基于改进PSO的无人机精细化自主巡检航迹布设优化

提出基于改进PSO的无人机精细化自主巡检航迹布设优化。结合波束法测量地面像控点坐标,通过结构矩阵描述平面误差细化值,完成像控点的布设。采用改进PSO算法计算航迹子路径的变更代价,得到新的路径点,由此实现无人机精细化自主巡检航迹布设优化。实验结果表明,所提方法的无人机精细化自主巡检航迹布设时间仅为39.4 min,说明所提方法能够有效提高无人机精细化自主巡检航迹布设效率,精细化自主巡检航迹布设优化效果更好。

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。

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优化RBF的压力扫描阀温度补偿研究

压力扫描阀由于结构紧凑、通道数多、精度保持性好等优点,在航空航天领域压力测量方面得到了广泛应用。针对压力扫描阀在工程应用中存在压力随温度漂移的现象,提出了一种基于改进粒子群算法(PSO)优化径向基神经网络(RBF)隐含层权值的方法,对温度漂移进行算法补偿研究。同时,对比了最小二乘法的曲面拟合、BP神经网络、RBF神经网络的补偿效果,结果表明:改进PSO优化RBF的方法补偿精度较高,在-40℃~60℃温度范围内,绝对压力的最大满量程误差为0.1%FS。不仅满足项目0.5%FS的误差要求,而且提高了压力扫描阀在该温度环境下的测压精度与性能。

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PSO-模糊神经网络旋转机械设备故障诊断研究

对旋转机械设备故障进行准确预测最主要的是要提高评价模型的性能,模糊神经网络具有很好的泛化能力和学习能力,但易陷入局部最优解,不能得到最优的故障类型。利用改进的粒子群算法对模糊神经网络的惯性权重和隶属度参数进行优化,极大地提高了模糊神经网络的性能,在旋转机械故障诊断和预测中发挥了极为重要作用。

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算法的风-光-储一体化微能源网优化运行研究

微能源网可实现多种能源的转换,有效解决能源供需匹配和可再生资源利用问题,满足用户对电能、热能和冷能的需求,是能源互联中的重要发展单元,实现能源体系向清洁低碳转型,具有推广价值。在分析各类设备的运行特性的基础上,建立微能源网的系统模型,提出以经济性、环保性和能源利用率为目标的联合优化策略,使微能源网系统综合效益最大化。求解算法方面,提出基于轮盘赌算法的改进PSO算法,实现粒子搜索机制的多元化,提高计算准确度的同时,确保PSO算法实现全局最优。选取某工业园作为仿真分析对象,算例数据表明,包含风-光-储设备、冷/热/电联供和电/气转换设备的微能源网系统能实现能源均衡配置。多目标联合优化后,综合协调经济性、环保性和能源利用率三个目标达成系统运行最优,使系统综合效益最大化。

基于改进PSO算法的配网故障区段定位研究

针对复杂的配电网结构造成的配网故障定位难题,依托日益完善的配网自动化系统,提出了一种基于改进PSO算法的配网故障区段定位方法,当配电网中发生短路故障时,能够根据处理后的FTU数据快速确定故障区段,为故障定位提供一定的技术参考。

基于改进PSO算法的过热汽温神经网络预测控制

将改进粒子群优化算法(MPSO)融合到神经网络预测控制中,提出了基于MPSO-RBF混合优化策略的模型预测器,以及基于MPSO算法的非线性优化控制器.针对过热汽温的控制。构造了基于神经网络预测控制的串级控制系统,并就该系统在实现时所涉及到的预测模型、滚动优化算法、反馈校正、仿真参数设置问题等进行了分析,给出了MPSO算法的粒子编码、操作设计和混合优化算法步骤.对某超临界600 MW直流锅炉高温过热器的过热汽温控制,进行了仿真试验,结果表明该方法具有良好的性能指标和应用前景.

