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。     

基于自适应弹性粒子群算法的小水电长期优化调度研究

以三插溪电站为研究对象,建立了该电站以控制水位和弃水最小为目标的优化调度数学模型;设计了一种以自适应方式更新粒子飞行速度的弹性粒子群优化算法求解该优化调度数学模型,包括粒子编码设计、适应度函数设计以及弹性修正值设计,并编制了基于MATLAB语言的优化程序。仿真结果表明:自适应弹性粒子群算法是有效的,比基本粒子群优化算法和自适应粒子群优化算法具有更强的全局寻优能力;和常用的以发电量最大为目标的优化调度模型相比,数学模型可以实现水位控制,更充分地利用水能资源,是简单可行的小水电优化调度数学模型。     

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.     

内燃机凸轮轴径向振动特性优化研究

针对内燃机凸轮轴径向振动的问题,综合考虑轴承支撑刚度、阻尼以及轴段摩擦状况等因素的影响,利用AVL软件建立配气机构一维动力学模型。研究了轴承宽度以及轴承配合的相对间隙对凸轮轴径向振动特性的影响,并且对这2个参数进行优化。结果表明,增加轴承宽度以及适当增加轴承配合间隙能够减小凸轮轴径向振动速度和径向跳动位移,为凸轮轴径向振动的优化提供参考。     

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。     

风光沼储微电网系统容量优化配置

多清洁能源互补的微电网供电模式是解决偏远地区供电问题的一种有效途径,将两种或两种以上的可再生能源结合起来可以提高供电的可靠性、稳定性,因此文章首先分析了风光沼储分布式发电系统特性,并以此为基础构建微电网能源系统数学模型和目标函数,在约束条件下,利用改进型粒子群算法优化目标函数以获得最优配置。最后,以某农业园区微电网建模,对所提方法的有效性进行仿真分析,结果表明采用改进型粒子群算法搜索能力更强,该优化配置具有较好的工程价值和实用性。     

基于SA-PSO优化神经网络的拖拉机齿轮箱故障诊断

采用模拟退火算法,并融合了遗传算法的杂交和变异思想,对粒子群进行寻优运算,利用优化后的SA-PSO对BP神经网络权值和阈值进行优化.通过对拖拉机变速箱的齿轮故障进行诊断,结果表明,该方法解决了基本粒子群算法迭代速度慢容易陷入早熟问题;同时克服了传统BP算法容易陷入局部最小问题.与传统BP算法和Elman算法比较,在网络性能、收敛速度方面均优于前者,可以推广应用到其他故障模式和特征量之间具有非线性关系的故障诊断领域.     

充水式深井潜水电泵静压止推轴承系统的设计

目前,我国生产的充水式潜水电泵中的止推轴承都采用动压滑动轴承,由于滑动轴承的工作介质为水,使得动压滑动轴承形成的流体动压油膜最大也只能到4～8μm,这样使轴承工作在边界摩擦状态,造成轴承易磨损、寿命短,而且由于轴承材料[pv]值的限制,承载能力     

粒子群优化算法在确定含水层参数

以泰斯公式为例,将粒子群优化算法应用于求解分析抽水试验数据,确定含水层参数的函数优化问题．就粒子数目和待估导水系数初值范围等因素对算法收敛性的影响,进行了数值实验．结果表明：1）粒子群算法能够有效地应用于求解分析抽水试验数据,确定含水层参数计算问题;2）粒子数目的大小对运算时间和算法收敛性有一定的影响,在实际运算时,宜设置较大的粒子数;3）待估导水系数的选取初值大小对收敛速度有一定的影响,但不会影响最终计算结果．与其它方法相比较,粒子群优化算法具有原理简单、易于编程和实现等优点．     

滑动轴承摩擦因数方程的改进与应用

提出应用相似理论中的量纲分析法改进液体润滑状态下滑动轴承摩擦因数方程，得出摩擦特性数与承载量系数之间的量纲1的方程，从而建立与油膜厚度较为直接的关系，解决了通过测量摩擦特性数以求取最小油膜厚度的问题，采用模型试验方法测定并建立了摩擦特性数与承载量系数和油膜厚度与承载量系数之间的关系，并指出其实用价值。     

