基于改进粒子群算法的桁架主动杆优化

针对空间桁架结构振动控制的数个作动器（主动杆）的位置组合优化,提出了基于字典序组合生成的编码方式的粒子群优化算法。该编码方式将离散的组合空间一一映射到连续的整数区间,有效避免以往编码的冗余运算。仿真试验中,通过与二进制编码PSO算法的比较,发现改进算法收敛效果更快,寻优能力更强,并克服了二进制编码无效解等缺点。     

基于粒子群算法改进视角下输电网规划的优化

粒子群算法作为当前进化算法中的最新模式,主要通过记忆与反馈机制来实现高效快速的搜索,以其全局最优性、迅捷性、收敛性等特点为解决大规模的数学问题提供了技术支持。输电网扩展规划作为一个非常庞大的函数问题,需要借助粒子群算法来实现输电网总体规划的优化。然而,粒子群算法在具体的应用实践中也存在着诸多不足之处,包括易在早期成熟收敛导致出现局部最优不足,并对输电网规划的优化产生偏差。本文正是基于此,探讨在粒子群算法改进视角下,输电网规划的优化方案。     

基于模糊PID的茶叶烘干机恒温控制系统研究

目前茶叶用烘干机的燃煤热风炉存在能耗高、热效率低的问题,而且大多采用人工控制,温度稳定性差,品质也难以保证。为此,采用模糊控制技术对热风温度进行恒温控制,根据热风炉热风温度的高低,通过变频器自动调节热风炉的排烟量,控制热风温度达到恒定,在满足烘干需要的同时,减小能量损耗,保证茶叶品质。同时,应用MATLAB软件对模糊PID恒温控制系统进行仿真。结果表明,该系统可以有效控制热风温度,达到恒温控制的目的。     

基于改进PSO算法的PID优化用于黑液液位控制

制浆过程中碱回收蒸发工段黑液液位控制直接影响着黑液浓度和蒸发效率。针对黑液液位非线性、大时滞及时变性的特点,传统PID方法控制精度较低,使用标准粒子群算法可以优化PID参数,提高精度,但是收敛速度慢,整定时间长。针对这些问题,采用改进的粒子群算法来整定PID参数,通过动态调整惯性因子和加速因子,以及改进收敛准则等方法来提高粒子群算法的全局寻优能力和收敛速度,并在MATLAB/SIMULINK仿真实验平台上,比较了传统PID方法、标准PSO算法和改进PSO算法对黑液液位的控制效果,结果表明改进PSO算法优化的PID控制缩短了调节时间,降低了超调量,说明改进粒子群算法优化后的黑液液位PID控制具有更快的响应速度和更好的鲁棒性,有效地提高了控制质量。     

一种改进的自适应粒子群优化算法

针对粒子群优化算法搜索精度不高的问题,基于自适应调整惯性权重的策略引入自适应惯性因子对粒子群优化算法进行改进,提出了一种改进的自适应粒子群算法。仿真结果表明改进的粒子群算法具有更强的寻优能力及更高的搜索精度。     

基于粒子群算法优化PIDNN的流浆箱解耦控制

针对气垫式流浆箱的总压和浆位之间存在严重耦合的情况,探讨使用粒子群算法优化的PID神经元网络对其进行解耦控制。建立一个双输入双输出PID神经元网络控制系统,用粒子群算法优化网络的初始权重后,再采用误差反向传播算法进行修正,最终实现完全解耦。仿真结果表明,经粒子群算法优化后的神经元网络能够有效地消除总压与浆位之间的耦合,大大缩短调试时间,具有更高的控制精度,能够用于气垫式流浆箱的控制。     

基于粒子群算法的传感器管理算法

传感器管理的核心问题就是依据一定的准则,以最优的方法对传感器资源进行合理的分配,通过粒子群算法的基本概念和基本算法,并根据效用函数求解的需求,设计基于粒子群算法的传感器管理方法。并且在基本粒子群算法的基础上,提出了改进方法。所以,本文拟采用粒子群算法对效用函数进行最优解解析。     

基于H∞最优控制理论的粒子群优化算法在造纸定量控制中的应用

针对造纸定量控制系统具有非线性、时滞、多干扰等控制难点,本课题提出一种基于H_∞最优控制理论的粒子群优化算法(PSO)优化PID参数。改进的PSO具有对控制系统过程模型的依赖性小、参数整定简单、鲁棒性和抗干扰性强的特点。与传统算法相比,基于H_∞最优控制理论的PSO可以高效地找出符合设计要求的PID调节参数,不会陷入局部最优,且使系统性能指标达到最优或次最优。并且,仿真结果也验证了该算法的有效性和实用性。     

基于改进粒子群算法的造纸车间供电调度多目标优化研究

中国造纸行业发展迅速,造纸车间数量与规模呈现逐渐增加的趋势,造纸设备数量与种类也随之增多,这为造纸车间供电调度提出了较高的要求,现有供电调度方案已经无法满足造纸车间的需求,故提出基于改进粒子群算法的造纸车间供电调度多目标优化方法研究。搭建造纸车间供电系统整体框架,以此为基础,合理分类造纸车间用电负荷,并深入分析用电负荷的特性,以造纸车间供电调度成本最小化、造纸车间电耗费用最低化为目标,构建供电调度多目标优化模型,利用改进粒子群算法求解构建模型,获取最佳的造纸车间供电调度多目标优化方案,执行方案即可实现供电调度的优化目标。实验数据显示：提出方法应用后造纸车间供电调度成本最小值为8.03万元/年,造纸车间电耗费用最小值为300万元/年,充分证实了提出方法应用性能较佳。     

