异构边缘云架构下的多任务卸载算法

为在资源有限的终端设备上运行计算密集型与时延敏感型应用,同时降低系统时延和能耗,构建边缘云异构网络模型。本文提出了一种H-PSOGA多任务卸载优化算法,并通过无人机、路边单元、车辆等边缘设备以及边缘云服务器进行多任务计算卸载。该算法以先串行再并行的方式将粒子群和遗传算法结合在一起,通过适应度值排序、种群选择、多点交叉、反向变异等操作,利用遗传算法对粒子群进行优选,弥补粒子群算法早熟收敛、陷入局部最优的缺陷。6种标准测试函数的测试分析以及与基线方案进行仿真对比的结果表明:在用户数较多时,混合优化算法的系统平均开销可降低26%~43%,可以有效提高收敛精度。

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。

双列角接触球轮毂轴承动刚度优化研究

针对轮毂轴承单元的刚度性能将直接影响汽车的服役性能这一现状,对轮毂轴承刚度特性进行研究,提出了一种基于Romax非标准轮毂轴承动刚度特性分析方法和基于粒子群算法(PSO)的优化设计方法。通过采用Romax软件对非标准的轮毂轴承进行拟静力学仿真,研究了某型号轮毂轴承的预紧量、接触角以及两列球心距对动刚度矩阵的影响规律,并通过理论和试验进行验证。研究结果表明,随着预紧量的增加,轴承动刚度呈现整体上升趋势;随着接触角的增加,径向刚度减小,轴向刚度和角刚度增加;随着两列球心距的增加,径向刚度和轴向刚度略微下降,角刚度增加。以轮毂轴承单元的角刚度最大作为优化目标,对轴承内部结构参数进行优化设计,优化后角刚度增加了14.4%,实现了提高角刚度这一优化目标,为轮毂轴承结构设计和优化提供了方法支撑。

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。

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。

基于标准粒子群算法的GH4169高速铣削表面粗糙度研究

采用单因素和正交实验法,研究了整体硬质合金刀具高速铣削GH4169高温合金时切削参数对表面粗糙度的影响规律,结果表明,每齿进给量对表面粗糙度的影响十分显著,铣削速度和铣削深度对表面粗糙度的影响较小;基于标准粒子群算法建立了表面粗糙度与切削参数之间的经验公式,并对经验公式进行了实验验证,结果显示,基于标准粒子群算法建立的经验公式能有效预测GH4169高温合金高速铣削过程中的表面粗糙度,为铣削参数优化、铣削表面质量控制提供了依据。

基于混沌思想的粒子群优化算法及其应用

提出一种基于混沌思想的粒子群优化(CPSO)算法,它利用粒子群优化算法收敛速度快和混沌运动遍历性、随机性等特点,对原粒子群优化算法进行了改进.在算法的初始化阶段,对粒子的位置混沌初始化;在算法运行过程中,根据群体适应度方差来自适应地对粒子的位置进行混沌更新.对几种典型函数的测试结果表明:CPSO算法提高了对多维空间全局搜索能力,并有效避免早熟收敛现象.应用在作为高频段电容标准的四端对电容器计量中,仿真结果与实测值基本一致,也证明了该算法的有效性和实用性.

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。

混合变异算子的自适应粒子群优化算法

针对惯性权重线性递减粒子群算法(LDW)不能适应复杂的非线性优化搜索过程的问题,提出了一种非线性递减的惯性权重策略,使算法很快地进入局部搜索,并在算法中引入混合变异算子,克服算法易早熟收敛的缺陷。对几种典型函数的测试结果表明,本文算法的收敛速度和收敛精度都明显优于LDW算法。

二阶微粒群算法

为了提高标准微粒群算法的全局收敛性,提出了一种新的微粒群算法——二阶微粒群算法.首先,介绍了二阶微粒群算法的引入,分析了其收敛性,并且研究了其参数的选择范围.其次,在分析二阶微粒群算法的进化方程的基础上,引出了具有随机惯性权重的标准微粒群算法.再次,在二阶微粒群算法中加入振荡因子来调整微粒的速度变化率,更好地使二阶微粒群算法收敛于全局最优.最后,利用这几种改进方法对典型测试函数进行仿真,实验结果表明,这些方法能够有效克服早熟问题,在全局收敛性和收敛速度方面均优于标准微粒群算法.

