基于PSO改进算法的煤矿井下精确UWB技术研究

为提高煤矿井下定位精度,提出一种ADS-TWR测距和APSO改进Taylor级数的井下联合定位方法。采用非对称双边双程(ADS-TWR)作为基础的矿井下人员测距算法,使用改进的卡尔曼滤波算法对其进行改进;以Taylor级数法作为基础的矿井下人员定位算法,并以自适应权重粒子群算法(APSO)对其进行改进。结果表明,与使用传统卡尔曼滤波算法优化的ADS-TWR测距算法相比,基于改进卡尔曼滤波算法的ADS-TWR测距算法误差更小;与传统的Taylor级数定位算法及其他类型的定位算法相比,设计的AP⁃SO-Taylor定位算法稳定性更好,定位精度更高,误差始终稳定在60 cm以下。

GA-BP和PSO-BP预测模型在九龙矿煤层底板突水预测中的应用研究

目前,煤层开采环境复杂,随着开采深度、开采强度的增加,面临多变的突水因素和复杂的突水机理,且各因素间相互联系的不确定性,使底板突水预测的难度不断增加。对GA-BP与PSO-BP两种组合优化方法进行描述、对比。两种组合优化方法克服了神经网络容易收敛到局部最小值,以及收敛速度慢的缺点,对煤层底板突水都能实现较高精度,具有强大的泛化能力。通过对两种组合优化方法的预测模型做对比,发现GA-BP模型更优于PSO-BP模型,证明GA-BP组合优化方法更适合对底板突水危险性进行预测。

基于CPSO方法的伺服系统故障树诊断分析

采用单一诊断方法无法达到合理的故障诊断率,综合故障树分析(FTA)与混沌粒子群(CPSO)方法相结合的方式可较好实现故障诊断。从实际测试信号角度出发,并与人工神经网络(ANN)与粒子群(PSO)方法结果进行对比。结果表明:CPSO方法故障诊断准确率获得比ANN高出7.55%,比PSO高出5.18%,实现了准确率的显著提升。CPSO方法 200次迭代后达到稳定适应值,可以在最短时间内完成迭代,有效避免产生局部极值问题,大幅提升了诊断精度。该研究可以拓展到其他机械信号测试领域,具有很好的应用价值。

PSO算法应用于悬滴法表面张力的计算

基于悬滴法理论,通过编写杨氏—拉普拉斯(Young-Laplace)微分方程,改进了求解实际液滴曲线的最优化参数等环节,对液体的表面张力进行了测量研究。针对通过CCD获取的液滴图像,使用Canny算子提取实际液滴轮廓,用4~5阶龙格库塔法计算理论轮廓。对两条轮廓进行拟合的过程中,使用遗传算法(GA)和粒子群优化(PSO)算法进行参数优化,得到接近实际曲线的理论曲线。根据寻优得到的最优化参数,参与计算出液滴的表面张力。本文通过两种算法对常温液体进行测量,测量结果表明:PSO算法具有较高的准确性和稳定性,且PSO算法无需给定初值,适宜仪器使用实际。

基于PSO-LSTM网络模型的建筑碳排放峰值预测

在对BP神经网络、LSTM网络和PSO-LSTM模型在碳排放预测方面进行对比选优的基础上,通过训练好的PSO-LSTM模型在低碳、基准、高碳3种情景下,分别对建筑碳排放峰值进行预测。结果表明,低碳、基准、高碳3种情景的建筑碳排放峰值分别为226 774.56万吨、239 738.11万吨和253 379.47万吨;达峰时间分别为2029年、2032年和2033年。可见,在当前社会发展状况下,仍难在2030年前实现建筑领域的碳达峰,还需采取相应的低碳措施来推进目标的实现。

基于GRA-PSO-BP的连续管疲劳寿命预测研究

为准确预测连续管的多轴疲劳寿命,分析其疲劳寿命的影响因素,建立基于GRA-PSO-BP的连续管疲劳寿命预测模型。采用灰度关联法(GRA)分析连续管疲劳寿命的影响因素,建立经过粒子群算法(PSO)优化后的BP神经网络预测模型即PSO-BP模型,分析连续管直径、壁厚、弯曲半径以及内压与连续管疲劳寿命的关系并进行预测。研究结果表明:基于GRA分析结果可知,弯曲半径对连续管的疲劳寿命影响最大;通过与5种机器学习模型进行对比可知,GRA-PSO-BP模型具有较高的预测精度和较强的泛化性能。

基于改进PSO的含DG配电网无功优化研究

分布式电源(Distributed Generation,DG)在并入配电网后,可以有效支撑电压,并且增加配电网运行灵活性,但也会导致配电网系统网损增加、电压波动等问题。提出对含多个DG配电网进行无功优化的方法。该方法的目标是降低系统有功网损和减小电压偏移,建立一种含DG配电网的无功优化数学模型,改善标准PSO算法中粒子种群易陷入局部最优而难以解得全局最优的情况。以IEEE 33节点标准算例进行仿真验证,结果表明所提改进算法可以有效减小有功损耗并提高电压质量。

