基于粒子群-遗传混合算法的深沟球轴承优化设计

为了提高深沟球轴承的服役性能,提出一种基于粒子群-遗传混合算法的优化设计方法。其以额定动载荷和额定静载荷为目标函数,以滚动体直径、节圆直径、滚动体数目和内外圈滚道沟曲率半径系数为设计变量,基于粒子群算法,引入罚函数和遗传交叉、变异操作,解决带约束优化问题求解和局部最优问题。并以6206型轴承为算例,对优化后的轴承进行应力分析和敏感度分析。结果表明,所提出算法的收敛性能较好、优化能力较强、运算速度较快,优化后的深沟球轴承接触应力下降了31.7%,从而验证了所提出方法的有效性。

基于粒子群-细菌觅食混合优化算法的汽车碳纤维复合材料地板铺层设计

为提高白车身地板复合材料铺层优化设计的精度、效率及结构轻量化水平,提出了一种碳纤维复合材料地板铺层优化设计方法。首先建立了白车身有限元模型并验证了其有效性,然后通过力学性能测试获取了碳纤维复合材料的参数,并进行了地板铺层的概念设计和建模。接着,采用连续变量优化设计方法确定了地板的铺层厚度、铺块形状和铺层层数,并使用离散化圆整策略获得了各铺向角的离散铺层层数。优化结果表明,所提出的粒子群-细菌觅食混合优化(PSO-BFO)算法对地板质量、静态弯曲刚度和白车身轻量化系数的改善率分别为34.4%、6.0%和5.3%。

基于高斯-柯西混合变异的多目标粒子群算法

针对MOPSO优化算法在解决复杂的多目标优化问题上收敛表现差,搜索全局能力不足与易于陷入局部最优的缺陷,提出了一种基于高斯-柯西混合变异的多目标粒子群算法(GC-MOPSO)。该算法使用一种混合高斯变异与柯西变异的变异扰动机制来提升粒子在局部与全局的搜索能力,在外部档案中采用锦标赛选择机制选取全局最优个体的策略来增加种群的多样性。通过与六项其他算法在反世代距离(IGD)上进行比较,验证了该算法的优势。

基于粒子-蚁群混合算法的截割头形状优化设计

针对EBH-150型横轴式掘进机截割头在截割过程中遇到的载荷波动问题,采用粒子-蚁群混合算法对现有抛物线形截割头进行优化设计。利用Matlab数值模拟软件,对截齿的排列参数进行多目标优化,以期减少载荷波动并提升掘进机的工作稳定性。优化结果显示,截割头的截线间距经过调整后,从外向内逐渐减小,使得单个截齿受力更为均匀。横向载荷波动降低了约62%,其他方向的载荷波动也显著降低,均超过50%。这些改进有效提高了掘进机横摆进刀的稳定性,并有助于延长截割头的使用寿命。尽管优化后的截割头在某些方向上的载荷均值有所增加,但载荷峰值降低,避免了单个截齿的过载现象。总体而言,优化设计取得了理想的效果,但仍需通过实际应用进行验证。本研究为掘进机截割头的优化设计提供了一种有效的算法支持,对于提高掘进机的工作效率和安全性能具有重要意义。

基于混合粒子群算法的波浪能发电集群优化方法

对波浪能发电集群的优化控制有助于波浪能的有效利用,为此文章提出了基于混合粒子群算法的波浪能发电集群优化方法。以直驱式发电装置为研究对象,探讨其构成发电集群短期尺度下稳定状态的数学模型,由简至繁依次考虑波浪动态压力、装置间辐射影响和遮挡效应,以便更准确地模拟一定密集度的波浪能发电装置部署下的实际效果。以集群功率最大化为优化目标,根据装置运动和海域能量约束,提出混合粒子群算法求解集群的最优参数,在传统算法基础上设定自适应惯性权重并加入交叉和变异操作,以应对复杂集群方程解空间的多峰性问题。算例结果验证了所述集群优化方法的有效性,求解质量良好;同时表明波浪能发电集群规模越大,装置之间的辐射影响越复杂,遮挡效应越明显。

基于遗传算法特性的混合粒子群算法求解TSP问题

为解决粒子群算法在旅行商问题上的收敛速度慢和路径最优化选择的问题,提出了一种新型的基于遗传算法特性的混合粒子群算法,对旅行商问题的最优路径进行规划.根据种群比例原则与迭代前的路径进行交叉、变异、复制等操作,建立了具有遗传算法特性的混合粒子群算法,并用于求解burma14问题.结果表明:相比传统的粒子群算法和模拟退火-禁忌搜索算法,混合粒子群算法在求解burma14问题中收敛时间与最优路径等指标上都有明显的优势,且随着迭代次数与种群个数的增大,算法的最优解逐渐减小;当最佳参数为种群个数150,迭代次数300时,最优解为30.179 424.

