基于模拟退火粒子群算法与小冲杆试验确定材料塑性性能的方法

为了能够准确合理地从小冲杆试验曲线中获取材料的塑性参数,提出了一种基于模拟退火粒子群算法和有限元模拟获得材料断后伸长率及断面收缩率的方法。首先通过小冲杆试验获取X65、X70管线钢的载荷-位移曲线;其次利用模拟退火粒子群算法和有限元模拟相结合的方法,使得小冲杆模拟曲线逼近试验曲线,进而识别Johnson-Cook(J-C)本构模型参数;最后将识别的参数用于模拟单轴拉伸试验,从而获取材料断后伸长率和断面收缩率。该方法所获得的两种管线钢的断后伸长率、断面收缩率与单轴拉伸试验结果的最大相对误差分别为23.58%、3.70%。

基于改进模拟退火-粒子群的配电网分布式光伏承载力评估

大规模分布式光伏并网给中压配电网带来严重功率反送,导致中压配电网出现节点电压越限和配电变压器反向过载问题.以系统潮流平衡、节点电压偏差、配电变压器反向负载率和线路载流量为约束条件,以分布式光伏并网容量与系统网络损耗之差的分布式光伏等效并网容量为目标函数,建立中压配电网分布式光伏承载力评估模型,并提出改进模拟退火-粒子群(SA-PSO)算法.对IEEE33系统和实际中压配电网进行分布式光伏承载力计算,结果表明,所建立的分布式光伏承载力评估模型适用于中压配电网节点电压稳定性与配电变压器安全运行问题评估;相较于其他算法,改进SA-PSO算法提高了评估模型计算的收敛速度与寻优能力,在相同约束条件限值下,所得线路分布式光伏承载力更高,且系统网络损耗更低.

基于模拟退火粒子群算法的拱桥扣索索力优化

为得到拱桥斜拉扣挂施工阶段的合理扣索索力,使拱肋线形和受力达到最优状态。采用模拟退火算法对基本粒子群算法进行了优化,根据最小弯曲应变能法以及影响矩阵法得到了拱桥扣索索力优化的目标函数,分别采用基本粒子群算法和模拟退火粒子群算法对索力进行了优化,对优化效果进行了对比分析,同时将模拟退火粒子群算法与传统扣索索力优化方法得到的拱圈弯矩进行了对比分析,研究表明:模拟退火粒子群算法能有效改善基本粒子群算法易陷入局部最优和早熟收敛的问题,并且模拟退火粒子群算法收敛速度明显优于普通粒子群算法,收敛精度也有一定提高;采用模拟退火粒子群算法优化得到的各扣索索力值与优化前相比有增也有减,但优化后索力最大值较优化前有明显减小,减小了217.42 kN,优化后各扣索索力值变化幅度较优化前更加平稳;与传统的索力优化方法相比,采用模拟退火粒子群算法得到的拱圈弯矩变化幅度更小,并且最大正弯矩和最大负弯矩均有一定的减小。

混合模拟退火与粒子群优化算法的无人艇路径规划

针对水面无人艇路径规划中单独使用模拟退火算法存在的不足,以提高无人艇在执行任务时的安全性为研究目的,解决传统无人艇在航行中未考虑来往船只而导致的碰撞危险,提出了模拟退火算法与粒子群算法相结合的混合路径规划算法,利用该算法的高收敛性和容易跳出局部最优等特点,结合避碰规则,实现海事无人艇在同一静态环境下对遇、交叉和追越三种会遇局面的最优路径规划。仿真结果表明:本文提出的算法可以实现无人艇在复杂水域条件下快速路径规划,使与他船的自动避碰行为成为可能,给出的路径规划具有可行、有效,能够为无人艇安全的航行、顺利的执行任务提供保障。

基于混沌模拟退火粒子群优化算法的电动汽车充电站选址与定容

针对城市电动汽车充电站的选址与定容问题,建立了考虑充电站运营商、电动汽车用户以及电网企业综合利益的充电站选址定容规划模型。采用Voronoi图思想和需求点栅格化理论,结合Floyd最短路径算法划分充电站的服务范围。提出采用一种混沌模拟退火粒子群优化算法对问题进行求解,通过引入混沌理论使粒子更高效地遍历搜寻空间,并结合模拟退火算法的概率突跳特性使算法在迭代后期仍具有较高的全局寻优能力。通过算例分析表明,采用所提算法对城市电动汽车充电站选址定容进行优化规划的可行性和有效性。

