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%。

基于模拟退火粒子群算法的甚高频台站补盲

目前中国西藏地区甚高频(very high frequency,VHF)通信台站在7000 m及以上高空航路通信信号覆盖存在覆盖盲区,但是并没有针对VHF通信信号盲区补盲方面的研究及对应的解决办法。为了解决以上问题,提出了一种以西藏地区的实际地形为优化算法搜索对象,以拉萨管制区管辖范围内航路通信信号的单重覆盖率、双重覆盖率及管制区的冗余度为指标的补盲部署数学模型。接着,在不改变西藏地区原有VHF通信台站数量和位置的基础上,利用模拟退火粒子群算法,采用最小频率最少台站个数寻找一个最优台站对未覆盖的一段航路进行VHF通信信号覆盖研究。仿真结果表明,该算法不仅实现了采用最小频率最少台站个数解决航路通信信号覆盖盲区的目标,而且克服了粒子群算法在寻优过程中易陷入局部最优解的缺点,同时也证明了提出的补盲部署数学模型的正确性及改进的粒子群算法的高效性。该算法和模型可以为航线网路规划、台站部署优化及最终通过该方法解决频谱资源匮乏问题提供理论支撑和技术支持。

基于模拟退火粒子群优化算法的ECT图像重建方法研究

电容层析成像系统中,其反问题的“病态性”特点,导致传统图像重建算法的重建结果伪影现象严重。粒子群算法(Particles Swarm Optimization,PSO)作为智能算法的一种,具有易实现,收敛快等显著优点,缺点也很明显,即粒子易收敛于局部最优解。将模拟退火算法与粒子群搜索算法相结合,利用模拟退火算法中的概率突变能力,能够有一定概率跳出算法的局部最优解。设计了五种不同的典型流型并进行了仿真实验,利用所提算法与LBP算法、Tikhonov算法、Landweber迭代算法以及标准PSO算法分别对其进行了图像重建。仿真实验所得到的主观结果和客观数据均表明,所提算法可以有效减少重建图像中的伪影,明确图像形状,提高重建图像质量,使得图像重建结果更加接近原始流型。

基于模拟退火粒子群算法的配电网分布式储能布局规划研究

储能系统可缓解大规模分布式新能源接入配电网所产生的不良影响,而储能系统在配电网中合理配置是其有效应用的前提。构建了一种考虑在配电网中全寿命周期成本的分布式储能布局规划模型,并以分布式储能接入配电网后安全稳定运行校核为约束条件,采用引入退火机制的粒子群算法对布局规划模型进行优化求解,提高算法迭代时寻找全局最优解的收敛速度和准确性。在IEEE 14节点配电系统上进行仿真分析,仿真结果表明该算法具有较好的收敛性和准确性,该规划方法可有效提高新能源发电就近消纳水平,可用于指导分布式储能在配电网中的规划布局。

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认知无线电功率分配

随着无线通讯技术的普及,频谱资源紧缺的问题日益凸显。认知无线电技术是解决该问题的一种重要方法,是一种能有效利用频谱资源的新技术,它能有效利用频谱资源。针对认知无线电网络的频谱资源紧缺问题,研究了基于粒子群算法的功率控制技术,使用等温模拟退火粒子群(Synthermal Simulated Annealing Particle Swarm Optimization,SSAPSO)优化方法,最大化认知无线网络的系统容量。本文提出的算法与传统方法效果相比更好。

自适应免疫粒子群算法在光伏MPPT中的应用

光伏阵列在局部遮阴条件下,其P-U特性曲线呈多峰特性,传统的最大功率点跟踪(MPPT)算法容易陷入局部最优,而无法追踪到最大功率点。粒子群(PSO)算法适用于复杂多极值的寻优问题,因而在多峰值MPPT中得到广泛应用。针对粒子群算法寻优过程中易早熟收敛至局部最优、迭代后期收敛速度慢以及精度低等问题,提出了一种自适应免疫粒子群算法。该算法对惯性权重和学习因子进行自适应调整,并且与免疫算法相结合。仿真结果表明:该算法在静态局部遮阴以及动态局部遮阴条件下,均能追踪到最大功率点,并且收敛速度更快,精度更高,稳定性更好。

基于自适应变异粒子群算法的装配式建筑施工安全投入优化

针对装配式建筑施工安全投入问题,以实际工程项目为例,对装配式建筑施工风险因素进行了二级分解;基于数学规划理论建立了非线性规划模型,并引入3种函数关系进行拟合;采用自适应变异粒子群算法在Matlab中进行求解,得到了相对较优方案。结果表明:在安全风险主要因素中,物的风险因素对安全投入最为敏感;在二级风险因素中,预制构件吊装器具的选择最为敏感,该结论可为日后施工安全投入的方向提供参考依据。

