岩土工程弹塑性反分析的改进粒子群算法

为了克服常规粒子群算法(PSO)应用于岩土工程弹塑性反演时搜索效率较低、计算工作量大的缺点,通过对算法中适应值比较方式和粒子运动模式的深入分析,指出了其中存在的制约搜索效率的内在因素,并提出相应修改策略,在此基础上形成一种新的改进粒子群算法(IPSO);将新算法用于岩土材料弹塑性参数反演,结果表明,与常规粒子群算法相比,改进算法明显提高了参数的搜索效率,利用较少的迭代次数就能得到满足精度要求的结果,从而减小了岩土工程弹塑性反分析的计算量,是一种可行的参数反演方法.     

基于混沌免疫粒子群算法的故障特征选择

针对传统组合优化方法用于故障特征选择的缺陷问题,提出了基于人工免疫和混沌思想的混合粒子群优化算法的特征选择策略。引入混沌优化和人工免疫系统中的克隆选择机制,利用克隆和混沌变异等算子对算法进行改进,提高种群的多样性,增强了算法跳出局部极值的能力。实验结果表明,该混合粒子群算法比常规粒子群算法具有更快的优化速度,有效提高了特征选择效率,使故障诊断精度有所提高。     

基于IPSO-ELM的边坡稳定性分析

边坡稳定性受多种复杂因素影响,传统算法很难得到高精度预测结果,为了及时准确地对边坡稳定性做出可靠性分析,提出了改进粒子群优化极限学习机(IPSO-ELM)模型并应用于边坡稳定性预测实例中.首先在粒子群算法(PSO)的基础上,为克服在寻优过程中易出现局部最优的问题,引入自适应权重法,将改进粒子群算法(IPSO)对极限学习...     

混合粒子群优化算法的新能源电网规划研究

以合理规划新能源电网,降低电网电能损耗,提升新能源消纳能力,设计了混合粒子群优化算法的新能源电网规划方法。以最小电能损耗与最大新能源消纳为目标函数,潮流功率、容量、线路输电能力、风能与太阳能出力为约束条件,建立新能源电网规划模型;通过结合自然选择机理与粒子群算法,设计混合粒子算法,在混合粒子群算法内引入混沌扰动与变异策略,避免惰性粒子陷入局部最优,优化混合粒子群算法,利用优化混合粒子群算法求解规划模型,获取最佳规划方案。实验表明,该方法可有效获取最佳规划方案,降低电能损耗,提升新能源消纳能力,提升电网断面利用率;规划后的电网日累计发电量显著提升、碳排放量显著下降。     

改进RRT算法的机械臂路径规划研究

针对基本快速扩展随机树(RRT)算法在机械臂路径规划过程中随机性大、冗余节点多、路径拐角多、不光滑等缺点,提出一种增强目标导向性、减少冗余节点、优化路径平滑性的改进RRT算法。首先针对基本RRT算法产生冗余节点多、搜索时间长的问题,在采样过程中添加概率采样策略,增强目标导向性;其次,针对规划后路径平滑性差的缺点,添加贪婪优化策略,优化路径,对优化后的路径进行三次样条插值优化,将转折路径优化为平滑的路径。在MATLAB仿真环境中,对二维地图、三维地图及机械臂算法追踪进行了算法验证,实验结果表明改进算法的迭代次数、规划时间、路径长度和平滑度均得到有效提升。     

基于改进粒子群优化算法的遥感图像阈值分割

针对粒子群优化算法在其优化过程中所存在的一些问题,引进了恰好可以弥补其不足的捕食搜索算法,从而提出了一种基于捕食搜索策略的粒子群优化算法;进而将基于捕食搜索策略的粒子群优化算法和基于最大熵的多阈值图像分割方法相结合,实现了改进的智能优化算法对遥感图像的分割。     

应用粒子群算法优化二元序列

粒子群优化（POS）算法是一类随机全局优化技术，PSO算法通过粒子间的相互作用发现复杂搜索空间中的最优区域，其优势在于简单、容易实现而又功能强大。本文介绍了粒子群优化算法的特点和具有良好自相关特性的二元序列的概念，讨论了用粒子群算法优化二元序列的方法。通过实验搜索出14到32长度的二元序列，取得了较好的效果。     

