基于正交设计和支持向量机的横磁通永磁电机参数优化

漏磁系数是永磁电机的一个重要参数,它标志着磁路设计的合理性和永磁体的利用率.本文将正交设计、支持向量机以及粒子群智能优化算法相结合,提出一种横磁通永磁电机漏磁优化设计方法.首先,在基于标量磁位求解的三维有限元模型基础上,确定对空载漏磁系数敏感度较高的设计参数;其次,通过正交试验建立参数样本空间,并运用固定尺度最小二乘支持向量机实现电机漏磁系数的非线性回归建模,为电机优化所需的大规模迭代运算提供高效的计算模型;最后利用粒子群算法进行以空载漏磁系数最小为目标的寻优操作,并得到最优方案.对一台30kW聚磁式横磁通永磁同步电机进行参数优化,结果表明在满足输出转矩要求的约束条件下降低了漏磁,充分证明了建模和优化设计的正确性和工程实用价值.     

基于粒子群优化模糊控制器永磁同步电机控制

在此次研究中,提出了永磁同步电机控制策略,借助粒子群算法的途径,对模糊控制器的3个比例因子参数进行实时优化设计,从而充分发挥其性能和作用,为验证这一方法是否具有有效性进行了仿真模型验证,结果发现该系统具有较强的鲁棒性,能够实现跟踪负载变化,响应较快,而且准确度高,进一步说明粒子群优化方法在电动机中车有一定的可行性。     

基于粒子群和细菌觅食优化算法的直流电动机控制系统的PID参数寻优

由于直流电动机控制系统的PID参数选取可等效为优化问题,因此基于寻优策略法的PID控制成为一类有效的研究方法。粒子群优化的寻优能力在进化后期随着种群多样性的消失易陷入局部最优,而细菌觅食机制具有易跳出局部最优的特点。本文将两种优化算法相结合,给出一种混合启发式算法应用于直流电动机控制,在细菌觅食优化算法中初始位置加入粒子群优化算法结果,通过细菌觅食优化算法找到最优的直流电动机PID控制参数,实现PID控制要求。仿真结果表明本文算法在收敛速度和控制效果上优于粒子群优化和细菌觅食优化算法,验证了寻优方法的有效性和可行性。     

基于粒子群优化算法的环状管网优化设计

给水工程中环状管网的优化设计对于降低整个工程造价起到重要作用.基于粒子群优化算法的基本原理,引入了无纲量化的新理念进行建模,寻求目标函数w0(管网年费用的折算值)在水力约束条件下的最小值.采用粒子群优化算法求解该非线性规划模型.算例结果表明算法及其模型在环状管网优化设计中是非常有效的.计算的时间复杂度降低了26.89%左右,充分体现了粒子群优化算法具有较强的寻优能力.     

改进粒子群算法在三维水翼设计中的应用

对基本粒子群算法的权重进行改进,采用非线性权重,使得粒子在整个寻优过程中加速向最优解靠拢,从而快速收敛得到最优解.选取Rastrigin函数和Quadric函数为验证函数,对改进粒子群算法进行验证,改进粒子群算法具有更快更优的搜索性能.将其引入到三维水翼的优化设计中,分别以升阻比和压力分布为优化目标,以三维水翼的升力系数为限制条件,进行迭代优化.优化后三维水翼的升阻比及压力分布得到明显改善,验证了改进粒子群算法在三维水翼优化设计中应用的可行性及有效性.     

基于改进支持向量机的永磁驱动器设计

将多输出支持向量机回归方法与模糊化理论相结合,提出一种永磁驱动器的设计方法.首先,引入空间粒子群优化算法对合成核多输出支持向量回归模型参数进行寻优,在此基础上通过实验法建立了永磁驱动器的性能与结构参数的多目标回归模型;然后,运用模糊理论将多目标转化为单目标,建立了设计问题的数学模型并利用空间粒子群算法进行求解;最后,通过模型精度分析以及ANSYS仿真和样机的测试,验证了该方法的有效性.     

