基于双层规划的碳减排配煤优化方法研究

随着“双碳”目标升级为国家战略,煤电作为发电行业减碳的重中之重,燃煤电厂在碳排放量的限制上面临巨大的考验。运用双层规划的方法,考虑政府管理部门碳排放配额与电厂配煤掺烧相结合,建立了火电机组低碳配煤优化模型,模型上层为政府管理部门目标,追求既定碳排放总量下电厂减排成本最小化;下层为电厂部门目标,追求配煤成本和碳排放成本最小化。采用混沌粒子群优化(chaotic particle swarm optimization,CPSO)算法求解该模型,计算结果为政府管理部门碳排放配额分配和电厂运行人员煤炭掺配提供一定参考,具有较好的应用价值与指导作用。

飞机舱门收放系统CPSO-BP神经网络故障仿真与诊断

针对民机舱门收放系统故障模拟代价大、故障数据少、故障诊断精度低的问题,提出基于CPSO-BP神经网络的飞机舱门收放系统故障诊断方法。根据民机舱门系统工作特性和高发故障的情况,确定流量控制阀磨损、液压马达泄漏、液压油污染和节流阀阻塞4种典型故障模式;建立飞机舱门AMESim收放系统仿真模型,通过典型故障的仿真分析获得120组故障数据,构建包含29520个样本的故障数据集;采用BP神经网络进行故障诊断,其平均诊断正确率仅为85.36%。采用混沌粒子群算法(CPSO)优化BP神经网络的初始权重和阈值,故障诊断正确率达到93%,提高了飞机舱门收放系统的故障诊断正确率。

自旋忆阻CPSO-PID神经网络

采用混沌粒子群优化算法(CPSO)对网络初始值进行迭代寻优,加快系统的收敛速度.为了实现PID神经网络的硬件平台搭建,新型纳米器件——自旋忆阻器,由于其独特的记忆特性和纳米级尺寸,被用来模拟电子突触,以实现神经元之间的相互连接.最后,通过对强耦合系统进行解耦控制验证了该方案的有效性.

基于LVQ-CPSO-BP算法的煤体瓦斯渗透率预测方法研究

针对BP神经网络算法对煤体瓦斯渗透率预测精度低问题,筛选出影响预测精度的5个主要因素——1个宏观因素(煤层埋深)和4个微观因素(有效应力、温度、瓦斯压力、抗压强度),提出一种基于学习向量量化神经网络(LVQ)分类、混沌粒子群算法(CPSO)优化、BP神经网络预测的LVQ-CPSO-BP煤体瓦斯渗透率预测方法。从宏观上确定临界值将煤层埋深划分为2层;基于有效应力与瓦斯渗透率之间存在拐点关系,从微观上确定拐点值将有效应力划分为2段;采用LVQ将4个微观样本参数依据拐点特征进行分类识别,采用BP神经网络进行学习训练并输出预测结果,并用CPSO对BP神经网络的权值和阈值进行优化;基于样本案例对本文构建的LVQ-CPSO-BP算法进行预测结果验证,并与BP算法、GA-BP算法及PSO-BP算法预测的结果进行对比分析。结果表明:LVQ分类正确识别率较高,CPSO-BP算法预测精度较好,且优于其他3种算法。LVQ-CPSO-BP算法总体预测值与实测值吻合度高,尤其当有效应力减小时,预测精度更高。

汽油机瞬态工况油膜参数的辨识研究

油膜动态效应的存在对PFI汽油机油瞬态空燃比的精确控制具有较大影响,而油膜参数又是油膜动态效应中最关键的参数。为提高油膜参数的辨识精度,提出了一种组合的混沌粒子群优化算法(CPSO),并在Simulink中建立了基于CPSO-RBF神经网络的汽油机瞬态工况油膜参数辨识模型。将辨识得到的油膜参数以与BP神经网络辨识及最小二乘辨识得到的结果进行对比,结果表明:CPSO-RBF神经网络辨识方法能对油膜参数进行有效辨识,具有更强的非线性辨识能力和更高的辨识精度。

空间机器人动力学奇异回避的笛卡尔轨迹规划

针对空间机器人动力学奇异的回避问题,提出一种基于组合函数的笛卡尔轨迹规划方法。将梯形规划与正弦函数相结合,对机械臂末端的位姿进行参数化。机械臂沿着某一轨迹运动时,根据阻尼最小方差法(DLS)的特点,提出一种判断是否发生动力学奇异的方法,并据此进行轨迹规划。该方法可以保证空间机械臂运动过程中不会遇到动力学奇异。此外,将基座姿态扰动和机械臂运动时间作为目标函数的一部分,最终,轨迹规划问题转化为多目标优化问题,并利用混合整数规划的混沌粒子群优化算法(CPSO)进行求解。该优化算法能够改善标准粒子群算法(PSO)的"早熟"现象。仿真结果表明,新方法能够有效处理动力学奇异问题,减小基座姿态扰动及运动时间。