分布式电源对配电网供电可靠性的影响

大量分布式电源接入电网,给传统的配电网规划带来了实质性的挑战。当馈线上发生故障时,电网会出现孤岛运行的运行方式。针对该情况,在综合分析配电系统可靠性指标及模型的基础上,采用基于广度和深度搜索相结合的控制网闭合环自动搜索算法,快速求得最优的孤岛划分方法。并结合孤岛运行的方式,提出了“改进最小路结合区间运算”算法,同时为了防止过估现象,引入反演公式,使评估结果更加符合配电网运行的实际情况。通过对IEEE-RBTS BUS6系统主馈线F4算例的分析及计算,验证了数学模型的合理性和科学性。     

混合蚁群优化算法应用研究

结合粒子群算法的思想,提出用混合蚁群算法。其核心是应用粒子群算法对蚁群算法的3个控制参数(β,ρ,q0)进行优化,以及运用蚁群系统算法(ACS)寻找最短路径。新算法克服了参数选择对算法性能的影响,具体很强的全局搜索能力。新算法改进了传统蚁群算法的性能,取得了非常好的效果。     

基于MFOA优化BP神经网络的磨矿粒度软测量

针对磨矿过程中磨矿粒度难以在线实时检测的问题,提出了一种基于混沌粒子群(CPSO)改进果蝇算法(FOA)优化BP神经网络的方法,建立了磨矿粒度软测量模型。利用混沌搜索的遍历性和对初值的敏感性来提高FOA初始种群的多样性;为了减少适应度函数值更新过程中的盲目搜索,引入了粒子群算法(PSO)。然后利用改进后果蝇优化算法(MFOA)良好的全局寻优能力,自适应地调整BP神经网络的权值和阈值,提高了BP网络的收敛性能和测量精度。选取球磨机给矿量、给水量、磨机电流、分级机溢流浓度和螺旋分级机电流为辅助变量,构建MFOA-BP磨矿粒度软测量模型。研究表明,所构建的MFOA-BP模型鲁棒性强、测量精度较高。     

改进粒子群算法的输配电网分布式电源规划研究

研究基于改进粒子群算法的输配电网分布式电源规划方法,以期缩短输配电网网损、降低运行成本、保证电力系统稳定运行。以总投资与运行成本最小、分布式电源有功网损最低、电压稳定裕度为目标函数,结合分布式电源的容量、电压、电流约束条件,建立输配电网分布式电源规划模型;应用改进粒子群算法,通过初始化粒子群参数、例子迭代次数及速度设定、粒子潮流和网损计算、粒子适应值分析等步骤,求解分布式电源规划模型,输出最优规划方案。实验结果表明,该方法可以实现输配电网的电源规划,规划后输配电网电压稳定,所产生的有功网损小,可降低输配电网的总体运营成本,更好地满足实际电力工作需求。     

多金属露天矿多目标生产计划优化问题建模及求解算法

针对多金属露天矿山生产计划优化问题难以建模、求解复杂等问题,从多种金属元素、采掘运输成本以及矿石品位三个角度出发,综合考虑矿石产量、品位波动、矿石资源利用率、开采和处理能力以及回采率等多种影响因素,构建了一个多金属露天矿多目标生产计划模型。受粒子群算法启发,提出一种改进狼群算法(IGWO)对模型进行求解,并引入反向学习策略和非线性收敛策略来提高算法的求解效率。以国内某露天矿的实际生产为例,分别利用粒子群算法(PSO)、灰狼算法(GWO)和IGWO算法对模型进行求解对比。结果表明:该生产计划模型更加符合露天矿多种矿产资源综合开采利用的实际需求,IGWO算法较PSO算法运行速度上提高了71%,在求解精度上提高16%。该生产计划方案对多金属露天矿山矿产资源综合利用及精细化排产具有重要的指导意义,可促进企业可持续发展。     

基于相似日原理和CPSO-Elman模型的光伏电站短期功率预测

为了提高光伏电站短期预测功率的精度,提出一种基于相似日原理和改进CPSO-Elman神经网络模型的光伏电站短期功率预测方法。将历史运行数据按照时长划分不同季节,采用欧式距离对天气类型进行处理并建立天气类型系数,通过灰色关联分析法和余弦相似度指标结合选取相似日。由于粒子群算法搜索速度慢且存在易早熟等缺陷,采用改进混沌粒子群（CPSO）来优化Elman神经网络的权值和阈值,对夏季不同天气类型条件下的短期功率分别预测。选用南疆某光伏电站2020年运行数据进行分析,结果表明:CPSO-Elman在非晴天条件下也具有较高的预测精度。     

