An experiment for obtaining DOP ellipsoid using particle swarm optimization algorithm

The degree of polarization (DOP) ellipsoid can be used as either feedback or feedforward signal for automatic polarization mode dispersion compensation. We have realized the experiment for obtaining DOP ellipsoid from 100 sampling data of output states of polarization using particle swarm optimization (PSO) as ellipsoid data fitting algorithm. It was shown that the PSO algorithm was powerful for ellipsoid data fitting with high precision within 250 ms.

MATLAB粒子群算法工具箱求解水电站优化调度问题

粒子群算法因其原理简单、易于编程、适于并行计算等优点而得到了广泛的应用。本文探讨和分析了Mat-lab粒子群算法工具箱,并提出了基于该工具箱来实现水电站优化调度计算的方法。计算实例表明,Matlab粒子群算法工具箱可以很好地用于解决水电站优化调度问题,可获得比动态规划算法更好的精度。

五自由度摇摆台位置正解方法研究及MATLAB实现

研究一种实用非对称五自由度摇摆台的位置正解算法。把描述五自由度摇摆台的一组非线性方程组的求解问题转化成对函数的优化问题,采用粒子群优化算法和Newton迭代法相结合的方法求解问题,并采用粒子群算法工具箱实现了五自由度摇摆台的位置正解。通过比较试验结果,发现采用PSO算法和Newton迭代法相结合的方法在精度方面比单纯采用PSO算法高,并且兼顾了实时性的要求。

基于粒子群算法的装配线优化研究

随着工业信息化技术的发展,手工作业逐渐被半自动化作业所代替,这可以节约人力资源,缩短产品的加工时间,保证产品质量的稳定性。因此,针对AB公司小型断路器在UEB1-70装配线由手工作业过渡为半自动设备作业时的自动设备选择优化问题中,文章在原有装配线线体长度的约束下,基于粒子群算法原理对自动设备选择问题进行建模,运用Matlab软件求解得出最佳工序的自动设备选择方案,并制定设备维护与管理措施,保障设备正常运行。

VBA与MATLAB混合编程在传感器优化布置中的应用

传感器优化布置是结构健康监测系统实施的关键技术之一。介绍了基于粒子群算法的传感器优化布置方法。MATLAB具有强大的计算和图形处理能力,VBA具有良好的用户界面,将二者有机结合,可开发出功能强大的软件。详细介绍了一种基于组件对象模型(COM)的MATLAB与VBA混合编程方法。以凯威特型单层球面网壳为例,利用VBA作为AutoCAD二次开发工具,调用MATLAB编写的粒子群算法,实现传感器优化布置。

基于PCA-SAPSO-BP神经网络的瓦斯涌出量预测研究

为提高煤矿井下瓦斯涌出量预测效率和准确性,针对瓦斯涌出量影响因素的多重相关性、复杂性问题,提出使用主成分分析法对影响因素进行降维处理,针对BP神经网络收敛速度慢且易陷入局部最优解的问题,引入退火粒子群算法优化BP神经网络的权值和阈值;利用Matlab软件编写并构建了PCA-SAPSO-BP神经网络耦合算法对瓦斯涌出量进行预测;选取开滦钱家营煤矿瓦斯涌出量及其影响因子数据作为样本,使用BP神经网络模型、PSO-BP模型和SAPSO-BP模型对样本进行预测。结果表明:PCA-SAPSO-BP神经网络模型的预测平均相对误差为1.06%,PCA-PSO-BP模型为2.20%,PCA-BP模型为3.00%,SAPSO-BP模型为1.61%,PSO-BP模型为2.81%,BP模型为3.98%;预测模型的归一化均方误差为0.0025,希尔不等系数为0.0055,平均绝对误差为0.07 m^(3)/min,判定系数为0.9975,证明PCA-SAPSO-BP神经网络模型提高了BP模型瓦斯涌出量的预测精度。

一种拉链去齿用凸轮机构的改进优化

某拉链生产设备的去齿机构选用了摆动从动件盘形凸轮机构。为提高设备工作时的稳定性,对凸轮轮廓进行理论分析,依据不同运动规律的运动特性,在推程段选用三段式加速度运动规律,通过解析法推导出从动件运动方程。为选取三段式加速度最佳分段点,以凸轮的负载最小为优化目标、分段点取值为设计变量构建优化模型,采用标准粒子群优化算法对目标函数进行优化求解。依据求解结果,利用Matlab及SolidWorks软件完成优化后凸轮的物理建模,最后采用多体动力学软件Adams得到摆动从动件盘形凸轮的运动仿真曲线。结果表明,该凸轮优化方法有效地优化了凸轮轮廓曲线,一定程度上提高了切刀运行时的稳定性,为实际生产中设备改进提供了可靠的路径。

