SA-APSO算法及其在变压器油中局部放电超声定位中的应用

针对基本粒子群算法(particle swarm optimization algorithm,PSO)局部寻优能力差及易早熟收敛的情况,提出一种融入模拟退火思路的自适应粒子群混合算法(simulated annealing-adaptive particle swarmoptimization algorithm,SA-APSO),在惯性权重变化-自适应粒子群基础上融入退火思想,以一定的随机概率接收最优值,能有效提升全局寻优能力并克服早熟收敛现象。利用测试函数进行的仿真结果表明SA-APSO算法在结果精度及稳定度上明显优于基本PSO。并将其应用于变压器油中局部放电的定位计算,将结果与基本PSO及自适应粒子群进行比较,结果表明基于SA-APSO的变压器油中局部放电超声定位方法能够实现全局精确定位,且结果稳定,综合误差小于3.7 mm。

APSO算法在光伏阵列MPPT追踪器中的应用

针对传统的MPPT算法无法在光伏阵列局部遮阴或光照不均等情况下对最大功率点进行有效追踪的问题,提出了一种自适应粒子群优化(APSO)算法。阐述了APSO算法的基本思想以及将该算法实际应用到光伏阵列最大功率点追踪(MPPT)追踪器中的设计思路,并给出了带APSO算法的追踪器硬件实现原理框图。测试结果表明,基于该算法的追踪器能够快速、准确地实现光伏阵列在部分遮挡条件下全局最大功率点的追踪,具有一定的工程应用价值。

APSO算法在语音信号盲源分离中的研究

将自适应粒子群优化(Adaptive Praticle Swarm Optimization)算法运用到语音信号的盲源分离中,以峰度为目标函数,通过自适应调整惯性因子,克服了收敛速度和分离效果之间的矛盾,最终实现盲源分离。该算法避免了传统的优化算法自然梯度法稳定性差、易于陷入局部最优的不足。通过比较仿真结果和性能指标可以看出,APSO算法提高了收敛速度,改善了分离性能,表明了该算法在实现语音信号盲源分离中性能的优越性。

APSO算法提取染料敏化太阳电池参数的研究

利用MATLAB软件对染料敏化太阳电池的输出特性进行了建模与仿真实验,基于电池的等效电路方程建立了寻优目标函数。采用APSO算法精确提取了染料敏化太阳电池的内部参数,讨论了权重因子策略和种群规模对各参数提取结果的影响。各参数的提取值与理论值相对误差在1%以内,自适应权重因子策略可明显提高APSO算法提取染料敏化电池参数的求解精度。将单纯形算法的参数提取结果与APSO算法进行了比较,二者均与理论值吻合,而单纯形算法对初始值表现出较高的依赖性,APSO方法具有更高寻优效率和收敛精度。

基于APSO算法的公路光伏声屏障储充系统优化

为实现公路光伏声屏障发电系统的能源自洽,基于自适应粒子群算法提出了一套从光伏出力、蓄电池储能到充电桩用电的“光储充”容量配置方案。根据项目所在地的温度、辐射强度及光伏组件性能衰减规律建立光伏出力模型,结合公路光伏声屏障吸声降噪效果,计算光伏组件最佳倾角并获取该倾角下的光伏资源禀赋。基于光伏出力与负荷需求,获取蓄电池逐时荷电状态,利用雨流计数法和等效循环寿命法计算蓄电池的预估使用寿命,建立了涵盖初始投资、运行维护和设备更换3部分费用的成本模型,相较于传统固定寿命的成本模型更加具有实际意义。然后,以最小化总成本为优化目标,考虑系统的最小功率、占地面积、蓄电池荷电状态、系统负荷缺电率和系统弃能率5个约束条件,建立了公路“光储充”系统容量配置协调优化模型。采用自适应的粒子群算法,通过改进惯性权重提高了粒子的全局和局部搜索能力,得到了给定光伏板数量下蓄电池及充电桩的最优容量配置方案。结果表明:提出的公路“光储充”模型的能源自洽率达95%以上,对加快公路交通能源融合具有重要意义。针对蓄电池荷电状态,设定荷电状态全年处于0.2~0.8之间,防止了蓄电池的过充过放,显著提高了蓄电池的使用寿命;针对粒子寻优能力,采用自适应粒子群算法使得粒子寻优速度提升将近90%;最终优化结果同时满足5%的负荷缺电率及10%的系统弃能率,保证了系统可靠性。

