基才PSO—BP神经网络的PID控制器参数优化方法

针对传统PID控制系统参数整定过程存在的在线整定困难和控制品质不理想等问题,结合BP神经网络自学习和自适应能力强等特点,提出采用BP神经网络优化PID控制器参数。其次,为了加快BP神经网络学习收敛速度,防止其陷入局部极小点,提出采用粒子群优化算法来优化BP神经网络的连接权值矩阵。最后,给出了PSO—BP算法整定优化PID控制器参数的详细步骤和流程图。并通过一个PID控制系统的仿真实例来验证本文所提算法的有效性。仿真结果证明了本文所提方法在控制品质方面优于其它三种常规整定方法。     

航空发动机试验过渡态测试系统设计及应用

航空发动机试验中过渡态的各项参数,直接反映发动机性能的好坏及其控制系统的优劣,而且过渡态也易发生故障,因此航空发动机试验过渡态测试是一项十分重要的测试内容。发动机过渡态测试是监测、记录测量参数的实时变化,防止突变损坏发动机,为发动机设计研究和各参数的改进匹配提供真实可靠的依据,保证发动机过渡态的安全运行。     

基于PSO/FDTD的波导缝隙天线优化设计

设计了一种16阵元波导缝隙天线,其阵元在波导宽边中心线一侧排列。该设计采用泰勒分布进行阵列综合,利用粒子群优化算法(PSO)与时域有限差分法(FDTD)在不同偏置位置对谐振长度进行优化。由于该天线属于非谐振式波导缝隙阵,设计的关键是调整缝隙对宽边中心线的偏移。仿真结果表明天线指标与设计要求吻合,证明了设计方法的可行性。     

基于激光冲击的航空发动机风扇性能优化设计

航空发动机风扇性能是整个发动系统的核心,为了优化航空发动机的性能,提出一种基于激光冲击的航空发动机风扇性能优化系统设计方案。系统采用嵌入式设计技术,采用激光冲击技术进行航空发动机风扇性能相关参数检测,进行航空发动机风扇智能控制算法设计。结合传感器分布式检测技术进行航空发动机风扇转动状态测试,对航空发动机风扇性能优化系统的模块设计包括AD模块、智能信息处理模块、集成控制模块、激光冲击时钟控制模块、中断模块以及复位模块组成,采用激光冲击进行发动机风扇性能的智能监测和状态模式识别,结合ADSP-BF537进行发动机风扇性能检测的数据分析和智能控制,实现系统硬件设计。测试结果表明,设计的航空发动机风扇性能优化系统能实时监测风扇状态特征,提高对发动机风扇的远程智能控制能力。     

继承优秀染色体片段的PSO算法求解TSP问题

粒子群优化算法(PSO)提出至今一直未能有效解决离散及组合优化问题,TSP问题是组合优化问题中一个典型的NP问题.文中参考了离散粒子群算法(DPSO)和遗传算法(GA)解决TSP问题的成功经验,提出了一种继承优秀染色体片段的PSO算法(ECFG-PSO).为避免早熟,在算法中加入了局部查找和二次初始化策略.实验证明ECFG-PSO算法解决TSP问题的效率和规模优于DPSO算法.     

基于K-Means变异算子的混合PSO算法聚类研究

提出了基于K-Means算子的混合粒子群优化算法聚类,将K-Means算法的局部搜索能力与粒子群优化算法的全局寻优搜索能力相结合,根据群体适应度变化的情况自适应调整权重,并对种群中性能较差的粒子进行交叉选择,能充分挖掘群体本身信息,又能不断引入附加信息.数据集仿真实验表明,该算法有效的克服了传统粒子群优化算法过慢收敛和K-Means算法陷入局部收敛的问题,从而得到更好的聚类效果.     

基于PSO的配电网无功补偿优化配置

合理优化配电网无功补偿配置对改善配电网电能质量以及降低系统有功损耗有至关重要的作用。在创建配电网无功补偿的数学模型时,把系统分为最大负荷、一般负荷和最小负荷,使其能够更加接近真实的运行情况。采用粒子群算法(particle swarm optimization,PSO)优化配电网无功补偿配置,PSO具有算法简单、易于实现、收敛性好等优点,在求解无功补偿优化配置问题时优于遗传算法。对IEEE12节点系统进行了潮流计算算例分析,结果验证了PSO能够有效保障配电网无功补偿优化配置的可靠性和经济性。     

基于PSO的OBS路由优化选择算法研究

光突发交换(OBS)被认为是下一代光交换技术.利用粒子群优化算法(PSO)对OBS网络路由优化选择问题进行了研究和分析,仿真结果表明,基于PSO的OBS路由算法在计算代价方面要优于传统的最短路径算法,结论对改进OBS的路由选择协议有一定的理论指导意义.     

