基于粒子群优化的生物质燃烧过程环保经济预测控制

考虑包含状态约束与控制约束的生物质非线性循环流化床锅炉(CFBB)燃烧过程的多目标控制问题,提出一种环保经济模型预测控制(EMPC)算法。采用机理建模方法建立约束生物质非线性燃烧过程模型。为了在系统稳定的前提下,优化生物质燃烧过程经济性能和环保性能,结合字典序方法与收缩约束关联优化问题,通过粒子群优化算法(PSO)求解优化问题,并结合滚动时域控制原理,设计CFBB燃烧过程环保型经济模型预测控制算法。最后仿真验证本文控制算法的有效性与优越性。

基于粒子群优化算法的社交网络可视化

为了使用户快捷、清晰地发现及研究微博用户之间的关系,提出基于粒子群优化(PSO)算法的微博数据可视化方法.根据用户在微博中的影响力将用户分为n层,以此来表示用户在网络中对信息的传播影响力的等级.基于数据的关联关系对数据进行子群划分;基于粒子群优化算法,设计目标函数,使粒子群优化算法适应社交网络的布局要求.为了进一步增强可视化效果,降低视觉复杂度,采用曲线代替直线,应用传输函数设置不透明度以及交互的可视化技术.实验结果表明,该方法可以形成清晰的可视化结果,以便更好地分析微博用户之间的关系.

基于粒子群优化算法与混合罚函数法的最优潮流计算

粒子群算法(PSO)具有简单易实现,可调参数少的优点。将其用于最优潮流的求解,结合混合罚函数来限制最优潮流的约束条件,使粒子群算法的寻优速度加快,迭代次数减少。通过在IEEE9节点和IEEE30节点上的仿真计算表明,该算法在加快迭代速度和收敛精度上都取得了较好的效果。

非线性能量阱最优参数的变化规律研究

利用粒子群优化算法(particle swarm optimization,PSO)研究了单自由度和两自由度非线性能量阱(nonlinear energy sink,NES)的最优参数随冲击载荷的变化规律。在仅改变刚度和同时改变阻尼与刚度情况下对NES的最优吸振效能和最优参数进行对比分析。结果表明,优化后的两自由度NES的吸振效能略优于单自由度NES。随着冲击载荷的增大,两种NES的最优刚度均逐渐减小,最优阻尼均逐渐增大。若考虑被动式装置,两自由度NES的吸振效能显然优于单自由度NES。若加入控制,使NES始终处于最优参数,两自由度NES的效能优势非常小,且其控制参数较多。

离散粒子群优化算法求解矩形件排样问题

提出了一种基于离散粒子群优化算法求解矩形件排样问题的方法。文中介绍了基本粒子群优化的搜索策略与基本算法,用置换子和置换序列构造一种离散粒子群优化矩形件排样算法,通过实例和遗传算法相比较,实验结果表明该算法是有效的。

PSO粒子群算法在神经网络泛化能力中研究

利用PSO粒子群算法对神经网络的权值和阈值,隐藏层中神经元的传递函数系数进行优化。针对网络训练效果好,而泛化能力很差的情况,将训练样本均方差和权值的平方和结合作为PSO算法的目标函数。实验表明,该方法比惯性权值PSO-BP算法和基本梯度下降法好,不但稳定性好,而且预测精度高,泛化能力得到明显加强。

粒子群优化算法训练模糊神经网络

研究合适的神经网络学习算法是令人感兴趣的问题。提出一种用粒子群优化(PSO)算法训练模糊神经网络的方法。PSO的位置向量对应模糊神经网络的权值向量,而PSO的适应函数对应模糊神经网络的目标函数,然后,通过演化PSO达到训练模糊神经网络的目的。用PSO算法训练模糊神经网络预测混沌时间序列的实验结果表明PSO算法性能优良,适合训练模糊神经网络。

