基于权重指数递减粒子群算法在光伏MPPT中的应用

针对光伏阵列局部遮阴情况下输出电压-功率曲线呈现多峰特性,传统粒子群算法进行最大功率跟踪时会陷入局部最优的问题,提出了权重指数递减粒子群算法。该算法通过改变粒子搜索方式,在每次迭代结束前对搜寻到的最优粒子执行精英突变,对反方向空间进行搜索;并添加惯性权重调节参数,其惯性权重随迭代次数的增加以指数形式递减,使算法前期跳出局部最优点的能力提高以及后期搜索更加准确。仿真结果表明,该算法在遮阴或者光照突变情况下,均能准确的追踪到最大功率点,能有效避免陷入局部最优点,收敛速度较快,能够在复杂情况下实现最大功率追踪。

考虑机场、航空公司与空管需求的机场群离场航班时刻优化

随着中国航空流量的不断增加,机场群内航班延误时间长、延误架次多、机场时刻紧张等问题逐渐暴露,这些问题主要是航班时刻设置不合理所导致。为解决这些问题,需要对机场群内航班时刻进行优化。通过从机场、航空公司、空管3个角度综合考虑,分别以延误时间、航空公司航班时刻调整总方差、管制员总调整量作为优化目标,建立了机场群航班时刻优化模型,并使用权重线性递减的粒子群优化算法实现对模型的求解。以京津冀机场群为例进行分析,使用MATLAB对模型进行寻优。结果表明优化后机场群内总延误时间由77580 min减少至46260 min,航空公司航班时刻调整总方差由447.076减少至63.141,管制员总调整量由467次减少至253次,3个目标均得到了优化。可见该模型权衡了机场、航空公司与空管之间的公平性,为机场群航班时刻的优化提供了理论参考。

一种应用于旅游签到数据的聚类算法

随着移动互联网的流行,人们在旅游过程中留下的位置数据越来越多,给旅游景点挖掘提供了很好的数据来源.微博签到数据不仅有位置坐标、对应的签到用户和时间信息,而且签到位置在地理上分布极不均匀.现有聚类算法大多只是从距离和密度属性出发进行聚类,应用在签到数据上效果不理想.针对这个问题,通过定义权重和可扩展邻域,并在局部中心点的选取条件中引入用户和时间属性,提出了一种基于局部中心点权重递减的聚类算法(CWDC).通过在桂林市2015年的微博签到数据集上进行实验,相比其他聚类算法,本文提出的算法在准确率、覆盖率等指标上均有提高.实验结果表明:CWDC能够更加准确地挖掘旅游景点及其位置、流行度.

基于粒子群算法的油箱底壳拉延工艺参数优化

针对钣金产品在成型过程中易产生拉裂和褶皱等缺陷。本文以钣金油箱底壳为例,将压边力、拉延速度、模具间隙、摩擦系数作为试验因素,最大减薄率和最大增厚率作为评价指标。将拉丁超立方抽样得出20组试验数据做对数变换后建立线性回归方程。以最大增厚率的对数值不大于2.5为约束,最大减薄率最小为目标建立有约束的线性方程。用自适应权重粒子群算法对线性方程组进行最小值寻优。得到最大减薄率为21.24%,最大增厚率为9.47%。

基于粒子群算法的Delta机器人正运动学的研究

正运动学分析对Delta并联机器人轨迹规划和控制非常的重要。而Delta并联机器人的逆运动学求解比较容易,正运动学求解却相对困难。故研究利用基本的和带权重线性递减的粒子群算法应用于Delta并联机器人正运动学求解。通过改变不同的权重因子和学习因子,研究结果表明,这两种粒子群算法在一定的条件都能够快速及正确地对Delta并联机器人的正运动学求解。而且进一步研究数据也表明,带权重线性递减的改进版粒子群算法一定程度上要比基本粒子群算法更容易收敛于极值,收敛性更优。