基于改进粒子群算法的平房仓粮温BP神经网络预测模型建立

在传统的BP神经网络预测模型的基础上引入改进的粒子群算法对神经网络中的权值和阈值进行不断优化,针对平房仓内部不同温度监测点处的粮食温度建立预测模型,改进后的粒子群算法拥有更好的局部寻优能力和全局寻优能力,较传统的BP神经网络预测拥有更精确的预测精度,更小的预测误差,使优化后的BP神经网络能快速的从历史粮温中总结平方仓粮温变化规律,实现平房仓粮温的预测。     

一种改进型无刷直流电机控制微粒群优化算法

针对无刷直流电机在基速以下运行时抗干扰能力较弱的特点,设计了一种改进型微粒群优化算法(PSO),即通过改变学习因子和惯性权重来优化模糊控制器的量化因子、比例因子和控制规则.仿真结果表明,运用该算法调节时间短、超调量小、抗干扰能力强,能够实现无刷直流电机在较宽速度范围内的稳定运行.     

一种改进的粒子群算法

为克服粒子群算法易于陷入局部极值的缺点,通过引入聚群效应和扰动,设计了一种新的粒子群算法.通过对常用测试函数的数值试验,说明了新算法不仅能有效地进行全局搜索,而且具有更好的收敛精度.     

基于粒子群算法的布谷鸟搜索算法

为进一步提高布谷鸟搜索算法(Cuckoo Search)的收敛速度和计算精度,将PSO算法用于CS算法的位置更新过程,提出了基于PSO算法的布谷鸟搜索算法(CSPSO).最后,通过6个典型测试函数进行仿真实验.结果表明,CSPSO算法比CS算法和自适应步长布谷鸟搜索算法(ASCS)具有更快的收敛速度,更高的收敛精度和稳定性.     

服装智能排料粒子群算法的改进研究

针对服装智能排料问题提出一种改进的粒子群算法,对粒子群算法的速度分项加入一个参数惯性权值w,并将改进结果在VS 2005平台下用C++进行试验论证.结果表明:使用改进的粒子群算法,服装面料的利用率较高,且运行时间接近最优.     

基于改进BP神经网络的食品分拣机器人视觉伺服控制方法

目的：解决目前食品分拣机器人的视觉伺服控制系统结构复杂、计算量大,无法满足分拣机器人对视觉伺服控制系统的灵活性和适应性的问题。方法：在机器人视觉伺服控制系统结构的基础上,提出一种将改进粒子群算法与BP神经网络相结合的食品分拣机器人视觉伺服控制方法。粒子群算法在迭代过程中使用交叉和变异来保持种群多样性,对BP神经网络的初始权值和阈值进行优化。结果：与常规控制方法相比,该控制方法可以在较短的时间内将食品生产线机器人带到预定位置,位置逼近的相对误差为0.38%。结论：该控制方法在处理较复杂的任务时,具有较强的适应性,有一定的实用价值。     

基于改进粒子群算法的苹果圆形度检测

为解决苹果圆形度检测问题,研究圆形度的改进粒子群算法。建立苹果圆形度数学模型,并对广义钟形分布隶属函数的惯性权重控制过程、基于Z形隶属函数的自适应调节粒子位置过程、适应度函数选择方法进行算法改进,给出了算法终止条件以及算法流程。仿真试验结果表明,改进粒子群算法收敛较快,乔纳金、富士苹果改进粒子群算法的圆形度检测较其他算法正确率高,分别为96%和97%,说明能用该方法进行苹果圆形度机器检测。     

基于改进粒子群算法的大豆微波真空干燥工艺优化

为了发现大豆的微波真空干燥的最佳工艺条件,测试了不同的单次干燥时间、缓苏时长、缓苏次数下大豆干燥后含水率与爆腰率,提出了一种基于改进粒子群算法的参数寻优方法,新建次空间,主次空间交换精英个体,借助多元回归数学模型对实验参数进行粒子寻优。结果表明：简单地增加缓苏时长与缓苏次数并不一定利于提高大豆干燥效果,不同缓苏条件相互影响,大豆在单次干燥35min、缓苏50min、缓苏3次时干燥效率最高;在单次干燥35min、缓苏40min、缓苏3次时爆腰率最小。实验证实了采用改进粒子群算法优化参数干燥后大豆的爆腰率和含水率均低于正交实验优化的结果。研究结果对于提高大豆干燥效率和品质具有一定意义,并为微波真空干燥产业化应用及大豆深加工提供参考。     

基于改进模糊PID的全向搬运机器人路径跟踪控制研究

为了提高复杂的食品原料仓库中全向搬运机器人的跟踪能力,提出一种改进路径跟踪控制方法。首先依据机器人状态空间模型,以跟踪误差信息和电机电压为输入、输出设计控制器,并且设计论域放缩因子优化模糊控制器,通过试验测定初步确定了参数kp、ki、kd的取值范围。然后通过加入反向学习策略初始化麻雀种群,设计权重因子控制靠近发现者的跟随者比例防止早熟。结果显示：改进麻雀算法比原算法在测试函数下寻优精度和收敛速度有所提升,提出的控制方法跟踪误差快速降零、跟踪过程较为平顺,到达期望路径速度较快。该方法提高了全向搬运机器人的工作状况。