基于混沌量子粒子群算法的含风电场电力系统实时调度

分析了大规模风电给电力系统实时调度所带来的若干问题,依据节能减排原则,以消纳风电最大化和火电机组一次能源消耗最小化为双重目标,建立了含大规模风电的实时调度模型。在量子粒子群算法基础上加入混沌初始化和混沌扰动,形成混沌量子粒子群优化算法。基于修改的IEEE-118节点系统进行仿真计算,结果表明:建立的模型能在最大程度消纳风电的前提下,最大限度地减少一次能源消耗,达到节能减排的目的;采用的算法计算速度快、收敛性能好,满足实时性的要求。

混沌量子粒子群算法在模型修正中的应用

混沌粒子群算法和量子粒子群算法在一定程度上改进了标准粒子群算法的搜索质量,但两者仍存在收敛速度慢、易陷入局部极小等问题。混沌量子粒子群算法将混沌搜索机制引入量子粒子群算法,提高了搜索效率和计算质量。用粒子群算法、混沌粒子群算法、量子粒子群算法和混沌量子粒子群算法对一平板结构进行模型修正,结果表明,混沌量子粒子群算法具有较高的搜索效率和避免陷入局部最优的能力,修正后的模型比单独采用混沌或者量子粒子群算法具有更高的修正精度。

基于权重自适应调整的混沌量子粒子群算法的城市电动汽车充电站优化布局

针对城市电动汽车充电站的定容和选址的问题,从实际情况出发,建立将土地价格、建设成本、运行成本、交通流量、服务距离、服务能力考虑在内的数学模型,该模型以年均综合费用最小为目标,以充电能力,充电距离为约束条件。采用权重自适应调整的混沌量子粒子群算法对北方的某市某区进行规划,该算法在迭代过程中会根据粒子不同的适应值,对惯性权重做出相应的调整,从而调整对粒子的搜索能力。利用混沌算子的遍历性,使得该算法具有很好的收敛速度和精度。利用该算法对所建立的数学模型进行求解,经过进一步的筛选,确定了该地区充电站的建址坐标、容量和费用。

基于混沌量子粒子群的FHN神经元UWB信号检测

在UWB-IR信号检测中,针对目前所采用的量子粒子群FHN神经元模型易造成粒子群多样性降低,易陷入局部最优,导致求解精度不高的问题,对量子粒子群算法中量子更新参数引入混沌优化算法,提出了基于混沌量子粒子群算法的FHN神经元UWB-IR信号检测方法,分析了所提算法的收敛性,并对所提算法的性能进行仿真验证。仿真结果表明,所提算法与现有算法相比,可提高粒子群的多样性和算法的收敛速度,提高算法精度,实现多个系统参数同时最优,从不同噪声强度下自适应地检测出UWB-IR信号。

混沌量子粒子群算法舰炮反后座装置的多目标优化

为了减少舰炮的反后坐装置振动响应和后坐阻力,基于刚柔耦合动力学理论,以某型舰炮为研究对象,通过采用CATIA建立反后坐装置模型,Hypermesh划分模型网格,在ABAQUS有限元软件中施加发射载荷,最终建立了反后坐装置刚柔耦合有限元模型并与实炮射击试验值进行对比。针对反后坐装置结构复杂、优化参数和优化目标较多的特点,提出混沌量子粒子群算法与动力学联合优化的方法,进行反后坐装置的多目标优化,优化结果表明:优化后的最大阻力峰值为2.40×10^4 N,较优化前降低了7.69%;优化后的后座长度峰值为0.77 m,较优化前降低了3.75%;优化后的衬瓦速度峰值为10.2 m/s,较优化前降低了7.27%;优化后的振动加速度峰值为3100 m/s^2,较优化前降低了17.33%。优化后的振动响应、最大阻力、后座长度和衬瓦速度与优化前相比显著减小,优化方法有效可行,为下一步全炮总体优化设计提供了一定的参考。

基于CQPSO移动群智感知紧急任务分配方法研究

对移动群智感知任务分配类型中的紧急任务分配问题进行研究,考虑在一定时间约束条件下如何进行任务分配,以感知成本最低和任务完成数量最多为优化目标,应用群体智能算法对其进行扩展,提出一种基于混沌量子粒子群紧急任务分配方法(CQPSOETA)。实验结果表明,混沌量子粒子群算法在移动群智感知紧急任务分配方面有较好的应用效果,能够在短时间内达到紧急任务分配优化的目标,极大提高了算法的收敛速度,避免了陷入局部最优,获得了全局最优效果。

