横风下基于滚动GAPSO算法的列车速度曲线优化

针对普通环境下高速列车目标速度曲线优化算法不适用于横风环境的问题,提出一种横风环境下基于滚动GAPSO(遗传粒子群)算法的列车速度曲线优化方法。首先,考虑横风风速阻力作用改进列车动力学模型,并建立列车运行多目标优化模型;其次,基于GAPSO算法寻优巡航构建列车在起始阶段的最优目标速度曲线,引入滚动优化框架实时调整目标速度曲线,并在横风限速区按照改进快行策略运行;最后,在列车进站前采用GAPSO算法寻优惰行点生成目标速度曲线。仿真实验结果表明:GAPSO算法较GA算法和PSO算法具有搜索能力强、收敛速度快的优点;滚动GAPSO算法能在不同横风环境下实时生成优化后的目标速度曲线,并与改进快行策略和RH-PSO算法相比,具有较优的节能性和准时性。横风下基于滚动GAPSO算法的列车目标速度曲线优化可为横风环境下列车节能、准时运行提供一种可行的解决方案。

基于GAPSO算法的人工智能污水监测故障诊断技术

针对污水监测故障智能化诊断滞后的问题,提出一种人工智能化方案,通过改进型GAPSO算法对污水监测故障进行诊断和分析,结合遗传算法的核心思想,在GAPSO算法中设置不同类型的编码器,以提高GAPSO算法的计算能力和应用能力。建立多功能智能污水监控报警系统,由DSP技术、ARM处理器技术和FPGA搭建系统框架。系统的核心处理模块为集中控制器的STM32F103RCT6单片机,危险污水检测模块使用MQ-2传感器,报警模块组合使用LED灯,大大提高了污水现场监控能力。实验结果表明,所提研究方法评估采集精度高达99.68%,报警时间快,评估能力强,收敛速度快。

基于GAPSO-FNN神经网络的锂离子电池传感器故障诊断

新能源汽车的动力电池内部存在多种传感器用来进行电池系统的安全监测,而传感器故障会导致荷电状态等指标出现误差,严重时会触发电池热失控的风险。为了有效准确地进行电池传感器故障诊断,提出基于遗传算法优化粒子群算法(genetic algorithm optimized particle swarm optimization,GAPSO)和模糊神经网络(fuzzy neural network,FNN)的锂离子电池传感器故障诊断方法对锂离子电池的传感器进行故障诊断,该方法使识别故障准确率迅速提升。本工作首先通过硬件平台和Matlab/Simulink环境相结合的方式获取电池传感器故障的数据,然后对故障数据进行预处理及特征提取,最后采用GAPSO-FNN算法对电池传感器进行故障诊断,并与传统神经网络和模糊神经网络方法的结果进行对比。仿真结果表明,基于GAPSO-FNN的锂离子电池传感器故障诊断方法相比于传统的神经网络方法测量准确率提升了25%,相比于模糊神经网络准确率提升了10%,故障诊断准确率能够达到95%,在减少故障诊断所需信息量的同时,有效地提升了故障诊断的准确率。

基于GAPSO和自抗扰控制的稀土永磁同步电机性能研究

针对稀土永磁同步电机控制系统存在强耦合、非线性、抗干扰能力差的问题,提出了一种基于遗传粒子群算法(GAPSO)的稀土永磁同步电机自抗扰控制方法。第一步,介绍研究背景并推导出稀土永磁同步电机的数学表达式;第二步,通过设计跟踪微分器、扩张状态观测器以及非线性状态误差方程推导出自抗扰控制器的数学表达式,并利用遗传粒子群算法对其进行优化;第三步,讨论基于GAPSO和自抗扰控制的稀土永磁电机转速性能情况。通过Simulink仿真验证了上述方法的有效性,说明本文设计的自抗扰控制方法对提高电机性能具有促进作用。

GAPSO:一种高效的遗传粒子混合算法及其应用

在粒子群算法和遗传算法融合的基础上提出了一种新的算法(GAPSO)。该算法模仿自然界的个体成熟过程,对遗传算法中的每一代群体中的优秀个体,采用粒子群算法获得进一步的提高,使算法获得比遗传算法和粒子群算法更加好的优化效果。在FCRNN设计应用中表明该算法确实比遗传算法和粒子群算法有更加好的效果。

