基于提高全局搜索能力的微粒群优化研究

全面分析了标准PSO算法的算法流程、主要参数和优缺点,针对算法在搜索精度方面存在的缺陷,提出了PSO算法的改进思路:在算法中引入非均匀变异机制,以增强算法的全局搜索能力.通过约束优化问题的测试,表明所提出的改进PSO算法在搜索精度方面较标准PSO算法有很大的改善.     

基于提高收敛性能的微粒群优化研究

全面分析了标准PSO算法的基本原理、收敛性和优缺点,针对算法在收敛性能方面存在的缺陷,提出了PSO算法的改进思路:根据所得到的收敛性结论,对算法关键参数的设置进行改进,以提高算法的收敛性能.通过对典型函数优化问题和约束优化问题的测试,表明所提出的改进PSO算法在收敛性能方面较标准PSO算法有很大的改善.     

基于改进PSO算法的电液位置伺服系统MRAC跟踪控制

针对电液位置伺服系统控制性能不佳的问题,提出一种基于改进PSO算法优化的模型参考自适应(Model Reference Adaptive Control,MRAC)跟踪控制方法。首先,建立电液位置伺服系统数学模型,设计出模型参考自适应控制器;其次,分析PSO算法、APSO算法在参数寻优过程中的不足,提出一种改进的PSO算法;最后,将改进的PSO算法用于模型参考自适应控制器以改善其控制性能。结果表明,改进PSO算法优化的模型参考自适应控制具有响应速度快、跟踪精度高的优点。     

改进PSO算法优化的电液位置伺服系统滑模控制

针对电液位置伺服系统因参数不确定性、复杂时变性与非线性而导致控制性能不佳的问题,提出了一种基于改进PSO算法的电液位置伺服系统滑模控制方法。建立电液位置伺服系统的误差状态空间方程,通过设计滑模面和控制律推导出滑模控制器结构,利用李雅普诺夫函数验证了控制器的稳定性,采用柯西变异和自适应速度更新策略改进了PSO算法,并把改进后的PSO算法应用至滑模控制器中进行参数优化,基于AMEsim/MATLAB联合仿真研究了几种方法下系统对位置的跟踪情况。结果表明,相比于PSO算法和APSO算法,改进PSO算法寻优性能更好,从而验证了该方法是有效的;通过对比分析,采用改进PSO算法的滑模控制器极大地提高了系统的控制性能,在抑制抖振的同时实现了系统对状态轨迹的快速精确跟踪。通过现场试验研究,验证了所提方法的应用可行性。     

基于改进粒子群算法的PID参数整定

粒子群算法是一种基于群智能的全局寻优方法,方法简单,易于实现,寻优效果好。PID控制因其算法简单、鲁棒性好、可靠性高而被广泛应用于工业控制过程。该文提出了一种改进的PSO算法以提高其优化性能,通过典型测试函数的实验证明了该改进的PSO算法具有较好的优化性能。最后,将改进后的PSO算法应用到PID参数整定中,通过MATLAB仿真证明了该方法的可行性和优越性。     

基于模糊推理技术PSO算法的 机器人路径规划研究

针对移动机器人路径规划质量不高的问题,对环境建模、适应度函数建立、算法选择等方面进行了研究归纳,提出了一种基于模糊推理技术PSO算法的路径规划方法。首先,对障碍物进行了扩展处理,通过坐标系转换建立了简化的环境模型;其次,在分析传统PSO算法采用定值的惯性因子ω和学习因子c_1、c_2取值对算法性能影响的基础上,提出了改进的PSO算法,采用模糊推理技术自适应地动态调整c_1、c_2;最后,将改进PSO算法应用于提高移动机器人路径规划中。研究结果表明:相对于传统PSO与APSO算法路径规划,改进算法在复杂环境下路径长度、平滑度、运行时间方面分别最少提高了17%、14%、7%,验证了算法在路径规划方面的可行性与高效性。     

