基于混合粒子群算法的柴油机喷油器可靠性分布的参数估计

针对在柴油机喷油器可靠性分析中运用最大似然估计求解混合威布尔参数时需要面对求解复杂联立超越方程组的问题,引入粒子群优化理论,用混合粒子群算法来求解超越方程组以达到估计混合威布尔参数的目的,并将求解结果与粒子群方法、图解法、非线性最小二乘法的求解结果进行比较。结果表明:混合粒子群算法在求解效率和收敛性能上要优于粒子群方法、图解法和非线性最小二乘法,利用该方法来估计混合威布尔分布的参数是可行的,且能获得较精确的求解结果。     

基于幅谱分割的粒子群最优模态分解研究与应用

提出了一种利用粒子群最优化技术的模态分解方法.其中多个模态的参数组成粒子属性集,粒子按照粒子群算法不断迭代获得全局最佳粒子.引入模态聚类的思路来估计出各个模态参数的上下限范围,从而给出粒子属性值的上下界,大幅度减少粒子群算法的搜索空间.首先把频响函数的幅谱曲线看成是局部波峰的集合,引入聚类分割思路构造聚类距离函数,使用k-means算法把频响函数频谱自动聚类成多个单模态类,然后运用单模态分解算法估计出每个模态类的模态参数的上下限范围,这种上下限范围就是粒子属性值的上下界.另外还采用了混合变异粒子群算法来提高最优化搜索的效率.从仿真信号的大量实验研究结果看,与经典的正交多项式拟合算法相比,该算法的噪声抵抗能力更强、更稳定.把算法应用到轻轨锚固螺杆振动检测中表明,该算法能够提取出精确的模态参数,算法在实际工程中表现出很好的稳定性和抗干扰性.     

基于改进PSO算法的发酵过程模型参数估计

建立准确的非线性机理模型是发酵过程优化调控的关键.提出了一种基于改进粒子群优化算法(PSO, particle swarm optimization)的发酵过程模型参数估计方法,并将该方法用于青霉素发酵过程建模.改进的PSO算法通过引入粒子群能量对粒子进行自适应分群以防止粒子陷入局部最优,从而保证收敛于全局最优解.实验结果表明,该方法可以有效地实现青霉素发酵过程模型参数的准确估计,所得到的模型精度能够满足发酵过程的状态估计和控制需求.     

基于粒子群算法的开关磁阻调速电动机PID控制器参数优化

针对开关磁阻调速电动机(SRD)非线性、数学模型难以精确建立的特点,采用粒子群算法对开关磁阻电动机PID控制器参数进行优化,基于MATLAB Simulink建立SRD仿真模型,仿真验证粒子群优化算法的有效性。     

改进的非线性预测电液伺服控制系统

为了解决机床电液伺服系统的非线性控制问题,提出了一种改进的非线性预测控制方法(I-NPC)。将多目标粒子群优化思想和非线性预测控制相结合,实现了多目标优化,提高了非线性系统的控制精度。将区域偏好和参考点偏好的优点融合在一起,提出一种改进的偏好多目标粒子群优化算法(IM-PSO)。改进算法可以同时实现对偏好方向和偏好范围的控制。为了加强对粒子群全局最优粒子的搜索,IM-PSO算法还引入了球扇支配的新概念。由于改进算法具有计算负担小,实时性好的特点,所以能够准确地追踪电液伺服系统设定输出,有效地解决了机床电液伺服系统精确控制的难题。仿真实验表明,该控制方法是正确、有效的。     

基于高阶累积量的OFDM信道估计算法研究

基于高阶累积量与LS准则联合估计信道参数的思想,在数据相关条件下,提出采用加权最小二乘法进行信道估计.算法提升了LS算法信道估计的精度,降低了信道估计算法的复杂度.仿真结果表明,该算法性能接近于传统MMSE和ML算法性能.     