输电线可控线损防覆冰无功优化控制方法

为减小覆冰对电网正常运行的影响,提出了一种输电线可控线损防覆冰无功优化控制方法。该方法以输电线防覆冰为目标,通过无功补偿控制线路的无功电流,逐步增大可能覆冰线路的工作电流,在不影响电网安全运行的前提下,使其稍大于线路的临界不覆冰电流,用工作电流所产生的线路功率损耗的热量平衡线路覆冰所需的热量,从而破坏覆冰形成的条件,防止覆冰的形成。采用MATLAB对IEEE 30节点系统进行验证性的仿真计算,其结果证明了该方法的可行性和有效性,并通过局部无功调整、局部无功优化和全网无功优化3种控制的对比分析,说明了全网优化的无功补偿控制效果最好,即系统网损最小。

基于粒子群算法的螺旋钻锚杆回收装置的结构参数优化

为提高锚杆回收装置的钻进效率,实现轻量化,以锚杆回收装置的螺旋钻杆为研究对象,以钻杆的内径和外径、叶片厚度、螺距、螺旋升角、转速、头数以及叶片高度为优化参数,以钻杆输送效率最高、重量最轻、二次破碎率最高为优化目标,采用粒子群算法对钻杆结构进行参数优化,结果表明锚杆回收装置的钻进效率提高了31.4%,重量减轻了12.7%,二次破碎率提高了48.7%,提高了锚杆回收效率,增强了螺旋钻杆的耐磨程度和强度。

基于免疫粒子群算法的PID参数整定与自适应

针对粒子群算法容易陷入早熟以及免疫算法计算过程繁复冗长的缺点,将免疫系统的免疫信息处理机制引入PSO算法中,提出了一种基于免疫选择粒子群的算法(ISPSO)。将ISPSO算法应用到PID控制器的参数整定与自适应中,并设计了相关PID控制器参数。Matlab仿真试验结果表明,该算法能够解决PSO算法早熟收敛的问题,适用于PID控制器的自整定。

基于粒子群算法的双层剪式液压升降台液压缸位置的多目标优化问题研究

对升降台液压缸铰点位置进行了分析。为了改善升降台升降不平稳、活塞推力较大的现象,提出了升降台活塞推力和升降速度的多目标优化问题。对剪叉式液压升降台的运动学和动力学进行研究,建立了以液压活塞推力及起升速度为目标的数学模型,并选取几组不同的液压缸铰点位置。仿真分析了升降台在升降过程中活塞推力、升降速度的变化规律,确定升降台在最低点以活塞推力与起升速度为目标。采用粒子群算法对液压缸位置进行优化,运用MATLAB进行编程和仿真,算法效率高,能够快速准确地获得最优位置参数,实现升降台系统整体结构优化。

基于遗传粒子群算法的船舶航迹融合研究

研究利用遗传算子对粒子群算法进行优化设计,建立了基于遗传算子的粒子群算法多源数据融合模型。该模型克服了粒子群算法在训练过程中容易陷入局部极值的缺陷,得到了更高的学习精度和更快的收敛速度。利用多传感器检测到的目标船舶航迹点数据进行了融合验证,MATLAB仿真结果表明,基于遗传算子的粒子群算法融合模型融合后的目标船舶航迹点比各传感器单独检测到的目标船舶航迹点数据更加精确,更适用于船舶航迹的跟踪及预测。

基于改进量子粒子群算法的电力系统经济调度仿真研究

针对水火电系统的多约束、时滞非线性特点,建立了带有梯级水电厂的电力系统模型,并采用量子粒子群(QPSO)算法对系统进行优化求解。为了解决基本量子粒子群算法容易陷入局部最优解的问题,提出了一种改进量子粒子群(IQPSO)算法。为了验证该算法的性能,运用Matlab编写程序,利用典型的4水电3火电系统算例进行仿真。算例表明,改进的量子粒子群算法具有更好的收敛特性。

电动汽车动力传动系统参数匹配与优化

以某款纯电动汽车为研究对象,针对其动力系统参数优化问题进行分析。以整车能量传递为基础,满足性能设计指标为目标,制定了参数初步匹配方法。通过在Cruise中建立仿真模型以及在Matlab中建立整车控制策略,实现Cruise-Matlab/Simulink协同仿真,验证了模型的合理性。采用非线性权重粒子群算法,以整车经济性为优化目标,动力性及各参数间耦合关系为约束条件,完成参数解耦并实现全局优化。将优化前后的结果进行仿真对比分析,结果表明,优化后整车动力性基本不变,但经济性能改善效果显著,验证了匹配优化方法的正确性及可行性,使得整车动力系统参数匹配更加合理。