考虑安全性风险的电热氢系统优化配置方法

电热氢系统作为一种高效的综合能源供用系统受到广泛关注。然而,氢气的燃爆特性导致了其面临着安全性挑战。为此,提出了考虑安全性风险的电热氢系统优化配置方法。首先,分析电热氢系统的安全性,对电解槽和燃料电池的工作范围和工作温度进行约束;然后,基于氢气的非理想气体压强公式对储氢罐压强进行更为准确地约束,并基于TNT当量法量化了储氢罐的安全性风险;最后,通过安全风险系数,将储氢罐的安全风险折算进目标函数中,建立了以系统投资成本、运行成本和安全性风险为优化目标的电热氢系统优化配置模型,并利用禁忌混沌量子粒子群算法进行求解。算例结果表明,在考虑安全性风险的情况下,通过合理的容量设计,可以在提高系统经济性的同时有效降低系统安全风险,进而验证了该优化设计方法的有效性。

CQPSO-BP算法在风电机组齿轮箱故障诊断中的应用

为实现风电机组齿轮箱故障模式的有效识别,提出一种基于混沌量子粒子群优化BP神经网络(CQPSOBP)的故障诊断方法。在该算法中,利用混沌序列来初始化粒子的初始角位置,可提高种群的遍历性;通过引入变异操作,避免算法陷入早熟收敛,并依此来对BP神经网络的初始权值和阈值进行优化。实例表明,同粒子群优化BP神经网络(PSO-BP)与BP网络的诊断结果相比,CQPSO-BP算法具有收敛速度快、识别精度高的优点,可有效用于风电机组齿轮箱的故障诊断系统中。

基于CQPSO-GRNN的ZigBee节点定位算法研究

针对传统无线信号传播模型的参数一般通过拟合或直接根据经验得出,且又受环境复杂、多径效应等因素的影响,使得定位精度不高。为提高定位精度,引入广义回归神经网络(GRNN)来构建定位模型,以未知节点和参考节点之间的接收信号强度值(RSSI)作为网络的输入,未知节点的位置坐标(X,Y)作为输出来拟合网络模型。同时采用剔除处理和卡尔曼滤波处理对采集的RSSI值进行预处理,来削弱环境因素对信号的扰动。为避免GRNN参数选取的随意性及人为因素的干扰,采用混沌量子粒子群算法(CQPSO)来优化网络的光滑因子(σ),以建立最优的网络定位模型来实现对未知节点坐标的预测。在Matlab平台上,与GRNN模型相比,其结果显示改进的定位算法具有更高的定位精度,提高了GRNN回归预测效果以及模型的泛化能力。

舰炮身管的模态分析与多目标优化

舰炮的炮口扰动是影响舰炮射击精度的重要因素。为了减少舰炮的炮口扰动,优化身管结构,建立了柔性身管的ABAQUS有限元模型,将有限元模型的模态计算值与模态试验值进行比较,发现建立的柔性身管有限元模型是合理可行的。提出了混沌量子粒子群算法与动力学联合优化的方法,进行身管和炮口的多目标优化。优化结果表明,优化后炮口中心的线速度、角速度和角位移与优化前相比显著减小,身管质量有所降低,结构更加合理,该优化方法有效可行,为下一步全炮总体优化设计提供了一定的借鉴。

基于线性自抗扰的AGV轨迹跟踪控制器设计及参数优化

针对自动导引车(AGV)的轨迹跟踪问题,通过将多入多出的非线性运动学系统解耦为多个单入单出的线性系统,在此基础上设计了基于线性自抗扰控制(LADRC)的轨迹跟踪控制器;引入混沌搜索对量子粒子群算法(QPSO)进行改进以解决其易于陷入局部最优的问题,然后利用混沌量子粒子群算法(CQPSO)对LADRC控制器的参数进行整定;最后分别就参考轨迹为直线和参考轨迹突变情况下的轨迹跟踪情况进行了仿真实验,实验结果证明了本文设计的轨迹跟踪控制器的有效性。

基于CHCQPSO-LSSVM的空战目标威胁评估

针对传统评估方法存在的模型精度低、结构复杂、无法进行实时动态威胁评估等问题,提出了一种基于最小二乘支持向量机(LSSVM)的空战目标威胁评估方法。首先,对空战特征数据进行威胁指数分析,结合专家评判构建威胁评估样本库;然后,采用交叉杂交的混沌量子粒子群算法(CHCQPSO)对LSSVM中的正则化参数与核函数参数进行寻优,并与经典PSO、BP神经网络、网格法模型进行对比分析;最后,用优化后的LSSVM模型实现空战目标实时动态威胁评估。仿真结果表明,所提方法评估精度高、用时短,为空战目标威胁评估提供了一种新思路。

