基于SPSO算法的分布式电源优化分配

分布式发电(DG)设备能够接入电网中增加电网强度,最大限度地减少实际功率损耗,提高总线电压和配送系统的效率。而DG优化分配(The optimal DG,OPDG)用于提供DG的最佳接入位置,在考虑到DG容量和电压限制的前提下以优化电力配电网的运行。采用选择性粒子群优化(Selective Particle Swarm Optimization,SPSO)算法来解决配电网中最优DG布局的问题。目标函数用来解决最佳DG接入位置和配电网中DG机组的大小,以达到有效降低功率损耗,提高电能质量的目的。最大DG穿透水平考虑在总负载的0~50%的范围内。最后,将在IEEE 33和IEEE 69标准节点总线系统上进行测试,测试结果将与最新的优化技术相对比,从而得出所提出的方法更加有效率。

基于CEEMDAN‐SPSO‐ELM的旋转电机滚动轴承故障检测方法

由于旋转电机滚动轴承振动信号存在不平稳、非线性的特征,传统时频分析法、小波分解法存在在信号分解过程中能量泄露、自适应能力差的问题,经验模态分解(EMD)法存在模态混叠等问题。提出一种基于噪声自适应完备总体平均经验模态分解方法(CEEMDAN),利用具有麻雀捕食预警机制的粒子群算法(SPSO)优化极限学习机神经网络(ELM)的CEEMDAN‐SPSO‐ELM算法。利用所提方法对滚动轴承单一与多种损伤故障进行分析诊断,结果表明,所提算法具有有效性及诊断准确性。

基于FLC和SPSO的电厂过热蒸汽温控系统

针对火电厂锅炉过热蒸汽温度的准确控制问题,提出一种基于模糊逻辑控制(FLC)的前馈-反馈控制系统,构建了前馈和反馈两级调温机制。前馈FLC控制器根据给水流率和燃料流率,分别为中段过热器和后段过热器控制模块输出一个喷雾流率信号。反馈FLC控制器根据过热器输出蒸汽温度与参考值的误差和误差变化率,输出一个喷雾流率信号,采用简化粒子群优化(SPSO)算法进行参数优化。然后将这2个喷雾流率信号进行融合,以此来精确控制喷雾调节阀,稳定蒸汽温度到参考值。仿真结果表明,提出的FLC控制系统能够快速有效地控制温度,且对负荷变化具有很好的鲁棒性。

基于改进SPSO算法的开采沉陷预测参数反演研究

为充分利用监测数据、提高计算效率,以邯郸某矿区2516工作面地表下沉实测数据为基础,将改进标准粒子群(SPSO)算法引入概率积分法求参过程,构建基于改进SPSO算法的概率积分法求参模型,以各监测点下沉拟合值与实测值差值的平方和为适应度函数,通过迭代求得约束条件内的最优解。结果表明:改进SPSO算法平均迭代次数为47.3次,PSO算法平均迭代次数为300.4次,改进SPSO算法的运算效率和稳定性均优于PSO算法;基于改进SPSO算法的概率积分法反演参数拟合误差σ=4.66%,矿区经验值拟合误差σ=10.2%,改进SPSO算法反演参数精度高于矿区经验值;基于改进SPSO算法的曲面拟合求参模型反演概率积分法参数精度可靠、运算效率高,对提高矿区开采沉陷预计精度具有一定应用价值。

基于改进SPSO-BP神经网络的温度传感器湿度补偿

针对在实际使用中湿度影响温度传感器准确性的问题,通过对基本粒子群算法的分析,得出不受速度向量影响的简化粒子群算法,同时采用线性递减惯性权重,提出了一种改进SPSO-BP神经网络温度传感器的湿度补偿方法。通过改进的简化粒子群算法的不断迭代,优化BP神经网络的权阈值,直到得到最优权阈值,并赋给BP神经网络。根据湿度影响实验中测得的数据,运用此方法建立湿度补偿模型,与BP神经网络方法对比分析。结果表明,改进SPSO-BP神经网络的模型结构简单、补偿精度高,收敛速度快,有效地对温度传感器进行了湿度补偿。

