一种动态调节惯性权重的粒子群算法

针对使用经典线性递减策略来确定惯性权重的粒子群优化算法在运算过程中与粒子寻优的非线性变化特点不匹配的问题,提出一种动态调节惯性权重的粒子群算法.该算法对惯性权重引入随机因子并基于粒子适应度大小来动态调节惯性权重,更好地引导粒子进行搜索,平衡了算法的全局搜索与局部搜索能力,提高了算法的收敛精度.为了验证该算法的寻优性能,通过8个经典测试函数将标准粒子群算法、惯性权重递减的粒子群算法及动态调节惯性权重的粒子群算法在不同维度下进行测试比较.结果表明:提出的动态调节惯性权重的粒子群算法在寻优精度和成功率方面都有所提升,算法性能更具优越性.     

高空螺旋桨无刷直流电机重置粒子群PID控制

永磁无刷直流电机驱动高空螺旋桨负载时,由于大气密度随海拔高度变化,电机转速随螺旋桨负载变化不断波动,传统定参数PID控制难以随环境变化对电驱动系统PID控制参数进行实时调整,系统的动态特性和鲁棒性较差。提出一种基于BFGS(Broyden-Fletcher-Goldfarb-Shanno)动态重置粒子群算法(BFGS-RPSO)的永磁无刷直流电机PID参数控制方法,该方法利用BFGS-RPSO算法灵活快速的在线参数寻优特点,对永磁无刷直流电机控制系统PID参数进行在线实时优化调整,提高了螺旋桨负载电驱动系统的动态特性和鲁棒性。Matlab仿真和实验表明,电机在起动过程中,转速上升时间较短,转速和转矩超调较小,且在负载波动过程中电机转矩脉动较小,BFGS-RPSO PID参数控制比传统PID控制具有更好的动态特性和鲁棒性,适合应用于高空螺旋桨永磁无刷直流电机螺旋桨电驱动系统。     

间歇式反应釜自寻优模糊控制器设计

以间歇式反应釜温度控制为目标,针对常规模糊控制参数和规则无法在线调整的问题,提出一种基于粒子群算法的自寻优模糊控制器(PSO-FC),通过引入一个含有加权因子的规则解析式,以时间绝对值误差积分作为系统性能评价函数,利用粒子群算法对加权因子、量化因子等相关参数的取值进行智能寻优,得到一组相对最优的参数,使控制器达到较为理想的控制效果。仿真结果表明,设计的基于粒子群算法的自寻优模糊控制器具有调节精度高、过渡时间短、实时性强等特点,有较高的实用价值。     

交叉粒子群算法在大地电磁反演中的应用

大地电磁粒子群算法反演属于非线性反演。在本文中,结合不同类型一维层状介质地电模型,介绍了大地电磁粒子群算法反演方法。在模型层数和参数增加、粒子维数增高时,针对标准粒子群算法处理高维问题容易陷入局部最优和收敛速度降低的缺陷,通过在搜索过程中引入交叉因子,增加了粒子多样性,克服了算法寻优过程中局部收敛的问题,提高了收敛速度。理论模型和实测数据试验结果表明,改进的粒子群算法在大地电磁反演中的寻优质量和效果较为理想。     

水下机器人S面控制器的改进粒子群优化

S面控制器是一种有效的水下机器人的运动控制算法,但需要人工调整参数.为了减少手工调整参数所带来的困难和误差,提出了改进的粒子群优化算法对S面控制器参数进行优化.采用动态压缩因子,加快粒子算法的收敛;引入退火算法,提高粒子算法的局部搜索能力.同时,在S面控制器中引入智能积分项,有效地减小控制器的稳态误差.最后,论述了改进粒子群算法优化S面控制参数的具体过程,并在某型水下机器人上进行了仿真试验和水池试验.试验结果表明,该算法对于水下机器人非线性控制器的参数寻优达到良好的效果,优化后的S面控制具有较快的反应速度和较小的超调.     

