Ahut-Delta并联机构改进混沌粒子群算法尺度综合

针对Ahut-Delta并联机构,提出了一种基于改进混沌粒子群算法的尺度综合方法。首先提出一种改进混沌粒子群算法,即采用混沌立方映射初始化种群,并根据迭代状态指数性调整惯性权重因子,同时进行早熟判断和混沌扰动,迭代获得最优粒子。其次将Ahut-Delta并联机构优化参数转变为粒子维度决策变量,雅可比矩阵的全域均值条件数和全域波动量构建的全域综合性能评价指标在其几何条件约束、传动角约束条件下转换为改进混沌粒子群算法的适应度函数。最终通过改进混沌粒子群算法优化搜索,优化出适应度函数值最小的最优粒子,从而获得Ahut-Delta并联机构在全域运动性能最佳的尺度参数。仿真分析结果表明,所提尺度综合方法具有正确性和有效性。     

基于粒子群算法的抛物线形渠道断面优化方法

针对试算法工作量大、计算误差大和精度低等问题,建立了以计算流量和设计流量之差最小为目标函数的抛物线形渠道断面优化数学模型,将粒子群优化算法引入到抛物线形渠道断面优化计算中,采用粒子群算法在全局空间下搜索渠道断面优化问题的全局最优解。并以陕西省石头河灌区五丈源支渠抛物线形混凝土渠道为例,对其二次抛物线形渠道断面的方程形状参数a和设计水深h进行了优化设计。结果表明,得到满足约束条件的最优方程形状参数a为5.06,最优设计水深h为0.398 2 m。与原设计相比模型计算所得渠道过水断面面积减少了0.102 1%,渠道土方量减少了6.225 4 m~3,混凝土衬砌量减少了4.764 1 m~3,工程占地面积也随之减少。粒子群优化算法能有效地解决抛物线形渠道断面设计中的优化问题,且具有收敛速度快、计算精度高和全局寻优能力强等优点。     

基于改进粒子群算法求解马蹄形断面正常水深

为了解决马蹄形断面正常水深无显函数计算方法的现状,通过对明渠恒定均匀流方程进行数学变挟,得到了标准Ⅰ,Ⅱ型马蹄形过水断面正常水深求解的分段非线性约束优化问题．将粒子群算法中的权重函数随着迭代次数和不同粒子与最优粒子之间的距离大小进行调整,用以加速算法的收敛速度和提高粒子的搜索能力,并将调整惯性权重模型的粒子群优化算法运用到马蹄形断面正常水深的求解中．通过实例计算及误差分析表明：分段优化模型在水深特征点连续,且该法能100％收敛到全局最优解,故该方法求解马蹄形断面正常水深适用性强、计算精度高、算法实现简单,为马蹄形过水断面水力计算提供了一条新途径．     

无线传感器网络三维定位交叉粒子群算法

针对标准粒子群算法进化后期收敛速度慢、易陷入局部极小点、早熟收敛等问题,提出一种基于交叉粒子群的农业无线传感器网络三维定位算法。该方法主要包括汇聚节点选取、测量距离修正、节点定位3个阶段,通过借鉴遗传算法交叉操作的思想,增加粒子的多样性,减小测距误差、锚节点数量对定位结果的影响,有效提高定位算法全局搜索能力。仿真结果表明,该方法的稳定性和定位精度均优于标准粒子群算法。在测距误差和锚节点数量相同的条件下,与混合蛙跳定位算法进行性能比较,两种算法的最大定位误差分别为1.337 8 m、1.747 3 m,最小定位误差分别为0.258 3 m、0.561 5 m,平均定位误差分别为0.651 2 m、1.044 7 m。     

最小条件下直线度误差评定的不确定度研究

针对按最小条件评定直线度误差存在的不确定度问题,根据离散数据点测量的名义坐标和不确定度来计算最小条件下直线度误差的不确定度.假设测量数据点坐标服从均匀分布,基于最小条件的判定准则,讨论了参考直线的不确定性,并提出了处理方法.给出了直线度误差不确定度传递的公式和计算方法,讨论了用Monte Carlo随机模拟方法评定直线度误差,并用实例进行了分析,同时对测量点不服从均匀分布的情况进行了讨论.     

基于改进粒子群算法的 精准农业无线传感器定位研究

为了提高精准农业无线传感器定位的精度,提出改进粒子群算法。首先建立精准农业无线传感器定位过程;接着对粒子群算法的惯性权重进行非线性优化,使得算法前期变化缓慢,后期变化较快,利于算法跳出局部而求得全局最优解;然后对粒子群规模采取收缩扩张控制,其判别结合粒子的聚集度、多样性函数,算法前期的收缩扩张系数值在较大的位置,后期应减慢速度以加强算法的局部搜索能力;最后建立定位误差与粒子适应度函数关系。实验仿真显示本文算法收敛性能较好,相比其他算法能有效地抑制测距误差对定位的影响,提高节点的定位精度。     