基于SPSO-BP神经网络的自适应抛光工艺参数匹配

目的在湿性物理抛光作业中,根据不同工件的表面抛光质量和效率要求,实现抛光工艺参数的自适应匹配,达到理想的抛光效果。方法基于工件表面材料去除原理,建立工艺参数与材料去除率(MRR)和表面粗糙度的数学关系模型,明确影响抛光效果的工艺参数。针对工艺参数与抛光质量和效率之间的复杂且交互影响的关系,以及理论计算的抛光效果与实际结果存在差异的问题,提出SPSO-BP预测模型,分别以20组不同的抛光工艺参数与对应抛光结果为训练样本,训练SPSO-BP模型,并与传统PSO-BP模型进行对比。基于训练好的预测模型,根据不同的基础条件与抛光质量和抛光效率的要求,通过模型自适应匹配抛光工艺参数。针对SUS304板材,设定表面粗糙度目标R_(a1)-R_(a5)和材料去除率目标R_(m1)-R_(m5),分别通过SPSO-BP和PSO-BP模型预测获得的工艺参数进行抛光试验,将获得的真实粗糙度Ra_(z1)-Ra_(z5)和材料去除率R_(mz1)-R_(mz5)与目标值进行对比验证。结果SPSO-BP预测模型比PSO-BP预测模型具有更高的收敛精度,SPSO-BP和PSO-BP预测模型的收敛精度分别为1.26×10^(-6)、0.180,并且SPSO-BP模型对样本具有较好的跟踪能力和泛化能力。以SPSO-BP模型预测的工艺参数进行抛光,获得的真实粗糙度Ra_(z)和真实材料去除率R_(mz),相较于PSO-BP预测模型与目标值更接近。通过SPSO-BP和PSO-BP预测模型获得的真实粗糙度值Ra_(z)与目标值Ra的最大误差比分别为8.00%和20.00%,平均误差比分别为5.77%和14.07%,最小误差比分别为2.50%和10.00%;真实材料去除率R_(mz)与目标值R_(m)的最大误差比分别为3.00%和8.57%,平均误差比分别为2.14%和7.46%,最小误差比分别为1.11%和4.38%。结论根据不同的基础条件及抛光质量和抛光效率要求,可以通过SPSO-BP预测模型自适应匹配抛光工艺参数,与传统PSO-BP预测模型相比具有更高的收敛精度,可以获得与抛光目标更接近的真实抛光效果。

基于W-SPSO算法的高阶时滞系统频域辨识方法

工业生产中常会出现高阶时滞系统,其控制器设计较为复杂,而常见的思路是先将其转换为低阶系统。对此,一些学者通过选取一定数量的特征频率点,根据幅频特性进行频域辨识,以二阶纯滞后模型拟合高阶系统,通过对比一阶时滞和二阶不加时滞模型,验证了该模型的可行性与准确性,然而由于选点的随机性以及数量的局限性,与原系统的拟合度难以保证。基于W-SPSO算法寻优能力的改进方法,通过引入合适的适应度函数,对选取的响应点进行优化,从而避免上述缺陷。仿真结果表明,改进后的Nyquist曲线与原对象拟合度更佳。

基于SPSO-WK-TWSVM的复合材料层合板损伤辨识方法

针对复合材料层合板的基体裂纹损伤与脱层损伤的不易区分辨识的问题,采用Lamb波对层合板进行损伤检测,对接收到的传感信号进行特征提取与筛选,创新性地引入加权核双子支持向量基(weighted kernels-twin support vector machine,WK-TWSVM)的机器学习方法对基体裂纹与脱层损伤进行自动分类识别。为了进一步提高损伤辨识精度,采用简化粒子群优化(simple particle swarm optimization,SPSO)算法对WK-TWSVM的核函数权值及模型参数进行了寻优处理,并与其他粒子群优化算法就行了分析比较。试验分析结果表明,基于Lamb波的SPSO-WK-TWSVM复合材料层合板损伤辨识方法能够对复合材料层合板基体裂纹与脱层损伤进行准确的自动识别,识别精度明显高于其他TWSVM优化算法及传统的机器学习方法。