基于模拟退火-粒子群算法的wMPS布局优化

空间测量定位系统是一种在多测站协同作用下实现坐标测量的大尺寸测量系统,因此测站布局优化成为了重要研究问题。为解决此问题,本文提出了一种基于模拟退火粒子群算法的测站优化部署方案,以定位精度,覆盖度,使用成本作为优化函数,运用粒子群算法及模拟退火算法进行协同搜索,并建立模拟退火粒子群算法的测站布局优化流程,对两到四个测站进行仿真优化分析。仿真结果表明,该方法能快速收敛于最优解并获得一种较优的测站布局。

模拟退火粒子群算法在动态单元布局中的应用

通过对单元化制造系统规划中设备布局特点以及单元零件工艺流程的分析,建立了基于动态单元的车间设备布局模型。为解决设备布局这一典型的非多项式(non-polynomial,NP)难题,提出了一种新的模拟退火粒子群算法,该算法将粒子群算法与模拟退火方法有机结合,在保留粒子群算法具有收敛速度快等优点的同时,增强了算法的全局搜索能力。通过实例仿真,进一步验证了该方法的有效性和实用性。

基于模拟退火粒子群算法的混合动力车参数优化

分别采用多层次参数扫描(MLPS)算法和模拟退火粒子群优化(SAPSO)算法对并联式混合动力车逻辑门限控制策略的参数进行优化。将优化后的车辆以TEST-CITY-HWY测试循环进行仿真,并将结果与优化前的车辆的仿真结果进行对比。结果表明,经MLPS算法优化后,燃油消耗和HC与NOx排放分别下降了11.98%、6.01%和4.03%,但CO排放增加了25.18%;经SAPSO算法优化后,燃油消耗和HC、CO与NOx排放分别下降了13.61%、9.57%、27.78%和18.53%,且电池荷电状态(SOC)比MLPS优化略高。说明SAPSO算法在混合动力车控制参数优化效果上明显优于MLPS算法。

火电厂负荷优化分配的模拟退火粒子群算法

合理选择火电厂负荷优化分配的优化算法对快速完成电网调度指令、最大限度降低发电成本至关重要。在标准粒子群优化算法中引入模拟退火算法的思想,引入收缩因子对算法的重要参数进行了改进,并对种群初始化方式进行了改进,采用拉格朗日乘子法处理功率平衡约束。在严格满足约束条件的基础上,缩短了优化计算时间,进一步提高了算法精度。实例计算结果表明,模拟退火粒子群算法的分配结果比电网调度指令节省煤耗18.139g/(kW.h),比标准粒子群算法节省煤耗2.846g/(kW.h),同时计算时间也短于其它常规算法。

基于模拟退火粒子群算法的风电场短期风速预测

针对风电场短期风速预测存在精度较低的问题,引入了一种基于灰色模型与模拟退火粒子群优化BP神经网络(SAPSO-BP)相互嵌入而成的预测模型。该方法在SAPSO-BP网络的输入层前增加一个灰化层,在网络输出层后增加一个白化层,以改进网络的拓扑结构,提高模型的容错能力。仿真试验结果表明,该预测模型具有较好的鲁棒性,其平均绝对误差及均方误差分别为18.7%和5.11%,可用于风电场短期风速的预测。

基于Kriging模型和模拟退火粒子群算法的结构有限元模型修正

提出一种基于Kriging模型和模拟退火粒子群算法的结构模型修正方法.利用拉丁超立方对结构设计参数(不同杆件的密度)进行抽样,并代入有限元模型得到响应特征参数(频率),通过构建Kriging函数来拟合设计参数和特征参数之间关系.基于建立的Kriging函数模型,利用模拟退火粒子群算法优化设计参数,修正初始有限元模型.利用一空间桁架结构数值算例对所提方法进行了验证.结果表明,基于Kriging函数和模拟退火粒子群算法的结构有限元模型修正避免了反复调用有限元进行大量迭代运算,较快的收敛到全局最优解,提高了模型修正计算效率.

