航空时敏制导炸弹增程弹道组合优化设计

为增强航空时敏制导炸弹在中制导段的滑翔能力,将极小值原理与自适应进化粒子群算法相结合,提出了一种适用于航空时敏制导炸弹增程弹道的组合优化设计方法。基于纵向平面内质心运动模型,推导了性能指标泛函及各不等式约束函数。引入Lagrange乘子矢量并建立相应的Hamilton函数实现无约束泛函极值问题的转换,推导出兼顾各优化目标函数的满意优化模型。利用自适应进化粒子群算法对该段增程弹道进行了攻角与弹翼张合档位双设计变量的组合优化。数值仿真算例表明,在满足状态方程约束的条件下,双变量的增程效果比常规单变量控制时显著提高,其优化结果可为制导炸弹弹道规划设计的研究提供一定的理论参考。

煤矿生产物流系统安全资源配置研究

针对煤矿生产物流系统安全资源配置问题,在构建基于安全风险及安全成本的安全资源指标体系基础上,运用回归分析法拟合了安全风险与安全成本目标函数,并构建了煤矿生产物流系统安全资源配置多目标优化模型,采用自适应进化粒子群算法对该模型进行优化求解。实例结果表明,采用自适应进化粒子群算法能够得出满足煤矿生产物流系统安全资源配置多目标优化要求的不同可行解。

基于AEPSO-BPNN的光伏阵列多场景参数辨识

针对光伏阵列内部机理较为复杂、参数难以快速准确辨识的问题,提出了一种自适应进化粒子群算法优化BP神经网络(AEPSO-BPNN)的模型建立和参数辨识方法。通过引入自适应、进化和重构等改进策略,可以提高粒子群算法的收敛性能,并将其对BP神经网络的初始权值和阈值进行优化,使神经网络算法在迭代后期不易陷入局部最优解,以提高参数辨识的精确度和速度。根据光伏阵列的实测输出电流和理论计算电流的差值,并考虑环境变化对内部参数的影响,构造均方根误差函数作为算法的适应度函数,从而将复杂的多参数辨识问题转化为带约束条件的非线性多变量最优化问题。最后采用多场景法,验证算法在不同光照强度和温度下的适用性和效果,并与其他算法进行对比,仿真结果表明该算法在误差、收敛速度和运行时间上有较大优势。

基于AEPSO算法优化的大型浮选机用PMSM非奇异终端滑模控制研究

针对大型矿山中浮选机所采用的永磁同步电机(PMSM)控制系统具有强耦合、强干扰、非线性、不确定性的问题,提出一种基于自适应进化粒子群(AEPSO)算法优化的大型浮选机用PMSM滑模控制方法。首先,介绍工程背景并建立出大型浮选机用PMSM的转矩数学模型。其次,通过设计非奇异终端滑模面和指数趋近律控制律推导出滑模控制器的结构,并利用AEPSO算法优化滑模控制器的性能参数。第三,通过Simulink仿真研究该控制方法下电磁转矩控制情况。结果表明,相对于PID控制和传统滑模控制方法,采用AEPSO算法优化后的滑模控制方法极大地提高了PMSM的控制性能,满足大型矿山中浮选机的应用需求。最后,通过江西铜业武山铜矿现场的工程试验,验证了所提方法实际应用的可行性。另外,该控制方法具有较强的通用性和灵活性,其设计思路、仿真分析和试验经验为电机控制领域的研究人员提供了参考。