MATLAB粒子群算法工具箱求解水电

粒子群算法因其原理简单、易于编程、适于并行计算等优点而得到了广泛的应用。本文探讨和分析了Matlab粒子群算法工具箱，并提出了基于该工具箱来实现水电站优化调度计算的方法。计算实例表明，Matlab粒子群算法工具箱可以很好地用于解决水电站优化调度问题，可获得比动态规划算法更好的精度。     

小麦收割机割台结构可靠性优化设计——基于改进粒子群算法

为了实现小麦联合收割机割台结构的优化设计,将粒子群算法引入到了可靠性计算中,并提出了一种基于改进的粒子群算法的割台可靠性优化方法。针对基本粒子群算法的早熟问题,运用混沌优化与粒子群优化的搜索特性,将结构的动态可靠度区域收缩,提高了算法的可靠性。建立了割台最小截面积、质量和可靠度的计算模型,利用Pro/E软件对模型进行了虚拟仿真,并采用Mat Lab编程实现了改进后的粒子群算法。由虚拟仿真和迭代计算的结果可以看出:对粒子群算法进行改进后,其收敛性较好,在可靠度满足设计要求的情况下,截面积和质量都有所下降,节约了加工材料。     

水电站发电优化调度初始粒子群生

重点分析了粒子群算法(Particle Swarm Optimization, PSO)在水电站优化调度应用中存在的收敛速度慢等问题，并针对问题提出了一种新的初始粒子群生成方法，形成了粒子群算法求解水库优化调度的改进应用方法。改进前后仿真计算结果的对比分析表明，改进后的应用方法可明显提高水电站优化调度问题的求解速度和精度。     

基于改进粒子群优化模糊控制的农业车辆导航系统

以采用机器视觉导航的农业车辆为研究对象,提出了一种基于改进粒子群优化自适应模糊控制的农机导航控制方法。建立了车辆2自由度转向模型和视觉预瞄模型,对车辆横向控制进行状态描述。对粒子群算法进行了改进,提高了粒子群算法的收敛速度,降低了算法计算时间。构建了自适应模糊控制器,在模糊控制器中引入加权因子,以横向偏差和航向偏差时间误差绝对值积分(ITAE)之和作为系统目标函数,通过粒子群算法计算得到最优加权因子,进而调整控制规则实现导航车辆的自适应控制。仿真和导航试验结果表明,提出的控制方法可以迅速消除横向误差,具有超调量小、响应速度快等特点,既保留了模糊控制算法的优点,又提高了系统控制品质。在相同参数条件下,与常规模糊控制相比,改进模糊控制算法导航精度显著提高。当车速为0.8/s时,直线路径跟踪最大横向偏差不超过4.2 cm,曲线路径跟踪最大横向偏差不超过5.9 cm,能够较好地满足农业车辆导航作业要求。     

基于改进型PSO算法的汽车转阀参数优化

提出了基于模拟退火(SA)修正的改进型粒子群算法(SA-PSO)的转阀参数优化方法。建立了整车动力学模型、转向系统模型、高速"路感"模型和转阀能耗模型,并对模型进行了验证;给出了低速转向轻便性、高速转向"路感"和能耗的量化指标;提出了以轻便性、"路感"和能耗量化指标的平方和根最小值为目标函数,以各参数取值范围为约束条件的最优化问题;构建了基于模拟退火修正的改进型粒子群优化算法(SA-PSO)的自适应度函数,运用改进型粒子群算法获得了转阀参数的全局最优解;SA-PSO与PSO的优化结果对比表明,SA-PSO的全局收敛性强、收敛速度快;通过优化参数与另外两组参数双纽线、高速中间位置小转角转向、转阀能耗仿真验证了优化方法的有效性和优化结果的正确性,最后分别进行了转阀参数优化前、后的双纽线、高速中间位置小转角转向、转阀能耗试验,结果表明,优化后的转阀使转向轻便性、高速转向"路感"和节能性均得到改善。     

大型泵站运行优化方法及其应用

为了掌握适于求解具有多变量的大型泵站运行优化问题的现代优化方法,阐述了遗传算法（GA）、基本粒子群算法（PSO）与模拟退火粒子群算法（SA-PSO）的基本原理,分析了算法的异同点,从理论上得出PSO算法较GA算法更简单、更高效.以南水北调东线工程江都泵站系统为例,当泵装置扬程一定时,以各座泵站开机台数和水泵叶片角度为变量,运行费用最少为目标函数,并且满足总抽水流量、单机允许抽水流量以及开机台数等约束条件,建立运行方案优化数学模型,确定各座泵站开机台数、机组运行工况和日运行费用.分别采用遗传算法、基本粒子群算法和模拟退火粒子群算法求解,可行性规则处理约束条件,应用Matlab语言编制优化计算程序.结果表明：SA-PSO算法求解的泵站变角优化运行方案,较在设计角度运行的方案节省运行费用0.99%～4.22%,较GA,PSO算法最优解方案分别节省运行费用0.22%～2.80%和0.02%～0.40%;3种算法的运算时间分别为30,52,25 s.因此,SA-PSO算法较为适合于大型泵站运行优化问题的求解.     