模拟退火粒子群优化算法在异步电动机参数辨识中的应用

分析了模拟退火算法和粒子群算法的优缺点,提出了一种利用两种算法优点的混合优化算法,并给出了详细应用步骤。利用异步电动机直接空载起动特性,对异步电动机动态数学模型参数进行了辨识,通过与其他几种算法辨识的结果进行比较,说明模拟退火粒子群优化算法有效地结合了模拟退火算法的全局寻优能力和粒子群算法的快速收敛的特点。

第四方物流企业调度管理优化的模拟退火粒子群算法研究

结合第四方物流的内涵与发展现状,从第四方物流企业调度管理优化决策问题出发,通过引入惯性权重因子和收缩因子对标准粒子群算法进行改进,然后与模拟退火算法相结合,形成改进的模拟退火粒子群(MSA-PSO)算法,求解第四方物流企业调度管理优化问题。在阐述算法原理和运算流程后,分别运用标准粒子群算法、模拟退火算法和本算法对6个基准测试函数进行仿真试验来检验比较算法的性能。结果显示:改进后的模拟退火粒子群算法计算精度和寻优结果优于标准粒子群算法和模拟退火算法。

粒子群-模拟退火混合算法在群控电梯中的应用

针对高层建筑电梯多、分布散、维修不及时等问题,提出了一个优化调度、报警维修及时的群控电梯系统;采用多目标优化方法建立数学模型,利用粒子群算法的概念简单、收敛速度快、易于实现的优点,同时引入模拟退火思想来克服粒子群算法易陷入局部最优的缺陷,对目标函数进行优化,PLC编程计算出参数,上位机调度计算,根据算法结果,优化电梯,合理调度;经过MATLAB仿真分析表明,该系统节省了平均候梯时间、平均乘梯时间和系统能耗,缩短了故障时间和维修时间,具有较大的应用前景。

基于模拟退火的粒子群算法优化的二次回归在矿井通风机故障诊断中的应用

针对矿井通风机故障诊断过程中样本数据有限的特点,提出了一种经模拟退火的粒子群算法优化的二次回归诊断方法。将样本数据分为建模数据和测试数据,测试结果表明该方法具有适用性强、操作简单、精准度高,且无需太多样本数据等特点,值得推广。

模拟退火粒子群算法在化工过程综合中的应用

将一种模拟退火粒子群算法应用于化工过程综合。由于粒子群算法后期进化速度变慢,并易陷入局部极值点,本研究将模拟退火思想应用到粒子群算法中,通过Me-tropolis准则提高粒子跳出局部极值的能力,并在降温过程中加快了算法后期的进化速度。模拟退火粒子群算法在换热器设计实例和反应器网络综合问题中的应用结果表明,该算法的性能较粒子群算法有了较大改善,同时也表明该算法用于求解化工过程综合问题是可行和有效的。

基于模拟退火-粒子群算法的卤素灯阵列照度均匀性研究

光照均匀性问题是太阳模拟器照明系统的主要问题。针对目前卤素灯作为光源进行灯阵光照均匀性的阵列设计多采用理论计算的方法,复杂繁琐,不易施行的缺点,将数值优化方法应用于卤素灯阵列结构设计中,与单一的算法不同,模拟退火算法与粒子群算法相结合的方式,突破了单一算法的局限性,得到的结果更加良好,均匀性更佳。通过编程优化灯阵中每个灯的坐标,将最优结果导入光学仿真软件进行照度分析,实验数据显示,3种灯阵下的光照均匀度分别为91%、87%和91%,同等条件下的六边形灯阵的光照均匀度要比圆形的均匀度好,采用最优化方法,可使实验更加简单可行。

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。

基于模拟退火的粒子群算法的配电网区间故障定位研究

目前配电网的区间故障定位技术,已有少部分应用于市场上,但是仍然有着很多技术问题,其中比较重要的一个问题就是由于现场设备上传至控制中心的故障信息出现信息丢失时造成的矩阵法无法准确判断的问题,虽然使用人工智能算法可以解决此类问题,但是在配电网故障定位算法中以粒子群为代表的人工智能算法存在容易陷入局部最优陷阱等问题。针对此问题,提出基于模拟退火的粒子群算法的配电网区间故障定位算法,并通过仿真验证了该算法的可行性,结果表明该算法能够精确判断出在配电网中出现的单点及多点故障时的区间位置,并且在现场设备上传信息有缺失的情况下仍然可以得出正确的结果,容错性能和收敛性能优越。

基于改进的模拟退火-粒子群算法的区域综合能源系统经济性运行

为了缓解当前化石能源使用危机的问题,在考虑了储冷、储热和储电设备的基础上,构建了区域综合能源系统(regional integrated energy system,RIES)的经济性模型。将天然气购买的成本、购电成本和设备运行成本之和作为目标函数,将系统综合运行成本考虑的更为周全,约束条件中不仅包括各设备的能量交互损耗、储能设备的功率和容量约束,还引入了重要负荷备用,提高了RIES的供电可靠性。利用改进的模拟退火-粒子群算法对所提模型进行求解,大大加快了求解算法的收敛速度。案例分析表明,提出的求解算法求解速度更快,进一步减少了系统综合运行成本。