Optimization of jamming formation of USV offboard active decoy clusters based on an improved PSO algorithm

Offboard active decoys(OADs)can effectively jam monopulse radars.However,for missiles approaching from a particular direction and distance,the OAD should be placed at a specific location,posing high requirements for timing and deployment.To improve the response speed and jamming effect,a cluster of OADs based on an unmanned surface vehicle(USV)is proposed.The formation of the cluster determines the effectiveness of jamming.First,based on the mechanism of OAD jamming,critical conditions are identified,and a method for assessing the jamming effect is proposed.Then,for the optimization of the cluster formation,a mathematical model is built,and a multi-tribe adaptive particle swarm optimization algorithm based on mutation strategy and Metropolis criterion(3M-APSO)is designed.Finally,the formation optimization problem is solved and analyzed using the 3M-APSO algorithm under specific scenarios.The results show that the improved algorithm has a faster convergence rate and superior performance as compared to the standard Adaptive-PSO algorithm.Compared with a single OAD,the optimal formation of USV-OAD cluster effectively fills the blind area and maximizes the use of jamming resources.

基于IPSO-LSTM的井下动目标位置预测实验研究

提升井下人员定位精度能够加强矿山安全监测,最大程度保障井下人员的生命安全。针对现有测距类算法受现场环境影响致使定位精度不足的问题,提出一种基于IPSO-LSTM的定位模型,应用于井下动目标的位置预测。采用LSTM构建指纹定位模型,通过UWB无线模块采集距离信息以构建距离-位置指纹关系数据库,利用数据库对PSO-LSTM模型进行训练,最后将训练好的模型进行目标轨迹预测。为比较不同改进策略对PSO的提升效果,对比了混沌映射随机初始化种群位置、非线性惯性权重递减、非对称优化学习因子和适应度函数优化4种改进策略,实验证明改进的PSO优化算法收敛速度快、鲁棒性好。为验证IPSO-LSTM的定位效果,以平均定位误差作为评价指标,将IPSO-LSTM模型与Chan算法、PSO-LSTM模型、LSTM神经网络、SSA-LSTM模型和GWO-LSTM进行对比,结果显示,IPSO-LSTM定位模型的平均定位误差为30 mm,相对传统Chan算法、LSTM、PSO-LSTM模型分别提升了76%、49%、24%。为降低局部误差偏大的现象,采用中值滤波对输入信息处理,进一步提升了定位精度。研究对进一步提高现有井下动目标定位系统的精度和稳定性具有重要意义和参考价值。

基于IPSO算法的短期电力负荷预测模型研究

为有效减小短期电力负荷预测的预测误差,提高预测精度、缩短预测时间,应用改进粒子群优化(IPSO)算法建立了1种短期电力负荷预测模型。通过水平方向和垂直方向的平滑修正,对历史数据的异常负荷点进行识别并修正。利用相同日期类型正常负荷,计算缺失数据填充值。采用模糊化处理,计算日期类型、温度、天气隶属度函数,对短期负荷变化因素进行量化处理。将历史数据的负荷值和量化值作为训练数据。为避免粒子群优化(PSO)算法陷入局部最优,采用IPSO算法找到全局最优解,建立了短期负荷预测模型,实现了短期电力负荷预测。试验结果表明,所设计模型预测结果在休息日和工作日的最大相对误差值、平均相对误差值分别为0.97%、0.53%和0.99%、0.65%,能够有效减小预测误差、提高预测精度、缩短预测时间。该研究为电力系统相关人员进行负荷预测提供了参考。

