基于CMOS的FBG传感网络图像解调技术研究

寻求一种低成本高性能的光纤光栅传感系统的解调方案是实现光纤光栅传感器实用化的关键问题之一。为了有效解调FBG传感网络,本文提出并实现了一种基于COMS图像传感器的FBG图像解调方案,将FBG网络的波长解调转化为FBG光斑图像解调。实验结果表明,本文提出的FBG图像解调系统具有精度高、复用能力强等优点,能够较好地满足光纤光栅网络解调系统的解调要求,具有较好的应用前景。     

长周期光纤光栅解调的FBG温度传感系统

长周期光纤光栅是特定波长范围内的线性滤波器件,该文设计了长周期光纤光栅解调的布拉格光纤光栅温度传感系统。在布拉格温度传感器中,布拉格光纤光栅的反射波中心波长随温度的改变会引起一定程度的漂移,设计布拉格光纤光栅的波长变化在长周期光纤光栅的线性吸收区域,可以使长周期光纤光栅对布拉格光纤光栅的反射波长的吸收随波长而改变,随后使用光电传感器可以得到电信号与温度信号的相对应关系,从而把温度信号转换成了电信号。对该系统的测试及仿真结果证明,该系统有很好的温度检测功能。     

基于粒子群-遗传混合算法的深沟球轴承优化设计

为了提高深沟球轴承的服役性能，提出一种基于粒子群-遗传混合算法的优化设计方法。其以额定动载荷和额定静载荷为目标函数，以滚动体直径、节圆直径、滚动体数目和内外圈滚道沟曲率半径系数为设计变量，基于粒子群算法，引入罚函数和遗传交叉、变异操作，解决带约束优化问题求解和局部最优问题。并以6206型轴承为算例，对优化后的轴承进行应力分析和敏感度分析。结果表明，所提出算法的收敛性能较好、优化能力较强、运算速度较快，优化后的深沟球轴承接触应力下降了31.7%，从而验证了所提出方法的有效性。     

一种混沌粒子群混合算法研究

提出了一种混沌粒子群混合算法,该算法综合了粒子群算法全局寻优的高效性和混沌算法局部搜索的随机性和遍历性.通过对几种函数的测试,结果表明该算法的搜索效率和寻优精度高于一般的粒子群算法和改进的粒子群算法.     

基于差分进化的量子粒子群优化算法的研究

为了提高量子粒子群算法(QPSO)的性能,利用差分进化对量子粒子群算法进行了优化.该优化算法(DE -QPSO)在粒子更新过程中,首先通过添加一个扰动来产生一个变异粒子,然后对变异粒子进行交叉操作产生新的试验粒子,最后对试验粒子进行选择操作,确定进入下一次迭代的个体.用5种标准测试函数对DE -QPSO、QPSO和 粒子群算法(PSO)的性能进行对比测试,结果表明DE-QPSO算法的性能明显优于PSO和QPSO算法,具有较好的应用价值.     

FBG传感器在节点试验中的应用研究

在钢梁与混凝土墙连接节点抗震性能试验研究中,在混凝土墙内部和钢梁翼缘的测点处同时布置了FBG应变传感器和电阻应变片进行应变采集,并将两者测得数据进行对比分析。结果表明：FBG应变传感器具有良好的抗干扰性和稳定性、安装和使用过程中不易损坏;表面式FBG应变传感器所测结果与电阻应变片所测结果基本一致,而内埋式FBG应变传感器所测结果与电阻应变片所测结果有一定差距;表面式FBG应变传感器具有较好的可用性与适用性。     

基于量子粒子群算法的测试数据自动生成算法

本文针对现在流行的进化算法生成测试数据存在参数设置难、算法复杂度高、易陷入局部最优解等缺点,提出了一种应用于软件测试中的基于量子粒子群算法（QPSO）的测试数据自动生成算法。该算法是在粒子群（PSO）算法基础上引入量子理论的思想。解决了PSO算法搜索空间有限,容易陷入局部最优解的问题。通过具体实验证明,该方法是有效可行的,其效率也明显高于GA算法和PSO算法。     

基于混沌粒子群的改进LEACH算法

针对无线传感器网络中LEACH高能耗及簇头早死问题,在簇头选择过程中,考虑了节点剩余能量和到基站的距离.通过混沌优化的粒子群算法来扩大搜索范围,迭代选取性能最优的节点作为簇头.在能量消耗总和、节点存活数和网络剩余能量3个方面进行了几种方法的对比研究.     

