基于粒子群神经网络的农机调度网络安全态势评价

在规模化农机作业过程中,由于农机作业信息发布滞后和农机资源调度不合理,会造成农机作业效率低下的问题,特别是在农忙时节,会影响农作物的收割效果。为了提高农机作业效率,往往需要具备大规模的农机调度网络系统,以对农机资源进行合理的分配。农忙时网络系统使用的时间比较集中,为了不耽误作业调度系统的顺利运行,网络安全问题不容忽视;而农机调度网络系统的数据较为庞大,想要对其进行网络态势安全评价需要高效的处理算法。为此,将粒子群优化的神经网络算法引入到了农机调度网络安全态势评价过程中,并对其可行性和可靠性进行了验证。实验结果表明:采用粒子群优化的神经网络算法对于网络安全评价的效率较高,可以满足农机网络调度系统网络安全态势评价的需要。     

农业机械信息管理平台中会计智能化监测技术研究

为了提高农业机械信息管理平台的智能化服务水平,将云技术和会计智能化监测技术引入到了平台的设计上,并以农机调度系统的平台功能设计为例,在智能监测的基础上,采用粒子群神经网络算法对调度系统进行优化设计。为了验证方法的可行性,以不同作业区块的路径规划模拟为测试对象,将优化前后的调度系统的性能进行了对比。由路径规划距离和调度完成作业耗时的对比发现:优化后的系统可以明显节省作业时间和行驶距离,从而有效降低了作业生产的成本。     

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.     

基于改进粒子群与神经网络的机械结合面法向刚度建模

为了提高机械结合面法向接触刚度预测精度,提出一种改进粒子群优化算法,并用改进粒子群算法优化BP神经网络的参数组合,实现了粒子群和BP神经网络相结合的算法模型。将影响结合面法向接触刚度的因素进行了特征分析和定量化描述,并用该算法进行法向接触刚度预测和相对误差分析。计算结果表明,计算准确度可达92%,实现了多种影响因素组合下的机械结合面法向接触刚度的建模。     

国网安徽电力:完成统调300MW及以上机组脱硝改造

<正>7月11日,从国网安徽省电力公司调控中心获悉,经过一年半的努力,2014年6月底完成了对统调300 MW以上44台火电机组的脱硝改造工作,在华东电网中率先实现了对规定要求的火电机组脱硝改造工作。据了解,公司每月召开例会,推进全省统调机组的节能减排工作。下一步,公司将建立统一的火电机组节能减排信息网,每日公布并网统调火电机组的脱硫、脱硝以及除尘等节能减排信息,进一步落实政府     

模拟退火粒子群优化投影寻踪的渠道防渗模式评价

为了对渠道防渗工程的方案进行优选,采用模拟退火粒子群优化投影寻踪方法对渠道防渗模式进行优化评价.优化粒子群算法,使其在退火过程中接受优解,且还以一定的概率接受差解.同时利用模拟退火粒子群算法在搜索过程中具有概率突跳的能力,有效地避免搜索过程陷入局部极小解,提高了算法的收敛速度和精度.将该模拟退火粒子群算法与投影寻踪结合,建立了模拟退火粒子群优化投影寻踪模型,将该模型应用到灌区渠道防渗模式优化评价中,选取10个指标作为评判因子,提出适合该地区的干渠渠道防渗工程优化模式,其优劣排序依次为方案Ⅳ、方案Ⅱ、方案Ⅲ、方案Ⅴ、方案Ⅰ.研究表明模拟退火粒子群优化投影寻踪的评价模型对灌区渠道防渗模式进行综合评价是切实可行的,模拟退火粒子群优化投影寻踪的评价方法在解决实际问题中展示了其优越性,并取得了良好的应用效果.     

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。     

基于神经网络PID的拖拉机空调温控系统优化设计

为了提高拖拉机空调温控系统的调节精度和效率,提升驾驶室内的环境舒适程度,将PID控制器引入到了拖拉机空调控制系统的设计上,采用温度误差反馈调节的方式,提高温控的精确性。在PID控制器的优化上采用了神经网络算法,通过神经网络训练和权值的修改,实现了PID控制器的3个参数的优化,进而提高了控制系统的效率和精度。为了验证神经网络算法对PID控制器的优化作用,以拖拉机的温控误差和调节时间为研究对象,对单独采用PID控制器和采用神经网络PID控制器时的控制结果进行了测试,结果表明:神经网络算法使PID控制器具有更快的响应速度和更高的控制精度。     

基于类人足球比赛决策系统的采摘机器人多路径优化

采摘机器人的研究已经成为实现智能化农业的一个热点,到目前为止,采摘机器人还没有一套完备的自主决策系统,对其理论研究也不足;而基于足球比赛决策系统的机器人已经研究的较为成熟,如果将其决策系统移植到采摘机器人上,将大大提高采摘机器人的决策效率和自主规划能力。为此,提出了一种基于足球比赛决策系统的采摘机器人多路径优化方法,采用小波神经网络提高了训练后的值和期望目标值的逼近程度,实现了足球比赛路径优化的高精度预测;结合机器视觉技术,采用模糊决策算法对最终的运行轨迹进行决策,实现了机器人的自主路径规划。将该方案移植到了采摘机器人控制系统中,为了验证方案的可行性,采用不同的算法对采摘路径进行优化,结果发现:采用小波神经网络和模糊决策算法可以成功地锁定果实目标,且优化所需时间少,路径最短,满足设计需求。     

