引入PID反馈的SHAEKF算法估算电池SOC

电池荷电状态(SOC)的估算精度是电动汽车电池组的重要指标。为提升SOC估算精度,在融合Sage-Husa扩展卡尔曼滤波(SHEKF)算法与自适应扩展卡尔曼滤波(AEKF)算法的基础上,增加比例积分微分(PID)反馈环节,形成改进算法。采用粒子群优化(PSO)算法对二阶RC等效电路模型进行参数辨识;用开源电池数据集对模型和算法进行实验和分析。改进的SHAEKF算法在电池动态应力测试(DST)、北京动态应力测试(BJDST)和美国联邦城市驾驶(FUDS)等工况下的平均估计误差都在1%以内,与单纯的融合算法SHAEKF算法相比,最大误差可减小5%。

改进人工蜂群算法的点云数据配准优化研究

传统的迭代最近点(Iterative Closest Point,ICP)算法对点云配准产生初始位置敏感,易陷入局部最优,采用群智能优化算法可以有效解决这一问题,但同时会带来计算量较大、搜索效率不高的问题。为此,该文提出了一种二阶振荡的人工蜂群算法点云配准方法,通过对输入点云的均匀采样,并基于邻域半径约束的固有形状特征点(Intrinsic Shape Signature,ISS)提取简化点云,通过改进的二阶振荡人工蜂群算法完成对点云较好的初始配准,得到空间变换矩阵参数。最后通过近邻搜索法(k-Dimension tree,k-d tree)加速对应点查找,以提高点云ICP精细配准的效率。通过对不同初始位置的点云库模型和场景数据进行的配准实验表明,相比传统的配准方法和改进的群智能优化策略,该算法抗噪性好,配准精度高,鲁棒性强。

基于改进粒子群优化算法的气体源定位研究

为了提高粒子群优化(PSO)算法在气体泄漏源中的定位精度,针对标准PSO算法中存在的收敛早熟等问题,提出了一种惯性权重非线性递减和异步变化的学习因子相结合的改进PSO(IPSO)算法。该方法能够提高算法的性能,并加快粒子的收敛速度,引入二阶振荡环节来增加种群的多样性。通过函数优化实验与其他PSO算法对比,进行有效性分析和误差分析,由气体扩散模型仿真实验得出:定位结果误差值在1%范围内,表明IPSO算法不仅能够优化粒子学习能力,还能够有效提高算法的收敛精度和稳定性。

计及可靠性成本的风光储微电网储能容量协同优化

对比常规能源,新能源具备可再生、污染低、资源丰富的优势,其中风光发电被大规模引入到微电网系统,但由于其发电量具有较强的不确定性,这使得如何提高新能源消纳水平、提升电力系统运行稳定性以及降低微电网配置成本成为了充满挑战性的重要问题。针对上述问题,文章提出一种计及可靠性成本,同时考虑风、光资源多时间尺度不确定性的风光储互补微电网系统储能容量协同优化的方法。该方法采用自回归滑动平均模型和Homer软件仿真离散的风速、光辐照度序列,构建出风机、光伏发电机的出力模型;采取电量不足期望值为评估指标建立可靠性成本函数,构建出微电网配置成本模型;使用改进二阶振荡粒子群算法求解系统最优配置成本。算例结果表明了该方法的可行性及经济性,可为实际风光储互补微电网系统配置规划提供参考。

基于粒子群优化算法的多交叉口信号配时

以城市道路多个单点信号控制交叉口组成的绿波系统为研究对象,对绿波系统的交叉口信号配时优化进行研究。通过对路段和干线机动车流进行协调控制设计,以西安市某两相邻交叉口晚高峰时段各进口道的交通量、通行能力、饱和流量以及各交叉口进口道的实际车均延误时间为约束,确定各交叉口的信号周期及各相位有效绿灯时长,使得干线延误量最小。设计了PSO算法的编码方式,分别采用PSO算法、灾变PSO算法和二阶振荡PSO算法对多交叉口交通信号配时进行优化计算。仿真实验表明,二阶振荡PSO算法在该实例中表现最优。

基于二阶振荡粒子群优化算法的最大功率跟踪

最大功率点跟踪(maximum power point tracking,MPPT)是光伏系统保持高效运行的有效方法。在光伏阵列发生局部遮挡时,其功率-电压曲线会出现多峰现象,传统粒子群算法(particle swarm optimization,PSO)在此情况下进行MPPT容易陷入局部最优问题,导致收敛精度降低。为解决以上问题,提出了一种二阶振荡粒子群算法应用于最大功率点跟踪,并针对多峰函数特点进行优化。在对粒子种群初始化时采用分散定位逼近极值的方式增加粒子群的全局搜索能力,提出有效的终止策略防止系统反复波动。在MATLAB/Simulink平台进行仿真对比分析的结果表明:改进算法可有效提升MPPT控制的效率和动态品质。

基于知识推理和二阶振荡粒子群算法的桩基础优化设计

为辅助设计者准确高效地完成桩基础设计工作,降低工程造价,基于知识推理和二阶振荡粒子群算法开发出一套桩基础优化设计系统.系统通过结合C#语言和CLIPS推理机实现桩基础埋深推理功能,进而求出当前场地条件下的最优桩长.选择以工程造价为目标函数设计优化数学模型,根据已知的最优桩长简化优化变量.选用二阶振荡粒子群算法作为优化算法,结合桩基础规范设计约束条件,编制出桩基础优化程序.最后以某十层实验教学楼为例进行分析,证明了本优化算法的可行性.