基于IPSO-BP模型的粮食产量预测方法研究

针对粮食产量预测的复杂性,以基本微粒群算法(PSO)为基础,引入繁殖和变异机制,提出一种改进的微粒群算法(IPSO)优化BP神经网络的连接权值和阈值。综合考虑影响粮食产量的有关因素,构建出IPSO-BP的粮食产量预测模型,并以江苏省1978—2018年的粮食产量及影响其产量的10个因素作为数据集进行仿真试验。试验结果表明,与基本PSO-BP神经网络模型及BP神经网络模型相比,基于IPSO-BP神经网络模型获得的2016年、2017年、2018年粮食产量预测结果最优相对误差分别为0.24%、0.25%、0.06%,平均相对误差0.76%、0.67%、0.38%,该模型的预测精度及稳定性大幅提高。     

改进粒子群优化（MPSO）算法在动

基于在水资源不充足的情况下，对都江堰灌区六大渠干水资源的合理分配，使农业效益达到最大。首先建立灌区优化配水模型，并将粒子群优化算法（PSO）及其改进的算法应用于该模型。分别对标准PSO、两种改进PSO（MPSO）算法与遗传算法进行仿真对比，结果显示采用PSO算法及其MPSO在农业经济效益上可获得更好的寻优效果，提高了水资源的利用率。     

光伏充气膜温室自跟踪发电系统发电量预测

针对光伏充气膜温室自跟踪发电系统提出了一种加入天气预报信息的自适应变异粒子群神经网络的发电量预测算法.首先结合历史发电量数据和气象数据分析了影响光伏充气膜温室自跟踪发电系统发电量的主要因素,建立了加入天气预报的神经网络预测模型,并针对传统神经网络预测模型中基于梯度下降的BP算法收敛慢、易陷入局部最优、训练难收敛等问题,通过自适应变异粒子群算法改进了神经网络.该算法通过将变异环节引入粒子群优化算法,进行隔代进化找到局部最优解.实验结果表明所采用的自适应变异粒子群的神经网络预测算法的全局收敛性能得到了显著提高,能有效避免粒子群优化算法中的早熟收敛问题.     

基于改进粒子群算法的路径规划

传统粒子群算法存在收敛精度低、搜索停滞等缺点,导致机器人路径规划精度低。为了提高路径规划的精度,对传统的粒子群算法进行改进。首先在算法运行的各阶段对惯性权重因子和加速因子同时使用三角函数的变化方式自适应调整,使算法中的参数在算法运行各阶段的配合达到最佳,提高了算法的搜索能力;其次在算法中引入鸡群算法中的母鸡更新方程和小鸡更新方程对搜索停滞的粒子进行扰动,并在引进的方程中使用全局最优解使扰动后的粒子向全局最优解靠近;最后通过函数优化和路径规划两组对比实验,验证了改进算法在问题优化时具有寻优精度高、鲁棒性好的优点。     

微粒群优化求解van Genuchten方程参数

van Genuchten方程参数的求解是复杂的非线性拟合问题,用传统方法难以有效解决。应用微粒群优化目的在于找到一条求解van Genuchten方程参数新的有效途径。以粉壤土吸湿和脱湿实测数据为实验,利用VisualBasic.NET语言进行编程,首先建立目标函数,然后计算每个微粒的适应值,通过微粒的自动寻优过程,找到最小误差平方和,最后记录下与之对应的参数,即为方程所求得解。通过最小误差平方和与其他方法进行比较,表明微粒群优化程序设计简洁、运行时间短、拟合精度高,是一种求解van Genuchten方程参数的有效方法。     

粒子群算法的改进及在农业水资源配置的应用

为了合理分配大荔县农业水资源,提高大荔县的农户总收益,建立农业水资源优化配置模型,得到大荔县主要农作物的合理种植面积以及灌水量优化配置方案,解决将大荔县灌区有限农业水资源在不同作物中合理分配的问题,实现总收益最大化的目标.模型求解中使用粒子群算法,对算法同时进行线性递减惯性权值及限速粒子群的2种改进,解决了粒子逃离函数定义域导致程序中断的问题.结果表明:经过优化后大荔县丰水年(降雨频率P=25%)总收益为29.78亿元,平水年(P=50%)总收益为29.75亿元,枯水年(P=75%)总收益为29.50亿元,与优化前的总收益28.98亿元相比均有所增长,水资源更多分配给经济作物棉花,农作物种植面积和水量均实现最优分配.对改进前后的粒子群算法求解进行比较,改进后粒子群算法寻优能力强,结果可靠合理,为区域水资源优化配置提供了新的解决思路.     

基于粒子群寻优的支持向量机番茄红素含量预测

应用支持向量机(SVM)通过色差值对番茄果实番茄红素含量预测进行建模,解决预测过程受影响因素多、参数互相关联、难以建立精确模型问题。为提高预测精度,将SVM参数选择和输入变量的选取看作组合优化问题,通过赤池信息准则(AIC)构造组合目标优化函数,采用粒子群算法(PSO)进行目标函数搜索,提高了搜索效率。对采后储藏不同成熟度番茄进行的测量表明,所提预测建模算法在番茄红素的预测中具有良好的性能,为番茄红素的便捷、无破坏性测量提供了一种方法。