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。     

粒子群和遗传算法在农业工程中的应用

在农业工程的研究以及应用中,涉及到大量的系统优化问题,而传统优化算法在求解某些农业工程问题时,如离散优化问题,高非线性、多约束、多极值的问题,暴露了其局限性。粒子群算法和遗传算法具有独特的优点,在现代农业工程中逐渐得到了应用。为此,介绍了粒子群算法和遗传算法的原理,以及粒子群算法和遗传算法在农业机械优化设计、农业工程优化设计、现代农业发展规划、农产品物流网络优化和农村电网及无功补偿优化等领域的应用及研究进展。     

基于RBF神经网络补偿的滑膜控制

探讨了一种基于粒子群优化算法的RBF网络补偿的自适应滑膜控制设计以及仿真方法的分析。首先对被控系统进行数学建模,其后设计RBF神经网络网络补偿器。在补偿器的设计过程中,采用RBF神经网络逼近算法,并在RBF神经网络中使用粒子群优化算法对神经网络权值进行优化。相比于多层前馈BP网络,RBF网络由于具有良好的泛化能力、网络结构简单、可避免不必要和冗长的计算而备受关注,且能在一个紧凑集和任意精度下逼近任何非线性函数。通过机械臂具体实例仿真,验证了设计方法的理论正确性。     

农机购置补贴政策与智慧农业体系的关联度模型分析

由于农机购置补贴政策和智慧农机体系的构建具有一定的关联性,采用灰色关联度建立了关联性分析模型,并采用极限神经网络算法对模型进行了优化,从而将关联性应用到智慧农业体系的构建上,特别是农机的远程调度管理系统的设计上,提高了系统的设计效率.以农机的远程调度管理为例,构建了智慧农业体系,并对关联性模型的作用进行了验证.结果表明...     

基于粒子群算法的含风电电力系统无功优化

针对风电系统并网,由于风力的不确定性导致的适应度不稳定性较大,劣性粒子较多,难以快速收敛到最优值,进而造成系统电压偏差较大、网损剧增的问题,提出了基于粒子群算法的含风电电力系统无功优化方式。将粒子群优化算法应用到电力系统无功优化中,以网损最小为目标函数,建立无功优化的数学模型,并进行仿真。仿真结果表明,粒子群算法具有较好的全局寻优能力和较快的收敛速度,在无功优化领域有广阔的前景。     

基于MOPSO算法的水电机组开机过程多目标优化

为提高水电机组开机过程的动态品质，提出了一种基于非线性模型的水电机组开机规律多目标优化方法。为了准确描述系统的水力和机械动态特性，建立了调节系统非线性模型。选择优化的目标综合考虑转速上升的快速平稳性和对水压波动和机械振动的抑制，选取转速相对误差绝对值积分、蜗壳水压相对误差绝对值积分和最大轴向水推力相对值作为3个目标函数。利用多目标粒子群优化（MOPSO）算法对导叶开启规律进行优化，得到帕累托最优解集，并以加权方式选择4个解进行仿真试验。结果表明，开机规律多目标优化方法能在确保转速平稳上升的同时有效平抑水压波动和机械振动，达到良好的控制品质，优化结果可为水电机组的安全稳定运行提供决策支持。     

水电站发电优化调度初始粒子群生成方法研究

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.     

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。     

车辆半主动悬架粒子群模糊混合控制策略

在Matlab中建立4自由度1/2半主动悬架车辆模型后,构建模糊混合控制器,利用粒子群优化算法对模糊混合控制器的隶属度函数和模糊控制规则同时进行优化,开发了粒子群模糊混合控制策略。为了有效验证所提出的控制策略,在搭建的车辆半主动悬架系统控制策略硬件在环仿真试验平台上进行了粒子群模糊混合控制策略的半实物仿真试验。硬件在环仿真试验结果表明,粒子群模糊混合控制策略明显优于传统模糊控制策略,能有效地提高半主动悬架系统的综合性能,并且在不同路面输入激励下均能取得较好的控制效果。     

线性递减权重粒子群优化投影寻踪模型及应用

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,为了有效地控制粒子群算法的全局搜索和局部搜索,提出了将线性递减权重引入到粒子群优化算法中.该算法是从随机解出发,通过追随当前搜索到的最优值来寻找全局最优解,增加了粒子群算法的局部搜索能力.将其算法优化投影寻踪模型,以此构建了线性递减权重粒子群优化投影寻踪模型,将该模型应用到土坝护坡模式优化评价中,选取9个指标作为评判因子,提出适合该地区的土坝护坡优化模式.结果表明:线性递减权重粒子群优化投影寻踪模型可以有效地找到最佳投影方向,计算投影值,根据投影指标值的大小可对方案进行优选.利用该模型对土坝护坡模式进行综合评价是切实可行的.该算法以其实现容易、精度高、收敛快等优点,并且在解决实际问题中展示的优越性,在工程优化领域具有广泛的应用前景.     

分布式粒子群的直线电机有限元模型参数优化

为了克服大规模计算带来的因时间消耗而大大降低工程试验效率的问题,提出了一种改进的分布式计算的小生境粒子群算法(DNPSO)。该方法将MATLAB的MDCS架构与小生境粒子群结合,通过不断调整搜索区间,寻找出模型参数的全局最优值。采用Shaffer函数对算法进行测试,再将其应用于直线电机热分析计算。实验证明,该方法在提高算法的准确度的同时大大提高了计算效率,在工程应用中具有很好的实用价值。