基于ⅡR非线性信道模型的LMS均衡算法

在高速数据传输环境下,传输信道的非线性已成为影响信道误码性能的主要因素。针对由功率放大器带来的信道非线性问题,研究了一种基于ⅡR非线性信道结构的LMS算法,并构建出了一个基于ⅡR结构的非线性信道传输系统模型。基于该模型,推导了基于ⅡR结构的LMS算法来估计非线性均衡器的参数。仿真结果表明,在一定的信噪比范围内,提出的ⅡR LMS算法能达到令人满意的ED性能,有效抑制高速传输信道的码间干扰。     

改进粒子群算法应用于挖掘机铲斗位置控制

挖掘机工作装置精确的位置控制是实现其轨迹自动控制的基础。提出一种改进粒子群优化算法,应用于液压系统PID参数的优化整定中,把遗传算法中的选择和交叉两种操作方式添加到标准的粒子群算法中形成的混合优化算法,提高了算法的搜索能力。建立具有整定PID控制器功能的仿真平台,使用改进粒子群算法、标准粒子群算法和相位裕度方法对PID控制器进行整定仿真,根据仿真结果,进行了模拟铲斗平地运动试验。仿真和试验结果表明改进粒子群算法整定的PID控制器参数,在电液伺服系统的动态响应和精确的轨迹控制方面有良好效果。     

基于低压电力线通信信道的自适应估计研究

为了解决低压电力信道的估计问题,提出了基于OFDM系统的低压电力线信道的自适应估计和均衡技术的直接决策估计方法,所提的方法通过接收到的子载波符号代表一个竞争的神经元网络,通过神经网络的神经元自适应估计信道的变化权值,然后根据信道的权值进行信道估计,最后利用消除星座对称补偿非线性的影响达到信道均衡.该方法不需要低压电力线信道的预备知识,通过仿真和实际测试的低压电力线系统说明该方法能达到较好的信道估计和均衡.     

复杂系统可靠性冗余优化的量子粒子群算法研究

由于复杂系统可靠性函数常常具有非线性的特点,因此如何确定复杂系统各单元冗余数,设计既满足可靠度要求、又使系统成本最小是冗余优化问题中的难点.针对复杂系统的特点,提出了基于量子粒子群算法的求解方法.根据数学模型,详细探讨了量子粒子群算法在系统的可靠性优化计算中应用的可行性,并给出了基于粒子群算法的可靠性的求解策略,同时对桥式系统的可靠性优化设计问题进行分析计算.仿真表明,该算法具有较强的局部搜索能力,与其他方法相比,该算法有较高的搜索效率,能够找到更优的解.最后验证了该算法在复杂系统可靠性优化中的可行性和有效性.     

自适应SA-PSO优化的威布尔混合分布参数估计方法及应用

针对采用传统参数估计方法得到的模型拟合误差较大的问题，建立多重威布尔混合分布参数估计的非线性最小二乘模型，并提出基于模拟退火（SA）思想的自适应粒子群（PSO）算法进行求解。在PSO算法优化过程中，采用自适应方法调整惯性权重和加速因子，加快其收敛速度；引入模拟退火机制，根据Metropolis准则确定最优粒子的取舍，改善其全局搜索能力。将该方法应用到某型柴油机喷油器失效分布的参数估计中，并与图解法、基于Levenberg-Marquardt的非线性最小二乘法、标准PSO算法、自适应PSO算法求解的结果进行比较，分析所提方法的优化性能及精度。结果表明，该方法能够有效提高多重威布尔混合分布模型参数估计的精度和效率。     

用改进的粒子群算法求解并联6自由度平台的最大误差

最大误差是评价并联6自由度平台性能的重要指标,提出了改进的粒子群算法来求解最大误差.首先借助矩阵微分法求出平台误差表达式,将最大误差作为优化目标函数,除了各结构参数误差外,还将平台的位置和姿态列入优化变量.在标准粒子群算法中引入非线性变化权重和变异操作来保证全局收敛并提高收敛精度.实例计算表明该方法的有效性,可用于平台设计阶段的误差预测.     

