基于量子粒子群算法的结构模态参数识别

以由结构输入输出数据计算所得实测频响函数与理论频响函数差值最小化为优化目标,通过对理论频响函数中所含结构模态参数搜索取值使目标函数最小,即将结构模态参数识别问题转化为优化问题。采用量子粒子群算法对此过程优化计算,获得结构模态参数。用数值模拟六层框架结构对该方法进行验证。结果表明,量子粒子群可有效识别结构模态参数。     

粒子群算法的混沌优化

粒子群算法具有较强的普适性、鲁棒性、全局搜索性等特点,在求解复杂问题时具有明显的优越性,本文对粒子群算法进行混沌优化,使其为决策者提供一种有效的优化工具。     

基于粒子群算法优化支持向量机的视频火焰检测

为提高火焰检测精度,该文提出了一种基于粒子群算法优化支持向量机的视频火焰检测方法。利用背景减除法对视频图像进行处理,得到原始图像的二值化图,通过提取二值化图的图像特征确定火焰检测模型的支持向量。采用PSO算法优化SVM的惩罚系数和核系数,建立了基于PSO-SVM的视频火焰检测模型,仿真分析结果表明,该文所提出的火焰检测方法的检测精度和检测时间分别为97.31%和31.94s,检测结果明显优于SVM和GA-BP算法,验证了该文所提方法的正确性和实用性。     

基于粒子群优化算法的螺旋钻机变幅机构铰点位置优化

螺旋钻机变幅机构铰点位置是影响变幅机构性能的关键因素之一,它对变幅油缸最大油压、变幅机构各铰点最大受力、活动钻桅起柱时间等变幅机构主要性能参数都有决定性影响。针对传统设计方法对获取最佳铰点位置需要反复试算、耗时长、效率低且难以精确定位的不足,为了快速、高效、准确地获取最优铰点位置,以变幅机构的活动钻桅为研究对象,在分析变幅机构结构和工作原理的基础上,建立了变幅机构力学模型,并将变幅油缸的油压作为目标函数,以变幅机构的结构限制和油缸制造工艺要求确定约束条件。基于粒子群优化算法,结合MATLAB对目标函数进行运算分析,以变幅油缸的最大油压最小为目标确定了变幅机构最优铰点位置。铰点位置优化后,变幅油缸最大油压降低了9.2%,变幅机构各铰点最大受力降低了9.1%~9.2%,变幅机构性能明显得到提升。该研究提供了一种快速可行的铰点位置优化方法,对变幅机构的优化设计具有实际参考意义。     

蚁群和粒子群混合优化SVM的钢板表面缺陷分类研究

热轧带钢表面的温度高、生产速度快,辐射光强,并且存在着水、氧化铁皮、光照不均等现象,难以通过人工进行表面质量在线检测。针对当前国内某钢厂热轧钢板表面缺陷检测仍由人工离线完成、缺陷识别准确率低的生产问题,充分利用大量图像信息,提出一种图像处理与蚁群和粒子群混合优化支持向量机结合的缺陷分类方法。首先,融合局部二值模式和局部相位量化两种特征提取方式的优点,进行钢板缺陷图片的特征提取,采用蚁群和粒子群优化出支持向量机的惩罚参数和核函数参数进行钢板表面的缺陷分类。最后采用Matlab仿真平台,将蚁群和粒子群混合优化的支持向量机分类模型与传统的支持向量机分类模型进行仿真对比分析。试验结果表明,采用蚁群和粒子群混合优化的支持向量机分类模型的分类精度高于传统的支持向量机模型。     

粒子群优化算法综述

粒子群优化（PSO）算法是一种新兴的优化技术,其思想来源于人工生命和演化计算理论。PSO通过粒子追随自己找到的最好解和整个群的最好解来完成优化。该算法简单易实现,可调参数少,已得到广泛研究和应用。详细介绍了PSO的基本原理、各种改进技术及其应用等,并对其未来的研究提出了一些建议。     

复杂质量结构产品参数设计的粒子群优化算法

首先提出了质量结构的概念,以质量结构模型表征复杂产品的质量特征,并基于产品的质量结构建立复杂产品系统参数设计模型,调用改进的粒子群优化算法求解,从而完成了复杂质量结构产品参数设计过程,为复杂质量结构产品的参数设计提供了一种新的思路。最后以气动换向装置的参数设计为例说明了所提方法的应用过程,验证了其可行性和有效性,得到设计参数的最优组合为换向活塞直径25.4851mm、气缸内气压3.2MPa及换向行程51.8mm。     