ReliefF和APSO混合降维算法研究

降维与分类一直是机器学习的研究热点,在很多领域有着成功的应用.针对基因数据分类存在特征维数过高、冗余数据和高噪声等问题,现提出一种基于Relief F和自适应粒子群(APSO)优化的混合降维算法.即先通过Relief F和APSO算法选择特征子集,然后使用超限学习机作为评价函数对基因数据进行分类,最后通过循环迭代得到最优的分类精度.实验证明,混合降维算法与已有的算法相比分类精度更高、更稳定,它适用于基因表达数据降维.

基于改进粒子群优化算法的混凝土泵车全局功率匹配

针对混凝土泵车全局功率匹配技术存在优化算法求解质量差的问题,本文提出了一种基于改进粒子群算法的工况自适应混凝土泵车全局功率匹配策略.首先,在MWorks平台上构建基于发动机与液压泵等特性数据,集成液压､机械､控制､负载与动力五大模块的泵送系统模型;然后,采用改进粒子群算法进行全局匹配优化,输出不同作业需求下的参数经济匹配值;最后,基于构建的泵送系统仿真平台,分析典型工况下不同功率匹配策略的节能效果.结果表明:所提策略与传统策略相比,轻､中､重载工况分别节油5.86%,5.24%和1.74%.

自适应粒子群优化算法(APSO)在膜下滴灌优化灌溉中的应用

在考虑了灌溉水量、作物水分响应模型、降雨量、不同生育阶段缺水对产量敏感指数、作物市场价格、农业灌溉用水价格、膜下滴灌成本价格等因素下,建立了农作物经济效益最优的多约束、非线性灌溉模型。将APSO算法进行灌溉模型优化求解。利用新疆棉花膜下滴灌实验所得数据,得出了作物在不同范围有限灌水量下棉花各生育阶段间灌水量的最优效益分配,求解的结果显示该灌溉模型能很好地解决了作物非充分灌溉下优化灌溉问题。

基于自适应权值粒子群算法的滑动轴承优化设计

针对电机轴承的优化设计问题,选用自适应权值粒子群算法(Adaptive Partical Swarm Optimization,APSO),以轴承宽径比、轴承相对间隙以及润滑油动力黏度为设计参数,根据润滑特性计算得到的范围,采用合理约束条件,确立承载能力、轴承功耗以及轴承温升为目标函数,在分别进行单目标函数优化后,采用加权方法建立多目标函数模型进行优化设计。将得到的优化设计结果与常规设计结果相比,发现采用智能算法优化设计得到的轴承性能得到了显著提高。该优化设计方法相比于常规设计方法,避免了经验设计存在的设计盲目性,对于后续轴承的设计特别是结构设计可以提供较好的指导作用。

基于自适应粒子群优化算法的预测控制算法及其在加热炉支管平衡中的应用

多变量和输出受限系统的预测控制问题一般表现为一个不易直接求解的多变量且多约束的非线性动态规划问题.传统优化方法在解决此优化问题时,存在易收敛到非法解或局部极小、计算时间长以及对模型参数与初值依赖性强的缺点.提出了一种基于自适应粒子群优化的预测控制算法(APSO-DMC),采用自适应粒子群优化算法(APSO)作为模型预测控制的优化方法,在线实时求解最优控制律,从而有效地克服了传统优化方法的不足.将此算法应用于常减压装置加热炉支管温度平衡控制中,仿真试验结果显示了该方法的有效性.

基于KPCA-APSO-LSSVM的充填管道磨损风险预测

为提高充填管道磨损风险的预测精度,构建基于核主成分分析(KPCA)和自适应粒子群算法(APSO)优化的最小二乘支持向量机(LSSVM)磨损风险预测模型。首先通过KPCA对数据进行特征提取和降维处理,获取影响管道磨损的主要因素,然后应用LSSVM建立磨损风险预测模型,同时利用APSO算法对模型参数进行优化。最后,以黄陵县矿区为例,分析选取12种影响因素,建立充填管道磨损风险指标体系,借助MATLAB进行仿真训练与预测,并对预测结果进行对比分析。结果表明:KPCA-APSO-LSSVM模型与其他模型相比具有更高的预测精度及更强的泛化能力,是一种更为有效的磨损风险预测方法。