基于自适应混合粒子群算法优化支持向量机的乳腺癌预测

使用粒子群算法优化支持向量机的惩罚因子和核参数,提高分类的精度。粒子群算法收敛速度快,但是容易陷入局部最优。引入鲸鱼算法的包围运动和螺旋运动机制,形成参数自适应的混合粒子群优化算法,提升了算法的精度。在对数据进行预处理之后,80%的数据用于模型的训练,剩余20%用于模型的测试。每次实验分别按照比例随机生成的训练集和测试集进行20次预测,计算平均正确率。实验表明,自适应混合粒子群算法优化精度高于标准粒子群算法和鲸鱼算法。

基于自适应粒子群优化算法的串联复合涡轮储能优化策略

针对发动机串联复合涡轮发电系统储能困难等问题,提出了一种基于自适应粒子群优化(SAPSO)算法的最大功率点追踪(MPPT)方法,增强发电系统功率的捕获能力。此外,采用混合储能系统(HESS)替代单一蓄电池储能,实现电能的高效、稳定存储。通过Matlab/Simulink软件,建立了基于发动机串联复合涡轮发电的储能优化控制仿真模型,对比分析了不同控制方法在设定工况下的功率追踪性能以及混合储能系统的储能特性。仿真结果表明,相较于传统扰动观测法(P&O)控制方法,在所提的SAPSO-MPPT方法下,发电功率提高了190 W,响应时间缩短了0.15 s。同时,HESS能够有效追踪母线上的需求功率,电能回收效率高达95.3%。最后,基于Y24型改装发动机台架搭建了串联复合涡轮发电系统实验平台,对所提储能优化控制策略的节油潜力进行了实验验证。结果表明,SAPSO-MPPT+HESS储能优化策略能够有效提高排气能量回收效率,优化后系统总热效率比原发动机提高了提高0.53个百分点。

基于改进粒子群算法的阻尼惯量自适应控制策略

针对传统虚拟同步发电机控制策略存在暂态调节时间长及稳定性差等问题,提出一种基于改进粒子群算法的阻尼惯量自适应控制策略。首先,通过分析系统受扰动后功角特性,提出阻尼惯量自适应控制策略;然后,利用改进粒子群算法选择控制策略初始值,给出关键参数的选取原则及具体范围;最后,通过与现有控制策略进行对比,分析不同惯量及阻尼下对系统影响并验证控制策略的优越性。结果表明,该策略可有效提高系统稳定性及动态响应性能。

基于改进粒子群算法的自适应构网型变流器控制策略

构网型控制是一种改善新能源高渗透率下电力系统稳定性问题的技术手段。针对传统构网型变流器均采用固定参数控制而未能发挥出最佳调频效果这一问题,基于构网型变流器控制参数可调的特点,提出一种自适应控制策略,以优化构网型变流器的输出并改善电力系统的动态特性。首先,通过仿真实验得到典型构网型变流器虚拟惯量和阻尼系数在大功率事件下对系统动态特性的影响;其次,研究典型构网型变流器的频率曲线与功角曲线,提出包含频率偏差和频率变化率的自适应构网型变流器控制策略;然后,通过改进粒子群算法对自适应控制策略涉及参数进行整定;最后,基于MATLAB/Simulink搭建的微电网模型,验证所提控制策略的稳定性与鲁棒性。仿真结果表明,所提控制策略可以自适应改变控制参数,使构网型变流器的输出能够满足系统各个阶段的不同需求,优化电力系统的动态特性。

一种自适应模拟退火粒子群优化算法

为了提高粒子群算法的寻优速度和精度,避免陷入局部优解,提出一种自适应模拟退火粒子群优化算法。采用双曲正切函数来控制惯性权重系数,进行非线性自适应变化;利用线性变化策略控制社会学习因子和自我学习因子,达到改变不同阶段寻优重点的目的;引入模拟退火操作,根据种群的初始状态设置一个温度,根据米特罗波利斯准则和温度指导种群以一定的概率接受差解,保证了算法跳出局部最优解的能力。为验证这种算法的效果,选择7种典型测试函数与已有文献中提出的5种粒子优化算法进行对比实验,根据寻优结果的平均值、标准差以及迭代次数等数据,证明文中所提算法在迭代精度、收敛速度以及稳定性上都有很大的提升,有效地弥补了经典粒子群算法的缺陷。