基于改进PSO-BP混合算法的电力变压器故障诊断

将改进的粒子群优化(PSO)算法与误差反向传播(BP)算法相结合构成混合算法训练人工神经网络。改进的PSO算法中,惯性权重从最大到最小线性减小,以平衡局部和全局搜索能力,并将类似“选择”的概念引入PSO算法,使该算法更好地协调全局和局部搜索能力,有利于更快寻找到全局最优点。该算法有效地解决了常规BP算法学习网络权值和阈值收敛速度慢、易陷入局部极小和GA算法独立训练神经网络速度缓慢等缺点。将该算法应用于变压器故障诊断,仿真结果表明了该算法具有较快的收敛速度和较高的计算精度,满足电力变压器故障诊断的要求。

改进PSO算法优化的电液位置伺服系统滑模控制

针对电液位置伺服系统因参数不确定性、复杂时变性与非线性而导致控制性能不佳的问题,提出了一种基于改进PSO算法的电液位置伺服系统滑模控制方法。建立电液位置伺服系统的误差状态空间方程,通过设计滑模面和控制律推导出滑模控制器结构,利用李雅普诺夫函数验证了控制器的稳定性,采用柯西变异和自适应速度更新策略改进了PSO算法,并把改进后的PSO算法应用至滑模控制器中进行参数优化,基于AMEsim/MATLAB联合仿真研究了几种方法下系统对位置的跟踪情况。结果表明,相比于PSO算法和APSO算法,改进PSO算法寻优性能更好,从而验证了该方法是有效的;通过对比分析,采用改进PSO算法的滑模控制器极大地提高了系统的控制性能,在抑制抖振的同时实现了系统对状态轨迹的快速精确跟踪。通过现场试验研究,验证了所提方法的应用可行性。

基于改进PSO的可靠性稳健优化计算方法

基于现代设计方法和可靠性设计理论,建立了多目标约束优化数学模型,根据动态加速常数和速度自适应的改进粒子群算法(PSO),用编写的程序代码实现了数学模型的数值化求解。同时研究了加速常数和粒子速度的变化对优化计算结果的影响规律。算例表明,提出的可靠性稳健优化计算方法与传统方法相比,具有简便易行、能迅速得到结构可靠性稳健优化设计信息的优点,适合工程应用。

基于改进PSO算法的跨流域水库群联合调度图优化

针对跨流域水库群优化调度具有高维非线性和动态性的特点,提出一种改进粒子群优化算法用于跨流域水库群引(调)水与供水联合调度图的求解.该算法针对基本粒子群优化算法易陷入局部最优且进化后期收敛速度慢的缺陷,引入交叉和变异策略、模拟退火策略和反射边界策略,以增加种群的多样性并提高算法的进化速度和全局搜索能力.数值测试证明了该算法用于求解高维复杂优化问题的有效性,实例研究也表明该算法提高了整个系统的供水与引水效益,是一种优化复杂水库群联合调度高效实用的方法.

基于改进PSO算法的自动配棉工艺参数优化设计

为进一步改善自动配棉的通用性和自适应性,针对配棉工艺多约束条件特点,进行了自动配棉优化设计。提出了一种基于改进的PSO(particle swarm optimization)算法的自动配棉参数优化求解方法。通过配棉数学模型建立,将其转化为多约束条件优化求解问题。分析了标准PSO算法在配棉工艺参数寻优的不足,对标准PSO算法惯性权重和学习因子策略的不足加以改进。将采集到的棉纺企业工艺参数,用标准PSO和本文改进的PSO算法同时对配棉工艺模型求解。结果显示:改进的PSO算法采用了惯性权重递减和学习因子自适应策略,寻优速度、精度、局部和全局寻优能力等指标都得到提高,降低了企业配棉成本,具有一定的实用价值。

基于改进PSO的RBF神经网络在液压钻机故障诊断中的应用

引入了一种基于解空间划分的改进粒子群算法,有效地解决了传统粒子群算法前期容易陷入局部极小值的问题,并将此算法应用到RBF神经网络的参数优化和样本学习中。运用聚减累算法确定了径向基函数中心个数,通过改进的PSO优化了网络中基函数的中心值和宽度,最后利用PSO训练网络输出样本,实现了液压钻机的故障诊断。试验结果表明,基于改进PSO优化的RBF神经网络在液压钻机故障诊断中,在样本较小的情况下,具有较快的响应速度以及较高的诊断精度。