基于差分进化粒子群混合算法的多无人机协同区域搜索策略

为提高无人机群在未知环境中的区域搜索效率,提出一种多无人机协同区域搜索策略。首先,根据区域搜索任务需求,建立包含区域覆盖率、区域不确定度、目标存在概率三种属性的区域信息地图;其次,以最大化搜索效率、同时最小化无人机搜索过程中的能耗为目标,建立无人机区域搜索滚动时域优化目标函数,指导无人机在线决策搜索路线;然后针对传统群智能优化算法易陷入局部最优的缺陷,设计差分进化粒子群混合算法在线求解该多目标优化问题,提高算法的寻优性能,从而提高无人机的搜索效率。最后,通过数值仿真实验,对所提算法进行验证,仿真结果表明,文中设计的基于差分进化粒子群混合算法的多无人机协同区域搜索策略与传统的群智能优化算法相比具有更高的区域搜索效率。

基于K-近邻算法改进粒子群-反向传播算法的织物质量预测技术

为解决现有下机织物质量差异性较大且传统验布环节时间较长等问题,提出基于K-近邻(KNN)算法改进粒子群-反向传播(PSO-BP)算法的织物质量等级预测方法。首先分析织物质量预测模型,整理织物疵点类型与织物质量等级分类,并根据织物疵点特征将疵点划分为6类;其次选取14种影响织物质量的因子作为模型输入量;然后详细介绍依据KNN与PSO原理进行织物质量预测流程;最后以浙江兰溪某纺织厂近3个月16186条织物生产数据为例,建立织物质量预测模型。结果显示:该技术对织物质量预测的准确率达到98.054%,且训练时长仅需4.8 s,在保证织物质量预测准确性的同时,极大缩短了检测时间,提高了织造车间生产效率。

混合驱动的粒子群算法

粒子群优化(particle swarm optimization,PSO)算法是一种在机器人运动规划、信号处理等领域有广泛应用的优化算法。然而该算法易陷入局部最优解,从而导致早熟问题。出现早熟问题的原因之一是粒子群仅依靠适应度值选择学习范例。为了克服上述问题,提出了一种基于适应度值、改进率和新颖性混合驱动的PSO算法(particle swarm optimization algorithm based on hybrid driven by fitness values,improvement rate,and novelty,FINPSO)。在该算法中,引入的新指标和遗传算法会平衡种群的探索与开发,降低粒子群早熟的可能性。适应度值、改进率和新颖性会作为粒子的评价指标。各指标独立地选择学习范例并保存到不同的档案中。粒子每一次速度更新都要确定各个指标的权重,并从每个档案中选择一个范例学习。该算法采用了遗传算法进行粒子间的信息交流。遗传算法中的交叉互换和突变会给种群带来更多的随机性,提升种群的全局搜索能力。以八个PSO算法变体作为对比算法,两个CEC测试套件作为基准函数进行实验。实验结果表明,FINPSO算法优于已有的PSO算法变体达到最先进水平。

基于改进粒子群算法混合储能优化调度

大多数风电储能调度研究从经济运行成本或环境保护成本出发,调度方案缺少对储能投资企业收益和风电消纳的研究,考虑储能经济收益和风电功率消解对调度的影响,提出了一种基于改进粒子群算法的风电混合储能优化调度方法。首先建立一种蓄电池和超级电容混合储能的储能方案;其次基于分时售电、电价差异的影响因素,建立了以储能经济收益最大和风电功率消解最大的优化调度模型;最后提出了一种基于粒子群的改进优化算法,粒子群算法引入帕累托排序和拥挤度排序法,并进行了理论分析和仿真验证。结果表明,只考虑储能经济收益最大时收益明显增加,只考虑风电功率消解最大时消解明显增多,同时考虑储能经济收益最大和风电功率消解最大双目标时,对于两种目标,均有较好的优化结果。