基于等效磁路的PMECD变种群规模遗传多目标优化设计

基于等效磁路模型,提出了一种使用引入死亡和战争因素的变种群规模遗传算法进行永磁涡流驱动器的多目标优化设计的方法.首先建立磁场分析模型,推导关键参数的解析表达式.在此基础上,以永磁体厚度、极弧系数、铜盘厚度以及永磁体个数为变量,以输出转矩、转动惯量和驱动器体积为优化目标,提出了基于熵值权重的永磁驱动器多目标优化函数,然后应用引入死亡和战争因素的变种群规模遗传算法来优化结构尺寸.优化结果得到了实验以及有限元仿真的验证,并且与其他算法进行了比较.结果表明,相比其他优化算法,该基于解析模型的变种群规模遗传算法在结构参数优化设计中有很好的计算效果.     

基于粒子群优化算法的永磁同步电机H_∞速度观测器

H∞速度观测器实现了对永磁同步电机矢量控制系统的转速估计。然而,观测器中加权矩阵的选取费时费力,从而限制了其在高性能变频调速系统中的应用。为了解决上述问题,本文提出了一种基于粒子群优化算法的永磁同步电机H∞速度观测器。该方法在H∞速度观测器矢量控制系统的基础上引入粒子群优化算法,并在文中给出了算法的实现方式。仿真结果证明:基于粒子群优化算法的永磁同步电机H∞速度观测器进一步提高了永磁同步电机无速度传感器矢量控制系统的控制性能,同时具有更好的动态性能和抗干扰性能。     

基于一种新混合群算法(MOHO-SA)的结构主动控制多目标优化研究

基于粒子群(PSO)算法和差分进化(DE)算法提出了一种新的多目标混合群优化算法,对结构主动控制系统的作动器位置、数量与控制器参数进行同步优化.首先,分别采用PSO算法与DE算法进行对应种群的进化,使用庄家法则构造非支配解集,并引入边界点几何中心leader选择机制,同时利用模拟退火算法完成个体进化的二级局部搜索;以随机地震激励下反映结构振动控制效果和控制策略优劣的双指标作为优化目标函数.最后,针对ASCE 9层benchmark模型,采用本文提出的具有二级搜索功能的多目标混合群算法(MOHO-SA)对其主动控制系统进行优化设计,并分别与多目标差分进化算法(MODE)、多目标粒子群算法(MOPSO)、普通多目标混合群算法(MOHA)的优化结果进行对比分析,表明其Pareto解集具有更优的收敛曲线及分布性.     

一种启发式粒子群优化算法(HPSO)及其在结构优化设计中的应用

在介绍了标准的粒子群优化算法(PSO)及被动群集的粒子群优化算法(PSOPC)的基础上,指出了两者使用"回飞技术"(fly-back mechanism)方法处理约束条件的不足之处,在基于"和谐搜索"算法(harmony search)产生新解的思想基础上,提出了一种新的启发式粒子群优化算法(HPSO),该算法可以明显提高离子群算法的收敛速度和稳定性.应用PSO、PSOPC及所提出的HPSO三种算法分别对两个桁架结构进行了截面优化设计,并对算法的收敛性和稳定性进行了分析.结果表明,本文提出的启发式粒子群优化算法(HPSO)可以有效地搜索到最优解,并且比PSO和PSOPC两种算法拥有更高的收敛速度和稳定性,尤其在迭代计算的初期,收敛效果非常明显.     

基于Kriging代理模型的注塑产品翘曲优化

针对传统的基于CAE的注塑产品工艺优化方法精度不高、效率低,提出了Kriging模型与自适应粒子群算法相结合的集成优化策略.Kriging模型代替CAE分析作为粒子群算法迭代过程中的适应函数,大大减少了优化算法的计算量;同时,通过在粒子群算法中引入自适应惯性权系数,加快了粒子群算法的收敛速度.算例表明,基于Kriging模型与自适应粒子群算法的优化策略可以在小样本情况下获取较高的求解精度,并通过与标准遗传算法做比较,表明该优化策略同时具有较高的计算效率.     

