集成筒体振动信号的球磨机出力在线监测

针对球磨机出力在线监测的不足,提出了一种基于机理模型和黑箱模型相结合的球磨机出力软测量算法.首先,分析了制粉出力的影响因素,并通过与传统的轴承振动法比较,证实筒体振动信号更能反映料位,在此基础上,确定了出力混合模型的辅助变量;其次,基于机理模型获得球磨机出力方程和理论值,并基于最小二乘支持向量机算法对机理模型进行校正,弥补它的不精确性;最后,制粉出力的建模结果表明:该算法能够有效地反映出实际运行中出力的变化趋势和动态特性,比单纯机理模型具有更高的精度和适用性.     

基于鱼骨型仓库的拣选路径问题优化

为提高鱼骨型仓库布局下的订单拣选效率,基于拣货路径距离计算模型和以最小化拣货路径总距离为优化目标的拣选路径优化模型,提出一种混沌模拟退火粒子群优化算法,引入混沌理论使粒子更高效地遍历搜寻空间,同时结合了模拟退火算法的概率突跳特点使算法在迭代后期仍具有较好的全局寻优能力.最后,通过实例仿真验证了该算法在解决鱼骨型仓库布局拣选路径优化问题上的有效性,并通过与其他算法比较,证明了该算法的先进性,为鱼骨型仓库布局下拣选路径规划问题提供了新的解决思路.     

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。     

基于CPSO算法的岩石蠕变模型非定常参数反演分析

针对粒子群优化(PSO)算法具有全局寻优能力强、无梯度信息、收敛速度快、算法简单但易陷入局部最优解且初始化解的质量不高的特点,利用混沌的遍历性,把混沌机制和粒子群优化算法结合起来,对粒子群优化算法进行了改进,提出了混沌粒子群优化算法,并利用混沌粒子群优化(CPSO)算法对岩石蠕变本构模型的非定常参数进行了反演分析,算例结果表明,采用该混沌粒子群优化算法反演非定常参数是可行的.     

基于混沌二进制粒子群算法的认知无线电频谱分配策略

为了解决认知无线电网络中以最大化网络效益为准则的频谱分配难问题,提出一种基于混沌二进制粒子群算法的动态时变频谱分配策略。在该策略中,针对二进制粒子群算法收敛速度慢且后期粒子搜索具有单一性的缺陷,引入混沌映射对初始种群和每代粒子位置进行遍历优化,以提高粒子的全局寻优性能,搭建降维频谱分配数学模型,降低算法计算繁杂度,减少时间开销。实验结果证明,所提算法收敛速率快,可获得较高的网络收益。     

基于混沌粒子群算法的结构可靠性优化设计

针对基本粒子群算法的早熟问题,充分运用混沌优化与粒子群优化的搜索特性,动态收缩搜索区域,将混沌粒子群算法应用到结构可靠性优化理论,建立结构系统可靠度约束下最小化结构质量的优化模型,提出基于混沌粒子群算法的结构可靠性优化设计方法.利用该优化方法进行框架结构优化设计.研究结果表明:运用所提出的可靠性优化设计所得结果显著优于运用基本粒子群算法和最佳矢量型算法所得结果;该方法易于实现,稳定性好,具有较好的工程实用价值和较强的开发能力.     

融合和声搜索的混沌粒子群优化算法及工业应用

针对粒子群算法在优化过程中容易出现"早熟"现象,提出一种融合和声搜索及混沌的改进混合粒子群优化算法。混沌粒子群算法运行稳定,具有较好的鲁棒性和适应性。和声搜索算法是一种模拟乐队调音获得完美和声过程的元启发优化算法,具有较强的全局搜索性能。通过对4个标准函数的测试比较,结果表明:改进的融合和声搜索的混沌粒子群优化算法(chaos particle swarm optimization algorithm with harmony search,CPSO-HS)跳出局部最优位置能力强,收敛速度快,稳定性高。改进的CPSO-HS算法已成功应用于重油热解模型的参数估计。     

含双馈异步风电机组的配电网无功优化

针对双馈异步风电机组的出力具有随机性这一特点,采用场景分析法对其出力进行分析,使其更有代表性;在此基础上,建立了以电压偏差最小和有功功率损耗最小的多目标无功优化模型;针对粒子群算法存在易早熟的问题,提出了一种自适应混沌粒子群算法(ACPSO),并将其作为无功优化的算法;利用该算法对含双馈异步风电机组的IEEE33系统进行无功优化计算,并将优化后的结果与其它文献提出的算法相比较,验证了所提算法的有效性。     

风-光-抽水蓄能联合发电系统的优化运行

针对风-光-抽水蓄能联合发电系统各部分出力不佳导致的收益不高问题,通过改进粒子群万有引力混合算法,将混沌算法、惯性权重和改进步长因子引入传统的粒子群万有引力算法,解决传统算法的寻优能力弱、精度不高的问题.将改进后的粒子群万有引力算法应用于实际工程算例当中,优化联合发电系统各部分的出力,进而得到最大经济效益.与粒子群算法、万有引力算法和未改进粒子群万有引力算法对比,结果表明,改进后的算法精度最佳,迭代数最少.优化后的联合发电系统各部分出力,所达到的经济效益最大.     