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。     

改进PSO算法在电力系统无功优化中的应用

介绍一种改进粒子群的无功优化方法。采用简化粒子群优化方程和添加极值扰动算子两种策略加以改进,提出简化粒子群优化（SPSO）算法、带极值扰动粒子群优化（DPSO）算法,并将二者结合起来提出带极值扰动的简化粒子群优化（DSPSO）算法。以IEEE6节点系统为例进行无功优化计算,并与其他算法进行比较,结果表明：该算法具有较快的收敛速度及较强的全局搜索能力,可较好地解决电力系统的无功优化问题。     

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。     

基于改进粒子群优化神经网络的拖拉机排放方法研究

针对农用拖拉机排放污染严重的问题,特别是限制氮氧化物（NOx）和碳烟（Soot）的排放,以中国一拖集团某型号农用柴油机为研究对象,采用系统建模仿真、台架试验验证和仿真分析结合的方法对发动机排放优化进行了研究。首先构建了农用拖拉机燃烧室三维模型并导入CONVERGE进行燃烧排放模拟与仿真,通过对模型缸内压力、热释放率试验值与仿真值的对比,证明该模型具有较高精确度,能够较好地描述发动机内部燃烧排放过程。之后以燃烧室的缩口率、凸台深度、燃烧室深度为输入,以发动机NOx和Soot排放量为输出建立人工神经网络作为代理模型。计算决定系数R2和平均相对误差（MRE）来验证人工神经网络的精确度。然后在此基础上提出一种改进的粒子群优化算法,从而获得燃烧室缩口率、凸台深度、燃烧室深度的最佳参数组合,形成新的燃烧室结构并导入CONVERGE软件中进行排放模拟计算并与原燃烧室的排放量进行对比。结果表明采用新的燃烧室结构后能够降低发动机NOx和Soot排放,可为相关农用拖拉机燃烧室系统设计和开发提供参考和思路。     

基于禁忌搜索算法的内燃机配气机构优化设计

运用禁忌搜索算法和Matlab语言,对内燃机配气凸轮机构的动力学数学模型进行了仿真优化计算,结果与原设计相比,丰满系数提高了1．24％,动态最大正加速度在上升段下降了0．87％,在下降段上升了5.23％,动态最大负加速度下降了5．93％,加速度变化趋于平稳,优化效果比遗传算法好。     

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.     

混沌粒子群微分进化算法及其在水库发电优化调度中的应用

粒子群优化算法（PSO）与微分进化算法（DE）都是有效的基于群体智能的全局优化算法,但它们都容易过早收敛,陷入局部最优。针对以上问题,提出了混沌粒子群微分进化算法（CPSO—DE）,该算法引入可变的惯性权重和学习因子,以基于logical映射的混沌序列代替标准PSO中的随机序列来对粒子群进行初始化,同时将微分进化算法（DE）中的变异、交叉和选择思想引入标准PSO算法中,改变标准PSO算法单一的进化策略,在全局范围内搜索最优解。作为实证的需要,通过对水库优化调度所存在问题的分析,建立了基于CPSO-DE算法的水库优化调度数学模型与求解算法,并以某水库实际运行数据进行计算,结果表明CPSO-DE算法具有较好的全局最优解,验证了CPSO—DE算法的可行性与健壮性。     

元胞多目标粒子群优化算法与其应用

针对现有多目标粒子群算法多样性不佳,难以平衡多目标优化的全局搜索和局部寻优的能力,提出了一种元胞多目标粒子群算法。在分析多目标粒子算法理论基础上,该算法将元胞自动机思想融入粒子群算法,研究粒子之间相互关系和信息传递机制,并提出一种粒子飞行速度控制策略。实验证明,新算法相对于4种比较算法,在求解含有无约束和有约束的多目标优化问题时有更好的收敛性和多样性,将其应用于盘式制动器优化设计,得到的解精度更高。     

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。