基于粒子群遗传混合算法的配电网无功规划

提出了一种基于粒子群算法(PSO)和遗传算法(GA)相混合的配电网无功规划算法。该算法利用遗传算法收敛效果好和粒子群算法收敛速度快的特点,计算结果表明:该算法是收敛的、有效的。     

一种改进的混合粒子群优化算法

针对粒子群优化算法容易陷入局部极值点、进化后期收敛速度慢、精度较差等缺点,把Hooke-Jeeves模式搜索方法作为粒子群优化算法的一个局部搜索算子,嵌入到粒子群算法中,Hooke-Jeeves的强局部搜索能力提高了粒子群优化算法的局部收敛速度和精度,从而提出了一种混合粒子群优化算法。通过基准函数和实例测试进行了验证,结果表明,提出的混合算法的收敛速度和精度均优于粒子群优化算法。     

基于啁啾光纤光栅称重传感器的研究

利用啁啾光纤光栅匹配滤波解调技术,研制了应用于大型称重系统的光纤光栅称重传感器,在压力为0~90 kN测量范围内,得到了线性度0.999 93和重复误差0.09%FS的实验结果。该传感器避免使用昂贵的波长解调设备,结构简单,成本低,有望在工程实践中获得实际应用。     

粒子群优化算法及其与遗传算法的比较

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题。该文讨论粒子群优化算法的基本原理和实现步骤,分析了该算法中各参数的设置。通过一个测试函数,对粒子群优化算法与遗传算法进行了比较,结果表明粒子群优化算法在找寻最优解效率上好于遗传算法。     

基于粒子群算法的城市接驳公交网络优化调度方法

为提高公共交通分担能力和解决轨道交通与交通出行起讫点之间的公共交通接驳优化调度问题,提出了轨道与公交的接驳公交网络优化模型.模型主要考虑不同接驳站点在不同时间对轨道交通和交通出行起讫点之间的接驳需求建立多目标模型.分析选用粒子群算法对所建立的多目标优化模型进行分析求解,比较了在轨道接驳需求下多种车队规模的调度线路、时刻安排状况,得到轨道线路邻近区域内接驳网络的优化调度,当车队规模在定值时即可满足接驳轨道交通的换乘需求,优化调度使得平均满载率显著下降,另外,验证了接驳公交网络基于粒子群算法的优化调度可有效降低营运消耗.     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

基于改进粒子群优化算法的贝叶斯网络结构学习

贝叶斯网络结构学习是数据挖掘和知识发现领域的重要研究技术之一,在网络结构的搜索空间较大的情况下,传统的二值粒子群优化算法往往存在收敛速度慢,容易陷入局部最优,学习精度较差的缺陷。在传统二值粒子群优化算法基础上,利用互信息限制粒子群算法的初始化,缩小算法的搜索空间,同时构建新的进化模型代替原有的进化公式,使得改进后的算法具有更强的寻优能力。采用ASIA网络作为仿真模型,并与原有算法比较,结果表明,改进算法能够在较少的迭代次数下找到较优的解,并且基本没有增加算法的复杂度。     

基于粒子群的电力通信网线路优化方法

为了满足电力通信网高可靠性的业务承载要求,尤其是35 kV及以下边缘接入网络,提出了一种基于粒子群的电力通信网线路优化方法。在最小建设代价的基础上,综合考虑网络的可靠性和业务分布的因素,设计了电力通信网线路优化的问题模型,最后利用粒子群进行求解。经仿真验证,该方法能在一定程度上提高规划方案的灵活性和全面性,为电力通信网提供有效的线路优化方案。     

Drilling Path Optimization Based on Particle Swarm Optimization Algorithm

This paper presents a new approach based on the particle swarm optimization (PSO) algorithm for solving the drilling path optimization problem belonging to discrete space.Because the standard PSO algorithm is not guaranteed to be global convergence or local convergence,based on the mathematical algorithm model,the algorithm is improved by adopting the method of generate the stop evolution particle over again to get the ability of convergence to the global optimization solution.And the operators are improved by establishing the duality transposition method and the handle manner for the elements of the operator,the improved operator can satisfy the need of integer coding in drilling path optimization.The experiment with small node numbers indicates that the improved algorithm has the characteristics of easy realize,fast convergence speed,and better global convergence characteris- tics.hence the new PSO can play a role in solving the problem of drilling path optimization in drilling holes.     

基于小世界邻域结构的微粒群算法研究

分析了邻域结构对微粒群算法的影响，针对收敛速度慢，早熟收敛等缺点，结合小世界网络的基本特性，提出了一种基于小世界邻域结构的微粒群算法。在该模型中，邻域内部的高聚集性有利于微粒的细致搜索，而邻域间少量的长程连接又能保证微粒在进化过程中更加全面、快捷地实现信息的有效共享，从而在提高收敛速度的同时防止陷入局部最优。将本模型与Gbest模型及环形结构进行比较，发现该算法不仅具有更快的收敛速度，而且能够获得更好的收敛效果。