基于竞争式协同进化的混合变量粒子群优化算法

现实工业生产应用中存在大量的混合变量优化问题,这类问题的决策变量既包含连续变量,又包含离散变量。由于决策变量为混合类型,导致问题的决策空间变得不规则,采用已有的方法很难进行有效求解。引入协同进化策略,提出一种基于竞争式协同进化的混合变量粒子群优化算法(competitive coevolution based PSO,CCPSO)。设计基于容忍度的搜索方向调整机制来判断粒子的进化状态,从而自适应地调整粒子的搜索方向,避免陷入局部最优,平衡了种群的收敛性和多样性;引入基于竞争式协同进化的学习对象生成机制,在检测到粒子进化停滞时为每个粒子生成新的学习对象,从而推动粒子的进一步搜索,提高了种群的多样性;采用基于竞争学习的预测策略为粒子选择合适的学习对象,充分利用了新旧学习对象的学习潜力,保证了算法的收敛速度。实验结果表明:相比其他主流的混合变量优化算法,CCPSO可以获得更优的结果。

基于改进粒子群算法的电网混合储能控制方法

为提高其对于电网储能系统的控制效果,提出基于改进粒子群算法的电网混合储能控制方法。建立混合储能系统等效模型,分别设置蓄电池储能模型和超级电容器储能模型,获取储能等效函数,采用改进粒子群算法对储能模型进行求解,根据最优解得到电网混合储能控制方案,仿真实验结果表明,改进粒子群算法在光照增加、光照减弱、负载增加、负载减小工作条件下的响应时间分别为172 ms、141 ms、223 ms、219 ms,均小于对比算法,其电压过冲比例则为6%、5%、7%、7%,远小于其他储能控制方法,具有十分明显的优越性。

粒子群-鱼群混合算法在桁架结构优化设计中的应用

群智能算法由于其优异的搜索性能被广泛应用于结构优化设计,人工鱼群算法和粒子群算法都是基于动物群体行为的智能优化随机算法.本文介绍了人工鱼群算法和粒子群算法的基本原理,并提出了粒子群和鱼群杂交混合的一种新方法:粒子群-鱼群混合算法,将粒子群-鱼群混合算法应用到四个桁架结构的重量优化设计,包括平面桁架结构和空间桁架结构,通过比较粒子群-鱼群混合算法、人工鱼群算法、粒子群算法的优化结果,发现改进的粒子群-鱼群混合算法具有收敛精度高、收敛速度快等特点,同时具有较好的稳定性,可用于结构优化设计.

基于混合粒子群算法的配电网故障重构研究

为了实现含分布式电源的配电网络故障时的恢复供电,在分析粒子群算法基本原理与配电网络结构模型的基础上,提出一种基于混沌映射改进的自适应混合粒子群算法。将压缩因子与自适应权重引入粒子群算法,并借鉴遗传算法中的杂交与自然选择思想,在每次迭代中根据杂交率选取一定粒子进行两两杂交,把每次迭代结果中优秀的一半替换差的一半,并对适应度值良好的粒子进行Logistic混沌优化。接入分布式电源的IEEE 33节点算例,模拟不同算法进行故障重构。仿真测试结果体现出了改进算法具有更快的收敛速度与更好的稳定性。

基于粒子群萤火虫混合算法的计算机辅助配棉

为促进棉纺企业精细化管理水平和生产效益的提升,提出一种粒子群萤火虫混合算法的计算机辅助配棉方法。首先,构造混和棉成本最小和混和棉综合质量指标最优的多目标优化函数,建立库存、总重量、原棉种类及质量指标边界等多约束条件,按照线性加权方式将多目标模型转化为单目标模型。其次,对粒子群和萤火虫群进行分阶段初始化,设计一种学习因子动态调整和非线性递减惯性权重策略用以提高粒子群算法的综合寻优能力,并采用自适应移动步长更新萤火虫个体位置。最后,使用粒子群、萤火虫及粒子群萤火虫混合算法对配棉模型进行求解。试验结果表明:3种配棉算法均展现出良好的求解可行性,所得混和棉质量指标的综合绝对误差分别为0.0268、0.0240、0.0281,皆处于较低水平;并且粒子群萤火虫混合算法在成本节约方面更具优势,其配棉的总成本相比粒子群算法、萤火虫算法分别降低了1.20%、2.27%。

