智能电网多层次优化方法研究

提出了将分布式能源、可再生能源和能源存储设备连接到微电网的一种多层次优化方法,构建了一个用于降低计算复杂度、优化不同分散的微电网、不同的决策者和多目标结构的多层次结构体系。该体系将多层次结构体系连接到系统控制网络的智能电网,多层次结构体系的上层决策层具有一组固定的参数(参考值)函数,并通过特定的控制策略结构来适应较低的决策水平,根据这一参数,每个较低级别的决策者通过跟踪上层决策者所提供的参考值解决自身的优化问题。软件模拟仿真结果显示,多层次结构体系的运用,不仅在智能电网中优化了运行时间,而且对电网能量进行了优化管理,降低了能源消耗。     

基于蚁群算法的PID参数优化

针对传统的PID控制器参数多采用试验加试凑的方式由人工进行优化,提出了一种新型的基于蚁群算法的PID参数优化策略.蚁群算法是近几年优化领域中新出现的一种仿生进化算法,该算法采用分布式并行计算机制.在简要介绍蚁群算法基本思想的基础上,推导了蚁群算法PID参数优化方法,并给出了新算法的具体实现步骤,最后将该优化方案应用于某型高精度飞行仿真伺服系统.仿真应用研究表明,该PID参数优化策略具有很强的灵活性、适应性和鲁棒性,进而验证了该方案的可行性和有效性.     

混沌优化算法的参数分析

通过一些典型的复杂测试函数，对［１］中提出的混沌算法的效率及其参数，用统计的方法进行了详细的分析。     

基于多层次相似性检测机制的语音基频实时估计算法

基音周期的确定是语音处理领域中的一个尚未完全解决的基本问题。传统的基于自相关函数的估计基音周期的方法过于粗糙,而那些准确性高的方法计算太复杂,不适用于实时要求高的扬合。为了兼顾准确性与实时性,提出了一种基于多层次相似性检测机制的语音基频估计算法,该算法具有实时性好,易于硬件实现的特点。     

改进粒子群优化算法的PID交流伺服系统控制策略

交流伺服系统由于其具有稳定性好、响应速度快等优点,在工控领域得到了广泛应用.但是采用传统控制策略难以获得满意的控制效果.针对这一问题,本文提出一种基于改进粒子群优化算法的PID控制策略,利用粒子群算法对控制器的初始参数进行优化,消除控制器的初始值对控制效果的影响,同时克服不确定因素对系统响应性能的不利影响,使其达到最佳工作状态.Matlab仿真结果表明,该控制策略有收敛速度快、控制精确度高及抗干扰能力强等优越性,改善了常规PID控制器的性能.     

基于小生境进化策略的免疫算法参数优化

对于联立方程这样具有多个优化解的问题,一般希望同时得到多个优化解.利用免疫算法可以解决这样的问题.但是不同的免疫算法参数应该优化设置.进化策略的群体中的个体都是独立进化的,个体进化主要通过变异算子完成,所以使用进化策略可以缩短搜索时间.利用小生境进化策略作为元算法解决免疫算法参数优化问题.利用联立非线性方程问题验证并与一般算法得到的结果相比较,结果表明,所提出的方法性能优于没有经过参数优化的方法.     

基于粒子群算法的新安江模型参数的优化

文中利用滦河流域大黑汀、桃林口及滦县站多年降水、蒸发及来水量资料,建立了区间年来水量的新安江模型,并利用基于粒子群优化算法对此模型的参数进行了优化。     

一种基于边界扫描的FPGA测试优化生成算法

在FPGA(fieldprogrammablegatearray)的故障诊断中,经常需要限定测试向量集的紧凑性指标.针对在限定紧凑性指标的前提下提高测试向量集的故障诊断能力问题,在分析了传统最小权值算法的基础上,提出了一种基于边界扫描的FPGA测试优化生成算法———最小权值优化算法.该算法要求所生成的测试向量集具备最小的权值,而且对权值最大的向量子集中的各向量施加了必须的约束条件.实验表明,最小权值优化算法能够减少征兆误判现象和征兆混淆现象,而且经过编程仿真模拟,优化后的算法的征兆混淆率要优于原有的最小权值算法,是一种实用的测试生成优化算法.     