基于改进 PSO-BPNN 的拖拉机液压油品质监测

为实现对拖拉机液压油品质的有效监测,保障拖拉机液压系统的平稳运行,基于改进PSO-BPNN设计一种针对拖拉机液压油品质的监测方法。首先,为研究拖拉机液压油品质恶化情况,在液压油新油的基础上配制不同比例的液压油油样。随后,搭建拖拉机液压油品质监测试验装置,并依据试验装置采集与监测液压油粘度、介电常数和温度参数。然后,设计并搭建一种基于改进PSO-BPNN的拖拉机液压油品质监测模型,该模型利用正弦调整惯性权重的PSO算法优化BPNN的权值和阈值初始值,提高模型收敛效率。最后,为验证基于改进PSO-BPNN的液压油品质监测方法的可行性,与基于传统BPNN、标准PSO-BPNN的拖拉机液压油品质监测模型进行对比。结果表明,基于改进PSO-BPNN的拖拉机液压油品质监测方法具有较快的收敛速度,监测正确率达到97.78%,为优化拖拉机液压油品质监测方法提供参考。

局部遮荫下基于改进PSO算法的光伏发电MPPT控制

为解决光伏阵列在局部遮荫工况下最大功率点跟踪问题,在分析光伏阵列输出特性的基础上,提出惯性权重自适应调整、飞行速度动态钳位、迭代周期动态更新的改进型粒子群优化算法对光伏阵列输出调节电路实施控制。MATLAB仿真结果表明:与常规扰动观察法、基本粒子群优化算法相比,该算法在静态与动态的局部遮荫工况下均能获得较高的最大功率点跟踪精度,且缩短了近50%的跟踪时间,提高了光伏阵列的发电效率。

Improved algorithms to plan missions for agile earth observation satellites

This study concentrates of the new generation of the agile （AEOS）. AEOS is a key study object on management problems earth observation satellite in many countries because of its many advantages over non-agile satellites. Hence, the mission planning and scheduling of AEOS is a popular research problem. This research investigates AEOS characteristics and establishes a mission planning model based on the working principle and constraints of AEOS as per analysis. To solve the scheduling issue of AEOS, several improved algorithms are developed. Simulation results suggest that these algorithms are effective.

基于Kriging代理模型及改进PSO的变模温注塑成型翘曲变形优化

为提升变模温注塑成型的产品质量,提高优化效率,将翘曲变形作为优化目标,模具温度、保压压力、熔体温度、保压时间、冷却时间等工艺参数作为变量因素,采用Moldflow模拟变量因素对优化目标的影响,通过最优拉丁超立方试验设计选出试验样本,建立Kriging代理模型,并且,检测代理模型拟合精度。采用改进PSO算法,得到最优翘曲模型预测值及最佳工艺参数组合。对比改进后的PSO与标准PSO,平均迭代次数、迭代时间约降低了45%,最优适应度、平均适应度、最差适应度、局部最优解及未实现收敛等参数均得到提升。通过实验验证可知,与优化前翘曲值(1.293 mm)相比,优化后翘曲值(0.7512 mm)降低了41.9%,误差为4.84%。结果表明,基于Kriging代理模型及改进PSO能有效地优化变模温成型工艺,降低了翘曲变形量,对于生产应用有指导意义。

改进型PSO算法解算三维测边网平差模型

空间三维测边网属于典型的秩亏自由网。针对目前网平差常用的最小二乘算法存在线性化求导复杂,计算量大等问题,本文基于高精度测距值,以控制点坐标反算距离与观测距离差值之和最小为目标,构成非线性方程组,建立函数模型;考虑到非线性方程组求解方法中智能优化算法无需求导和公式推导简单等优点,引入粒子群(PSO)智能优化算法,并构建改进型PSO算法。研究结果表明,根据本文提出的改进型PSO算法进行平差解算,可保证解算结果的准确性,且该算法较传统PSO算法的寻优速度更快,不仅可为空间三维测边网的解算提供新思路,还可为建立空间三维测边网提供理论支撑。

基于改进PSO算法的施工园区交通组织优化研究

为解决施工园区内料物运输效率低、运输成本高的问题,综合分析料物运输过程和园区内交通仿真影响机制,构建场内交通仿真综合模型并求解得出施工园区道路共线运输方案,以北京城市副中心站施工园区02B和05B基坑区域为研究对象,利用多角度反馈修正PSO算法求解并对优化后的结果展开分析。研究结果表明:道路公共化前后的料物运输路径改变,道路公共化后运输设置的道路85%行车密度频率提高5%~20%,重点优化的拥堵道路85%行车密度频率降低10%~40%,各私有化道路由二级服务水平变为一级服务水平,促进交通资源的利用率,进而减少运输成本并提高整体园区料物运输效率。研究结果可为国内外其他施工园区封闭管理区域交通组织优化提供理论参考和经验借鉴。

