基于改进SPBO算法的水下推进永磁同步电机参数辨识

精确的永磁同步电机(permanent magnet synchronous motor，PMSM)模型是集成电机水下推进器恒转矩控制的关键。为了提高水下推进PMSM参数辨识的精度，提出一种融合Tent映射与t分布变异策略的改进学生心理优化算法辨识水下推进PMSM参数。该算法在标准学生心理优化算法的基础上，引入Tent映射策略增加初始种群多样性，引入t分布变异策略平衡算法的前期与后期搜索能力，提高了算法的收敛速度和收敛精度。仿真和实验结果表明，该算法的辨识误差可达1%以内，且具有更快的收敛速度和更好的辨识稳定性。     

考虑饱和效应的同步发电机参数辨识

针对传统分析方法对同步发电机的运行分析都基于其线性化模型的问题,以考虑磁路饱和效应的同步电机模型为研究对象,将一种新的优化方法——蚁群算法应用于同步发电机参数辨识,并给出了参数辨识算法的详细步骤.仿真算例表明,使用考虑饱和效应的同步发电机模型能有效地提高辨识精度.     

基于改进粒子群算法的双馈感应发电机参数辨识

基本粒子群算法(PSO)存在早熟问题,且惯性权重对参数辨识结果的影响较大,为此提出将变权重PSO算法和全局最优位置变异PSO算法相结合的改进PSO算法,并将其应用于双馈感应发电机(DFIG)的参数辨识。分析了DFIG中各参数的可辨识性和辨识难易度,给出了基于改进PSO算法的参数辨识步骤。与采用基本PSO算法、变权重PSO算法和全局最优位置变异PSO算法的参数辨识结果相比较,该方法具有收敛速度快、辨识误差小的优点,即使在较大的搜索范围内仍具有较高的辨识精度。     

考虑温度影响的永磁同步电机参数辨识方法

参数辨识精度对永磁同步电机的工作性能和控制方法有着重要的影响,目前大多数参数辨识方法未能考虑温度对参数的影响,导致参数辨识精度低,控制性能差.为此,文中通过理论计算与样机实验,分析了温度变化对永磁同步电机参数的影响,并证明了温度对参数辨识结果具有较大的影响.在此基础上,建立了考虑温度影响的永磁同步电机参数辨识模型,提出了一种同时考虑电阻和电感随温度变化的改进的参数辨识方法.仿真实验结果表明,文中提出的方法可以提高参数辨识的收敛速度和精度,减小辨识误差.     

基于改进RLS算法的永磁同步电机参数辨识

永磁同步电机(permanent magnet synchronous motor, PMSM)参数的在线准确辨识是实现电机高性能控制的基础,也为系统故障诊断提供了依据。传统递推最小二乘(recursive least square, RLS)法在辨识PMSM的d轴、q轴电感参数时对系统噪声、状态变化较为敏感,动态辨识稳定性不佳。文章在建立离散化辨识模型的基础上,提出了一种改进递推RLS算法,用于d轴、q轴电感参数的在线辨识。该算法在动态辨识过程中引入电流变化率,同时改进算法中的增益矩阵K,减小d轴、q轴辨识误差对电感修正产生的耦合影响。通过一台20 kW的PMSM仿真及实验,验证了改进的辨识算法能够有效提高参数的动态辨识效果。     

基于双STF-UKF算法的永磁同步电机参数联合估计

针对永磁同步电机参数辨识问题,分析了永磁同步电机的可辨识模型.将参数看成缓慢的变化状态,同时考虑系统噪声和测量噪声,提出了一种基于强跟踪滤波器的无迹卡尔曼滤波算法.该算法能够同时辨识定子电阻、直轴和交轴电感、永磁体磁链,讨论分析了该算法的稳定性.为了减少算法的计算量,将4个参数分成2部分,采用2个STF-UKF滤波器交替运行辨识全部参数.仿真结果表明,该算法在PMSM不同的工况下能够有效地辨识电机的全部参数.     