基于模拟退火算法改进粒子群算法优化数学函数

传统的粒子群算法具有比较好的寻找最优解的能力,但是当问题解的维度比较多,问题比较复杂,局部较优解比较多的时候,就会容易陷入局部较优解。为防止传统的PSO算法陷入局部最优,本文提出使用模拟退火算法对原始的粒子群算法进行改进。使得改进后的粒子群算法能够寻找出较优的解,同时粒子群算法又能保持比较好的寻优特性和鲁棒性。

多元最优信息分组延迟粒子群算法

在简要介绍基本PSO算法的基础上,提出多元最优信息分组算法:选择m个最优信息,分成m个组,每个微粒属于离自己最近的最优微粒所处的小组。当经过一定的运行延迟周期后,合并小组,直到只剩下最后一个小组。同时,对新算法进行描述并以典型优化问题的实例仿真验证了MGPSO算法的有效性。

基于PSO优化的直接灰色模型在年用电量预测中的应用

将直接灰色预测模型引入城市电网年用电量预测中,避开了灰微分方程参数辨识时选取的背景值问题,以模型的还原值与实际值的平均相对误差最小化为优化目标,设计了求解该模型的粒子群优化算法,并与多种预测方法比较。结果表明,该方法合理、有效,预测精度较高。

基于粒子群算法实现的开关磁阻电机调速系统

针对传统PI控制器组成开关磁阻电机调速系统在低速时动态性能差这一问题,设计一种基于粒子群优化算法实现的三相开关磁阻电机调速系统,并与传统PI控制器、模糊PI控制器实现的调速系统进行了比较。通过这3个系统的实用性、简易程度和可控性,以及突然改变电机转速和转矩,系统的响应时间和稳定性这几个方面得出基于粒子群优化算法的模糊PI控制器调速性能更优,并通过Matlab/Simulink仿真进行验证。仿真结果证明:该粒子群优化算法的模糊PI控制器性能明显优于传统PI控制器和模糊PI控制器,实现的三相开关磁阻电机调速系统在最短的时间内达到稳定。

最优粒子初值有效估计的线阵列方向图优化算法

粒子群优化算法(PSO)通常随机赋初值。提出一种新的线阵方向图优化的PSO算法。通过矩阵运算解析出对应预期方向图的一组阵元权系数的估值。将该估值视为最优粒子初值的有效估计量。将该估计量赋值给种群的一个粒子,而其他粒子仍然赋随机初值。新优化算法与传统PSO算法唯一区别在于粒子初值的初始化方法。仿真实验结果表明,新算法不但收敛速度更快,而且适应度值收敛的更深,能够有效提高传统PSO算法的在复杂的非线性优化问题上的收敛特性。

基于改进粒子群的水火电力系统发电调度

在标准粒子群优化算法中引入最差粒子和自适应惯性权重,使粒子随进化进度自适应调整飞行方向和速度,向其自身和种群最优位置收敛的同时背离二者的最差位置,且避免了算法过早收敛和限于局部最优。将改进后的粒子群优化算法用于求解水火电力系统发电调度问题,仿真结果表明该算法可行有效。

基于改进VEPSO的MMC-MTDC系统多目标最优潮流方法研究

针对模块化多电平换流器型多端直流输电系统(Modular Multilevel Converter Multi-Terminal DC,MMCMTDC)最优潮流问题,提出一种基于改进向量估计粒子群算法(Vector Evaluated Particle Swarm Optimization,VEPSO)的多目标最优潮流优化方法。首先建立MMC-MTDC分层控制和优化体系,换流站级采用直流电压斜率控制策略以稳定直流电压和平衡有功功率,系统级考虑线损和电压不平衡度建立多目标潮流优化模型。在兼顾系统稳定和功率平衡等约束条件的同时,加入换流站N-1约束,通过对系统进行多目标潮流优化得到MMC控制目标参考值,最终实现系统的优化运行。针对等式约束和不等式约束条件,提出了一种基于动态调整罚函数的方法以提高算法的收敛性。最后通过优化和仿真验证了所提基于改进VEPSO的多目标最优潮流计算方法的有效性。