基于粒子群支持向量回归的原位自生工艺参数优化

综合应用激光熔覆和原位反应增强金属基复合材料,是当前金属基复合材料研究领域的一个热点,本文采用该工艺制备铁基表面复合材料,重点考虑该工艺参数的确定问题.根据在不同工艺参数下合成的铁基表面的WC体积分数实测数据集,提出建立不同工艺参数下WC体积分数的支持向量回归预测模型,并与基于人工神经网络模型(ANN)的预测结果进行比较.结果显示:对于相同的训练样本和检验样本,SVR预测模型比ANN预测模型具有更强的泛化能力.最后根据建立的预测模型,应用粒子群算法寻优得到最优工艺参数,该工艺参数在实际实验过程中的应用,验证了该方法的有效性.     

粒子群优化算法在电网规划中的应用

粒子群算法适合求解连续变量优化问题,本文提出了粒子群算法的新离散化方法。常规粒子群算法在电力系统优化问题中取得了成功,但有"趋同性"。本文提出了改进多粒子群优化算法(IPPSO),IPPSO是两层结构:底层用多个粒子群相互独立地搜索解空间以扩大搜索范围;上层用1个粒子群追逐当前全局最优解以加快收敛。粒子群以及粒子状态更新策略不要求相同。     

基于自适应非线性粒子群算法的光刻光源优化方法

光刻光源优化作为必不可少的分辨率增强技术之一,能够提高先进光刻成像质量.在先进光刻领域,光源优化的收敛效率和优化能力是至关重要的.粒子群优化算法作为一种全局优化算法,自适应控制策略可以提高粒子的全局搜索能力,非线性控制策略可以扩大粒子搜索范围.本文提出一种基于自适应非线性控制策略的粒子群优化算法,将光刻光源优化问题转换...     

基于PSO算法的MFF模型的参数辨识与优化

基于磁链理论和Monte-Carlo法,建立了磁流体薄膜(MFF)传感模型和MFF透射模型,分析了磁流体透射特性。采用粒子群算法对MFF透射模型进行了参数辨识,分析了群体数目、迭代次数、惯性权重、加速度因子等参数选值对算法运行结果的影响,并选取了最佳参数组合。搭建了MFF电流传感器实验平台,运用MFF透射模型对MFF电流传感器进行了仿真预测,分析了MFF厚度和粒子浓度对MFF透射性的影响,实验及仿真结果表明该模型预测误差在2.3%以内,该MFF电流传感器的测量灵敏度达到12 μW/A。     

基于微粒群算法的系统可靠性优化

微粒群算法是近来发展起来的一种新的优化计算方法,在简要说明微粒群算法的基础上,将该算法用于系统可靠性优化计算,分别对串联系统的可靠性分配、桥联系统的冗余可靠性优化设计问题进行分析计算,探讨了微粒群算法在系统的可靠性优化计算中应用的可行性,计算机仿真结果表明了微粒群算法求解该问题的可靠性和有效性。     

基于粒子群优化算法的结构模型修改

结构模型修改已经演化为一个多学科的研究课题．在最优化框架内，应用了国际上最近提出的粒子群优化算法，该算法具有全局搜索能力并且不需要目标函数的解析表达式。对于一实际钢结构，利用部分和全部测量得到的模态数据进行了模型修改的实验研究．并与基于灵敏度分析、神经网络和遗传算法的模型修改方法进行了对比．以修改后模型计算出的模态数据与实验测得的模态数据的相似度来衡量模型修改的准确性。结果表明，在多数情况下，所提出的模型修改方法得到了最好的修改结果，因此，应用粒子群优化算法进行结构模型修改是可行的。     

基于粒子群优化算法的多聚焦图像融合

现有融合方法的融合规则不能根据图像的后续使用目的进行自适应调整,不同融合方法的优点也不易综合,为解决这些缺点,提出一种基于粒子群优化算法的融合方法.该方法首先把利用DBSS(2,2)离散小波变换和梯度金字塔融合方法分别产生的图像一起作为初始粒子,然后根据后续处理的要求来构造由多个图像评价指标的加权和所组成的目标函数,再利用粒子群优化算法来优化目标函数从而获取最终的结果图像.两组实验从主观视觉和定量评价指标(标准方差、平均梯度、熵、空间频率,相关系数、均方交叉熵等)两方面证明了该方法的有效性.     