基于RLS的嵌入式永磁同步电机参数辨识技术

电机参数变化影响电机控制性能,因而需要对电机参数进行在线辨识,基于嵌入式永磁同步电机在两相坐标系里的动态状态方程,通过检测电机的定子电压、电流和转子转速信号,利用递推最小二乘法算法对嵌入式永磁同步电机参数进行辨识,由于该方法所用的信号均可检测到,从而减少了其他干扰对电机参数辨识的影响,提高了参数辨识的准确性。仿真结果和实验验证了辨识方案的有效性。     

系统辨识的粒子群优化方法

研究了一种基于粒子群优化算法对系统进行辨识的新方法.该方法的基本思想是将典型数学模型相互组合而构成系统模型,即首先将系统结构辨识问题转化为组合优化问题,然后利用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步提高粒子群优化算法的辨识性能,提出了一种改进的粒子群优化算法.仿真结果表明,给出的辨识算法是合理的,虽然扰动对算法的性能以及辨识结果有一定的影响,但利用文中所提出的改进粒子群优化算法仍然可以理想地辨识出系统的结构以及模型的参数,且与已有辨识算法相比更加有效.     

基于改进PSO算法的岩石蠕变模型参数辨识

微粒群优化(PSO)算法是一类随机全局优化技术,具有收敛速度快、规则简单、易于实现的优点.针对岩石蠕变本构模型参数的辨识问题,本文利用FLAC软件自带的fish语言实现了改进PSO算法对本构模型参数的辨识.该方法从岩石本构模型参数的随机值出发,以蠕变过程中试件变形的实验值与计算值的误差大小作为适应度函数来评价参数的品质,利用改进PSO算法规则实现模型参数的进化,搜索出全局最优的模型参数值,从而实现了岩石蠕变本构模型参数的自适应辨识.利用该方法对页岩蠕变实验进行了仿真研究,实验结果表明:改进的PSO算法用于岩石蠕变模型的参数辨识是有效的.     

一种基于禁忌神经网络的网络入侵检测模型

随着互联网的发展和普及,传统网络入侵防范方法如防火墙、数据加密等已经很难保证系统和网络资源的安全。为此,本文设计了基于改进禁忌算法和神经网络的网络入侵检测方法。首先建立三层的BP神经网络模型用于实现入侵检测。然后通过BP反向传播算法获取网络的权值和阀值等参数,并设计了一种基于双禁忌表的改进禁忌优化算法,采用此改进的禁忌优化算法对BP算法优化得到的权值和阀值进行进一步寻优。最后,将禁忌算法优化后的神经网络用于网络入侵检测。仿真实验表明,此方法能够有效地实现网络入侵检测,具有较快的收敛速度和较高的检测率,是一种适合网络入侵检测的可行方法。     

随机波动模型估计及在金融风险防范中的应用

对随机波动（SV）模型提出了一种基于禁忌遗传算法的伪极大似然（TSGA－QML）估计。Monte Carlo试验表明这种方法在参数估计与波动估计上都有较好效果。利用这一方法对上海股市收益进行了波动分析，发现上海股市的收益具有很高的波动持续性。     

基于禁忌搜索算法的计算机通信网络中容量与流量分配问题的优化研究

为了降低网络的运营费用与改进网络性能，首次采用近年来新出现的一种高效的现代超启发式搜索方法——禁忌搜索算法求解计算机通信网络中链路容量与流量分配(CFA)问题，讨论了计算机通信网络中链路的固定费用、时延费用与可变费用对运营总费用的影响．大量的计算机仿真实验结果不仅验证了禁忌搜索算法对求解CFA问题的有效性，而且与传统的拉格朗日松弛及子梯度寻优算法相比，解的质量有大幅度提高；与遗传算法相比，对大规模或负荷很重的网络，该算法更具优越性．     

基于混合遗传算法和关键链的多资源多项目进度计划优化

多项目多资源项目进度计划是一个NP难问题。应用关键链思想与方法,分析建立了一种多项目多资源进度计划模型。设计了基于混合遗传和禁忌搜索算法的模型求解算法。对遗传算法的编码、选择、交叉、变异等操作以及禁忌搜索算法的相关操作进行了讨论;并通过实例的求解,验证了关键链方法在研究多资源约束多项目问题上的有效性,以及混合遗传和禁忌搜索算法在求解该问题上的可行性。     

