改进的粒子群算法在电力经济调度中的应用

电力系统经济调度(ELD)是一种多约束性和非线性的问题,提出使用改进粒子群优化算法IPSO来优化ELD问题。一方面,通过重组的方式改变粒子的运行方向和速度,提高种群多样性,防止算法早熟收敛。另一方面,提出一种凹函数模型的动态惯性权重ω,并对学习因子c1和c2加以改进,以提高算法的全局搜索能力。将改进的算法应用于8种ELD案例中进行仿真实验,并与其他三种算法进行对比。结果显示,对于8种案例,只有IPSO能全部搜索到最小的燃料成本值,并且IPSO体现出更优越的收敛性和稳定性,能跳出局部最优,因此IPSO是一种高效的解决ELD问题的方法。     

基于改进粒子群的虹膜定位算法

提出了一种改进的粒子群优化算法（IPSO）来解决虹膜定位问题。该算法采用两种速度更新策略来增强种群多样性并提高算法自身的收敛速度,并提出一种变异操作以阻止IPSO陷入局部最优。对虹膜内进行边缘定位时,通过搜索6条直线与虹膜内边缘的交点来获得12个边缘点;另外建立了与这12个点有关的目标函数,并用IPSO来优化该函数。根据IPSO在该函数上的应用,找到一个最合适的圆来拟合虹膜内边缘。进行虹膜外定位时,设计了一个模板来提取虹膜外边界,然后从外边界中选择12个边缘点,并同样使用IPSO找到一个最合适的圆来拟合虹膜外边缘。为了验证基于改进粒子群优化算法的虹膜定位方法（ILA-IPSO）的性能,从中国科学院自动化研究所的数据库中选择了不同个体的108幅虹膜图像。实验结果表明,ILA-IPSO算法要好于其它两种方法,该算法利用最少的定位时间获得了最高的成功率。     

基于IPSO算法的制造车间物料配送路径优化

针对制造车间物料供应路径复杂多变问题,建立了以物料配送路径最短为优化目标的物料配送模型,并提出了一种改进粒子群优化算法(Improved Particle Swarm Optimization Algorithm,IPSO)旨在解决此问题模型。IPSO算法可以在运行过程中自适应地以正切函数的变化方式调整惯性权重系数,同时构建基于惯性权重系数自行调整的加速度因子c_1、c_2的变化关系式。通过仿真实验与基本及其他典型改进PSO算法进行比较,实验结果表明,IPSO算法具有良好的全局搜索能力与较高的搜索精度,可以有效对制造车间物料配送路线进行优化。     

基于免疫粒子群优化算法的微电网谐波抑制策略

为解决微电网中变频器和电力设备运行引起的非线性负载谐波问题,提出了基于免疫粒子群优化(IPSO)算法的微电网无源滤波器谐波抑制策略,将免疫系统的免疫机制原理引入粒子群算法中,有助于提高粒子群算法全局收敛能力,主要目的是实现免疫粒子群算法优化滤波器参数,最终通过优化滤波器的方式达到微电网谐波抑制。从仿真结果可以得出,并网模式与孤岛模式相互转化过程中,IPSO算法可以有效地降低负载侧输出电压谐波比。     

基于IPSO的非晶合金干式变压器优化设计

为降低非晶合金干式变压器的材料成本,分析了变压器优化设计的数学模型,选取了优化变量,给出了基于粒子群算法(PSO)的变压器材料成本优化模型,包括其变量编码方式、迭代方程和适应度函数.针对PSO易收敛于局部最优的问题,提出一种带自适应粒子交叉搜索策略的改进粒子群算法(IPSO).实例优化结果表明,IPSO优化后的材料成本...     

基于改进粒子群算法的油茶花粉采摘机械臂轨迹规划

针对人工收集油茶花粉存在劳动强度大、效率低等问题,基于油茶花的生长特性,设计了一种油茶花粉采摘机器人。以油茶花粉采摘机械臂为研究对象,采用D-H方法对其进行建模和正、逆运动学分析;在Matlab软件环境下,采用蒙特卡罗方法求解末端手爪的工作空间,得到机械臂末端工作空间的点云图像。仿真数据表明,所设计的机械臂能够很好地满足油茶花粉采摘要求。由于传统机器人轨迹规划存在效率低、运行不稳定等问题,提出了一种改进粒子群（IPSO）算法对油茶花粉采摘机械臂的轨迹进行优化。该方法以时间为适应度函数,有效地将5-5-5多项式插值函数与IPSO算法相结合。通过对比传统遗传算法（SGA）与传统粒子群算法（SPSO）,表明IPSO算法能更好地适用于油茶花粉采摘机械臂的时间最优轨迹规划。     