基于P-SA-PSO算法的概率积分法参数反演

针对目前概率积分法参数反演存在的问题,为了更加准确稳定地解算出概率积分法参数,在经典粒子群算法的基础上,引入自适应惯性权重以及模拟退火算法中的Metropolis准则,提出了一种基于P-SA-PSO算法的概率积分模型参数反演方法。论文通过仿真实验,与遗传算法(GA)、经典粒子群算法(PSO)以及加入自适应惯性权重优化的粒子群算法(P-PSO)进行对比分析,结果表明:新算法反演各参数的精确性、稳定性和收敛速度优于其他3种算法。将新算法引入工程实例中,进一步体现了新算法在反演概率积分模型参数上的可行性。

一种基于PSO-BP神经网络的重力数据插值方法

重力数据在使用上需要通过进一步的精化和融合,并利用精确的插值技术进行加密处理,以满足实际应用的重力数据基础。本文提出一种基于粒子群算法(Particle swarm optimization,PSO)优化BP神经网络的方法,并应用于重力数据推估。通过仿真实验对比分析了PSO-BP神经网络、普通BP网络和传统克里金方法在重力异常插值上的效果,发现本文方法在均方差、差值稳定性上具有一定优势,但运算时间较长。利用澳大利亚中部的重力观测数据对PSO-BP神经网络进行训练,结果表明,本文方法在整个区域的插值效果上优于BP神经网络和克里金方法,补充高程数据作为PSO-BP神经网络的输入,能进一步提升利用该方法推估自由空气重力异常场的精度。

基于改进PSO-LSSVM的蓄电池充放电非线性控制方法

针对当前蓄电池充放电控制方法过于复杂、难以协调各类参数、导致控制效果无法达到预期要求的问题,基于改进PSO-LSSVM算法提出了一种新的蓄电池充放电非线性控制方法.针对非线性参数进行调节,建立非线性动态模型,分析运行过程中蓄电池信号平稳状态,确定控制参数,修改修正参数,控制收敛速度,建立蓄电池充放电非线性控制模型,利用改进PSO-LSSVM调节粒子空间,改变收缩指数,确定关键因子,分析容量效率,根据分析结果得到改进粒子群算法的最佳参数组合,通过数据预处理和归一化处理测得最佳参数数据,根据参数测量结果实现非线性控制.实验结果表明,在正常状态下,本文控制方法与传统控制方法都具有较好的控制效果,但是在蓄电池出现正常波动、蓄电池出现故障和大量负荷投入状态下,本文的控制方法能够通过协调控制参数,提高控制效果,控制功率基本能够维持在0.8×104 W左右,荷电状态与标准值基本一致,能够很好地减少外界冲击伤害,确保蓄电池运行过程的稳定性.

基于有限元法的油气田集输管网阴极保护布局优化

在利用有限元法建立外加电流阴极保护模型的基础上,借助Sobol灵敏度分析,确定了显著影响某油气田集输管网阴极保护效果的关键参数,并通过粒子群优化(PSO)算法对其系统布局进行优化。结果表明:由于外加电流阴极保护模型的模拟电位与测试桩的测定电位误差较小,故该模型能够较好地反映出油气田集输管网的电位分布现状;改变防护涂层电阻率等一阶敏感性系数较高的因素会对阴极保护效果产生较大影响,土壤电阻率、防护涂层电阻率以及管道埋深与其他参数之间可能存在明显交互作用;当利用PSO算法对油气田集输管网的阴极保护效果进行全局寻优时,该模型经过47700次粒子进化迭代后的最佳阴极保护系统有效覆盖率高达99.14%,优化效果显著。

基于SM-PSO算法的船舶板架结构多目标优化设计

当前的船舶板架结构多目标优化模型通常设定为单项,优化效果受限,导致屈服强度比增加,为此提出基于单纯形法-粒子群算法(Simplex Method-Particle Swarm Optimization,SM-PSO)的船舶板架结构多目标优化设计。根据优化的需求及标准提取船舶板架结构的振动特征,设计SM-PSO算法下的多阶优化模型,并采用有限元ANSYS处理实现板架优化。

基于PSO算法的圆孔蜂窝梁截面优化设计

基于PSO优化算法对圆孔蜂窝梁进行了快速的截面优化设计,并通过两个经典算例对PSO优化设计程序的寻优能力和收敛能力进行系统的评估,评估表明该算法收敛性能良好。将得到的PSO优化结果与PKPM软件的设计结果进行对比分析,并对PSO优化结果进行ABAQUS建模力学性能分析。研究结果表明:对圆孔蜂窝梁的优化设计而言,PSO优化设计程序在迭代60次后即可收敛得到最优结果;ABAQUS建模分析表明PSO优化结果的力学性能良好;PSO优化结果与PKPM设计结果相比更加经济、合理。因此,建议在工程设计中使用PSO优化算法对圆孔蜂窝梁进行截面优化设计。