基于GAPSO_BP神经网络的Doherty功放行为模型

在通信系统级仿真中,精确构建行为模型对设计和优化射频功率放大器是极为重要的。在BP神经网络模型的基础上,提出一种由遗传算法和粒子群算法结合的混合算法对网络进行优化,构建GAPSO_BP功放行为模型,利用Doherty结构的功放输入输出电压数据对模型进行仿真。通过对电压均方根误差以及收敛速度的比较,最终得出基于GAPSO算法构建的模型比基于原有两种算法构建的模型有更好的拟合性,功放实际输出和模型输出之间的均方误差达到了0.0011,进而可以更精确地描述射频功率放大器的非线性特性。

基于GAPSO算法的转台齿轮传动多目标优化研究

针对某航空发动机叶片五轴加工机床转台传动系统多目标优化设计问题,以五轴加工机床转台的齿轮总体积和总重合度建立了目标函数,在齿轮的接触应力和弯曲应力为约束条件下建立了优化数学模型。提出了结合PSO算法与GA算法各自优点的GAPSO方法,利用GAPSO算法既有GA算法的强大全局搜索能力又有PSO算法的快速收敛能力的特点,求解了转台齿轮传动系统的多目标优化数学模型,并分别使用PSO算法、GA算法对数学模型进行了寻优求解,最后将3种算法的结果进行了对比分析。研究结果表明:相比PSO算法与GA算法,GAPSO算法的优化效果最佳,转台的齿轮传动系统体积减少27.26%,重合度增加8.10%;优化目标实现了转台的轻量化与提高传动平稳性的目的,为转台的齿轮传动系统的多目标优化设计提供了理论依据。

基于GAPSO Elman神经网络算法的短时航迹预测

为保证空中交通运行通畅,避免交通拥堵和其他可能存在的风险,有必要对航空器进行短时航迹预测,为管制员提前做出决策提供依据。基于遗传算法(GA)的全局搜索能力和粒子群算法(PSO)的局部搜索能力,将两者相结合的遗传粒子群混合算法(GAPSO)应用于Elman神经网络算法的优化中,提出了GAPSO Elman神经网络算法,将该算法应用于短时航迹预测。仿真实验结果表明:方法能够极大地提升Elman神经网络的预测精度,准确地预测航空器的飞行轨迹,提前15 min预测的航空器过点时间与真实过点时间平均误差能够控制在1 min以内,具有良好的预测效果,为终端区航路网络的拥挤管控提供了技术依据。

基于GAPSO和BFGS修正法的联合爆破点定位方法

针对微震源精确定位问题,提出了一种结合遗传粒子群算法(genetic algorithm and particle swarm optimization,GAPSO)和拟牛顿BFGS修正公式的联合精确微震源定位的方法。新的联合算法引入了交叉变异功能,能有效避免PSO易收敛于局部极值的缺点,然后将其初步定位结果作为初始值带入BFGS算法,有效改善了BFGS定位精度依赖于初始值选取的缺点。实地实验结果表名:此方法相较于PSO及经典定位算法,在x,y,z三个方向上的精度都得到了提高。

基于GPCA和GAPSO-NN的中国区域经济预测方法研究

结合全局主成分分析(GPCA)和遗传微粒群-神经网络(GAPSO-NN),对中国区域经济发展水平进行预测.首先构建区域经济发展水平的评价指标体系并提取相关数据;然后借助GPCA获得全局主成分分值、综合评价值,作为GAPSO-NN的输入、输出;接着构建GAPSO-NN预测模型并训练网络;最后通过预测仿真,表明基于GPCA和GAPSO-NN预测方法的有效性.

