基于改进PSO算法的拖拉机驱动防滑PID控制策略

为提高拖拉机等非道路车辆在正常行驶和工作阶段的通过性,针对拖拉机ASR控制策略进行了研究。基于Carsim和MATLAB/Simulink联合建立了拖拉机仿真模型,结合新提出的路面识别方法,实时更新目标滑转率,并利用改进的粒子群算法自适应的调整PID控制参数。针对不同路面进行一系列仿真实验,结果表明,目标滑转率随车辆行驶不断更新并最终达到所处路面的最优滑转率;基于改进PSO算法的PID参数自适应调整迅速,拖拉机滑转率收敛至目标值的响应较快,平均约1.5 s;在对接路面上行驶时,能有效的抑制拖拉机从高附着系数路面刚进入低附着系数路面时滑转率骤升情况,在高、低附着系数路面的稳定时间分别为2.63 s和1.55 s。     

基于改进PSO-PID控制器的核电站汽轮机转速控制

为了适应核电厂汽轮机转速控制系统中时变的不确定性和非线性,提出了一种基于改进粒子群优化(PSO)算法的PID控制器。以大亚湾核电站900 MW汽轮机模拟机组在某一时期的转速实测数据为基础,首先利用遗忘因子递推最小二乘算法对汽轮机转速控制传递函数模型的参数进行辨识,得到汽轮机转速控制系统的传递函数模型;然后,运用改进PSO算法优化PID控制器参数。MATLAB/Simulink仿真结果表明,该方法具有较高的参数识别精度,增强了系统稳定性,在处理系统的内外干扰时,具有响应速度快、超调小等优点,明显改善了汽轮机转速的控制品质。     

群智能算法优化SVR预测模型的应用与分析

群体智能是基于生物群体行为规律的智能计算技术,常用以解决参数寻优等问题;作为群体智能的两种典型算法,蚁群算法和粒子群算法应用极为广泛;文章分析了标准蚁群算法和粒子群算法的不足,分别采用改进的蚁群算法和粒子群算法对支持向量机回归模型参数进行优化,并以钕铁硼吸氢阶段合金氢含量预测为例,通过MATLAB对改进后的预测模型进行了仿真验证,最终给出了两种方法优化后,模型的预测效果及性能对比;仿真结果表明,改进的群体智能算法对工艺优化控制有着重要的意义。     

基于PRS元模型的粒子群优化算法及其应用*

针对传统粒子群算法优化黑箱模型过程中存在巨大计算开销的问题,提出一种基于PRS元模型的改进粒子群优化算法—PPSO算法。在该算法迭代过程中,构建PRS元模型,利用其最优值点辅助粒子种群的更新,此外仅选择元模型预估集中优值集的粒子进行目标函数的计算仿真。将PPSO算法与基本粒子群算法、混沌粒子群算法进行数值测试对比,并应用于模糊控制器的优化设计,仿真结果表明该算法可减少真实估值次数,提高优化搜索能力。     

基于BAS-PSO的半主动悬架自抗扰控制

针对车辆半主动悬架振动控制问题，提出了一种基于天牛须粒子群优化(Beetle Antennae Search and Particle Swarm Optimization, BAS-PSO)的自抗扰控制(Active Disturbance Rejection Control, ADRC)策略。通过搭建被控模型和设计自抗扰控制器，实现了对车辆悬架系统抗扰能力的增强。为解决ADRC参数需要人工试取整定的问题，在PSO算法的基础上融合了BAS算法，有效克服了粒子群的局部最优问题，并以车辆性能指标的均方根值为目标函数，进行控制算法优化。在MATLAB/Simulink环境下进行仿真实验时，将基于BAS-PSO的ADRC与被动悬架、粒子群的ADRC和粒子群PID控制进行了验证和比较。结果表明，所提出的控制策略具有更好的减振效果。     

应用改进粒子群算法辨识Hammerstein模型

研究非线性系统辨识问题.针对非线性系统中单输入单输出Hammerstein模型,由于传统辨识方法对Hammerstein模型中非线性部分具有不易辨识的缺陷,造成辨识精度低、辨识效果差等问题.为此,在基本粒子群算法的基础上,提出了一种带有收缩因子的改进的粒子群算法对非线性系统进行辨识的方法,可将参数辨识问题转换为参数空间上的函数优化问题,然后利用粒子群算法的并行搜索能力进行参数寻优.通过MATLAB软件进行仿真,并与基本粒子群算法进行比较,结果表明,利用改进算法不仅提高了辨识精度而且获得了良好的辨识效果,从而验证了算法的有效性和可行性.     