基于环型拓扑的振荡回溯搜索优化算法

为了解决回溯搜索优化算法在迭代后期种群多样性低,易于陷入局部最优,且对高维复杂问题难以求得最优解的问题,将环形拓扑结构和二阶震荡因子引入该算法,提出一种基于环形拓扑结构的二阶震荡回溯搜索优化算法。将环形拓扑结构和原算法的全互连型拓扑结构相结合,在算法迭代后期调用环形拓扑结构,以避免种群多样性减少造成的早熟收敛现象;将交叉矩阵进一步迭代,并加入二阶震荡因子,以增加算法对高维函数的求解能力;通过将改进后的算法和基础回溯搜索算法、基于冯诺依曼的混沌回溯搜索算法、受启发的回溯搜索算法、粒子群优化算法做比较,验证了改进后的算法在收敛精度、收敛速度、统计检验3方面都优于其他4种算法,说明了改进算法的可行性、高效性。

基于改进粒子群算法求解分布式多工厂生产调度问题

为解决分布式多工厂生产调度问题,将其转化为分布式柔性车间调度问题,设计了基于二阶振荡的随机权重混合粒子群算法,以最小化、最大完工时间为目标,将柔性作业车间调度问题嵌套于分布式调度方式中进行求解,利用随机权重来平衡全局和局部搜索能力,运用学习因子的二阶振荡提高全局搜索能力,并通过算例仿真验证了该算法的有效性和优越性。

射频辐射源的高精度参数估计

辐射源LFM信号的参数估计常采用基于分数阶傅里叶变换的方法,分数域最优阶次的搜索容易受到搜索间隔的影响,导致计算精度和计算量之间的矛盾。基于改进的二阶振荡粒子群算法,提出一种与分数域展宽法相结合的参数估计方法。该方法利用不同辐射源脉冲之间初始相位不同的原理,在时域上进行辐射源信号与干扰信号的相参性识别;通过改进的二阶振荡粒子群算法搜索最小分数域展宽值,计算最优阶次,从而得到信号参数估计值,解决了最优阶次的精确与否受限于搜索间隔的问题,并与多种其他算法进行了对比仿真。结果表明,改进方法能在混合信号中准确识别出目标辐射源信号,且能在低信噪比条件下快速估计出信号参数,提升了参数估计的性能。

基于可时移农业负荷的光伏智慧农业大棚微型能源网优化调度

针对甘肃省分布式光伏电能远距离传输通道不足,大量光伏电能集中并网影响农村电网可靠性和稳定性的问题,提出对甘肃省传统农业大棚及其供能系统进行智慧化改造的方案,实现光伏电能的就地消纳,构建基于可时移农业负荷的光伏智慧农业大棚微型能源网。采用数学建模的方法对微源和负荷进行精准建模研究,并采用变学习因子的二阶振荡文化粒子群求解算法对微型能源网经济调度模型进行求解,最后对负荷时移前后各供能设备的出力和日综合费用进行了对比。仿真结果表明:对可时移负荷进行调度可以降低系统日综合运行成本,单日成本下降了7.3%。本研究所建模型和提出的算法可以有效实现微型能源网多种能量流的经济合理利用。

具有振荡约束的自然选择萤火虫优化算法

针对基本萤火虫算法高维求解精度低、收敛速度慢、易早熟等缺点,提出一种具有振荡、约束和自然选择机制的萤火虫算法,引入二阶振荡因子,平衡上一代个体对当前代个体的影响,防止萤火虫个体陷入局部极值;加入基于sigmoid函数的约束因子,动态调整个体移动距离,在算法后期避免萤火虫个体在理论最优值附近因过度扰震而导致精度降低的情况;采用基于高斯积分倒数递减趋势的自然选择,在保持个体多样性的同时加快算法的收敛速度.理论分析证明了改进算法的收敛性和时间复杂度.通过对10个不同特征标准测试函数多个维度的函数优化仿真实验,测试结果表明改进算法的寻优精度和收敛速度均有明显提升,尤其是在高维情况下,几乎对于所有函数仍能找到理论最优解,较好地解决了萤火虫算法不适于高维求解的问题.