CGAQPSO优化LSSVM短期风电预测

提出一种基于混沌高斯局部吸引点量子粒子群(CGAQPSO)优化最小二乘支持向量机(LSSVM)的短期风电功率预测模型。首先,混沌算法初始化粒子种群,提高初始粒子在搜寻空间遍历性,将局部吸引点改进为高斯分布局部吸引点,增强粒子全局搜索能力,从而得到混沌高斯局部吸引点量子粒子群优化算法。对基于不同类型核函数(Linear、POLY、Sigmoid及RBF)进行比较,选择RBF核函数来构建LSSVM风电预测模型。最后,以安徽某风电场实测风电、温度及湿度的历史数据作为CGAQPSO-LSSVM(RBF)模型的训练数据。实验表明,与GA、PSO和QPSO优化LSSVM预测模型相比,所提出的CGAQPSO-LSSVM模型能够有效提高风电功率预测精确度。

改进CQPSO算法的双频航向信标方向图优化

针对仪表着陆系统中的双频航向信标(localizer,LOC)阵列天线最大旁瓣电平抑制和覆盖性能优化问题,改进了一种混沌量子粒子群(chaos quantum particle swarm optimization,CQPSO)算法,对既定约束的LOC阵列天线方向图进行馈电参数寻优。在分析双频LOC覆盖形成的基础上,剖析了国际民航组织对LOC信号的覆盖要求,获得LOC方向图应满足的约束条件。为提升全局寻优能力和有效避免陷入局部最优,引入混沌思想和加权平均最优位置对CQPSO算法进行改进,使用改进的CQPSO算法对20阵元等间距LOC阵列天线进行约束条件下的馈电参数寻优,并依据所获得的馈电参数仿真分析LOC阵列天线的方向性。仿真实验表明,改进CQPSO算法寻优得到的馈电参数形成的方向图,相比于目前广泛使用的24阵元等间距LOC阵列天线的方向图,在天线数量减少16.67%的情况下,航道信号辐射的最大旁瓣电平降低了3.32 dB,且覆盖性能更好;而相比于目前广泛使用的20阵元不等间距LOC阵列天线的方向图,航道信号辐射的最大旁瓣电平降低了25.55 dB,证明了改进CQPSO算法的有效性。

基于混沌QPSO算法的多AUVs任务分配

针对复杂条件下多水下机器人系统(AUVs)任务分配过程中各个节点负载不均衡问题,提出混沌优化QPSO算法.以整个量子粒子群搜索到的当前最优位置为基础,在混沌QPSO算法中加入混沌因子,产生混沌序列.利用混沌优化中混沌搜索、搜索遍历性等具有类似协同学习操作的功能,用混沌序列中的最优位置的粒子替代当前量子粒子群中的位置,使得近似最优解脱离局部最优,获得真正的全局最优.通过实验证明:混沌优化QPSO算法在多AUVs任务分配中,提高了任务分配的精度和优化效率,使任务分配达到全局最优值.

基于尺度不变特征变换和区域互信息优化的多源遥感图像配准

为了进一步提高遥感图像配准精度,提出了尺度不变特征变换(SIFT)结合区域互信息优化的遥感图像配准方法.首先利用混沌序列的随机性和遍历性,提出一种混沌量子粒子群优化(CQPSO)算法,在量子粒子群优化(QPSO)算法迭代陷入早熟收敛时,采用一种新的机理引入混沌序列,进化粒子克服早熟.图像配准算法分为预配准和精配准两个过程.基于SIFT算法提取特征点,经匹配和有效地外点排除完成预配准,然后对匹配特征点坐标进行亚像素级微调,通过最小二乘法求得一系列匹配参数构造初始粒子群,最后利用混沌量子粒子群优化区域互信息完成精配准,得到最优匹配参数.用一些标准测试函数对所提出的CQPSO和QPSO及粒子群优化(PSO)算法进行了实验比较,另外,对SIFT,SIFT结合PSO算法优化区域互信息,SIFT结合QPSO算法优化区域互信息和SIFT结合CQPSO算法优化区域互信息(SRC)等四种算法进行了不同分辨率遥感图像配准实验比较和不同时相遥感图像配准实验比较,实验结果验证了所提出的CQPSO算法的优越性和SRC配准方法的有效性.

基于DFIG与SVC的风电场无功电压协调控制策略

针对风电场的无功电压问题,构建了风电场模型,提出了一种综合考虑双馈风电机组(doubly-fed induction generator,DFIG)和静止无功补偿器(static var compensator,SVC)的无功电压协调控制策略。建立了综合考虑风电场公共接入点(point of common coupling,PCC)的电压偏移量和无功源的无功裕度的目标函数。基于混沌量子粒子群算法对风电场进行无功电压控制,通过协调DFIG和SVC的无功出力,使得风电场PCC的电压满足要求,同时提高其无功源的无功裕度。最后,以华北某风电场为例进行算例分析,验证了所提无功电压协调控制策略的可行性及有效性。