基于改进蚁群算法的变电站巡检 机器人路径规划研究

以提升机器人在巡检变电站时的工作效率,节省巡检时间消耗,设计了改进蚁群算法的变电站巡检机器人路径规划方法。利用栅格法构建变电站机器人巡检路径地图,使用二值表示障碍区域,在经典蚁群算法中引入方向夹角启发因子,提升路径搜索的导向性与搜索速度,使用拉普拉斯概率分布作为信息素挥发因子自适应策略,提升蚁群算法的收敛速度,以实际变电站作为研究对象,结果表明,改进蚁群算法的巡检路径寻优效果和规划速度优于同类路径规划方法,获得了理想的路径规划效果。     

Hybrid optimization model and its application in prediction of gas emission

According to the complex nonlinear relationship between gas emission and its effect factors, and the shortcomings that basic colony algorithm is slow, prone to early maturity and stagnation during the search, we introduced a hybrid optimization strategy into a max-min ant colony algorithm, then use this improved ant colony algorithm to estimate the scope of RBF network parameters. According to the amount of pheromone of discrete points, the authors obtained from the interval of network parameters, ants optimize network parameters. Finally, local spatial expansion is introduced to get further optimization of the network. Therefore, we obtain a better time efficiency and solution efficiency optimization model called hybrid improved max-min ant system (HI-MMAS). Simulation experiments, using these theory to predict the gas emission from the working face, show that the proposed method have high prediction feasibility and it is an effective method to predict gas emission.     

基于小波包-SVD和IPSO-BP的滚动轴承故障诊断

针对滚动轴承振动信号的非平稳性和非线性特点以及BP神经网络结构参数差等因素导致滚动轴承故障识别准确率低的问题,提出一种基于小波包结合奇异值分解(SVD)和改进粒子群算法(IPSO)优化BP神经网络的滚动轴承故障诊断方法。首先通过小波包对振动信号进行分解与重构,得到不同频段的信号之后利用SVD提出有效的故障特征向量,输入到BP神经网络中进行测试。考虑到BP神经网络结构参数差等因素,使用IPSO对BP神经网络进行优化,最后测试得出结果。对比实验模拟和现场数据验证表明,基于小波包-SVD和IPSO-BP的滚动轴承故障诊断准确度大大提高。     

煤矿救援机器人路径规划的蚁群优化算法

煤矿救援机器人执行救援任务时,需躲避水、火、障碍物等危险区域,提升了路径规划的难度,为此提出了煤矿救援机器人路径规划的蚁群优化算法。充分考虑煤矿救援机器人运行过程中的水、火、障碍物等分布,采用栅格法建立机器人路径规划的环境模型,确定栅格环境模型内机器人路径规划问题的目标函数,采用蚁群优化算法求解机器人路径规划问题的目标函数,通过改进信息素规则、限制信息素阈值以及改进转移概率3个方面优化蚁群算法,避免蚁群算法求解全局最优解时陷入局部最优。实例分析结果表明,该算法在满足收敛速度条件下有效规划煤矿救援机器人行驶路径,所规划路径的路径长度、转角数量以及危险度均为最优,为机器人安全作业提供理论依据。     

基于粒子群和BP混合优化的采煤机故障诊断分类方法研究

故障诊断的本质是信号的特征提取与分类,BP神经网络是典型的一种分类方法。针对传统的BP算法易形成局部极小值,缺乏全局搜索性的缺点,利用粒子群算法可以在复杂、多峰、非线性及不可微的空间中实现快速、高效的全局搜索的特点,结合传统BP算法,提出一种基于PSO-BP混合训练神经网络的新方法。该算法首先利用粒子群算法的全局搜索能力对BP网络的权值进行优化,同时引入粒子群熵的概念对粒子群体中个体的多样性进行度量,当粒子群熵的估计值超过某一设定阀值时,用BP算法进行神经网络的训练。采用采煤机的轴承故障数据集对PSO-BP算法进行验证,证明该方法能够对采煤机的故障进行诊断。