基于混合粒子群算法的货位优化分配问题

基于COI分类存放的思想,同时考虑到货位分配问题中存取开销和占地花费的平衡,提出了一种混合粒子群算法以解决仓库货位优化分配问题．建立货位分配模型,并引入了货物的COI值对货物进行重新分类．将粒子群算法同人工蜂群算法相结合,通过优化COI值从而对货位进行优化分配．最后,进行实验分析并证明了混合粒子群算法的正确性,可有效地应用分类存放策对货位进行优化分配,减少货位数和存货代价．     

基于信赖域技术的局部收缩的微粒群算法

为了改善标准的微粒群优化算法(SPSO)的性能,给出一个新的速度更新策略——局部收缩策略,且把信赖域技术引入PSO算法中进行惯性权重的动态调整,提出一个新的微粒群优化算法——基于信赖域技术的局部收缩的微粒群算法.新算法(NPSO)保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度.利用10个测试函数测试新算法的性能,并分别与SPSO、与混沌相结合的微粒群算法(PSOC)、具有被动聚集的微粒群算法(PSOPC)、SPSO的全局版本及带有收缩因子的微粒群算法(CPSO)比较,实验结果表明,新算法(NPSO)大大地改善了实例测试函数的表现.       

基于PSO-TSA模型的网络安全态势要素识别研究

针对网络安全态势感知技术中态势要素提取的质量与效率较低的问题,提出了融合粒子群（Particle Swarm Optimization,PSO）和模拟退火（Simulated Annealing,SA）的态势要素识别模型PSO-TSA.在位置更新模块,利用Metropolis准则对PSO算法中的个体极值和全局极值进行退火优化,增加粒子的选择性,提高态势要素提取质量.在参数优化模块,利用Metropolis准则优化PSO算法中的参数,并对参数优化过程和粒子适应度同时进行评价,避免算法陷入局部最优,提高态势要素识别效率.按照目前网络状态的实际需求,选择了37个网络安全数据字段,搭建了小型网络环境,以获取更加真实的网络安全数据集SDS-W.在开放网络安全数据集和获取的SDS-W数据集上分别进行态势要素识别实验,实验证明,PSO-TSA在时间成本保持不变甚至更少的基础上,态势要素识别的精确度平均提升了5%~7%.     

基于Tent映射的混沌粒子群优化算法

针对粒子群算法在迭代后期易陷入局部最优的不足,采用Tent映射所产生的混沌序列在粒子个体最优点和全局最优点附近进行混沌搜索,利用混沌搜索的全局遍历性和随机性提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能。几个典型测试函数的仿真结果证明了该算法的可行性。     

改进的PSO算法在重油热解模型参数估计中的应用

针对传统的粒子群算法(PSO)在解决复杂的优化问题时易陷入局部最优这一情况,提出了一种改进的粒子群算法(EPSO),该算法在传统的粒子群算法陷入局部最优的情况下引入了单个粒子的"Hooke-Jeeves模式搜索"操作和粒子之间的"启发式交叉"操作。仿真结果表明:EPSO算法的全局搜索性能和收敛速度比传统的PSO算法有明显的提高。采用EPSO算法进行非线性参数估计所得到的重油热解模型,其预报的平均相对误差比传统的PSO算法得到的模型提高了11.98%,比遗传算法(GA)得到的模型提高了38.76%。     

带时间窗车辆路径问题的混合粒子群算法

将粒子群优化算法与模拟退火算法结合,提出了一种求解车辆路径问题的混合粒子群算法.实例计算及与遗传算法比较的结果表明:应用混合粒子群算法可以快速地求得带时间窗车辆路径问题的优化解;该算法是一种求解离散组合优化问题的有效方法.     

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.     

智能混合动力汽车经济性自适应巡航控制策略研究

针对智能混合动力汽车自适应巡航过程中的能量控制策略问题,结合模型预测控制在处理多目标、多约束优化问题方面的优势和粒子群算法运算量小、收敛快的特点,将粒子群算法作为模型预测控制的滚动优化方法,构造基于模型预测控制的粒子群算法.仿真结果表明,文中算法能够使绝大部分工况点落在较低燃油消耗率区域,只有少部分工况点落在非经济区域,虽然多消耗了1.06%的燃油,但在运算速度上却获得了60.3%的提升.     

基于改进粒子群算法的微电网优化运行

为提高含分布式发电的微电网运行水平,应用基于混沌-模拟退火思想的粒子群算法对微电网的运行进行优化。针对微电网中各分布式电源特性,建立微电网的数学模型,建立了以运行成本和环境效益等运行指标最优为微电网优化运行的目标函数,并应用基于混沌算法结合模拟退火思想的改进粒子群优化算法对微电网多目标优化运行问题进行求解,得到微电网的最优运行方式。采用改进粒子群优化算法对某微电网进行24 h优化运行算例分析,结果表明该方法具有更好的寻优能力和更快的收敛速度。