基于智能粒子群优化算法的人员疏散问题研究

针对建筑物内发生火灾时人员疏散的逃逸行为进行了研究,将智能粒子群优化算法应用在人员逃逸的过程中,提出了一种智能粒子群逃逸模型。将行人群比拟为粒子群,并将粒子赋予一定的维能力,此时的智能粒子将会具有类似行人的一些特征如行为特征和心理特征。智能粒子在受灾害模型与自身思维特征模型的影响下,确定其逃逸的速度包括速度的大小和方向,然后改变自己目前的位置。在建模的过程中,还考虑了智能粒子间的碰撞及建筑物内诱导信息的作用。最后通过应用智能粒子群优化算法对某一建筑物内发生火灾时人员逃逸行为的二维仿真实验来验证模型的有效性及算法的可行性。

基于Multi-agent改进粒子群优化算法的分时电价机制下多微网系统联合优化调度

随着分布式能源与微网技术的发展,大量分布式电源或微网并入主电网,对电网运行带来一定影响。针对多个微网接入主电网的情况,在计及分时电价机制的基础上,从微网整合角度考虑各微网间的互补性。结合微网中储能装置对电网削峰填谷的作用,提出一种基于分时电价机制下多微网系统联合优化调度方法。考虑不同时刻电价差异,分别制定峰、平、谷不同时刻调度策略,建立以整个多微网系统的运行成本和环境治理成本最小为目标的数学优化模型,并采用基于multi-agent改进粒子群优化算法对模型求解。通过算例分析,比较了各微网单独运行和多微网联合调度两种策略下的多微网系统成本,验证了所提方法的有效性。

基于粒子群智能优化算法的板弹簧特性优化研究

板弹簧是核电厂反应堆燃料组件的重要部件,其性能好坏直接关系燃料组件的服役安全性。本文考虑板弹簧材料弹塑性本构关系和大变形等复杂非线性因素,利用ANSYS软件对板弹簧进行了多尺寸耦合约束下的参数化建模,实现了模型几何、六面体网格和接触对的自动建立,并以此分析了板弹簧关键参数对板弹簧特性的影响。基于MATLAB并行计算库,构建了基于粒子群智能优化算法的板弹簧特性多参数优化平台,以板弹簧设计刚度曲线和最小塑性变形为目标,对板弹簧板厚、变截面位置和圆弧过渡区形式进行了优化。结果表明,基于粒子群的板弹簧多参数智能优化算法,可以显著提升板弹簧的设计效率;在给定板弹簧设计目标曲线和板弹簧参数范围内,该算法可以在较少的迭代次数内获得满足设计目标的结构参数,对核反应堆板弹簧工程设计具有较好的指导意义。

N-pod多品牌智能家居语音控制设备的设计与实现

人工智能养老机器人有助于解决当前日趋严峻的居家养老问题,但各品牌智能家居设备互不兼容,成熟的机器人产品又欠缺老人语音语义识别,缺乏自学习能力且控制响应速度慢、灵敏度不高。针对上述问题,采用Tornado框架和Home Assistant框架有效整合市场主流智能家居设备,在主机和人形机器人上构建N-pod主机,使用深度卷积神经网络实现语音识别,使用粒子群优化智能算法对采集的老人身体指标、居家环境信息实施分簇处理,形成语音控制多品牌智能家居设备的控制解决方案,达到千人千面的养老定制需求。经过实验和实际应用,该设备适用于居家养老人群,语音识别的正确率、控制指令的正确率和响应灵敏度均高于同类产品,具有较大的经济和社会效益。

执勤行车时间的KMP-RBF融合预测方法

针对执勤车辆沿某一路径行驶时长难以预测的问题,文中提出一种KMP-RBF融合方法,采用GPS定位、悉尼自适应交通控制系统(SCATS)线圈作为融合信号源,建立路况信息选择融合模型,将模糊推理知识表达、MAPSO算法寻优和RBF网络训练相结合,自适应优化系统关键参数,从训练数据库匹配适用时间、空间数据.实验中,使用交通监控系统实测实验用车行驶时长数据,并与预测数据进行对比,从误差率、算法迭代与精确度方面证明文中方法是高效而可靠的.

Bammann-Chiesa-Johnson粘塑性本构模型的参数识别方法与验证

Bammann-Chiesa-Johnson(BCJ)粘塑性本构模型对材料力学响应的再现和预测能力强烈依赖于其模型参数的确定,而模型参数的确定往往是通过反分析方法来进行。由于BCJ粘塑性模型包含了应变、应变率和温度耦合效应以及加载路径和温度历史,其常数多达18个,所以寻找最佳的模型参数识别值十分繁琐。针对BCJ本构模型参数复杂、识别困难的问题,本文基于参数的物理意义,在准静态、蠕变及动态加载试验基础上,通过模型参数解耦分离、粒子群智能优化的方法分6步对18个材料常数进行识别,并用识别结果对1060纯铝动态加载试验力学响应进行模拟,模拟结果与试验结果符合良好。通过定量化误差分析,证明了BCJ粘塑性模型对实验数据的预测具有较高精度,该模型参数识别方法科学可行。

跨层穿梭车双提升机系统料箱拣选任务调度

为提高跨层穿梭车系统料箱拣选出库效率,降低任务出库超时率,建立了跨层穿梭车双提升机系统出库任务调度数学模型,并将任务出库期限引入调度策略。在此基础上,使用蚁群-粒子群双层智能优化算法对模型进行了求解,引入随机变异对粒子群算法进行改进,提出使用置换复杂度对粒子变异程度进行控制,避免算法早熟收敛。利用MATLAB进行过程仿真,获得各调度方案的出库总时间和任务超时信息。通过实验证明该策略能更好地适应电商环境下复杂的出库任务调度要求,得到更为合理的任务调度方案。

炉温曲线的分析与控制

本文针对回焊炉中发生的热传递过程,建立了焊接区域中心温度变化模型。根据各个问题给出的约束条件和目标函数,建立不同的数学规划模型,并使用粒子群智能优化算法来求解参数。本文针对于小温区,根据有特别温度控制的特点建立了恒温模型;对于小温区之间的间隙,根据没有特别温度控制、易受相邻温区影响的特点,建立了一维稳态导热模型,并结合两者建立了回焊炉不同位置的温度变化模型。在所建立模型的基础上,建立规划控制模型,使用MOPSO算法求解得出回焊炉各个控制参数。