基于SPSO-BP的暗挖法地铁车站施工工期预测研究

在地铁建设过程中,车站作为其不可或缺的组成部分,其施工工期对整个项目的进度控制和施工期间资源的合理配置具有重要作用。因此,实现地铁车站施工工期的精准预测至关重要。文章在深入分析暗挖法地铁车站施工工期影响因素的基础上,基于Spearman相关性分析筛选出18个影响因素,并采用SPSO算法优化BP神经网络,构建基于SPSO-BP的工期预测模型。实验结果表明,相比于传统的BP神经网络、PSO-BP模型以及未经特征筛选的SPSO-B P模型,SPSO-BP模型在小样本的施工工期预测上具有更高的预测精度和效率。

Fermi架构下的SPSO算法加速

利用新的图形处理器架构重新评估利用可编程图形处理器加速标准粒子群优化算法的可行性和有效性.针对新的图形处理器架构进行系统分析,在此架构下实现了标准粒子群优化算法的并行版本.实验结果表明,通过合理运用新的图形处理器架构,与其他标准粒子群优化算法的并行版本相比,取得了良好的加速比.

基于改进sPSO算法的测试数据自动生成方法研究

自动化测试可以有效地提高软件测试效率,降低软件开发成本,而测试数据自动生成是自动化测试中的重要环节。本文从基本粒子群算法入手,进行简化后,针对其特点和不足从收敛速度和收敛精度两方面对其进行改进,提出了一个利用改进后的sPSO算法自动生成测试数据的系统模型,并结合实例予以说明。

基于ISPSO-VMD-MCKD的亚像元峰值提取方法

为解决标准粒子群算法(PSO)收敛速度慢和简化粒子群算法(SPSO)易陷入局部最优的问题,提出了迭代次数和粒子种群数相结合的动态更新种群学习率的策略方法,根据所提方法对粒子群算法和简化粒子群算法进行了改进调整。经仿真实验表明,改进粒子群算法(IPSO)算法相比于PSO算法收敛速度更快,改进简化粒子群算法(ISPSO)算法跳出局部最优的能力相比于SPSO算法更强。同时,将ISPSO算法与变分模态分解(VMD)算法和最大相关峭度反卷积(MCKD)算法相结合,提出了一种新的处理激光位移传感器信号方法(ISPSO-VMD-MCKD),并验证了算法的可行性及优越性。

基于SPSO的PID参数自整定速度控制

为了提高感应电机磁场定向控制(FOC)系统中的速度控制器性能,提出一种基于简化粒子群优化(SPSO)算法的PID参数自整定方法,并应用到速度控制器中。在传统PSO算法中去掉了粒子速度参数,并融入了动态惯性权重,构建了一种SPSO算法。将PID控制器的3个参数编码为粒子位置,将电机速度的平方误差积分(ISE)作为适应度函数,通过SPSO算法获得最优的PID参数。根据最优参数构建FOC中的速度控制器,以实现电机的高效控制。仿真结果表明,提出的SPSO-PID控制器能够快速且稳定地控制电机速度到设定值,且对负载变化具有鲁棒性。

过表达海马齿SpSOS1基因能增强转基因拟南芥的耐盐性

细胞膜Na^+/H^+逆转运蛋白SOS1在植物耐盐过程中起重要作用。本研究将盐生植物海马齿中的细胞膜Na^+/H^+逆转运蛋白基因SpSOS1构建到植物双元表达载体pCAMBIA1304上,采用农杆菌介导的方法将SpSOS1基因转入到拟南芥中,在含有50μg/mL潮霉素B的MS培养基上筛选转基因后代,结合目标基因和标记基因的PCR验证,获得了超表达的转基因拟南芥。利用T_3代转基因幼苗进行耐盐性分析。研究表明,转SpSOS1基因的拟南芥在50 mmol/L NaCl的培养基中发芽率在80%以上,明显高于野生型拟南芥的45%。转SpSOS1基因拟南芥幼苗的耐盐性明显提高,在100 mmol/L NaCl条件下能正常生长,具有较高的生物量、根长和侧根数,而野生型拟南芥在50 mmol/L NaCl的胁迫下明显萎蔫、失绿、甚至死亡。说明过表达SpSOS1基因显著提高了拟南芥的耐盐性。