基于APSO–WLS–SVM的含瓦斯煤渗透率预测模型

为了较准确预测含瓦斯煤渗透率,有效预防瓦斯安全事故,提出自适应粒子群算法(APSO)优化的加权最小二乘法支持向量机(WLS–SVM)算法。根据对含瓦斯煤渗透率的相关理论及文献研究分析,选取有效应力、瓦斯压力、温度和抗压强度作为主要特征指标,采用APSO算法对WLS–SVM模型的组合参数(C、σ)寻优,建立APSO–WLS–SVM含瓦斯煤渗透率预测模型。结合现场实测资料中的40组数据作为训练样本,其余10组为预测样本,对该模型进行训练与检验,并将其预测结果与利用PSO–WLS–SVM和WLS–SVM模型的预测结果进行对比。结果表明:APSO-WLS-SVM模型的预测效果优于另外2个模型,提高了煤体渗透率的预测性能与泛化能力。

轻工装备制造阶段关键绿色质量特性提取模型

为了提升轻工装备制造业在绿色发展过程中的可持续竞争力,在关键质量特性概念的基础上提出关键绿色质量特性(critical to green quality characteristics,CTGQs),建立CTGQs提取模型,识别出对环境影响最大的工艺过程参数,实现轻工装备在制造阶段的关键绿色质量特性提取,为实现绿色制造提供了理论基础。为更好地消除提取过程中的冗余数据,将改进ReliefF算法与自适应粒子群(adaptive particle swarm optimization,APSO)算法相结合,提高CTGQs提取准确性。最后以啤酒发酵罐为例,验证了该模型的有效性。

基于Kriging代理模型的气辅注射成型工艺优化

针对气辅成型工艺设定及控制的复杂性,使用Kriging代理模型近似拟合气辅成型工艺参数与气体穿透长度之间的非线性函数关系,建立起Kriging代理模型与APSO算法相结合的优化策略。应用所建立的优化方案,以气体的穿透深度为优化的目标,模拟了某汽车后视镜的气辅成型工艺优化过程。算例表明,基于Kriging代理模型与APSO算法耦合的优化策略可以在小样本情况下获取较高的求解精度和较快的收敛速度。

机械加工过程工艺参数节能优化的实施方法

低能耗、高能效是我国制造业向高端转型的必然趋势。在机械加工过程中,通过引进先进技术、优化工艺参数、改良加工流程等一系列措施,能够达到节能减排、绿色高效的效果。本文首先结合机械加工系统的结构组成,分析了能耗特点;随后从确定优化变量、构建优化模型、使用APSO算法对优化模型进行求解等方面,简要概述了工艺参数节能优化的实施方法;最后基于铣削加工实例,运用Matlab软件进行寻优迭代,经过算法收敛后求出铣削加工的节能优化参数,为进一步降低铣削加工的能耗提供了一定的参考。

基于并联机构的车辆座椅参数优化及性能分析

为进一步提升车辆座椅悬架的隔振性能,利用连杆弹簧并联机构,设计了一种具有准零刚度的非线性座椅;在对座椅参数进行加速粒子群算法优化后,建立了“人-座椅-车”七自由度集中参数耦合模型,完成了汽车在不同路面激励下的人体动力学响应仿真实验,对比分析了相同激励下线性座椅人体动力学响应。研究结果表明:参数经过加速粒子群优化算法处理的并联机构座椅满足汽车座椅设计国标GB 15083—2006和行标QC/T 740—2005要求;该座椅具有准零刚度特性,在各种路面激励下均能保持较好的隔振效果,在随机路面激励下并联机构非线性座椅悬架系统的人体各部位加速度均方根值下降了86%,位移均方根值下降了38%。

基于信用风险修正的多阶段银行资产组合优化模型

从资产组合管理角度出发,用信用风险修正的方法对企业信用等级阈值进行修正,同时考虑商业银行持续经营的特点,将修正后的信用风险引入到多阶段的模型当中去,建立一个基于信用风险修正的多阶段银行资产组合优化模型.针对该模型的特点,给出了把Monte Carlo模拟的动态算法和改进粒子群的多阶段算法相结合求解方法.数值试验表明所建立的模型是合理的且符合商业银行的实际操作要求,给出的方法是有效的和可行的.