一种改进PSO-LSSVM算法在锅炉燃烧优化中的应用

为了实现锅炉高效低NOX排放,提出一种LSSVM建模和改进PSO算法结合的方法实现锅炉燃烧多目标优化。首先采用LSSVM算法建立了锅炉效率和NOX排放等相关特性模型,并针对PSO算法在飞行后期易失去粒子多样性的不足及过早收敛于局部最优值的问题,采用一种改进的PSO算法。优化结果表明,改进的PSO算法与LSSVM结合可有效的实现多目标寻优,在保证锅炉效率的同时降低NOX排放,找到最佳的送风调节系统的设定值,给出一种可行的各风门开度等操作量的优化调整方案。     

粒子群优化算法综述

首先介绍了PSO的原理及具体实现步骤;然后针对PSO算法在搜索的初期收敛速度很快,但在后期却易于陷入局部最优的缺点,提出了各种改进办法;最后介绍了PSO算法的应用领域以及研究展望.     

基于改进PSO算法的Volterra模型在磨损预测中的应用

为准确预测机械设备的磨损问题,提出基于改进PSO算法的Volterra级数预测模型。该预测方法首先根据Volterra级数的性质,建立Volterra级数模型;然后利用改进的PSO算法对模型参数进行优化,得到Volterra级数的预测模型。利用轴承钢试件的磨损实验数据,采用建立的预测模型对数据进行建模和磨损预测。仿真结果表明,与基于PSO算法的Volterra模型、多项式模型、AR模型、RBF神经网络模型及BP神经网络模型相比,基于改进PSO算法的Volterra预测模型结构简单、预测精度高,具有一定的实用性。     

改进粒子群优化-Elman算法在发动机曲轴脉宽预测中的应用

针对发动机曲轴脉宽难以预测的问题,提出了改进粒子群(PSO)优化Elman神经网络预测的方法。采用Elman神经网络建立脉宽预测模型,根据网络陷入局部最优的代数与迭代次数动态更新网络惯性权重使PSO算法得到改进,利用改进的PSO算法对Elman神经网络的权值和阈值进行优化。对YC6G270-30型增压中冷柴油机曲轴信号脉宽的预测结果表明,改进的PSO-Elman算法比最小二乘、Elman、PSO-Elman算法具有更高的预测精度,收敛速度更快,验证了所提出方法的有效性与实用性。     

机电产品管路自动敷设的粒子群算法

基于粒子群优化算法提出一种机电产品三维管路自动敷设算法,该算法以预处理和优化搜索为基本框架。在预处理阶段,利用混沌技术,建立混沌栅格预处理模型。三维管路敷设空间经过混沌栅格预处理模型处理,可有效地降低管路自动敷设算法的求解复杂度。在优化搜索阶段,通过分析粒子群算法和人口迁移的特点,提出改进粒子群算法。改进粒子群算法针对粒子群算法收敛速度慢、容易陷入局部极小的缺点,提出子空间局部搜索、解空间全局搜索和补空间开拓搜索。基于混沌栅格预处理模型和改进粒子群算法,给出高效的管路自动敷设算法流程图。对比试验和改进粒子群算法的理论分析,表明该优化搜索算法具有较好的性能,并证明改进粒子群算法的收敛性。实例验证表明该算法的有效性和实用性。     

基于粒子群优化和变邻域搜索的混合调度算法

提出了用于解决作业车间调度问题的离散版粒子群算法.该算法采用基于工序的编码和新的位置更新策略,使具有连续本质的粒子群算法直接适用于调度问题.同时,针对粒子群算法容易陷入局部最优的缺陷,利用粒子群算法和变邻域搜索算法的互补性能,设计了粒子群-变邻域搜索算法、改进的粒子群算法、粒子群-变邻域搜索交替算法和粒子群-变邻域搜索协同算法4种混合调度算法.仿真结果表明,混合算法能够有效地、高质量地解决作业车间调度问题.     

一种确定神经网络初始权值的新方法

针对BP神经网络对易陷入局部极小的缺点,结合粒子群优化算法(PSO)在全局搜索上的良好性能,提出了一种新的算法--PSO-BP混合算法.该算法先用PSO算法将BP网络的初始权值优化到全局极小点附近,然后用传统BP神经网络学习算法进行进一步优化,仿真表明:该方法很好地解决了BP神经网络对初始值敏感、易局部收敛的问题.     