混合粒子群算法计算数控加工逼近误差研究

数控精加工中,逼近误差是刀具进给方向上相邻刀位点之间的加工误差,它的高效、精确计算是生成高质量数控加工刀轨的前提。为了提高逼近误差的计算效率,提出一种结合遗传算法的混合粒子群优化算法。建立逼近误差计算的刀触点区间与粒子搜索区间之间的映射关系和适应度计算模型,以适应度值的最大值作为逼近误差;运用Tent映射进行粒子种群初始化,提出基于sigmoid函数的惯性权重系数和基于迭代次数的学习因子两种非线性控制方法;引入遗传算法的交叉和变异策略提高粒子全局搜索能力,以此构建出混合粒子群优化算法并进行编程实现。以典型自由曲面为例计算逼近误差并生成等误差刀轨,使用本算法的刀轨生成时间小于几何迭代算法和标准粒子群算法,验证了算法的可行性和有效性。

基于粒子群优化算法的地震数据品质因子及混合相位子波同时估计

非稳态地震数据高分辨率处理及反演是通过求解包含地震子波滤波效应及地层吸收衰减效应的反演方程,获得地下反射界面的地震响应。为实现高分辨率处理及反演中初始地震子波及数据品质因子Q模型的实施条件,结合地震子波Z变换的根移动编码及等效Q模型的二进制—十进制转换策略,引入粒子群全局优化算法,建立非稳态地震数据混合相位初始地震子波及数据品质因子同时估计的方法。利用井旁道与数据的互相关作为准则函数,判定粒子群是否收敛至最大,输出最佳初始地震子波及Q。应用理论合成数据和实际数据测试进行验证。结果表明:相较于传统常相位地震子波估计及反Q滤波,该方法在复杂干扰条件下能更精确捕获真实的子波波形及衰减参数。利用输出的地震子波及Q进行时变反褶积处理得到高分辨率剖面,说明方法具有准确性、计算效率高且输出结果优,估计的地震子波和Q更符合实际地震波传播特征,为后续高分辨率地震数据处理提供基本参数。

基于灰狼-粒子群算法的柴发机组节油优化

以变速柴油发电机组油耗率最低为优化目标,以指示热效率神经网络模型的柴油机平均值模型为燃油消耗率的计算基础,将柴油机转速上下限和功率限制线作为变速范围限制条件,对变速柴油发电机组在不同负荷工况下的节油转速进行优化。提出一种粒子群算法与灰狼算法相结合的混合算法,并用标准函数验证该算法的优势,表明其具有较均衡的全局和局部优化特性,更适合进行最低油耗率优化。优化计算结果表明:用电负荷越低,节油效果越明显;10%负荷时节油率可达30%以上,综合工况下节油率可达11.9%;采用该混合算法优化的转速能有效降低变速柴油发电机组的油耗率。

基于混合粒子群算法的圆柱型电磁铁优化设计

为了解决当电磁铁外型相同如何使电磁力最大的问题,将现有电磁铁设计思路应用到圆柱型电磁铁设计中,并采用改进的混合粒子群方法优化电磁铁内部结构参数。运用等效磁路法推导出电磁铁数学模型,并通过Maxwell有限元仿真对比验证准确性,然后采用单目标优化方法,得到影响电磁力的参数,最后采用改进的粒子群算法进行多目标优化,得到优化后的参数值。得到的几组优化数据表明:多目标优化方法得到的有效工作区域电磁力更大,仿真结果表明优化后的电磁力综合提高20%,证明优化方法有效。

带时间窗的车辆路径问题的混合粒子群优化算法

针对带时间窗的车辆路径问题(Vehicle Routing Problems with Time Windows,VRPTW),提出了一种混合粒子群优化算法(Hybrid Particle Swarm Optimization,HPSO)进行求解。所提出的算法设计了一种高效的编解码策略,以此搭建HPSO算法解空间到VRPTW解空间的桥梁。同时为了提高算法的寻优能力,设计了由单点插入策略以及双点交换策略组成的局部搜索策略。通过solomon-50标准数据集中的九个算例进行仿真实验,实验结果证明了所提出算法的寻优能力和稳定性均优于对比算法,最优解误差相较于对比算法最多降低了38.32%。