改进粒子群算法的小波神经网络语音去噪

小波神经网络是小波分析和神经网络相结合的产物,它结合了小波分析良好的时频局域化性质和神经网络自学习功能,因而使得小波神经网络具有较强的逼近和容错能力,并具有良好的收敛性和鲁棒性;充分利用小波神经网络的优点,提出一种改进的粒子群优化算法,通过个体间的协作与竞争寻找最优解,并将其应用于语音去噪的研究;最后通过Matlab仿真结果表明,将粒子群优化算法融合到小波神经网络对语音信号进行消噪是一种有效的方法,它能在一定程度上去除噪声,使原信号的特征尖峰点得到了很好的保留,更好地估计原始信号,明显地改善了语音增强的效果。

高空螺旋桨无刷直流电机重置粒子群PID控制

永磁无刷直流电机驱动高空螺旋桨负载时,由于大气密度随海拔高度变化,电机转速随螺旋桨负载变化不断波动,传统定参数PID控制难以随环境变化对电驱动系统PID控制参数进行实时调整,系统的动态特性和鲁棒性较差。提出一种基于BFGS(Broyden-Fletcher-Goldfarb-Shanno)动态重置粒子群算法(BFGS-RPSO)的永磁无刷直流电机PID参数控制方法,该方法利用BFGS-RPSO算法灵活快速的在线参数寻优特点,对永磁无刷直流电机控制系统PID参数进行在线实时优化调整,提高了螺旋桨负载电驱动系统的动态特性和鲁棒性。Matlab仿真和实验表明,电机在起动过程中,转速上升时间较短,转速和转矩超调较小,且在负载波动过程中电机转矩脉动较小,BFGS-RPSO PID参数控制比传统PID控制具有更好的动态特性和鲁棒性,适合应用于高空螺旋桨永磁无刷直流电机螺旋桨电驱动系统。

基于粒子群优化算法的RBF神经网络在闸墩裂缝宽度预测中的应用

针对RBF神经网络选取网络参数及结构不当导致网络收敛慢的问题,采用粒子群算法优化RBF神经网络参数,建立了基于粒子群优化算法的RBF神经网络模型(PSO-RBF神经网络模型),对双台子河闸闸墩混凝土表面裂缝宽度进行了模拟和预测。结果表明,与单一的RBF神经网络模型相比,PSO-RBF神经网络模型预测精度更高。用训练好的PSO-RBF神经网络模型预测了2015年5月21日~6月14日闸墩混凝土表面裂缝宽度,发现该闸墩混凝土表面裂缝宽度呈周期性变化且有变大的趋势。

基于粒子群优化的主动悬架PID控制策略

针对汽车主动悬架比例-积分-微分控制器(proportional-integral-derivative,PID)参数选择问题,传统PID控制参数整定具有一定的盲目性。设计了粒子群优化算法,目标函数根据悬架性能指标建立,利用粒子群优化算法,优化了PID控制器中的参数。结果表明,与优化前PID控制的主动悬架相比,采用粒子群优化PID控制的汽车主动悬架的性能指标有了明显的提升;经过粒子群算法(particle swarm algorithm,PSO)优化后PID控制提升了汽车行驶平顺性及操纵稳定性,同时解决了PID控制器参数整定的问题。

基于鸟群算法优化BP神经网络的热舒适度预测

热舒适度是室内环境舒适性的评价指标,由于热舒适度的计算是一个复杂的非线性迭代过程,不便应用于空调实时控制系统中,为解决这一问题,可利用BP神经网络算法对热舒适度进行预测.但为了改善传统BP神经网络收敛速度慢的问题,将采用鸟群算法(BSA)来优化BP神经网络初始的权值与阈值.最后,将BSA算法与相近的粒子群算法(PSO)进行对比分析,并利用MATLAB软件进行仿真,使BSA-BP预测模型的仿真结果与基本的BP神经网络预测模型、PSO-BP预测模型的仿真结果进行对比分析.结果表明,BSA-BP预测模型具有较快的收敛速度和较高的预测精度.

无线传感网络覆盖优化技术研究

网络覆盖是无线传感网络要研究的基本问题之一,对于有向多媒体传感器组成的网络,该文提出了一种网络覆盖优化方法,在基本粒子群算法中融入拟物力算法进行改进,运用改进算法调整传感器节点的感知方向和位置达到最优,使整个网络覆盖率更好。使用MATLAB工具进行了仿真调试,表明此方法具有一定的有效性和可行性,在提高无线传感网络覆盖率方面有明显的优势。