基于IPSO-SVR的航空发动机磨损预测研究

为提高支持向量回归(Support Vector Regression,SVR)预测模型对航空发动机磨损预测的准确性,提出利用改进的自适应粒子群优化(Improved Particle Swarm Optimization,IPSO)算法对SVR的结构参数和训练样本向量维数进行优化。IPSO算法采用非线性惯性权重和自适应探测响应机制,克服传统粒子群随机初始位置影响寻优结果的不足,提高预测结果的准确性和一致性。利用某型发动机光谱分析数据进行磨损预测研究。结果表明:与传统PSO-SVR和常用BP神经网络预测模型相比,IPSO-SVR预测结果具有更高的准确性,且预测结果保持良好的一致性。     

基于IPSO-PNN的电动汽车故障诊断

为了提高电动汽车故障诊断的准确性,提出了一种基于改进粒子群(Improved Particle Swarm Optimization,IPSO)算法优化概率神经网络(Probabilistic Neural Network,PNN)的电动汽车故障诊断方法,即基于IPSO-PNN的电动汽车故障诊断方法。首先,研究了基于PNN的电动汽车故障诊断模型,分析了PNN的平滑因子对该模型诊断准确率的影响;其次,在粒子群(Particle Swarm Optimization,PSO)算法中引入频率粒子群和采用动态惯性权重,改善PSO算法的全局和局部寻优能力,利用IPSO算法优化基于PNN的电动汽车故障诊断模型的平滑因子,以改善模型的分类能力;最后进行仿真与分析。仿真结果表明:相较于基于PSO-PNN的电动汽车故障诊断方法,基于IPSO-PNN的电动汽车故障诊断方法具有更高的诊断准确率和诊断速度。     

模拟退火——免疫粒子群融合算法研究

本文详细分析了粒子群算法、人工免疫算法、模拟退火算法存在的优缺点,并基于算法融合的思想,从基于退火思想的个体极值更新、惯性权重线性递减、免疫记忆、免疫调节、与模拟退火算法协同搜索五个方面进行改进融和,提出了SA-IPSO算法,并用3个经典算例进行仿真实验。实验结果表明,该算法较PSO算法、IPSO算法而言,收敛速度明显加快,全局寻优水平大幅提高,当迭代次数较大时,可以稳定地收敛到全局最优解。     

改进移动闭塞方式多列车运行粒子群优化算法

闭塞是多列车运行必须要考虑的重要问题。为了提升移动闭塞方式下的多列车运行的闭塞效果,本文提出了一种改进的粒子群算法(Improved Particle Swarm Optimization Algorithm,IPSO)。采用粒子群算法与遗传进化相结合的方式,以有效提升粒子群算法的全局寻优能力。具体的移动闭塞方式下的多列车运行优化算例的仿真结果表明,本文提出的改进的粒子群优化算法具有较佳的优化效果,适合于解决移动闭塞方式下的多列车运行优化问题。     

车辆液压系统遗传神经网络诊断技术研究

基于AMEsim建立了牵引-制动型液力变矩器液压系统仿真模型,通过注入不同故障信息,分析变矩器进口压力不稳定的故障原因,生成了仿真故障样本。通过试验,采集待检测的液压故障样本,基于遗传神经网络以仿真故障样本为训练样本,对待检测故障样本进行了模式识别。试验结果表明,故障仿真模型可以较好的模拟液压系统故障,将其与遗传神经网络相结合可以实现故障的智能诊断。     

改进k-means的控制自动化系统工业故障诊断预测

为提升自动化系统的运行效果，提出改进k-means的控制自动化系统工业故障诊断预测方法。该方法首先使用改进k-means对TE化工数据聚类处理，依据处理结果完成数据信号的去噪；再基于鲁棒ICA方法计算信号的独立成分，建立故障诊断模型，结合建立的固定监测阈值，完成TE化工过程的故障诊断；系统故障诊断后，继续对系统TE化工过程实施监测，依据监测结果建立故障预测模型，结合LS-SVM回归预测方法实现自动化控制系统TE过程的故障自动化预测。实验结果表明，使用该方法开展控制自动化系统工业故障诊断预测时，故障诊断预测效果好。     

基于改进EMD和谱峭度法滚动轴承故障特征提取

针对滚动轴承故障信号的强背景噪声特点,提出一种基于改进经验模态分解(empirical mode decomposition,简称EMD)与谱峭度法的滚动轴承故障特征提取方法.首先,利用EMD方法对原故障信号进行分解,得到若干平稳固有模态分量(intrinsic mode function,简称IMF);然后,采用灰色关联度与互信息相结合方法剔除传统EMD分解结果中存在的虚假分量;最后,运用谱峭度法和包络解调方法对真实IMF分量进行分析,提取故障特征频率.通过对实际滚动轴承故障信号的应用表明,该方法可有效地提取滚动轴承故障特征,且能够取得比传统包络解调分析更好的效果.     