基于粒子群优化的故障特征提取技术研究

齿轮传动箱的故障征兆,可以通过不同的特征参量表现出来.传动箱工作过程中,由于响应信号成分复杂,提取其敏感的故障特征信息非常困难.故障程度、部位和类型等对特征参量的敏感程度差别很大,通过传统的特征提取和分析方法可以建立庞大的特征参量集.如何从众多的特征参量中确定可靠有效的故障特征参量,如何根据故障对特征参量的敏感程度优化筛选特征参量集,是实现实时在线故障诊断亟待解决的一个问题.针对传动箱故障特征选择问题,提出了基于粒子群优化(PSO)算法的特征选择方法.将粒子群优化技术用于研究传动箱振动响应信号的分析与处理,用于故障诊断特征参量集的提取与优化,形成了适合该齿轮传动箱的有效故障特征参量,从而建立了与齿轮传动箱故障现象密切相关的特征参量集.把此算法应用到齿轮传动箱故障诊断中,结果证明,该算法有很好的效果,提高了诊断精度,比常用的梯度下降算法具有更快的优化速度.     

基于微粒群算法的圆度误差评价

为了在全局范围正确评价圆度误差，采用微粒群算法对圆度测量数据进行最小二乘法评价，克服了传统圆度最小二乘法评价的局部收敛问题。计算结果表明，本文介绍的方法可以在设计变量的全局范围内有效、正确地评价圆度误差。     

基于二进制粒群的拣选作业优化

目的提高电子标签拣选系统中拣选作业的效率与货位占有率。方法以某电子拣选库为研究对象,提出以订单完成度、货位占有率以及货位聚集度为目标的拣选优化模型。设计基于二进制粒子群算法(BPSO)和遗传算法(GA)的模型求解仿生算法。结果试验及优化结果表明,基于BPSO的电子拣选库订单的完成度、货位占有率以及货位聚集度较遗传算法更高。结论基于二进制粒子群算法求解的优化模型较符合实际的电子拣选库人工拣选作业,同时仓储作业货位的利用率及拣选效率得到了提高。     

Sliding-Mode PID Control of UAV Based on Particle Swarm Parameter Tuning

Due to the coupled motion between the rotor unmanned aerial vehicle (UAV) and the manipulator, the underactuation characteristics of the system itself, and the influence of external uncertainties, the stability of the rotor UAV’s manipulator control system is difficult to control. Based on the dynamic model of the rotor UAV, the stability of the whole UAV manipulator control system is improved by using the piecewise cost function, the compression factor particle swarm optimization (PSO) algorithm and the sliding mode PID to establish the sliding mode PID control stability method based on the PSO. Compared with the sliding mode PID control method, this method solves the serious buffeting problem in the sliding mode control, reduces the influence of the external disturbance and realizes the attitude stabilization control of the UAV manipulator quickly and accurately, thus shortens the system adjustment time and improves the anti-interference ability.     

粒子群优化算法及其在圆度误差评定中的应用

提出一种基于粒子群优化算法(PSO)的圆度误差评定方法。介绍了PSO算法的提出及其特点;具体阐述了PSO算法的基本原理和实现步骤;提出圆度误差评定这一非线性优化问题,给出其优化目标函数及PSO算法的适应度函数和编码方式;结合实例对算法参数进行了设置,通过实例运算对PSO进行了正确性和精确性验算。实例证明该方法能够很好地解决圆度误差评定问题,与遗传算法具有相当的计算精度,能够获得精度较高的结果。而PSO的突出优点是简单易于实现,计算速度快。     

基于粒子群与聚类的多目标优化算法

针对粒子群优化算法容易陷入局部最优的问题,提出了一种基于粒子群优化与分解聚类方法相结合的多目标优化算法。算法基于参考向量分解的方法,通过聚类优选粒子策略来更新全局最优解。首先,通过每条均匀分布的参考向量对粒子进行聚类操作,来促进粒子的多样性。从每个聚类中选择一个具有最小聚合函数适应度值的粒子,以平衡收敛性和多样性。动态更新全局最优解和个体最优解,引导种群均匀分布在帕累托前沿附近。通过仿真实验,与4种粒子群多目标优化算法进行对比。实验结果表明,提出的算法在27个选定的基准测试问题中获得了20个反世代距离(IGD)最优值。