基于特征构造和改进PSO算法的分布式光伏功率预测

分布式光伏由于其历史数据缺乏,光伏出力的预测精度不高,提出改进粒子群优化算法(PSO)+长短时记忆网络(LSTM)与注意力机制结合的神经网络模型。构造基于聚类算法的特征工程扩充数据集;给出局部最优判据改进粒子群算法并应用于模型的超参数优化,提升模型泛化性;采用注意力机制与LSTM相结合的架构进行短期功率预测。在澳大利亚公开数据集上的实验表明,新的特征工程与光伏出力具有相关性,预测精度相比传统LSTM模型精度提高17.4%,且改进PSO算法相比标准算法收敛性更好。

基于改进惯性权重PSO算法的水库防洪联合调度研究

针对望谟县洪灾频发的现状,基于改进惯性权重的PSO算法,以动用新屯、纳坝水库的防洪库容最小为目标,建立了水库防洪联合调度模型。在保证水库工程安全和控制断面低于保证流量的前提下,通过防洪联合调度,两库(纳坝、新屯)库堤结合方案使望谟县城市防洪标准由现状20年一遇提高到50年一遇,50年一遇洪水削峰率约为33.7%。其中,纳坝水库50年一遇洪水的安全下泄量为23.5 m^(3)/s,新屯水库50年一遇洪水的安全下泄量为16.5 m^(3)/s。实例应用可为水库群防洪联合调度研究提供参考。

IPSO-BP神经网络在渭河天水段水质评价中的应用

水质评价是进行水环境容量计算和实施水污染控制规划的重要基础,能为改善河流水资源污染程度,保护河流水资源提供方向性、原则性的方案和依据。文章通过改进的PSO算法优化BP神经网络的权值和阈值,获得最优权值和阈值后建立IPSO-BP神经网络水质评价模型,针对关中-天水经济区中天水段地表水质,利用2003-2009年渭河天水段4个控制断面的监测数据,选取BOD5、DO、氨氮、总磷、高锰酸盐指数5个指标进行综合评价,并分析了污染现状及时空变化规律。结果表明,改进的PSO-BP神经网络泛化能力强,评价更客观;7年间水质有一定程度的改善,但总体变化不大,水质类别主要为Ⅱ类和Ⅲ类,其中北道桥断面污染最为严重。研究旨在有效控制渭河流域天水段污染,为渭河水资源的保护提供科学依据。

基于IPSO混沌支持向量机的网络流量预测研究

针对传统混沌支持向量机参数寻优算法的不足,提出了一种改进的粒子群(IPSO)算法。该算法通过延长迭代的开始阶段和最后阶段的搜索时间,实现了算法的全局搜索与局部搜索能力之间的平衡,进而优化模型参数,建立了基于IPSO优化的混沌支持向量机预测模型。应用实例结果表明,该模型对网络流量预测是有效可行的,并具有较高的寻优效率、预测精度和较好的稳态性能。

应用IPSO的无线传感器网络分簇路由算法

在基于分簇的无线传感器网络中,网络是通过附近传感器节点在转发信息到目的节点前进行冗余数据的融合实现节能,从而延长了网络的生命周期。但现存的算法在选择簇首节点的过程中由于忽略了邻居节点的状态信息,容易导致簇内节点过早出现盲节点的现象。进化类算法已经成功应用于许多方面,微粒群算法就是其中之一。提出了一种基于改进型微粒群算法的无线传感器网络分簇路由算法来优化分簇过程。簇首节点的选取综合考虑候选节点和邻居节点的状态信息。仿真结果表明算法的性能得到了较好的改善,并延长了网络的生命周期。