混沌PSO梯级优化调度算法及实现

利用切比雪夫(Chebyshev)映射在[-1,1]区间上的遍历性和随机性,提出了一种基于切比雪夫映射的新型混沌粒子群优化(CPSO)算法.该算法在粒子群算法求出的最优解附近进行混沌搜索.提高了混沌粒子群算法的全局优化能力,能有效避免算法容易陷入局部最优以及解决逻辑斯谛(logistic)映射不能在负值区间进行搜索的问题.针对模型中复杂的约束条件,采用分段线性插值函数实现了对目标函数的求解,并通过对采用丰枯电价时三峡梯级水电系统长期优化调度问题的计算及与其他算法的对比,验证了该算法可解决具有复杂约束条件的工程优化问题.     

基于煤粉细度反馈控制的制粉系统优化

利用最小二乘支持向量机分别建立了中间储仓式制粉系统的制粉单耗和煤粉细度模型,采用混合遗传算法对制粉单耗模型进行寻优,以获得不同工况下制粉单耗最小的运行参数,然后利用煤粉细度模型对优化后的运行参数进行煤粉细度预测,根据预测出的煤粉细度是否在给定范围内来反馈控制制粉单耗的优化.对某电厂的50MW机组进行现场热态试验,结果表明这种基于煤粉细度反馈控制的制粉优化控制系统具有较高的可靠性和实用性,可以指导运行人员进行制粉系统的优化调整,从而提高机组运行的安全性和经济性.     

WMSNs中粒子群优化的多径流量分配路由算法

针对无线多媒体传感器网络(WMSNs)节点能耗问题,提出了一种基于粒子群优化的多路径自适应流量分配路由MATDR-PSO算法。通过建立能效优化模型,将最小能耗和能耗均衡2个特性转化为多目标优化问题;利用粒子群优化算法动态分配多路径上各条链路流量来实现网络的能效优化。仿真实验表明:MATDR-PSO算法能够在降低全网节点消耗总能量的同时保证能耗的均衡特性,显著提高了网络的生命周期。     

磨矿过程磨机负荷的动态寻优控制

磨矿是选矿厂动力消耗最多的一个作业,磨矿过程对选矿的经济指标影响很大。磨矿系统具有机理复杂、强耦合、过程影响因素多、非线性、大滞后和时变性的特性,因此常规控制方法的效果都不太理想。提出了采用极值动态寻优的优化算法,能够实现对磨机负荷的合理控制,使磨机工作在最佳负荷点,从而提高球磨机的工作效率,提高磨机产量。     

基于粒子群优化的移动通信功率控制方法

功率控制技术是移动通信中最为关键的技术之一,在分析移动通信的功率控制模型基础上,提出基于改进的粒子群优化(PSO)算法的功率控制方法,主要包括功率控制模型的建立,PSO寻优求解等过程.仿真实验表明,采用改进的PSO算法可以完成功率控制,大大提高工作效率;此外,基于业务优先级的功率控制模型在应用中更符合实际情况.     

四旋翼飞行器PID优化控制

针对四旋翼飞行器具有非线性,强耦合性,多输入的欠驱动系统的特点,研制出既能精确控制飞行器姿态,又具有较强抗干扰和环境自适应能力的控制器。为了达到更好的飞行效果,采用了传统的PID控制算法,但实际应用中需要对PID参数进行优化,提出改进的PSO算法和遗传算法相结合的优化控制方法。为了优化PID参数,首先对飞行器进行动力性建模,再利用改进的PSO算法和遗传算法作PID参数优化。仿真和飞行实践的数据表明,相对于标准的PSO算法,飞行器有更好的鲁棒性和控制效果。     

火电机组混煤掺烧与优化系统研究与应用

针对火电厂混煤掺烧的实际特点,建立火电机组混煤掺烧与优化系统。系统包括智能储煤模块、制粉优化模块和经济效益模块3个功能模块。系统采用K均值聚类算法和专家规则对进厂煤种进行智能储煤;采用多目标优化方法——粒子群优化(particle swarm optimization, PSO)算法对制粉系统进行优化管理得到合理配煤比例,使混煤掺烧达到安全、经济和环保的作用;并设计掺烧收益模块,进行经济性分析。针对内蒙某电厂实际情况,开发火电机组混煤掺烧与优化系统。通过实际应用证明,该系统可对各个煤种进行分类储煤,并得到最佳掺配方案。     

基于粒子群优化的混合动力汽车多目标能量管理策略

为了同时实现降低整车能耗和控制电池电量的能量管理目标,针对某功率分流式混合动力汽车,提出了基于粒子群优化(PSO)的多目标能量管理策略。该策略采用双层结构,内层采用考虑模式切换的等效燃油消耗最少策略(ECMS)对工作模式和工作点进行优化,实现降低整车能耗的目标;外层采用PSO对等效因子进行迭代优化,实现电池电量的控制目标。通过基于实车控制策略的整车仿真模型对优化效果进行了验证,结果表明,PSO与ECMS相结合的能量管理策略可实现降低整车能耗与控制电池电量的双重目标。     

基于PSO的PID参数整定仿真与研究

针对工业控制过程中经验PID整定耗时耗力、精度低且稳定性能差等问题进行研究,提出采用标准粒子群算法可实现对PID控制器参数的快速优化且收敛效果明显;通过重点分析PSO算法中的不同惯性权重以及学习因子分别对被控对象系统控制优化性能的影响,深入研究算法参数各部分的作用及其设置范围,使基于PSO算法的PID整定方法能够获得最优的控制效果及更广阔的应用前景;最后,应用Matlab软件平台,并结合Simulink系统进行算例数字仿真分析:通过对比不同惯性权重及学习因子情况下的仿真结果,证明方法的鲁棒性强;通过对比传统Z-N方法和遗传算法整定,证明了方法的优越性。     

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.