基于改进粒子群算法的多目标分布式电源选址定容规划

通过分析分布式电源对配电网的影响,以有功功率损耗、电压质量及分布式电源总容量为优化目标,基于模糊理论建立了分布式电源在配电网中选址定容的多目标优化模型,并提出了一种改进粒子群算法进行求解。在算例仿真中,基于IEEE 14标准节点系统,采用MATLAB仿真工具对所提算法进行了测试,证实了所提算法全局搜索能力较强、收敛速度较快,并通过比较分析验证了该模型和算法的可行性及有效性。     

PSO算法在多约束染色工艺优化模型中的应用

针对染色工艺优化设计,存在周期长、成本高、无法精确定量的问题,以生产成本最小化为优化目标,构造染色工艺优化设计的数学模型。从模型可知,染色工艺优化问题是一个具有大量局部极小值、不连续、多变量、多约束的复杂优化问题。粒子群(PSO)算法是一种基于群体智能的启发式算法。它具有简单易行、收敛速度快、优化效率高、对种群规模不十分敏感、鲁棒性好等特点,能方便地被用于求解带离散变量、不连续、多变量、多约束、非线性的复杂优化问题中。因而,提出粒子群算法来求解染色工艺优化模型。考虑到粒子群算法(PSO)易陷入局部最优解的局限性,提出一种基于改进惯性权重粒子群算法。该方法通过引进指数因子改进标准粒子群算法的惯性权重,平衡了其全局和局部搜索能力,在速度和精度上满足了计算要求。仿真结果表明,在满足实际生产要求的条件下,该方法优化后的生产成本节约了25%。证明该优化模型及算法是一种可行而有效的方法,对生产成本的预测以及染色工艺参数的制定具有指导意义。     

基于PSO的全阶状态观测器转速辨识系统

对基于全阶状态观测器的异步电机矢量控制系统进行了研究与改进.通过对系统数学模型的深入分析,将改进的重心聚焦在全阶状态观测器反馈增益系数的优化上.以粒子群算法(Particle Swarm Optimization,PSO)作为优化手段,实现反馈增益系数的自寻优.在此基础上,论文通过对粒子速度更新公式的改进,使算法收敛速度明显提高.在Matlab/Simulink仿真环境下,进行了仿真验证.结果表明,基于改进型粒子群算法全阶状态观测器的异步电机矢量控制系统具有更加准确的转速估算精度与良好的运行性能.     

雷达装备测试性设计优化技术

针对雷达装备测试性优化设计的实际技术需求,对雷达测试性优化设计过程进行了分析。以雷达装备各阶段数据为基础,综合考虑测试效能、测试代价、可靠性约束等要素,研究了基于测试代价和测试效能的测试性优化方法,并给出了基于最小测试代价的雷达系统测试性优化模型。针对模型多目标优化求解问题,给出了一种基于改进的粒子群优化算法。该算法引入混沌理论,使初始种群呈现多样性,避免了传统粒子群算法的早熟现象,同时提高了搜索的精度和速度。通过对案例的仿真与验证表明,利用这种改进的粒子群算法对基于最小测试代价的测试性优化模型进行求解时,能够在满足模型目标函数的约束条件下,获得全局最优解。     

基于四旋翼无人机的粒子群PID控制研究

针对四旋翼无人机PID控制中,凭借经验知识和仿真调试来选取比例、积分、微分等参数时存在盲目性的问题,提出了利用改进后的粒子群算法对PID控制器进行优化的方法.采用自适应惯性权重的方法对粒子群进行优化能够避免在刚开始就陷入局部最优的困境,同时选用ITAE准则作为改进粒子群算法的适应度,以此达到更好的控制效果.通过MATL...     

基于过程集成的迫击炮内弹道参量优化

针对迫击炮内弹道参量在优化设计中存在的效率低、全局搜索性差、过程复杂等问题,基于迫击炮内弹道模型,提出了一种过程集成优化设计方法;首先利用MATLAB/Simulink软件搭建了迫击炮内弹道模型并通过仿真计算得到迫击炮的膛压、速度随时间变化曲线,得到的膛压和速度参量与试验结果具有较好的一致性;然后通过集成优化平台ISIGHT集成MATLAB/Simulink软件,结合带精英策略的改进非支配排序遗传算法对其进行了以最大膛压和炮口速度为目标函数的多目标优化设计;优化结果表明：优化后的最大膛压降低了13.63%,炮口速度提高了10.46%,该方法在提升内弹道性能的同时提高了优化效率,为武器的内弹道优化设计提供了一种新思路。     

