粒子群参数自适应调整的优化设计

在分析粒子群优化原理基础上,引入模拟退火机制以一定的概率对部分粒子的速度及位置执行更新操作,建立了粒子群惯性量权重因子及学习因子的模糊逻辑控制器以实现粒子群参数的自适应调整,从而提高优化算法的收敛速度及获得全局解的能力.通过运用常规优化方法、遗传算法及参数自适应调整的粒子群优化方法对起重机结构主梁截面优化设计对比可知:采用粒子群参数调整的优化方法具有自适应能力强、计算效率高及优化设计精度高等优点.     

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。     

基于改进PID算法的电车自适应巡航研究

为研究电动汽车的自适应巡航能力,基于PID算法分别设计速度跟踪模型和距离跟车模型,综合考虑主车跟车的有效性和安全性。基于CarSim/Simulink建立电动汽车整车模型,分别利用PID算法设计速度跟踪策略和PI算法设计距离跟踪策略并对求解结果进行线性加权,最后对控制策略进行仿真。仿真结果表明,所设计的控制策略可以保证自适应巡航电动汽车跟车行驶的有效性和安全性。     

水库优化调度的粒子群算法

提出了在用粒子群算法求解水库优化调度问题时,将模拟退火因子引入罚函数,可以克服不变罚因子的缺陷.采用动态规划法和PSO算法优化调度程序,结果发现PSO算法计算结果更优于动态规划结果.实例计算表明,粒子群算法原理简单,易于编程,占用内存少,求解精度高,适合求解具有复杂约束的水库优化调度问题.     

基于粒子群算法的圆柱度误差评定方法

根据最小区域条件,建立了圆柱度误差的数学模型以及优化目标函数和适应度函数,阐述了粒子群优化算法的原理和实现方法,然后根据粒子群算法优化求解。实例表明,该方法对于圆柱度误差评定等非线性优化问题能得到全局最优解,粒子群优化算法的计算精度与其他满足最小条件的计算方法相比略有提高,且参数设置少,计算速度快,可用于三坐标测量机等测量系统的圆柱度误差测量后的数据处理。     

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。     

自适应粒子群优化算法（APSO）在膜下滴灌优化灌溉中的应用

在考虑了灌溉水量、作物水分响应模型、降雨量、不同生育阶段缺水对产量敏感指数、作物市场价格、农业灌溉用水价格、膜下滴灌成本价格等因素下,建立了农作物经济效益最优的多约束、非线性灌溉模型。将APSO算法进行灌溉模型优化求解。利用新疆棉花膜下滴灌实验所得数据,得出了作物在不同范围有限灌水量下棉花各生育阶段间灌水量的最优效益分...     

基于粒子群优化算法的拖拉机动力匹配

为保证带悬挂系统的拖拉机在滑转率、耕作速度和耕作深度等主要因素改变的条件下获得最佳动力,建立了驱动牵引力数学模型,并参考耕作阻力模型,考察了驱动轮滑转率、耕作速度和耕作深度等主要因素的影响,利用约束优化问题粒子群优化算法,确定目标与约束条件,得出满足特定使用条件的驱动牵引力在9kN左右,对应的变量参数洌,nf,H,B的值分别为0.541,25.4,0.732,0.182,6.40.优化结果表明,变量参数值和目标值与拖拉机实际使用工况相符,解决了带悬挂系统拖拉机动力匹配问题,提出了有效的动力匹配优化方法.     

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。     

基于粒子群算法的交互式水文模型

以长江三峡水库寸滩、武隆入库径流预报项目为依托,研究洪水预报模型参数率定。针对以往洪水预报模型参数率定所采用的人工试错法率定参数困难,精度不高的问题,提出粒子群优化算法和交互式率定方法。实例计算表明,算法加快参数优选速度,交互式率定提高了模型预报精度。     

基于改进PSO算法的电机控制系统PID参数优化

粒子群算法(PSO,Particle Swarm Optimization)作为一种新型的随机优化方法,其算法结构简单,鲁棒性强,在组合优化和自适应控制等领域的非线性优化中有着广泛的应用前景.为此,提出一种改进的PSO优化算法,并将该算法应用于电机控制系统的PID参数优化设计.仿真结果表明,利用改进PSO算法优化的PID参数能有效改善控制系统的性能指标.     

汽车自适应巡航系统极限工况分析

基于自适应巡航系统(ACC)主、目标车的运动学分析,得到了在目标车减速度较大和较小情况下ACC极限工况的理论判定条件.考虑最危险的目标车紧急制动工况,确立了ACC实际应用中极限工况的判定条件.并通过试验,确定了影响该条件的关键参数,其中制动迟滞时间td为0.214 s,主车最大制动减速度依路面不同有3种典型值.根据所得的极限工况判定条件和主车最大制动减速度典型值将ACC工作区域划分为3部分,明确了ACC的有效工作区域,在汽车进入极限区域后提示驾驶员规避,防止汽车进一步进入危险区域.     