基于SPSO算法的“工期固定-资源均衡”优化研究

如何使资源的利用尽量保持均衡,避免出现频繁、严重的高峰或低谷现象,从而减少施工现场各种临时设施的规模,最大限度地节约施工费用是工程施工过程中的一个重要问题。文章将SPSO算法引入到"工期固定-资源均衡"优化求解中,建立了考虑多资源优化、适合SPSO算法计算求解的"工期固定-资源均衡"问题的数学模型。示例分析表明:采用SPSO算法明显优于传统的优化算法,它不仅能有效地收敛于全局最优解,同时又能获得不同的优化方案,为施工决策提供了多种选择。文章研究的方法对工程项目施工过程管理和施工组织设计具有重要参考价值。

基于SPSO-SVR的融合航空发动机传感器故障诊断

针对航空发动机常见的传感器故障问题,提出了一种利用改进的粒子群算法训练支持向量回归机,并利用融合机制将其应用于传感器故障诊断.论述了用一簇支持向量回归机(SVR)预测器对传感器进行实时检测,通过逻辑判断机制隔离故障传感器,并且依据剩余的无故障传感器信息实现信号重构.以某型航空发动机传感器在其整个工作范围内受到的冲击、偏置和漂移故障为例,验证了基于自协调粒子群优化支持向量回归机(SPSO-SVR)算法的融合诊断机制对传感器单一故障和多重故障具有较高的精度和计算效率.

基于分数阶蠕变模型的隧道围岩应力分析与验证

由于水的作用,地下工程往往会造成不可预测的工程灾害。本文提出一种基于分数阶导数的新的蠕变本构模型。该模型由胡克体、阿贝尔阻尼器和非线性阻尼器组成,用于描述岩体在长期应力作用下的蠕变行为。首先,建立了一维蠕变本构模型,并通过结合弹性、粘弹性和弹塑性应变,得到一维蠕变模型的表达式。随后,针对地下岩体的三维应力状态,发展相应的三维蠕变本构模型,并引入球面应力张量和球面应变张量的概念。为了验证模型的有效性,本文利用SPSO算法对模型参数进行了优化,以确保监测点数据与现场实测数据的一致性;通过隧道工程案例,展示模型在实际工程中的应用,并与现场实测数据进行比较,证明模型的准确性和可靠性。

基于Prony和改进PSO算法的多机PSS参数优化

针对多机电力系统稳定器(PSS)的参数优化问题,提出了采用Prony算法辨识互联电力系统低频振荡的机电模式,利用基于T-S模型模糊自适应的改进微粒群优化(T-SPSO)算法协调PSS参数的控制策略。先采用基于Prony分析的留数法确定PSS的最优安装位置,然后通过对采样数据的Prony分析辨识系统振荡模式的特征值,最后利用所提T-SPSO算法协调优化多机PSS参数。T-SPSO算法根据当前种群最优适应值和惯性权重,自适应更新惯性权重取值,解决了PSO算法的早熟问题。针对IEEE4机系统的仿真分析表明,基于T-SPSO算法优化后的多机PSS控制器,在2种典型运行方式下都具有更好的控制性能。

基于IPSO算法的减振器优化

提出将一种改进的粒子群优化算法应用于汽车减振器的优化中。该算法在标准粒子群算法的基础上引入了一个概率参数,使得粒子群优化算法的全局优化能力和收敛速度得到显著改善,并利用该算法对汽车减振器的主要参数进行了优化。结果表明,对减振器参数优化后,明显改善了汽车减振器压缩行程和复原行程的阻尼特性,提高了汽车的平顺性。

基于T-S模型的模糊自适应PSO算法

惯性权重的取值对改善微粒群优化(Particle Swarm Optimization,PSO)算法的收敛性起着关键作用。针对惯性权重的取值问题,提出一种基于T-S模型的模糊自适应PSO(T-SPSO)算法。算法根据当前种群最优适应值和惯性权重,自适应更新惯性权重取值,改善了算法收敛性。最后以典型优化问题的实例仿真验证了所提出算法有效性。