基于微粒群算法优化PI参数的单相有源电力滤波器

有源电力滤波器在单位功率因数控制策略下,PI调节器的参数选择和优化是个难点,从能量传递的角度,推导了单位功率因数控制下系统有功功率闭环控制的模型,在此基础上分启动和稳态两个阶段设计PI调节器,采用改进微粒群优化算法对调节器参数进行寻优,与传统的典型Ⅱ型系统设计方法和遗传算法得到的整定结果进行比较,优化参数后的调节器拥有更好的动态响应和抗扰性能,仿真结果也验证了优化后的系统具有良好的补偿效果和瞬时特性。     

人工气候室照度神经网络控制系统的研究

人工气候室光照系统具有复杂的非线性,不确定性,滞后性,常规控制难以达到较好的效果。针对这一问题,采用神经网络的PID控制,可实现对系统的在线辨识和控制;为克服局部最小问题。采用遗传算法时神经网络权阈值进行优化。仿真结果表明,该系统控制效果好,稳态精度高,响应较快,动态性能好,超调量较小,完全满足控制要求。     

基于多种群协同进化微粒群算法的径向基神经网络设计

神经网络结构和权值的联合设计一直是神经网络进化设计的一个研究方向.本文根据基本微粒群算法的特点,借鉴递阶编码的思想,构造出一种多种群协同进化微粒群算法.该算法具有种群内个体微粒自由运动特征分量与种群运动特征分量分层递阶进化的特征,克服了标准微粒群算法在多峰函数寻优时出现的微粒“早熟”现象.应用该算法进行径向基神经网络隐层结构和径向基函数参数联合自适应设计,在非线性系统辨识中显示了比较好的收敛性和训练精度,同时也使网络的泛化能力和逼近精度这一对矛盾得到了比较好的协调统一.     

基于改进遗传算法的PID参数整定及其在加热炉中的应用

提出了一种遗传传算法交叉概率与变异概率的自适应确定方法，应用该方法对PID控制器的参数进行优化，并以加热炉为研究对象进行仿真研究，结果表明该方法能实现对PID参数的全局优化，仿真系统具有较好的控制效果。     

一种基于聚类的小生境微粒群算法

在小生境微粒群算法中引入一种简单的聚类算法，替换了原算法中依赖于圆形拓扑领域的小生境产生方法，构建出一种基于聚类的小生境微粒群算法．该算法在对主微粒群进行l best PSO寻优的同时对其中的微粒进行聚类，当聚类簇中的个体数目达到规定的子微粒群最小规模时形成一个小生境．用这种算法能够产生大小和形状不同的小生境，克服了NichePSO算法的不足．     

微粒群算法在二维模糊熵图像分割中的应用

将微粒群算法和二维模糊熵阏值分割法结合,提出了一种基于微粒群和二维模糊熵的图像分割方法.该方法根据像素点灰度值和区域灰度均值所建立的二维灰度直方图,以二维模糊熵作为微粒群算法的适应度函数,利用微粒群算法搜索点灰度值和区域灰度均值所对应的模糊参数最优组合,进而确定相应的分割阈值.对几例真实目标图像的对比分割实验结果表明,该文方法性能优越,是一种有效的图像分割方法.     

基于反推原理感应电机直接转矩控制

为了实现感应电机高性能控制,克服运行过程参数摄动、不确定等问题的影响,应用反推原理设计的非线性控制器,考虑感应电机的铁损。并且通过李雅普诺夫理论证明控制器的整体稳定,采用电压空间矢量调制,应用于直接转矩控制系统。仿真结果表明,采用反推原理设计控制器能够使感应电机直接转矩控制达到很好的跟踪效果,具有推广意义。     

基于混沌粒子群算法的高压直流输电换流桥智能故障诊断

利用现代电力电子变换技术和MATLAB仿真软件研究了一种高压直流输电换流桥故障诊断技术。在详细分析了换流桥各种故障模式的基础上,提出了一种基于粒子群神经网络的故障诊断方法。针对粒子群的收敛速度慢和早熟问题,提出了一种混沌粒子群算法。仿真结果表明该模型比基本的粒子群神经网络诊断方法具有速度快,准确度高的特点。     

基于改进粒子群算法的整流电路智能故障诊断

针对基本粒子群算法(PSO)收敛精度低、易陷入局部极小值的缺点。对该算法进行改进,采用自适应调整惯性权重的策略,并且引入扰动因子,平衡集中强化搜索和分散多样化的搜索过程;用改进的PSO算法优化BP神经网络的权值和阈值,并应用于整流电路的故障诊断;仿真研究结果表明,该方法与其它方法相比,收敛速度快,诊断精度高,在整流电路故障诊断中具有良好的故障识别率,便于电路故障自动诊断系统的建立。     

激光全息光弹测量园盘片的主应力分布

本语文介绍激光全息光弹仿真测量模拟材料（园盘片）主应力分布,并用科学计算软件ＭａｔｈＣａｄ对获取全息相干图像数据进行处理的新方法,它是一种仿真模拟与计算机信息相结合的新技术方法,通过仿真模拟,数据处理,与工程理论值进行对比分析,从而为园盘片模拟各种实际材料的主应力分布提供了可靠的实验依据。