基于补偿自适应控制算法的车辆状态参数估计

为实现用于车辆动力学稳定性控制的状态参数准确估计,基于自适应控制理论,针对三自由度车辆动力学模型,提出一种补偿更新律自适应控制估计方法,该方法能够实现对纵向车速、车辆质量及转动惯量的估计。通过原地起步直线加速工况和双移线工况的仿真和硬件在环仿真试验,表明该方法能够实现对运动状态的快速跟踪及参数的准确估计,满足车辆在线估计需求。     

智能车辆横向混合切换控制器设计

考虑到智能车辆在不同工况下表现出不同的系统特性,设计了由线性二次型最优控制律和利用模糊逻辑推理得到的模糊控制律组成的混合切换控制器。当偏差和偏差变化率较小时(小角度转弯),假设系统特性固定不变,切换到最优控制律;而在偏差和偏差变化率较大时(大角度转弯),车辆具有强非线性、时变、耦合和参数不确定性等特性, 切换到模糊控制律。 采用ADAMS和Matlab/Simulink联合控制仿真的方法对该智能车辆的横向控制算法进行仿真,并通过试验验证。仿真和试验结果表明：该横向控制器可保证智能车辆在路径跟踪过程中的准确性和平稳性。     

纯电动车自适应巡航系统控制策略研究

为了得到最优控制算法的自适应巡航控制系统,实现对车辆性能的优化,运用模型预测控制算法设计了纯电动客车自适应巡航的控制策略,自适应巡航系统对于减轻驾驶员疲劳、优化交通流、减少交通事故、改善车辆的燃油经济性具有重要意义。     

智能车辆横向混合切换控制器设计

考虑到智能车辆在不同工况下表现出不同的系统特性,设计了由线性二次型最优控制律和利用模糊逻辑推理得到的模糊控制律组成的混合切换控制器。当偏差和偏差变化率较小时(小角度转弯),假设系统特性固定不变,切换到最优控制律;而在偏差和偏差变化率较大时(大角度转弯),车辆具有强非线性、时变、耦合和参数不确定性等特性,切换到模糊控制律。采用ADAMS和Matlab/Simulink联合控制仿真的方法对该智能车辆的横向控制算法进行仿真,并通过试验验证。仿真和试验结果表明:该横向控制器可保证智能车辆在路径跟踪过程中的准确性和平稳性。     

自适应遗传算法在环状管网水力计算中的优化设计

介绍了如何应用双重编码的自适应遗传算法对依靠重力供水的环状管网进行水力计算的优化设计。用遗传算法随机生成水头标高和管径,再由随机生成的水头标高和管径求出非线性的流量分配方案和管径组合方案,然后通过自适应遗传算法的交叉和变异操作,使不适应的个体通过交叉和变异成为满足的约束条件的个体,从而达到优化的目的。结果表明,遗传算法在水力计算中有着独特的优势,它能使管网的流量分配和管径选择同时完成。     

智能车辆自主导航神经网络控制器设计

针对自主设计、制造的智能车辆,提出了设计新的神经网络控制器来实现对车辆导航路径的自主跟踪控制。分析了神经网络导向控制器的设计方法,选择了神经网络导向控制器的输入、输出变量,并建立了神经网络导向控制器的结构。在此基础上,采用人工驾车采集的数据对控制器进行了训练。完成了计算机仿真和实际路径跟踪控制试验,试验结果表明该神经网络控制器能够很好地实现对导航路径的自主跟踪控制。     

基于改进遗传算法的调速器优化设计

针对农村微型水电站水轮机组转速波动较大且运行不稳的问题,采用了一种单纯形法与自适应遗传算法相结合的混合遗传算法,对调速器的比例积分系数进行了优化设计;根据工程实际,完成了对水轮机调速系统的数学建模;应用MATLAB6.5软件,对该改进算法和传统比例积分算法的控制效果进行了仿真分析和比较.实践证明,应用该法能够有效地解决工程中的实际问题.     

基于多特征自适应融合的车辆跟踪方法

提出了一种新的自适应多特征融合跟踪算法.该算法采用多项式近似与中心差分方法实现建议分布函数的优化处理,通过扩展卡尔曼滤波器在采样粒子集中融入最新的量测信息,较好地克服了粒子权重退化问题;同时,为克服乘性与加性融合算法的缺陷,采用自适应多特征融合方法,将目标汽车静态和动态互补特征作为观测信息,在新算法的框架内进行自适应融合跟踪.实验结果表明,该方法有效提升了不同环境下车辆跟踪系统的精确性和鲁棒性.