IIR数字滤波器的粒子群优化设计方法

探讨了IIR（Infinite Impulse Response）数字滤波器的设计,重点研究了IIR数字滤波器设计的粒子群优化（Particle Swarm Optimization,PSO）算法及算法框图,总结了粒子群优化算法的实现步骤。这一算法的提出,避免了传统算法的缺点,所设计的滤波器达到了理想的性能。通过实验表明,IIR数字滤波器的粒子群优化算法优于遗传算法。     

基于数字信号处理器的航空发动机参数采集系统设计

介绍了数字信号处理器（DSP）在航空发动机参数采集系统中的具体应用。以TMS320F240数字信号处理器为核心设计了航空发动机参数采集系统，对航空发动机各种模拟信号、脉冲信号以及开关信号进行采集和处理．同时将采集到的各种信号通过RS-422串行通信链路传送给参数显示系统。     

基于PLC的PSO算法PID输送机速度控制技术研究

本文主要利用粒子群优化算法(PSO)确定输送机系统速度控制中的最佳PID控制器增益。该项目通过三菱Q系列UDV PLC实现,该PLC带有多个编码器传感器和一个内置以太网模块来监控反馈。为了验证该方法的性能,将PSO离线确定的最优增益应用于模拟器和实际模型。实验结果表明,与其它方法相比,所提出的基于粒子群算法的PID控制...     

航空活塞发动机燃油系统常见故障及诊断技术研究

本文通过以TCM公司生产的航空飞行器的发动机为研究对象,分析了飞机发动机普遍存在的抖动及其成因。通过对飞行器发动机燃油系统故障的诊断以及修正的探讨,提出的解决措施对航空飞行器的工作的安全性、稳定性以及可靠性的提升都具有一定的意义、也能够有效提升航空活塞发动机的燃油系统的使用效率。     

采用PSO算法的S波段EDFA的优化设计

成功地使用粒子群优化(PSO)算法优化设计了多级S波段EDFA,仿真结果表明,输入信号功率为-20 dBm时在1486～1520 nm可实现平坦增益,两级泵浦总功率为380 mW,平均增益可达10 dB以上,增益平坦度小于0.1 dB,噪声系数小于5 dB,满足WDM/DWDM系统的需求.另外,还重点对插入长波长ASE...     

一种波导高通滤波器的优化设计

应用粒子群优化算法分析了波导高通滤波器阻抗变换段的阻抗值,并在此基础上设计了s波段宽阻带波导高通滤波器,该滤波器的实测结果与数值计算吻合很好,具有工程应用价值。     

基于人工神经网络的航空发动机故障诊断方法

针对航空发动机工作环境和结构的复杂性,设计了一种基于人工神经网络的航空发动机故障诊断方法。使用BP神经网络实现对航空发动机故障的诊断和识别,为了加快BP算法的收敛速度,采用带惯性项的批处理BP算法对BP神经网络进行训练。通过对检验样本的测试验证了该方法的有效性和可行性,将不同隐含层数及不同误差精度的算法性能进行了比较分析,结果表明本设计的网络结构及选取的误差精度能满足实际需要。     

改进的PSO优化无刷直流电机模糊控制系统研究

在实际的系统应用中,由于无刷直流电机采用普通PID控制策略难以满足高精度以及快速响应的需求,需要寻求更优的控制方式,因此通过融合粒子群算法与模糊控制的优势进行互补,采用了对外界因素变化影响较弱的模糊控制和运算处理效率较快的粒子群算法相互作用,进而优化单一控制算法控制精度不足。通过Simulink仿真验证,无论在响应速度还是在抗扰方面,无刷直流电机的优势都得到了很大的提升,能够获得更高的控制精度和稳态性,相比普通PID控制,启动阶段可以达到无超调,在面对负载扰动情况下抗干扰能力提高了50%。     

PSO算法在物流配送车辆路径优化模型中的应用

物流配送中车辆路径优化问题是一类有实用价值的组合NP问题。粒子群算法是一种新出现的群智能优化方法,将其应用于车辆路径优化问题,构造车辆路径问题的粒子表达方法,建立此问题的粒子群算法,并与实际情况作了对比,结果表明,粒子群算法可以快速、有效的求得车辆路径问题的优化解,是求解车辆路径问题的一个较好方案。     

基于PSO算法的城轨列车自动驾驶控制策略研究

由于传统的控制方法对于城轨列车运行这一非线性过程难以获得令人满意的控制结果,而粒子群算法(PSO)相较于布谷鸟搜索算法(CS)具有更快的收敛速度,更简洁易操作等优点,因此,文章尝试在此前CS算法研究的基础上,基于PSO算法对列车自动驾驶系统建立仿真模型并进行智能算法研究。通过MATLAB软件对列车运行过程中的精度、误差、节能、舒适度等目标进行仿真并比较结果。结果表明,城轨列车自动控制系统采用PSO算法是可行的。     

航空发动机闭环增益成形PID控制器设计研究

PID参数整定是PID控制器设计的关键.针对航空发动机PID控制器参数整定问题,研究了一种基于闭环增益成形PID设计方法在其中的应用.首先,根据期望控制系统的截止频率设计具有一阶惯性环节形式的期望闭环传递函数形状.然后,将某发动机对象传递函数近似表示为二阶深严格真形式;继而,可根据闭环增益成形设计方法,即假设期望闭环传...     

基于PSO的关联规则挖掘方法及应用

本文简要描述了关联规则问题及二进制粒子群优化算法(Binary Particle Swarm Optimization,BPSO),提出了一种基于粒子群优化算法的关联规则挖掘算法.仿真试验研究了关联规则在股市走势中的应用,选取相对强弱指标RSI,收集交易数据进行实证分析,得出若干条有用的关联规则.