改进鱼群算法在模拟机运动洗出优化中的应用

飞行模拟器是模拟和复现真实飞行活动的重要设备,一直以来模拟器的模拟效果也是备受关注的.但是,基于经典洗出算法来还原运动轨迹的运动平台存在参数设置保守、模拟效果不佳等问题,因此本文提出一种基于改进人工鱼群算法的滤波器参数优化方法.该方法基于人体前庭感知误差模型得到相应的目标函数,再利用改进后的鱼群算法对滤波器中的自然截止频率进行寻优,最后通过在Simulink中建立的仿真模型对优化后的滤波器参数进行仿真验证.结果表明:相比于经典洗出算法与基本人工鱼群算法,经改进后算法得到的新参数在算法洗出中可以有效提高运动的感知效果,减小运动误差,并且能够节约更多的运动空间.     

混合有源滤波器多目标优化设计

针对混合有源滤波器参数设计和投资优化问题, 综合考虑其初期投资成本、无功补偿、滤波效果等指标, 提出一种基于遗传粒子群复合算法的混合有源滤波器多目标满意优化设计方法, 建立起容量配置的多目标数学模型, 并运用罚函数理论, 将多目标优化转化为单目标优化, 使混合有源滤波器容量分配问题简单化, 具有更大的适用性和灵活性. 然后在电力系统计算机辅助设计/电磁暂态(PSCAD/EMTDC)环境下, 对混合有源滤波器进行仿真分析, 结果表明此优化设计的混合有源滤波器性价比得到提高. 最后, 通过实验对比, 也验证了理论分析及相关结论的正确性.     

基于DCS的电力节能优化控制系统的设计与实现

为了解决电力系统的节能优化问题,本文在传统的PSO节能控制方法的基础上,提出了一种多重自适应的粒子群优化算法,应用分散控制系统设计与实现了一种新的电力节能优化控制系统。数值仿真的结果说明了使用所提出的粒子群算法的基于DCS的电力节能优化控制系统在电力调度最佳节点的搜索精确度要高于相同条件下的一般的电力控制系统。使用所提算法的电力节能优化控制系统,能有效地对电力能耗进行优化,且具有较高的实用性。     

基于混合粒子群算法的供热管网优化设计

供热管网优化设计一直是多年来城市地下管网工程中的研究热点。通过分析供热管网的优化模型,建立关于供热管网的目标函数即供热管网投资费用,根据供热管网的目标函数及约束条件建立适应度函数。利用粒子群优化算法对该非线性模型进行求解,借鉴遗传算法中变异操作的思想,设计基于遗传算法的混合粒子群算法,寻求在水力约束条件下目标函数的最小值。实例结果表明,将粒子群优化算法应用于供热管网优化设计可以取得较好的优化结果,并且充分的体现出粒子群算法的寻优能力。     

混合粒子群算法及在可靠性优化中的应用

针对粒子群算法搜索精度低和早熟收敛的缺陷,通过算法混合,提出了基于混沌与和声搜索算法思想的混合粒子群优化算法。该算法采用Tent映射,利用混沌特性提高种群的多样性和粒子搜索的遍历性,同时采用和声策略对解空间进行开发,引入了柯西变异,帮助粒子跳出局部陷阱,采用云模型的自适应策略来调整惯性权重。最后将该优化算法应用于可靠性优化设计中,仿真实验表明,改进后的混合粒子群优化算法较基本粒子群算法收敛速度加快,且不易陷入局部极值点。     

基于改进并行粒子群算法的彩色图像匹配

本文给出了对解决图像匹配问题的一种新尝试,即基于改进并行粒子群算法的彩色图像匹配。本文提出和建立对彩色图像匹配问题的匹配策略和数学模型,应用改进并行粒子群算法(基于 .Net任务并行库(TPL)/PLINQ实现并行化)进行仿真实验并将实验结果与标准粒子群算法下的彩色图像匹配问题的实验结果进行比较,验证了算法的实用性和有效性。在大数据背景下的智能算法的应用方面迈进了一小步,同时也给本身研究不多的彩色图像匹配问题提供了一种新的且可行的解决方法。     

基于改进粒子群算法的宽带测向阵列结构优化

通过对测向模糊性进行分析,提出了针对宽带信号无模糊测向的阵列结构设计方法。该方法基于改进粒子群优化算法,以测向无模糊及各阵元最小间距为条件,对各阵元位置进行优化设计,得到合适的阵列结构以提高阵列的测向性能。仿真实验证明,改进粒子群算法提高了搜索效率,通过本方法设计的测向阵列在测向带宽内能够得到较高的测向性能,而且最小阵元间距不受均匀线阵中阵元间距不大于半波长的约束。