PSO算法在互联电网CPS功率调节中的应用研究

研究了电网中不同类型AGC机组在功率缺额下所应该承担的比例大小问题。采用标准PSO算法对CPS控制策略中AGC机组调节功率的分配进行机组种群优化。利用标准PSO算法,可以避免平均分配法较难得到最优解的缺陷,从而在经济性的条件下使CPS指标达到最优。通过算例进行仿真计算,证明了该算法的有效性。

基于锦标赛选择遗传算法的随机微粒群算法

以保证全局收敛的随机微粒群算法SPSO为基础,提出了一种改进的随机微粒群算法——GAT-SPSO。该方法是在SPSO的进化过程中,以锦标赛选择机制下的遗传算法所产生的最优个体来代替SPSO中停止的微粒,参与下一代的群体进化。通过对三个多峰的测试函数进行仿真,其结果表明:在搜索空间维数相同的情况下,GAT-SPSO的收敛率及收敛速度均大大优于SPSO。

校园热力网分布式监控系统的研究

介绍了在气候补偿系统,对组合式换热机组的运行参数进行实时监控。及在典型楼宇安装楼宇分时分温控制系统,实现供热系统供水温度随室外温度的自动气候补偿。分析可节能约20%。

基于自加速遗传粒子群算法的半封闭式温室能耗预测

针对半封闭式温室环境参数众多且难以测量的问题,提出了一种机理建模与系统辨识建模相结合的温室能耗建模方法。采用自加速遗传粒子群算法(self-accelerating hybrid algorithm of particle swarm optimization and genetic algorithm,SPSO-GA)对温室物理模型中难以确定的参数进行辨识,建立半封闭式温室能耗预测模型。根据上海半封闭式玻璃试验温室的气象数据和测量的能耗值,分别采用遗传算法(genetic algorithm,GA)、粒子群算法(PSO,particle swarm optimization)和SPSO-GA进行参数辨识与能耗预测比较分析。采用SPSO-GA获得的温室能耗预测结果与实测数据的相对误差为1.4%,分别比GA和PSO减少了2.9%和13.7%。根据日太阳光照辐射总量、室外日均温度2个参数及相应的变化曲线,预测的温室能耗值精确度大于86%。试验与模拟结果验证了基于SPSO-GA的温室能耗预测模型有效,可为半封闭式温室能量负载设计、管理和控制提供理论依据。

基于改进粒子群算法的不规则井网自动优化

深水油藏由于其特殊的油藏条件和开发特点,一般采用"少井高产"的高效开发模式,井网类型多为不规则井网,因此利用传统的规则井网部署方法进行井位的部署将不再适用。本文从惯性权值、速度更新策略和位置更新策略等三方面对标准粒子群算法进行了改进,建立了井位和井型自动优化模型,并利用改进的算法进行了求解。实例应用表明,本文对标准粒子群优化算法的改进是有效的,利用本文优化方法进行直井、水平井和定向井等不规则井网的优化是可行的。本文方法可以为深水油田高速开发模式的建立提供基础,同时为陆上油藏不规则井网部署提供参考。

标准粒子群优化算法的收敛性分析(英文)

研究标准粒子群优化算法在经验区域的各个子区域内的收敛和发散行为,分析系统特征根与算法参数的关系,得到一系列结论.数值仿真实验展示不同子区域内的算法参数对粒子位置和粒子速度运动轨迹的不同影响,进一步验证本文结论的正确性.

位置加权的改进粒子群算法

针对基本粒子群算法具有后期收敛速度慢、容易陷入局部极值等缺陷,通过考虑粒子的位置之间的加权作用,对基本粒子群算法进行了改进,提出了一种位置加权的粒子群算法以减小搜索过程中的盲目性。测试函数结果表明,算法的收敛性以及收敛速度与粒子群算法位置加权因子有很大关系,通过选择合适的加权因子能有效提高算法的计算效率,算法适用于地球物理优化领域的波动方程反问题。