采用PSO算法的页岩气水平井DTS数据反演方法

为了实现页岩气水平井产出剖面、人工裂缝参数、压裂改造区缝网渗透率等多维未知参数的定量解释,提出了采用粒子群优化算法(Particle Swarm Optimization,PSO)的页岩气水平井分布式光纤温度传感(Distributed Temperature Sensing,DTS)数据反演方法。该方法由温度剖面正演预测模型和PSO算法组成,其中温度剖面正演预测模型用于每一步反演迭代中模拟页岩气水平井温度剖面,PSO算法则是在每一步迭代计算中优化更新产出剖面、裂缝参数等未知参量,进而逐渐减小模拟的温度剖面与实测DTS数据之间的误差,直至收敛。一口现场井的应用结果表明,预测的温度剖面与实测DTS数据吻合较好,各有效人工裂缝位置处的绝对温度偏差小于0.03℃;产出剖面反演结果与现场PLT(Production Logging Tool,生产测井工具)测试产量相吻合,单压裂段流量最大偏差仅0.291×10^(4)m^(3)/d,验证了该方法的可靠性。该方法可为进一步实现均衡产出剖面、提高单井产量提供依据。

基于改进PSO的可靠性稳健优化计算方法

基于现代设计方法和可靠性设计理论,建立了多目标约束优化数学模型,根据动态加速常数和速度自适应的改进粒子群算法(PSO),用编写的程序代码实现了数学模型的数值化求解。同时研究了加速常数和粒子速度的变化对优化计算结果的影响规律。算例表明,提出的可靠性稳健优化计算方法与传统方法相比,具有简便易行、能迅速得到结构可靠性稳健优化设计信息的优点,适合工程应用。

基于PSO的平面StephensonⅢ型六杆函数发生机构综合

微粒群优化算法(PSO)具有算法简单、收敛速度较快、全局优化能力较强、控制参数少等优点。基于“三杆组”方法建立了综合StephensonⅢ型六杆函数发生机构的一般方程组,并将之转化为无约束优化模型。首次应用一种改进的PSO———多步长PSO(MSPSO)求解此优化问题,找到了实现输入角-输出角对应精确位置数最大时该问题的一批有意义解,为实际机构的设计提供了多种备选方案。

基于近邻信息和PSO算法的集成特征选取

提出了一种新的PSO特征选取方法.以粒子对应特征组合的同类近邻样本和异类近邻样本间的距离关系作为类别可分性和粒子适应度函数.以适应度函数加权的群体历史最佳、粒子历史最佳和粒子邻域内最佳个体信息共同指导粒子运动方向,搜索类内紧密、类间分离的最佳特征组合;同时,利用加权集成方法对PSO特征选取方法进行集成,以提高特征选取方法的稳定性和鲁棒性.在5个高维数据集上的特征选取实验结果表明集成PSO特征选取方法的有效性和可行性.

基于C-PSO的水火电混合电力系统电源规划

提出了一种粒子群算法与遗传算法结合的组合粒子群算法,并将其用于求解复杂的、非线性的水火电混合电力系统电源规划问题。该结合算法引入的遗传算法成功地提高了基本粒子群算法的全局搜索能力,同时也比基本遗传算法的收敛速度更快。算例结果表明:对于短期规划,该算法能可靠、快速地收敛到全局最优解,对于大型电力系统的中长期电源规划问题也可得到较好解。

基于PSO的BP神经网络学习算法

针对标准反向传播(BP)算法收敛速度慢和易陷入局部极值等缺陷,提出一种基于粒子群优化的BP神经网络学习算法。采用标准BP梯度下降法调整权值,利用粒子群优化算法进行网络权值及阈值的修正。将该算法与标准BP算法及传统基于粒子群优化BP网络算法进行仿真比较。实验结果表明,该算法能够克服标准BP算法的缺点,性能优于其他2个BP网络优化模型。

基于PSO算法的多巡飞器任务分配方法

为使多个巡飞器协同完成针对地面多个目标攻击任务,从巡飞器载荷较小的特点出发,基于PSO算法对其任务分配方法进行了研究.根据巡飞器两种任务介入方式的不同,分别建立了布撒方式任务分配问题模型以及陆基发射方式任务分配问题模型.根据模型的复杂程度,分别选择使用基本PSO全局优化算法以及考虑资源消耗情况下对PSO整数规划算法进行改进后的算法,求解两种任务分配问题.仿真结果表明,算法可解决任务分配问题,任务分配方法合理,适应巡飞器协同需求.