基于遗传算法的PHEV动力参数优化与仿真

分析了插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,简称PHEV)的动力系统结构,提出了将发动机功率、电机功率、动力电池功率、动力电池容量作为变量来优化PHEV动力系统.将3大动力部件成本总和作为目标函数,整车质量及动力性能作为限制条件,建立数学模型,运用遗传算法进行优化.运用Autonomie汽车仿真软件建立PHEV仿真模型,进行仿真实验.结果表明:发动机、电机、动力电池参数与遗传算法最优解基本相符,验证了所用遗传算法匹配动力参数的适用性.     

经济性预测控制的切换控制策略优化算法设计

针对经济性预测控制优化问题,设计了切换控制策略的优化算法。首先,离线计算具有耗散性的Hessian矩阵指标;其次,在线优化阶段,根据系统状态所处的不同可行域,分别在经济指标优化和Hessian矩阵对应的动态指标优化之间进行切换,从而驱动系统状态收敛到稳态工作点,取得了较优的经济性能;最后,仿真结果验证了方法的有效性。     

PHEV模糊逻辑驱动控制策略模块开发

提出了一种更为优化的模糊逻辑驱动控制策略,在Matlab/Simulink环境下搭建了自己的模块,并将其嵌入ADVISOR中,同时给出了详细修改ADVISOR的步骤,使所提出的控制策略能够在ADVISOR中实现.仿真结果验证了该控制策略的可行性和有效性.     

基于多样性优化策略的粒子群算法

针对标准粒子群优化算法(SPSO)存在粒子群多样性丢失而易陷入局部最优的问题,提出了一种改进优化算法(PSOBF),该算法通过引入排斥操作而提高了搜索效率.通过对4个标准测试函数的性能数值实验对比,并比较了PSOBF、SPSO及ARPSO算法结果,证实PSOBF可以较好地实现全局与局部搜索的平衡,表明改进算法是有效的.     

基于遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用具有全局优化能力的遗传算法对PID参数调节和优化,并同单纯形算法作了比较.仿真结果表明了遗传算法应用于控制器参数优化的可行性和有效性     

基于遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用具有全局优化能力的遗传算法对PID参数调节和优化,并同单纯形算法作了比较。仿真结果表明了遗传算法应用于控制器参数优化的可行性和有效性     

遗传算法工具箱在半主动-TMD参数优化中的应用

提出一种新型的结构振动控制变频TMD半主动控制系统,采用遗传算法工具箱分析了结构的动力放大系数,证实了其对结构振动控制的可行性和有效性。结果表明,单个变频-TMD作为一种半主动驱动器能有效降低结构反应,与传统TMD相比,具有更大的减振频带宽度,而且效果显著。     

基于免疫优化策略的副本放置算法

副本放置问题在云计算环境分布式存储系统中是一个关键问题。针对现有副本放置算法存在的数据副本访问开销较大，节点负载不均衡的问题，提出了一种基于免疫优化策略的副本放置算法。通过计算节点的亲和度，并借助免疫优化系统特有的克隆选择和免疫记忆机制，对副本节点的评价和选择更加合理。基于Matlab的仿真实验证实该算法能够降低分布式存储系统的副本访问开销，均衡节点负载。     

基于二次型优化的迭代学习控制算法

针对线性时不变系统提出了一种基于优化控制理论设计的迭代学习控制算法,该算法基于二次型优化性能指标,利用梯度下降搜索法来拟合迭代学习控制律,仿真结果表明,该算法具有较快的收敛速度,且系统实际输出能够在较小的迭代次数下快速跟踪给定轨迹。