基于改进粒子群算法的主汽温系统PID参数优化

应用改进的粒子群优化算法优化PID参数。采用动态变量区间以逐步缩小搜索区间，加快粒子群寻优速度，并且针对粒子群算法可能出现的停滞现象，引入了重新启动策略，改善了算法摆脱局部极点的能力。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主汽温被控对象的仿真研究，结果表明：改进的粒子群算法寻优速度快，计算量小，对PID参数优化是非常有效的，使得主汽温控制系统取得了很好的控制品质，系统鲁棒性比较强。     

基于蝙蝠算法的PID控制参数优化技术与仿真研究

PID参数整定是PID控制中的一个重要环节,传统的PID参数整定方法已经不能完全适用。为提高PID参数优化精度,解决传统PID参数整定时产生的误差较大问题,将蝙蝠算法引入控制系统中优化PID控制参数。通过MATLAB仿真,比较蝙蝠算法、粒子群优化算法和增量式PID控制算法对控制参数优化的性能。实验结果表明：在函数寻优测试中,与遗传算法、粒子群优化算法相比,蝙蝠算法能防止陷入局部最优,使种群更加稳定并达到更好的收敛速度和寻优精度;在PID控制参数优化中,与粒子群优化算法、增量式PID控制算法相比,蝙蝠算法优化PID控制参数的实际输出曲线最贴近理论输出曲线,稳定性更好。     

基于粒子群算法的电站锅炉效率优化研究

该文以电站锅炉燃烧系统为研究对象,针对电站现场无法在线计算锅炉热效率的问题,利用BP神经网络建立了锅炉的热效率模型,并在此基础上,采用粒子群优化算法对锅炉运行参数进行优化。仿真结果表明,BP神经网络效率模型具有较高的精度,粒子群优化算法优化算法可以用于电站锅炉的热效率优化。     

混沌天牛须算法在分数阶PID参数优化中的应用

针对分数阶PID控制器参数整定的复杂性问题,提出了一种基于混沌天牛须算法的分数阶PID控制器参数整定方法。首先,利用天牛须算法的寻优机制,进行不断的迭代寻优,寻找最适合受控系统的分数阶PID参数。同时,在原始天牛须算法中引入了混沌扰动机制,根据Logistic映射公式对天牛个体的位置进行随机扰动,增强全局搜索效果。为了验证所提出的混沌天牛须算法的优越性,将混沌天牛须算法与天牛须算法、粒子群算法对分数阶PID控制器参数分别进行寻优,最后进行仿真实验,结果表明混沌天牛须算法具有更好的寻优性能。     

基于模拟退火PSO的电力系统无功优化

对粒子群优化算法方法进行改进,把模拟退火机制引入到粒子群优化算法方法中,提出了基于模拟退火粒子群优化PSOSA(PSO with Simulated Annealing)算法,通过适当选择种群大小、调整惯性权重系数ω和退火系数C,以温度的缓慢下降来控制粒子的寻优过程,提高了粒子群优化算法的全局收敛性,改善了粒子的局部搜索能力.建立了以网损最小为目标的电力系统无功优化模型.通过对IEEE-30系统的无功优化计算,结果表明,PSOSA算法具有更好的全局收敛性和良好的搜索能力.     

利用混沌粒子群算法确定河流水质模型参数

将混沌寻优思想引入到粒子群优化算法中,提出了混沌粒子群算法,这种方法利用混沌运动的随机性、遍历性和规律性等特性对当前粒子群体中的粒子进行混沌寻优。通过这种处理使得粒子群体的进化速度加快,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度。并将混沌粒子群算法应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据以及确定河流水质参数的函数优化问题,结果表明,混沌粒子群算法的收敛性能明显优于粒子群优化算法。     

改进粒子群算法在空调水系统中的应用研究

粒子群算法优化PID控制在空调系统中应用越来越广泛.针对传统粒子群算法在优化过程中存在寻优速度不足和容易陷入局部最优的问题,提出了采用正交试验机制和模仿染色体变异机制的突变策略优化传统粒子群算法,通过引入正交试验机制提升了寻优速度和效率,引入突变策略改进了算法的极值传递过程,避免了过早发生聚集现象,解决了陷入局部最优的问题.仿真实验结果证明:改进粒子群算法在系统超调量、调节时间、稳态误差和抗干扰性上均有显著提高.     

基于改进PSO的励磁系统非线性PID控制研究

针对线性PID控制器在励磁控制系统中难以取得满意控制效果的缺点,在分析了PID控制器增益参数和偏差信号之间的非线性函数关系的基础上,根据控制量与误差信号之间的调节规律,构造出一种非线性PID控制器。因为粒子群算法具有对整个参数空间进行高效并行搜索的特点,通过引入交叉因子的改进PSO算法来寻优非线性PID控制器各增益参数。仿真结果表明非线性PID控制器能够有效地改善机端电压的控制精度,并且具有良好的动态品质。     

一种结合自适应惯性权重的混合粒子群算法

粒子群算法(particle swarm optimization,PSO)是一种容易实现且高效的优化算法,但该算法对各种参数反应较为敏感.本文针对经典粒子群算法容易陷入局部最优的不足之处进行研究,提出对经典粒子群算法使用自适应惯性权重并引入模拟退火法的思想来解决经典粒子群优化算法容易陷入局部最优解的问题.仿真实验结果表明,本文提出的混合算法与经典粒子群算法相比,不仅能够避免寻优过程中陷入局部最优问题,而且还具有收敛速度快、成功次数高、稳定性及寻优结果好等特点.     