重载铁路电化区段信号机械设备故障自动检测方法

为解决重载铁路电化区段信号机械设备故障在检测中存在检测结果误差大、错检与漏检率高等问题，设计了重载铁路电化区段信号机械设备故障自动检测方法。分析重载铁路电化区段信号机械设备的组成，以及机械设备运行的自动化控制过程，确定机械设备故障类型；针对不同故障类型设置故障自动检测判据，利用传感器设备采集实时运行数据，通过滤波和融合后输出初始数据样本，提取信号机械设备实时信号特征，通过计算检测判据相似度，确定信号机械设备故障类型，输出故障自动检测结果。实验结果表明，所提方法综合信号机械设备故障位置、程度等多个方面，使平均检测误差低于1.0,错检率和漏检率均低于1%,提升了重载铁路电化区段信号机械设备故障自动检测的有效性。     

基于动态聚类的电力变压器故障诊断

本文提出了一种新电力变压器故障诊断的动态聚类方法，以人工免疫网络对故障样本进行免疫学习和记忆，提取表征故障样本的有用特征作为核可能性聚类算法的初始聚类中心，再用遗传算法动态选取聚类个数和中心实现故障样本的分类。该诊断方法经大量实例分析，并将其结果与BP神经网络等方法的结果相比，表明该算法具有较高的诊断精度。     

大数据处理环境下大型机组设备故障可视化诊断方法研究

为了提升大型机组设备故障信息的提取效率,实现故障可视化诊断,提出大数据处理环境下大型机组设备故障可视化诊断方法。采用基于工作变形分析( ODS )的振动可视化技术完成大型机组设备的振动分析,获取设备不同模态下的故障频率响应信号,并将其频率谱作为故障特征,利用模糊减法聚类算法获取故障诊断结果;并利用三维平行散点图与人机交互将故障诊断结果可视化呈现。测试结果表明,该方法可通过数据聚类有效完成大型机组设备故障诊断,并且具备较好的可视化效果,可满足大型机组设备故障的可视化需求。     

基于故障先兆判定模型和动态置信度匹配的主轴润滑故障预测方法

为提高数控机床主轴传动系统润滑不良故障的预测能力和预知性维护能力,针对现有故障预测方法的局限性以及主轴零部件耦合、故障并发等特征,提出一种基于故障先兆判定模型和动态置信度匹配的主轴润滑故障预测方法。根据关联程度约简故障先兆表征参数,基于故障历史数据集定义故障先兆状态序列,结合小波分析和概率神经网络技术构建故障先兆判定模型,设计动态置信度匹配算法,进而从可靠性和正确性的角度融合各故障先兆参数状态匹配结果,在线预测故障发生的概率及时间。试验结果表明,该方法能够有效实现主轴传动系统润滑不良故障的预测。     

基于Vague集相似度量的滚动轴承故障诊断

针对滚动轴承故障参数与故障类型之间关系的复杂性和不确定性,采用Vague集相似度量的故障诊断方法,将故障类型与故障参数之间的关系以及待测样本的故障参数用Vague集表示,通过计算并比较待测样本Vague集与故障样本Vague集之间的相似度量得到故障诊断结果,并给出了算例。     

随车起重机变幅液压系统故障诊断仿真

针对液压系统中元件复杂、故障隐蔽性强而造成的诊断难题,提出了基于模型的故障诊断方法,为验证方法的可行性,进一步提出了故障诊断的仿真验证方法,搭建了其仿真模型。以某型随车起重机变幅液压系统的工作原理为基础,分析了变幅液压系统常见故障及故障注入方法,选取换向阀阀芯卡死故障进行诊断,通过阀芯液阻控制模块注入阀芯卡死故障,建立其功率键合图模型;其次,利用扩展遍历路径法生成一组解析冗余关系(ARR)的公式,并推导出阈值计算公式,采用MATLAB/Simulink平台搭建的故障诊断仿真模型计算出系统残差;最终,根据残差估计结果,对带有换向阀卡死故障的变幅液压系统进行诊断。通过诊断结果与初始故障注入对比,以及对随车起重机实验台的故障实验结果分析,验证了基于模型的液压系统故障诊断方法的可行性和高效性,为工程机械液压系统的故障诊断提供了新思路,并为预测液压系统剩余寿命奠定基础。     

一种基于GIS的高压线故障监控显示技术研究

GIS是获取、存储、分析和管理地理空间数据的重要工具.通过GIS技术在Delphi环境下的应用,设计并实现了一个架空高压线故障监控显示方案.可实现短路、断路、接地故障等多种故障的监控,并可以实现故障节点和故障线路的显示.主要实现了基本的地图创建、节点和线路信息管理、线路拓扑结构生成、故障显示等.系统通过接收高压线上各个监控模块上传的基本故障信息,对故障信息进行分析,并在地图上显示出故障位置和类型,同时给予一定的故障提示.实验表明,该方案可以很好地对故障进行监控和显示.