基于粒子群优化的核主元分析特征的提取技术

针对核主元分析在参数设置上的盲目性,提出应用粒子群优化算法优化核函数参数.并将核主元分析应用于特征提取中.首先建立核函数参数优化的数学模型,然后应用加速度自适应粒子群优化算法对其寻优,并通过Iris数据集进行仿真研究,验证其提取特征的有效性.将优化的核主元分析方法应用于齿轮箱典型故障的特征提取中,结果表明:参数优化的核主元分析能有效降低齿轮箱特征向量的维数,较线性主元分析取得更好的故障识别效果.该方法在机械故障信号的非线性特征提取中具有优势.     

基于免疫粒子群算法的污水处理优化研究

针对污水处理过程所具有的多变量、非线性和大时滞的特点,在污水生化反应过程中提出基于免疫粒子群的参数估计方法。在粒子群进化过程中,引入免疫算法机制,通过抗体与抗原的参数计算来促进或抵制抗体的进化,保证粒子群进化的多样性,指导粒子群的优化过程,克服粒子群算法的早熟现象,加快收敛速度和提高全局寻优能力,成功估计模型参数。应用免疫粒子群算法在各类工程模型确定中有较大的应用潜力。     

粒子群算法在工程优化设计中的应用

将粒子群算法与惩罚函数法相结合,建构一种离散粒子群算法,解决工程上非线性约束离散变量优化设计问题。为实现离散变量与连续变量的转化,构造了相应的扩张函数,提出惩罚因子的确定策略。通过容器设计算例验证,粒子群算法方法优于文献所列方法。应用粒子群算法、惩罚函数法及所提出的策略对波纹管工程实例进行优化设计,其单位重量下整体波纹管的补偿量比在用产品提高了79.96%,与理论解接近,进一步证明了离散粒子群算法及策略在处理工程非线性约束离散优化设计问题时的有效性,其为工程上类似优化设计提供借鉴。     

Correction of sensor's dynamic error caused by system limitations

The method based on particle swarm optimization (PSO) integrated with functional link articial neural network (FLANN) for correcting dynamic characteristics of sensor is used to reduce sensor's dynamic...     

基于非劣最优理论的PSO多目标设计的应用

介绍基于非劣最优理论的粒子群优化算法所进行的多目标优化设计,以斜齿轮体积和传动平稳可靠性为目标函数,建立斜齿圆柱齿轮传动的多目标设计数学模型。为高速运转状态下,斜齿轮设计提供一种快速、优化的好方案。     

基于KPCA和PSOSVM的异步电机故障诊断

针对异步电机故障振动信号具有较强的非线性特征,而传统的线性分析方法易造成振动信号非线性成分的丢失这一情况,提出一种核主元分析和粒子群支持向量机相结合的异步电机故障诊断方法。利用核函数实现输入空间到高维特征空间的非线性映射以及对映射数据的主元分析,得到原始样本的非线性主元,实现特征提取和数据压缩,将获得的核主元特征通过支持向量机进行模式识别。采用距离比值法和粒子群算法分别对核主元分析和支持向量机的参数进行双重优化选择。实验结果表明,该方法能有效提取故障信号的非线性特征,具有较强的非线性模式识别能力,相比主元分析和支持向量机方法,分类效果更好,实时性更强,可快速有效实现异步电机故障诊断。     

基于粒子群优化算法的 AR模型参数估计

利用粒子群优化算法对模型AR（ P）参数进行优化,提高了模型的预测精度。采用AIC准则判断出模型的最佳阶数。该估算方法优于传统的基于最小二乘估计和基于灰色理论估计,为此类模型的参数估计提供了一种新思路。     

改进的粒子群优化算法及其工程应用

针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。