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。

自适应策略优化的粒子群优化算法在神经网络架构搜索中的应用

针对神经网络架构搜索(NAS)任务,提出一种自适应重启策略驱动的协作学习粒子群优化(ARCLPSO)算法。算法核心流程包括协作学习与信息共享、策略切换和参数自适应,以改进传统粒子群优化(PSO)算法在NAS中的性能。ARCLPSO算法结合了全局与局部信息的协同作用和智能切换学习策略。具体地,ARCLPSO利用全局和局部信息的协同作用令粒子向更优的方向移动,通过智能的切换粒子学习策略平衡粒子的搜索性能和收敛速度,提高搜索速度和搜索质量。在NAS-Bench-101数据集上的实验结果表明,ARCLPSO的收敛时间相较于传统进化算法(REA)和随机搜索(RS),分别减少了40.9%和55.2%。

基于巴特沃斯幅频特性的自适应粒子群算法

针对传统粒子群算法存在求解精度低和易陷入局部最优等问题,提出一种基于巴特沃斯幅频特性的自适应粒子群算法(Butterworth amplitude-frequency characteristics based adaptive particle swarm optimization algorithm,BAC-PSO).一方面,借助巴特沃斯幅频特性设计一种惯性权重非线性递减策略,均衡算法中粒子的局部与全局搜索能力;另一方面,通过S型函数的粒子群优化策略和Sigmoid函数改进位置更新方法,进一步提升算法的求解精度.以5个经典的测试函数为基准,将BAC-PSO算法与5种经典粒子群算法的性能进行对比,并将其应用到求解压力容器模型的设计问题中.实验结果表明,相较于其他经典粒子群算法,BAC-PSO算法的求解精度更高,收敛速度更快,稳定性更好.

基于模拟退火的自适应粒子群优化算法的改进策略

针对PSO算法在求解问题的优化问题中易陷入局部收敛且收敛速度较慢等缺陷,引入一种初始化改进策略,并将模拟退火算法与PSO算法相结合,提出了一种全新的算法。该算法将寻优过程分为两个阶段:为了提高算法的执行速度,前期使用标准PSO算法进行寻优,后期运用模拟退火思想对PSO中的参数进行优化搜索最优解。最后将该算法应用于八个经典的单峰/多峰函数中。模拟结果表明,该算法有效地避免了早熟收敛现象,并提高了收敛速度,从而提高了PSO算法解决全局优化的性能。

基于粒子群算法与模拟退火算法的一种混合配电网重构算法

本文首先对配电网重构的意义,研究现状以及当下的几种方法等方面进行分析,并且对比了几种主要重构方法的优缺点。然后,介绍亚启发式算法中的粒子群算法与模拟退火算法,并将二者有效地进行融合互补,形成一种新的混合算法。此方法利用粒子群算法快速局部搜索能力和模拟退火算法全局收敛的优点,使其既能以较大的概率跳出局部的极值点,又能提高收敛速度。最后,将这种混合算法应用于配电网重构中,介绍了配电网的简化分析方法,并阐述了配电网的粒子群初始化、参数设置、编码规则等内容,并通过IEEE33节点和69节点系统基于MATLAB平台的仿真,验证算法的可行性和优越性。

基于自适应粒子群算法的船舶机舱双层布局优化研究

为提高船舶机舱的智能设计水平,提出一种针对于船舶机舱设备布局的智能优化方法。以某船机舱为例,通过分析船舶机舱设备对于机舱内部温度的耐受性、通风需求、以及设备自重对于船舶重心位置的影响,建立船舶机舱设备的分层评分机制,实现设备在机舱内部的分层布置。从设备系统群关系、流通成本、倾斜力矩、吊装需求等6个角度出发对机舱双层布局进行分析并建立数学模型,运用罚函数法处理约束条件,运用自适应粒子群算法求解该数学模型,得出布局方案并进行合理性分析。使用该方法优化之后,同一系统或邻接性较强的设备紧密布置,非邻接性设备分散布置,设备之间的流通成本降低约12%,吊装距离减少约100%,倾斜力矩之和降低约130%。结果分析表明,该方法能有效地解决船舶机舱的布局优化问题,可为解决类似的布局优化问题提供参考。

基于自适应模拟退火的改进混合粒子群算法

为了改善旅行商(TSP)优化求解能力,对模拟退火与混合粒子群算法进行改进,引入了自适应寻优策略。交叉、变异的混合粒子群算法,易于陷入局部最优,而自适应的模拟退火算法可以跳出局部最优,进行全局寻优,所以两者的结合兼顾了全局和局部。该算法增加的自适应性寻优策略提供了判定粒子是否陷入局部极值的条件,并可借此以一定概率进行自适应寻优,增强了全局寻优能力。与混合粒子群算法实验结果对比,显示了本文算法的有效性。