桩筏(箱)基础沉降多步预测控制的IPSO-Elman算法

将改进的粒子群优化(IPSO)算法与Elman神经网络进行了有机结合,形成了IPSO-Elman混合算法.建立桩筏(箱)基础沉降变形期望输出与超前预测输出之间的非线性隐式方程,避开了复杂的岩土工程本构关系和力学参数计算问题.提出的多步预测控制方法,具有很好的全局识别特点和较高的推广预测能力.工程实例分析表明,IPSO-Elamn算法在桩筏(箱)基础沉降的非线性系统动态辨识和在线预测应用方面,具有良好的预测精度,满足工程实际需要.

物流配送中心选址的IPSO-BP算法

改进标准粒子群优化算法(PSO)的惯性权重参数,提出基于IPSO的BP神经网络算法,以提高物流配送中心选址的预测精度。仿真结果表明,IPSO-BP神经网络算法的预测精度优于常规BP神经网络算法,不仅改进了网络的收敛速度并且提高了预测准确性。

基于改进PSO算法的掘进机减速器齿轮修形参数优化

通过分析减速器齿轮修形理论,提出一种改进的PSO算法来求解掘进机减速器齿轮最优修形参数组合,并利用Romax Designer软件对修形后齿轮的性能进行仿真分析。实验结果表明:太阳轮和行星轮的传动误差幅值分别降低了0.087 7、0.204 1μm;齿轮传动过程中所受载荷集中在齿中心,外力载荷分布均匀,避免了载荷偏载情况的发生;振动加速度明显降低,可以进一步提升减速器齿轮的传动性能,能够作为减速器及类似机械零件的设计和改进方法。

基于IPSO算法的医学图像配准

医学图像配准是医学图像分析诊断的基础,也是图像融合等图像处理需要先行解决的问题。首先用Canny算子提取图像的边缘,再用K-Means聚类算法进行聚类分析提取轮廓特征点,然后提出了一种改进的粒子群优化(IPSO)算法来求解配准所需的空间变换参数。实验结果表明:改进PSO能够迅速地在全局范围内找到最优解,应用于多模态医学图像配准是可行的。

基于改进PSO-BP算法的机器人目标位姿识别方法

机器人作业环境复杂,物料分布具有随机性,导致机器人目标位姿的辨识和定位精度低,实时性差,为此提出一种基于改进粒子群算法-BP神经网络(PSO-BP)的机器人目标位姿识别方法。采用改进的中值滤波算法对目标图像预处理,构建多尺度灰度差异算子以及局部图像熵算子,将两者点积运算获取加权局部熵,抑制目标图像中的噪声。通过多视图几何中间帧的关联特征信息,提取机器人目标位姿特征。在BP神经网络训练阶段通过改进的PSO算法优化处理,采用优化后的BP神经网络算法对提取的特征展开训练和识别,最终实现机器人目标位姿识别。实验结果表明,当机器人目标测试样本数量为55个时,所提方法的亮度方差为0.305,当像素识别误差为1.5%时,所提方法获取的机器人目标位姿识别误差为0.11,所提方法能够在像素识别误差下准确识别机器人目标,获取高精度的机器人目标位姿识别结果。

基于改进PSO的无线传感器网络数据自适应聚类算法

为解决无线传感器网络数据类项过于繁杂的问题,将相似信息参量整合成独立的簇类对象集合,提出基于改进PSO的无线传感器网络数据自适应聚类算法。按照改进PSO算法的作用机制,确定欧氏距离指标的计算数值,实现对网络数据的处理。在无线传感器网络体系中定义聚类排序原则,结合相关数据样本求解自适应期望熵,完成无线传感器网络数据自适应聚类算法研究。实验结果表明,在改进PSO算法作用下,无线传感器网络数据经过整合后的簇类对象集合数量由20个减少到6个,能够解决无线传感器网络数据类项过于繁杂的问题,满足按需整合相似信息参量的实际应用需求。