,在迭代的后期阶段,此时的适应度较小,则根据适应度值对惯性权重进行调整,从而达到减少迭代次数、提高精度的目的,通过优化后的算法对张氏标定法得到的相机内参进行调节。为验证算法优化后的效果,对优化参数后的相机进行标定试验,经标定试验可知,改进PSO算法对煤矿相机参数优化后,平均误差为0.4517 piexl、标准差为0.2989 piexl、迭代次数为213次,对比标准的PSO算法、e指数法,能够明显提高相机参数的精准度、降低迭代时间。