水文模型参数优选的改进粒子群优化算法

针对标准粒子群算法的早熟收敛问题,提出了一个提高算法性能的改进途径,即引入动态改变惯性权重策略和混沌思想,在两个方面同时改进以提高粒子群算法的收敛速度和克服局部极值的能力.对两个函数进行寻优测试表明,改进后的粒子群算法收敛速度、精度以及全局搜索能力均优于标准粒子群算法.最后将提出的改进粒子群算法应用于新安江模型进行参数优选,应用结果表明,该算法具有较强的可行性与实用性.     

基于寄生模型的粒子群算法在气动优化中的应用

为了解决粒子群算法(PSO)在寻优过程中全局最优和局部最优的矛盾,通过在粒子群算法中加入寄生模型,发展了一种基于寄生模型的改进粒子群算法(SPPSO)。对提出的模拟寄生算法(SP)进行了分析与验证,并将其引入到粒子群算法中,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,使得SPPSO算法能够有效地跳出局部最优。函数测试表明,该算法显著提高了PSO算法的寻优性能。将SP及SPPSO算法应用于翼型的气动优化设计中,取得了良好的效果,从而表明提出的算法准确有效,具有良好的实用性。     

基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究

提出一种基于动态模糊混沌粒子群算法的微电网多目标优化调度方法.利用动态目标函数与模糊理论解决多目标主观权值的缺陷,建立以运行维护成本、环境污染物成本为目标的微电网多目标调度模型.微电网多目标优化调度属于多变量、强非线性优化问题,针对传统粒子群算法求解时容易陷入局部最优等问题,在粒子初始化时,引入一种结合Chebyshev映射和Logistic映射的组合混沌映射,在粒子更新过程中,引入Logistic映射,从而增加粒子寻优的遍历性,加强算法全局优化能力.针对惯性权重在粒子群更新过程中的取值问题,采用迭代次数梯度改变惯性权重的策略.仿真结果证明了算法具有更高的收敛效率和更好的收敛效果.     

粒子群优化LQR控制器在环形倒立摆中的应用

为解决环形倒立摆控制中试探法难以确定LQR控制器最优Q和R矩阵的问题,采用Bang-Bang法对倒立摆进行了起摆控制,利用拉格朗日法建立了垂直位置附近的线性化模型.采用LQR进行了平衡位置控制,采用粒子群算法优化了LQR控制器的加权矩阵.对加入了噪声扰动的模型输出进行了卡尔曼滤波处理.仿真结果表明:基于粒子群的加权矩阵寻优算法可以迭代解算出Q和R的最优矩阵,粒子群LQR控制器可以提高系统鲁棒性,减小起摆时延,提高平衡位置稳定性.     

一种带交叉算子的改进的粒子群优化算法

针对粒子群优化算法(PSO)固有的缺点,在研究标准的粒子群优化算法理论的基础上,提出了一种带交叉因子的改进的粒子群优化算法(MPSO),以解决算法的早熟收敛问题。该算法在搜索过程中引入了交叉因子,增加了粒子的多样性,克服了标准粒子群优化算法易陷入局部极优点的不足,并且算法有较快的收敛速度。该算法有较强的收敛性,还可以引入变异算子。将改进后的算法运用常见的几个测试函数进行了寻优仿真,仿真结果验证了带交叉因子的粒子群算法的可行性和有效性。     

基于免疫量子粒子群优化的属性约简

受生物免疫系统启发,把疫苗提取和疫苗接种思想应用到量子粒子群算法,提出了免疫量子粒子群算法。免疫接种可以指导粒子朝着更优方向进化,提高了量子粒子群的收敛速度和寻优能力。分别采用Hu算法、粒子群算法、量子粒子群、免疫量子粒子群多种算法应用于粗糙集属性约简。实验结果表明,基于免疫量子粒子群优化的约简算法在收敛速度和寻优能力都取得了更好的效果。