IGAPSO-ELM:一种网络安全态势预测模型

针对网络安全态势预测,为提高预测的精确度和预测算法的收敛速度,提出一种改进遗传粒子群算法优化极限学习机(IGAPSO-ELM)的预测方法。首先,改进GAPSO中的惯性权重和学习因子,通过定义动态指数函数使算法在执行的不同阶段实现两种参数自适应;其次,针对GAPSO中人为设定的固定交叉率和变异率,提出一种自适应交叉和变异策略;最后,以IGAPSO优化ELM的初始权值和偏差。IGAPSO既保证了种群的多样性,又提高了算法的收敛速度。通过仿真实验对比得出:IGAPSO-ELM对网络安全态势预测拟合度可达0.99,收敛速度相较于对比算法有大幅度提升。

基于改进LSTM算法的综合能源系统多元负荷预测

准确预测短期多种能源负荷,是确保综合能源系统可靠、高效运行的必要前提。为此,提出了一种基于遗传粒子群混合优化(genetic algorithm particle swarm optimization,GAPSO)算法的卷积长短期记忆神经网络(convolutional neural network-long short-term memory,CNN-LSTM)综合能源系统多元负荷预测模型。首先,利用皮尔逊系数来描述各影响因素与负荷之间的相关性强弱。其次,采用GAPSO算法对长短期记忆(long short-term memory,LSTM)网络模型进行改进,然后构建卷积神经网络(convolutional neural networks,CNN)以提取小时级高阶特征,并通过改进后的LSTM网络模型对提取的隐含高阶特征进行分位数回归建模,构建了基于GAPSO-CNN-LSTM综合能源系统多元负荷预测模型。最后,以美国亚利桑那州立大学坦佩校区综合能源系统负荷数据为算例进行验证,结果表明:改进后的算法具有更好的收敛能力,模型具有更高的预测精度。

基于遗传粒子群优化的热负荷预测方法

集中供热系统一次网热负荷预测对于换热站能源合理分配具有重大意义,针对换热站之间存在较强的耦合性,如何保证换热站实现节能减排的同时并保证热用户的舒适性是供热行业的首要任务,提出一种基于遗传粒子群的混合神经网络(GAPSO-CNN-BiLSTM)预测模型。首先,利用热负荷历史值、供水流量、供水温度以及回水压力构建模型输入;然后,利用完全噪声辅助聚合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)将供热负荷分解为不同子序列,以弱化供热负荷数据复杂程度,挖掘数据内部潜在特征;其次,为进一步减少模型计算时间,根据样本熵(sample entropy,SE)对子序列进行合并;最后,利用所提模型对不同子序列进行预测重构。实验表明所提模型相比LSTM、CNN-LSTM以及粒子群优化的混合神经网络(PSO-CNN-LSTM)在供热负荷预测中精度分别提高42%,32%,30%拥有更出色的特征提取能力和精度。

多弹集群协同优化决策算法研究

本文以集群对海作战为应用背景,为重点解决多弹多空间散布的时空构型及目标分配决策问题,建立了多弹典型协同场景下的导弹主动感知协同探测模型,设计了导弹协同探测与协同攻击的模型以及相应的算法。首先,建立了导弹三自由度和舰船二自由度模型、导弹飞行能力评估模型、导弹突防概率评估模型和导弹威胁度评估模型,使得对导弹执行探测和打击任务中能力的变化度量更加精确。其次,设计导弹在不完全信息条件下的主动感知协同探测模型和协同攻击模型,保证导弹协同作战的效益最大化,最大限度地打击敌方势力。再次,针对导弹协同打击目标分配和导弹编队构型问题,使用融合了遗传算法的粒子群(GAPSO)算法问题进行求解,并与传统的粒子群(PSO)算法进行了对比,实现了多方位考虑战场态势信息,对敌方目标进行探测攻击一体化打击。最后,对建立的作战模型进行仿真,得到算法仿真图和算法多次仿真的统计数据。相比其他算法,该算法具有一定的优越性,大幅提升了导弹的智能化对抗水平和突防打击能力。

考虑天然气管道泄漏的电-气网络多目标优化调度

电–气综合能源系统中天然气管道发生泄漏故障时,系统供电可靠性将受到严重威胁,故障后电力恢复与成本控制问题亟待解决。考虑天然气管道泄漏率对电网的影响,提出了一种多目标函数自适应变化的优化调度模型,并通过隶属函数与层次分析法对多目标函数进行处理,利用遗传粒子群算法对处理后的多目标函数求解,得到各出力机组的调度结果。最后通过算例证明所提模型在具有良好经济性同时,提高了系统的供电可靠性,增强了可再生能源的消纳能力。

