基于人工鱼群算法的波浪发电系统最优负载

针对波浪发电系统粒子群算法最优负载求解过程中,存在全局搜索能力不足、难以获得全局最优解的问题,引入人工鱼群算法。算法通过比较"追尾或觅食或随机"和"聚群或觅食或随机"两种组合行为得到下一位置目标函数值的大小,选取执行较优的一种行为,从而确定搜索方向。通过加入随机移动步长,更新人工鱼位置并计算更新后的目标函数值,求解优化问题。仿真结果表明,与传统粒子群算法相比,该算法能够有效避免波浪发电系统陷入局部最优负载值,增加了波浪发电系统的平均输出功率,实现不同频率下系统最优负载的求解。     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

基于多种群遗传算法的波浪发电最大功率跟踪控制

波浪发电系统遗传算法最大功率点跟踪过程中,因群体中的所有个体较快趋于单一化而停止进化,导致难以获得最优解,为此引入多种群遗传优化新算法。在初始阶段,新算法引入多个种群同时进行搜索,并对每个种群赋予不同的交叉、变异概率,使算法能够兼顾全局与局部搜索;同时加入用于维持种群间联系的移民算子及可用来建立精华种群的人工选择算子,并以精华种群作为算法收敛的判据。仿真结果表明,与传统遗传算法相比,该算法能够提高波浪发电系统的波浪能捕获率。     

人工智能技术在空中交通管理中的应用

随着航空事业的迅速发展,空中交通流量也在急剧增长,空域密度也在不断提高,改进和优化空中交通管理势在必行。人工智能技术作为当前管理、操作等各项领域的技术发展方向,在空中交通管理中有着至关重要的意义。本文将从人工智能技术的概况为入手点,分析和探讨人工智能技术在空中交通管理中的应用。     

基于人群搜索算法的波浪发电系统最优负载

为寻求以提高波浪发电系统的平均输出功率为目标的系统最优负载,针对遗传算法、粒子群算法等优化算法存在早熟收敛和全局搜索能力不足的问题引入人群搜索算法。该算法通过建立目标函数值与步长的关系式,根据个体当前位置的适应度值计算下一步搜索步长;采用利己、利他和预动3个方向随机加权几何平均方案,确定个体搜索方向,提高个体全局搜寻能力,使算法避免陷入局部最优解并可得到全局最优解。仿真结果表明,与传统粒子群优化算法相比,所提算法收敛速度快,可增加波浪发电系统的平均输出功率。     

双馈风电系统混沌运动分析及解耦自适应反步法控制

为研究双馈风电系统的混沌现象及其控制问题,根据电机d-q轴数学模型,导出非线性微分方程。采用Wolf算法计算其最大Lyapunov指数谱,证明电机在某些工作条件及参数下会出现混沌运动。采用磁场定向矢量控制技术,构造状态反馈解耦,降低混沌系统阶数。基于解耦模型,采用反步法设计混沌控制器。针对含有未知参数或状态的系统,提出自适应反步法,构造虚拟控制量,设计反步控制律,实时跟踪预测系统参数并实现混沌控制。通过构造Lyapunov方程,分析混沌控制系统的稳定性,保证系统状态能快速稳定收敛至给定值。控制系统不同运行工况仿真结果表明,解耦自适应反步法可使双馈电机快速脱离混沌状态,响应速度快、控制精度高,鲁棒性强。