一种基于插入法的禁忌搜索算法

结合插入法和禁忌搜索算法的优点，提出了一种基于插入法的禁忌搜索算法TIS(tabu-insert search)，该算法利用禁忌搜索算法较强的局部搜索能力和插入法在构造高质量解时的优越性来进行解空间的搜索．TIS能有效地帮助搜索程序跳出局部最优解，找到全局最优或次优解．以典型的组合优化问题TSP为例，验证了该算法的有效性，计算机实验的结果表明该算法有较好的寻优能力．     

基于禁忌搜索的神经网络集成

给出了一种利用禁忌搜索来实现神经网络集成AdaBoosting算法的方法。以Ada- Boosting算法中的权值向量为优化对象,对其若干个元素进行扰动,并通过设定其为禁忌对象,以禁忌搜索控制寻优方向,以逼近误差为适值函数,在满足逼近误差或达到进化代数时结束进化。由于禁忌搜索可以避免迂回搜索,从而提高进化效率,使得算法易收敛。通过实例验证了该方法的可行性。     

面向JIT的生产作业计划禁忌搜索算法

研究和设计了面向准时制生产作业计划的禁忌搜索详细算法,论述了该算法的基于工序块的邻域设计、禁忌表设计以及在两条变动的关键路线上所做的邻域搜索策略设计．最后以准时制生产为目标,归纳出了考虑长期记忆功能的禁忌搜索算法步骤,并采用ＶｉｓｕａｌＦｏｘｐｒｏ ５．０ 编程实现了该算法．     

基于集合覆盖和禁忌搜索算法的WCDMA基站布局

分析和比较了集合覆盖和禁忌搜索两种高效布局算法的优化性能和计算时间.在此基础上提出了一种新的WCDMA基站布局算法,该算法使用集合覆盖进行整体布局,使用禁忌搜索进行局部优化.由于综合利用了集合覆盖算法的快速性和禁忌搜索算法的精确性,实际场景仿真结果显示,新算法仅用禁忌搜索算法8.8%的计算时间,就搜索到比禁忌搜索算法优化性能更好的布局配置.     

基于主动禁忌搜索的配电网无功电压优化控制

提出将主动禁忌搜索（RTS）算法用于配电网无功电压优化控制问题的求解．首先根据已知的负荷预测曲线，用一种启发式方法为RTS提供可行初始解．在利用RTS算法的求解过程中，使用了反馈机制，可自动调节禁忌表长度，结合逃逸策略，可以使搜索有效地跳出局部极小点，更好地找到最优解．通过算例验证了该算法的有效性．与传统的禁忌搜索（TS）算法、遗传算法（GA）以及模拟退火（SA）算法进行了比较，算例结果表明，RTS算法求得的解质量更高，求解速度更快，比GA和SA算法至少提高了一倍．     

禁忌搜索算法求解旅行商问题研究

设计了一种基于Matlab实现的禁忌搜索算法，用以求解组合优化难题中的典型代表旅行商问题（TSP）。分别对Hopfield原始10城市和中国旅行商问题进行了测试，所得结果都能达到或优于公布的最优解，与传统的Hopfield神经网络求解TSP相比，禁忌搜索算法具有强健，快速和高效的特点。     

具有禁忌策略的蜂群算法评定圆柱度误差

针对最小二乘法评定误差较大,遗传、蚁群等仿生算法设置参数较多、收敛速度较慢的问题,结合圆柱度误差评定的特点,提出采用蜂群算法,来实现圆柱度误差的最小区域法评定.该算法借鉴了禁忌搜索算法的禁忌策略,用禁忌表存储局部最优解,增强对参数Limit的控制作用,提高全局搜索能力.实验研究结果表明,该方法能收敛到全局最优解,并且计算结果稳定,收敛速度很快,平均运算时间在1.2 S左右,适用于三坐标测量机等实时处理系统.