基于优化算法的2-bit编码超表面缩减RCS研究

该文设计了一种“十字-圆环”型结构超表面,并利用该结构实现了2-bit编码的相位梯度超表面(PGMS)设计。结合超表面阵列的特点,提出了一种改进的遗传粒子群算法(GAPSO)与阵列模式综合(APS)的组合优化算法GAPSO-APS,得到超表面编码矩阵的最佳排列,从而实现了宽带雷达散射截面(RCS)的大幅缩减。对设计的超表面进行仿真,并与金属表面进行了对比。结果表明,设计的编码超表面可在3.1~29.7 GHz频带内实现10 dB的RCS缩减,有效地验证了所设计的编码超表面在宽频带内实现RCS的缩减以及算法的有效性。

分数阶PID控制器用于STATCOM控制研究

分数阶PID(FOPID)控制器是一种微分阶与积分阶是分数的PID控制器,其设计关键在于如何设定FOPID的5个重要控制参数。文章采用遗传粒子群优化(GAPSO)算法来设计FOPID控制器,并定义了一种新的代价函数以便在整个时域范围内加快控制参数的搜索过程。与常规PID控制器的仿真对比表明:在模型不确定时,所设计的FOPID控制器能大大提高控制系统的鲁棒性。

一种新的基于进化计算的聚类算法

聚类是数据挖掘领域的重要研究内容之一。针对遗传聚类算法较好的稳定性与粒子群优化算法较强的局部搜索能力,在交叉、变异算子后叠加粒子群优化算子的方法实现了二者的结合,提出了GAPSO聚类算法,既保持了遗传算法的稳定性与泛化性的优势,又发挥了PSO算法收敛效率高的特点。通过对10组二维空间上的聚类样本进行实验研究显示,GAPSO聚类算法在收敛效率上显著优于GA聚类算法,在稳定性上优于PSO聚类算法。

双向旋转柱面气膜密封性能数值模拟与参数优化

在对气膜密封结构及性能分析的基础上,提出了双向旋转倒斜T字型与双层斜槽型柱面气膜密封界面结构;建立了2种结构密封气膜的数理模型和基于有限元方法的密封气膜数值分析模型;在VC平台上开发了基于有限元计算的密封气膜压力分布、系统密封特性及槽型结构多维参数优化的计算分析程序,实现了对密封气膜压力分布、密封特性的数值计算及结构参数的优化设计;在Gambit中建立了不同平均膜厚下倒斜T字型柱面气膜的物理模型和有限元分析模型,通过FLUENT进行了密封气膜特性数值仿真,商用软件仿真结果与自主开发程序数值计算结果对比一致性好,验证了开发程序的正确性;计算对比了2种界面结构的密封稳态特性与动态特性,在相同计算参数下,倒斜T字型的密封性能优于双层斜槽型,为密封系统设计选型提供了帮助;基于遗传思想的粒子群多维优化(GAPSO)计算程序的开发,为槽型参数的优化设计提供了有效的手段。

基于Kriging模型的FRP汽车储气罐结构参数优化

以FRP汽车储气罐为研究对象,首先,运用Abaqus软件对储气罐进行仿真分析,得到其在工作压力为1 MPa时的应力云图,并利用爆破试验验证了仿真分析的可靠性。然后,通过部分因子试验设计,从9个结构参数中筛选出了对罐体质量、应力和位移影响较为显著的4个结构参数,分别为碳纤维缠绕层数、碳纤维缠绕角度、玻璃纤维缠绕层数和玻璃纤维缠绕单层厚度。通过拉丁超立方抽样方法得到32组抽样数据,建立了结构参数与评价指标之间的Kriging代理模型。最后,利用GAPSO求得最优解。研究结果表明,在保证力学性能良好的前提下,储气罐的质量从最初的5.84 kg下降至4.98 kg,降低了14.7%,减重效果显著。