电子设备电磁敏感性仿真分析及优化设计方法

提出了将高频电磁干扰环境中的电子设备作为整体来进行电磁敏感性仿真分析和优化设计的总体思路和分析方法.对于外部区域,改进已有的电磁散射的数值计算方法,在机壳表面采用四边形的片元模型代替已有算法中的三角形片元模型,重新定义电子设备外部区域面上的基函数,并根据机壳表面的对称关系对算法进行优化,减少了外部感应电流的运算时间.对于内部区域,利用基于微粒群优化算法的递归动态神经网络建立电子设备内部电路对于干扰的高频仿真模型,提出对于内部电路参数进行优化设计的方法.所建立的神经网络模型解决了以往电子设备在电磁敏感性仿真分析和优化设计过程中,仿真模型存在的计算量和存储量大的问题.优化设计方法改变了以往寻优过程中穷尽式搜索的方式.     

基于锯齿型微粒群方法的放大器参数优化

针对放大器电路中多种参数的同时优化问题,对微粒群算法进行改进,提出一种锯齿型动态群体数量的微粒群方法,并将其用于放大器电路参数的优化设计.改进的锯齿型微粒群方法中,群体数量在每个固定的进化阶段线性减少,当群体数量减少到给定最小值时,利用交叉操作产生新个体对群体进行补充.此方法不但减少算法的运算量,而且减少因随机操作产生新个体导致平均适应度振荡的弱点.为验证方法的有效性,以放大器参数优化问题为研究对象,在高频条件下建立非线性电路及非线性器件的数学等效模型,利用不同的微粒群方法实现模拟电路的自动设计,对比实验验证方法的有效性.     

基于微粒群算法的Buck-Boost矩阵变换器主电路参数优化

鉴于Buck-Boost矩阵变换器输出电压波形的谐波失真度与其主电路参数直接相关,为此采用微粒群算法对其主电路参数进行优化.文中介绍了微粒群算法的基本原理,阐述了采用微粒群算法对BBMC主电路参数进行优化的具体设计方法,并利用Matlab/Simulink对其优化效果进行了仿真验证.结果表明,利用微粒群优化算法获得的主电路参数较传统计算方法获得的主电路参数其输出电压波形的谐波失真度更小,因而具有一定的应用价值.     

基于微粒群算法的PID控制器优化研究

微粒群算法是近年来提出的一种新型群体智能优化算法,它具有结构简单,收敛速度快,所需参数少等优点.为改善传统PID参数整定问题,提出了基于微粒群算法整定PID控制器参数的优化设计方法.通过对双容水箱建模并与传统整定方法进行仿真比较.仿真结果表明,采用微粒群算法来优化PID参数,可以获得综合性能良好的PID控制器参数.对控制器的设计具有一定的指导意义.     

两群替代微粒群优化算法及其应用

提出一种两群替代微粒群优化算法（TSSPSO）,并对算法参数进行分析和对算法方程进行修正。该方法将微粒分成飞行方向不同的两分群,其中一分群微粒朝着最优微粒飞行,另一分群微粒朝着相反方向飞行;飞行时,每一微粒不仅受到微粒本身飞行经验和本分群最优微粒的影响,还受到全群最优微粒的影响。搜索时,每一次迭代均以一定的替代率用一分群中若干优势微粒取代另一分群中相同数目的劣势微粒。对4种常用函数的优化问题进行测试并进行比较,结果表明：两群替代微粒群优化算法比基本微粒群优化算法更容易找到全局最优解,优化效率和优化性能明显提高。将两群替代微粒群优化算法用于常压塔汽油干点软测量,建立基于两群替代微粒群优化算法的汽油干点神经网络软测量模型,通过与实际工业数据的比较,表明基于两群替代微粒群神经网络的软测量模型精度高、性能好。     

基于微粒群优化算法和支持向量机的软测量建模

在分析基本微粒群优化算法(PSO)和支持向量机(SVM)原理的基础上,采用带有末位淘汰机制的微粒群优化算法优化支持向量机的参数,建立了延迟焦化装置粗汽油干点软测量的微粒群支持向量机模型.该方法利用支持向量机结构风险最小化原则和PSO算法快速全局优化的特点,用于软测量建模.仿真实验表明:所建模型的泛化性能较好,模型具有较高的精度.     

小生境微粒群优化算法

将小生境技术引入到微粒群优化算法之中,设计出一种小生境微粒群优化算法。该算法除了始终赋予微粒生命力,还将位置重叠的差适应值微粒在搜索空间重新启动。通过对4个常用测试函数进行优化计算,仿真结果表明小生境微粒群优化算法比基本微粒群优化算法具有更好的优化性能。     

基于微粒群算法的膜片弹簧优化设计

通过对膜片弹簧优化设计目标的分析,选用在摩擦片磨损极限范围内,弹簧压紧力变化的平均值最小及驾驶员作用在分离轴承装置上的分离操纵力的平均值最小为共同优化目标,建立数学模型,应用此模型,采用微粒群算法对某轿车离合器膜片弹簧进行优化设计.结果表明,采用微粒群算法优化后得到的膜片弹簧参数值明显优于原有2种设计方案的数值.膜片弹簧优化设计过程中,微粒群算法能够得到更好的优化结果且算法收敛速度较快.     

惯性权重线性调整的局部收缩微粒群算法

针对微粒群优化算法存在陷入局部极小点和搜索效率低的问题, 给出一个新的速度更新策略局部收缩策略, 并提出一种改进的微粒群优化算法, 该算法保持微粒群优化算法结构简单的特点, 改善了微粒群优化算法的全局寻优能力, 提高了算法的收敛速度和计算精度. 仿真计算结果表明, 改进的算法性能优于混沌微粒群优化算法、 微粒群优化算法和带有收缩因子的微粒群算法.     

分段式微粒群优化算法

提出一种分段式微粒群优化算法。该算法将所要搜索的区域分成若干段,首先在每一区段内搜索出区段的最优位置,然后将各区段的最优位置组成一微粒群,继续搜索全局最优位置。通过对5个常用标准测试函数进行优化计算,仿真结果表明:分段式微粒群优化算法能有效地搜索到全局最优解,具有比基本微粒群优化算法更快的搜索速度和更好的优化性能。