齿轮箱故障诊断的粒子群优化模糊聚类技术

用粒子群算法取代传统的梯度下降法,优化模糊C—均值算法的各个参数,并依据聚类有效性指标确定最优聚类数及聚类中心,有效地利用了粒子群算法全局寻优的优点,克服了模糊C—均值算法极易陷入局部最优的缺点,将经过PSO优化的模糊C-均值算法应用于齿轮箱故障诊断.试验结果表明,粒子群算法是有效的模糊聚类分析优化算法,提高了齿轮箱故障诊断的准确率.     

解决JOB SHOP问题的粒子群优化算法

设计了2种解决Job shop问题的粒子群算法,即实数编码的粒子群调度算法和工序编码的粒子群调度算法。工序编码的粒子群调度算法更符合Job shop问题的特点,优化性能相对高。但粒子群调度算法容易陷入局部最优。为了提高优化性能,将粒子群算法和模拟退火算法结合,得到了粒子群-模拟退火混合调度算法。仿真结果表明了算法的有效性。     

粒子群优化人工神经网络在高速铣削力建模中的应用

将粒子群优化人工神经网络理论应用于高速铣削力的建模研究中.采用粒子群算法与反向传播算法相结合的方法,对反向传播神经网络模型进行优化.用粒子群算法训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行反向传播算法运算,以实现高速铣削力的预测.充分发挥了粒子群算法的全局寻优能力和反向传播算法的局部搜索优势.仿真结果表明,与其他几种反向传播算法相比较,粒子群算法与反向传播算法的学习算法训练的神经网络,不仅训练时间明显缩短,而且其预报精度也得到了较大的提高,能够有效地建立铣削力模型,并对铣削力进行准确的预测.     

基于最佳粒子共享的并行粒子群优化算法及其在分类中的应用

粒子群优化（Particle Swarm Optimizer,PSO）算法是数据挖掘技术的一种算法。数据挖掘就是从大型数据库中的数据中提取人们感兴趣的知识。PSO算法模仿鸟群、鱼群的行为,通过群中的每个个体即粒子,依靠本身的速度向量和群信息,在多维搜索空间中搜索找到最优解。并行粒子群算法可以减小粒子间的相互干扰,扩大搜索范围;对于大规模或超大规模的多变量求解具有重要的意义,可以提高解的速度和解的质量。本文提出了并行粒子群的改进算法。同时将改进的并行粒子群算法应用于数据挖掘的分类中。实验采用IRIS数据集,它有3个类别,分别为Setosa,Versicolor,Virginica,每个类别包含50个例子。每个例子有4个属性,分别为花萼长度,花萼宽度,花瓣长度和花瓣宽度,将数据按9：1分成两部分,大的作为训练样本,小的作为测试样本。得到一个分类规则,将这规则用于测试集,准确率为91．5％。实验结果表明该算法可行。     

基于粒子群算法的摄像机标定过程优化

摄像机标定为机器视觉在物体位姿与姿态的测量过程中最重要一环,其映射物体三维空间与二维图像之间关系是一个复杂非线性最优化问题。为了更好地解决这一复杂优化问题,阐述了利用粒子群优化(PSO)算法计算摄像机标定过程的一种优化方法,重点描述了PSO算法的原理,单目视觉测量系统,以及基于CMOS摄像机的成像模型及其原理和算法。通过图像软件提取靶体模型上特征控制点,及摄像机标定算法建立了相应的计算公式。结合PSO算法优化像机外参,实验结果表明,PSO算法计算准确、速度快,具有很强的工程应用价值。     

基于自适应粒子群算法的篦冷机电液位置伺服系统PID参数优化

针对PID控制器的参数选取直接影响到第四代篦冷机刮板在调速过程中的稳定性和调节时间的问题,提出一种新的粒子群算法的PID参数整定方法。新的粒子群算法充分利用了适应函数提供的搜索信息,对传统粒子群算法中的权值进行自适应动态控制,并用飞行时间参数替代了压缩因子,飞行时间参数的变化规律是线性递减,并把它命名为自适应粒子群算法。通过测试函数证明提出的自适应粒子群算法比传统的粒子群算法收敛速度快和寻优效率高,应用改进的方法对篦冷机电液伺服系统进行仿真实验,结果证明自适应粒子群算法的PID参数整定方法比传统的整定方法有更好的控制效果,即调速过程稳定和调节时间快。