基于日电量平衡的自动发电控制策略

针对目前自动发电控制AGC(AutomaticGenerationControl)领域平衡控制较难实现的问题,提出了基于日电量平衡的自动发电控制策略。首先,设定功率偏差、电量百分数以及速度权重因子,在满足调节目标值区域控制偏差ACE(AreaControlError)的基础上,使投入AGC控制的发电机组实际运行总发电量与计划总电量接近平衡,保持实际的每日24h有功负荷曲线与计划负荷曲线尽量一致。利用速度权重因子修正发电量,在满足响应速度的同时实施动态优化调节。利用江苏电网实际运行数据进行了仿真,结果表明,该策略能够很好地完成ACE调节目标,达到了实现日电量平衡控制的理想效果。

基于群智优化小波神经网络的机械臂路径控制研究

为了提高机械臂路径控制的准确性,采用群智能优化的小波神经网络算法对机械臂路径进行跟踪,以便实现精准有效的控制。首先分析了二连杆机械臂动力结构,然后建立基于小波神经网络的机械臂路径控制模型,根据机械臂状态变量构建粒子群,通过粒子位置更新获得稳定的小波神经网络模型主要参数。在仿真过程中通过差异化设置隐藏层节点数M和粒子群速度权重ω主要参数,实验证明,当M=12,ω=1.2时,可以获得最优的机械臂目标路径跟踪性能,角度平均误差和位移平均误差均最小,相比于小波神经网络的机械臂路径跟踪,经过了粒子群优化后的跟踪性能提升明显。

基于PSO优化极限学习机的机器人控制研究

为了提高机器人控制的准确率,采用PSO优化的极限学习机算法来实现机器人的行为控制,建立单隐藏层神经网络机器人控制模型,采用PSO算法对极限学习机的权重和阈值进行优化,根据最小范数二乘解定理,借助可逆矩阵求解权重和阈值最优解,最后获得稳定的极限学习机机器人控制模型。以趋向目标精确度和障碍避开准确度作为主要控制目的进行实例仿真,证明基于PSO优化极限学习机的机器人控制趋向目标准确度高,收敛速度快。

基于双粒子群算法的矿井搜救机器人路径规划

针对在复杂地形中标准的粒子群算法用于矿井搜救机器人路径规划存在迭代速度慢和求解精度低的问题,提出了一种基于双粒子群算法的矿井搜救机器人路径规划方法。首先将障碍物膨胀化处理为规则化多边形,以此建立环境模型,再以改进双粒子群算法作为路径寻优算法,当传感器检测到搜救机器人正前方一定距离内有障碍物时,开始运行双改进粒子群算法:改进学习因子的粒子群算法(CPSO)粒子步长大,适用于相对开阔地带寻找路径,而添加动态速度权重的粒子群算法(PPSO)粒子步长小,擅长在障碍物形状复杂多变地带寻找路径;然后评估2种粒子群算法得到的路径是否符合避障条件,若均符合避障条件,则选取最短路径作为最终路径;最后得到矿井搜救机器人在整个路况模型中的最优行驶路径。仿真结果表明,通过改进学习因子和添加动态速度权重提高了粒子群算法的收敛速度,降低了最优解波动幅度,改进的双粒子群算法能够与路径规划模型有效结合,在复杂路段能够寻找到最优路径,提高了路径规划成功率,缩短了路径长度。

优化的核模糊C均值聚类算法

提出一种优化的核模糊C均值聚类算法(WBAKFCM).该算法首先通过改进蝙蝠算法(Weight bat Algorithm,WBA)确定最优聚类中心集合,然后用核模糊C均值聚类算法指导聚类划分.一方面,改进的蝙蝠算法在传统的蝙蝠算法中引入佳点集理论和速度权重,分别用于调节种群的初始化和个体位置的自适应更新.另一方面,在核模糊C均值聚类算法(Kernel Fuzzy C-Means,KFCM)中,选用了高斯核函数,从而将数据映射到高维特征空间进行聚类划分.实验结果表明,优化的核模糊C均值聚类算法在聚类准确率与时间效率上明显优于传统算法.

基于改进粒子群算法的水面无人艇全局路径规划

针对在障碍物复杂的海域环境中对水面无人艇全局路径规划的问题,结合粒子群算法和收敛速度快的速度加权粒子群算法,提出了动态权重的粒子群算法。首先为了保证航行的安全,将障碍物填充至标准形状,设立航行区域四周围栏;然后为了防止粒子跳入障碍区,减小了粒子的运动步长,并对跳入障碍区的粒子作出姿态矫正处理;最后在此环境模型的基础上,给出起始点,然后分别运行三种路径规划算法得出规划路径。对仿真结果的分析表明,改进的动态权重粒子群算法,在吸收了速度权重粒子群算法迭代速度快这一优势的基础上,提高了寻址的成功率,缩短了行驶长度,同时规划路径转折点处的转弯幅度小,更适合水面无人艇航行的实现。

基于改进PSO-SVR的气温预测模型研究

近些年来的诸多研究结果表明机器学习在气象预测领域有着广阔的应用前景。文章使用支持向量回归(SVR)构建模型,预测气温要素变化情况,首先利用粒子群优化(PSO)算法优化SVR,标准PSO算法在寻找最优参数过程中有陷入局部最优的缺点,考虑在改变粒子权重因子(ANDVW)和搜索邻域(ANS)的基础上综合改进,尽量使寻优过程逼近全局最优;最后建立ANDVW-ANS-PSO-SVR模型进行实验对比。利用研究区累计10年间的连续气象观测数据进行模型训练和测试,实验结果表明,改进的ANDVW-ANS-PSO-SVR模型对气温的预测精度有一定的提高。