基于GIS和PSO-SVM模型的文山州石漠化风险评估

针对喀斯特石漠化风险评估影响因素较复杂且涉及众多地理空间对象的特点,本文在采用GIS技术对空间数据进行管理分析的基础上,提出了基于粒子群优化的支持向量机(PSO-SVM)的石漠化风险评估模型,分析了基于GIS的石漠化风险评估指标体系的建立过程,详细探讨了主成分分析与支持向量机模型相结合进行石漠化风险评估的方法与实现过程,并以云南省文山州为研究实例,将其与单独SVM模型和PSO-BP模型风险评估结果进行了对比分析,结果表明PSO-SVM模型的石漠化风险评估精度较高,效果更好。

基于MPI的并行多目标粒子群算法

为了进一步提高速度受限的多目标粒子群算法(SMPSO)求解多目标优化问题的效率和精度,文中提出基于消息传递接口(MPI)的并行化SMPSO算法(M-SMPSO).采用主从模式的MPI并行程序设计模式,将整个种群分成几个子种群,各子种群分别执行独立进化计算,提高算法效率.此外,为了均衡考虑算法的分布性与收敛性,提出自适应的全局最优解选择策略.使用标准测试函数验证算法性能,实验表明,相比其它多目标算法,文中算法能获得更高的加速比,更快收敛到多目标优化问题的Pareto前沿.

基于PSO-ELM的中小企业智能制造能力成熟度模型的构建与应用

在充分考虑目前中小企业智能制造升级转型现状的情况下,结合PSO-ELM算法构建由精益化、自动化、数字化、智能化以及互联化5个发展阶段组成的中小企业智能制造能力成熟度评估模型。并对调研获得的137份中小企业有效数据进行分析,证明该模型对中小企业智能制造发展路径划分是合理的,同时从PSO-ELM算法的训练测试结果来看,相对于现有标准模型,该模型对中小企业智能制造能力成熟度模型的评估准确性更高。

插电式混合电动汽车动力系结构的非线性约束优化(英文)

为了优化插电式混合电动汽车(PHEV)动力系(例如发动机功率、电动机功率、相关经济效率)构件尺寸,使用了"粒子群优化"(PSO)方法。对于非线性约束优化问题,PSO方法比常规优化方法更有效、经济。用动力系反洗工具箱(PSAT)方法,构建了新的带有优化配置的PHEV动力系的模型系。仿真计算结果表明:运用PSO优化构件的汽车,具有同等的驾驶性能,在燃料消耗上达30%的改进。

油藏自动化历史拟合及开发方案智能优化技术的一体化应用研究

生产历史拟合和开发方案调整、优化是油藏开发过程的重要环节。通过历史拟合能够进一步明确储层和流体的各类静态参数,从而对油藏特征有更准确的认识。人工历史拟合工作过程繁琐、工作量大,对研究人员经验要求较高。本研究采用集合卡曼滤波方法辅助进行自动化历史拟合,极大降低了油藏工程人员的工作量,简化了历史拟合工作流程。油藏开发方案调整是在历史拟合获得的最佳模型基础上,通过改变注采关系、增加新井、调整射孔段等方法最大化开发效果或利润的过程。人工进行的开发方案优化主要是通过大量试算,逐个对各参数进行优化,过程繁琐且无法一次性获得全局最优解。本研究采用粒子群算法,同时对全部待优化参数进行统一优化,降低了工作量,获得了最佳的调整方案。本文首次将自动化历史拟合技术与开发方案智能调整优化技术结合,应用于实际油藏的生产研究当中。研究结果表明,本文采用的方法和技术流程是合理、高效的。为其他复杂油藏高效开发提供了技术基础和案例参考。

基于粒子群算法的全钒液流电池储能系统功率分配方法

由于在储能系统构成功率分配的组成部分较多,受计算能力的影响,最终的功率分配结果往往存在较大误差,为此,提出基于粒子群算法的全钒液流电池储能系统功率分配方法。将构成全钒液流电池储能系统功率的组成部分粒子化,采用全局寻优的方式计算出系统功率分配结果。测试结果表明,设计方法的功率分配误差低于0.50 kW,并在极大程度上降低了成本开销。