一种改进粒子群算法及其在风电场中的应用

针对传统粒子群寻优速度慢的缺点,引进了种群平均速度的定义。用平均速度表征粒子群的活跃程度,并作为粒子群惯性权重和学习因子调节的依据,加快了粒子群的寻优速度。针对粒子群容易陷入局部极值的缺点,提出将模拟退火算法引入粒子群算法,将粒子群的平行快速寻优能力和模拟退火的概率突跳特性相结合,保持了群体多样性,有效地避免了局部收敛。对2个典型测试函数的寻优问题进行仿真实验,实验结果验证了该算法的有效性。将改进的粒子群算法用于风电场风速概率分布模型的优化,与常规的统计方法相比,该方法具有更高的拟合精度。     

基于柯西变异动态粒子群优化的克里金插值算法

针对克里金插值算法中变差函数拟合曲线误差过大、插值精度低等问题.通过基于线性动态变化因子结合柯西变异粒子群算法对变差函数的拟合模型参数进行最优化估计,同时在适应度函数中引入克里金地理权重来增强变量的空间相关性,最后与基于约束粒子群算法的克里金插值进行比较实验.仿真实验结果表明:改进算法使基台值误差减少近75%,获得的变差函数值拟合曲线更接近实际情况,插值精度更高.     

形状误差的分布类型及评定模型

由经典的统计理论出发,根据形状误差评定的数学模型,将形状误差的测量误差分布归纳为折叠正态分布和瑞利分布两种类型,根据形状误差测量的条件和两种概率分布的性质,推导出直线度、平面度、圆度、圆柱度、空间直线度等形状误差的测量结果近似服从正态分布,并用实验对这一结论进行了验证.     

一种差速器壳体形位误差评定及测量方法

为了满足差速器壳体的快速检测,对差速器壳体形位误差的在线测量方法进行了研究。在基本粒子群优化算法的基础上,引入了自适应惯性因数来改进粒子群优化的过程,并用于形位误差的计算。运用最小二乘法和最小区域法描述了圆柱度、同轴度等形位误差的评定算法。利用改进粒子群优化算法对误差目标函数进行求解。根据实际工程需要确定测量方案,搭建了测量平台。研究结果表明:该方法能够准确测得差速器壳体形位误差,并且减少了人为因素引入的误差。     

基于微粒群算法的叶片曲面形状误差评定

以涡轮机叶片型面的形状误差评定为例,利用NURBS曲线插值构造出截面设计曲线,提出一种四控制点法构造与测量点最近的NURBS截面设计曲线,建立了计算曲面形状误差的数学模型,并应用微粒群算法计算测量点到曲面的最短距离,实现了曲面形状误差的评定。通过与传统的BFGS和DFP优化方法的计算结果进行比较,表明该方法能快速准确地计算叶片曲面的形状误差。     

形状误差测量中测量点直接测量结果的分布

形状误差测量结果的不确定度,受到参与形状误差评定计算的直接测量数据的影响。文章从形状误差测量的特点出发,根据最大熵法与概率统计的理论,导出测量中的读数值与直接测量结果的概率分布函数,得出读数值的不确定度分布应作为均匀分布处理,直接测量结果的分布作为正态分布处理。     

基于码头作业形态的港区道路交通需求预测

为合理制订大型港口道路交通规划与管理措施,采用概率分布拟合方法分析实地调查数据,求出不同类型码头作业所诱发交通流的时间分布特征,利用统计量法和图示法对其进行拟合优度检验,并根据上述概率分布建立基于码头作业形态的港区道路交通专用需求预测模型.该模型应用于天津港北疆综合港区的结果表明,该模型具有较好的可行性及有效性.     

形状误差统计评定及圆度误差统计评定系统的研究

本文提出了形状误差统计评定的基本概念及有关评定参数,对形状误差分布函数进行了统计推断并得出实际形状误差在其极值范围内服从相应参数α和λ的β分布的结论。文中还介绍了一种简便的圆度误差统计评定的实验系统。     

基于粒子群算法的涡旋体三坐标仪检测数据处理方法研究

粒子群算法是一种新出现的进化算法,相对其它进化算法,它收敛速度快、规则简单、编程易于实现.本文提出了一种利用三坐标测量仪检测涡旋型线的数据,基于粒子群优化算法技术来评价型线轮廓度误差的数据处理方法.该方法优点在于在涡旋型线轮廓度误差评定过程中能自动实现加工基准与测量基准的适应性调整,以此分离加工基准与测量基准之间的位置误差,消除位置误差对轮廓度误差评定结果的影响.经实际应用证实,该方法简便、合理,为科学地评价涡旋型线轮廓度提供了依据.     

基于改进粒子群算法的阵列幅相误差最坏情况分析

建立了阵列幅相误差对副瓣电平性能的最坏情况分析模型,并通过对粒子群算法位置更新后进行边界约束,提出了一种基于改进粒子群算法(PSO)的最坏情况分析方法.该方法可以不考虑误差的分布形式,并且很容易理解和编程实现.实验结果验证了新方法的准确性和有效性.     

改进粒子群算法在BP神经网络拟合非线性函数方面的应用

为解决BP神经网络拟合非线性函数的预测结果误差较大问题,笔者将标准粒子群算法进行改进,形成基于免疫接种的粒子群算法(IPSO);然后将该算法与BP神经网络理论相结合,实现基于IPSO算法优化的BP神经网络非线性函数拟合算法。新的拟合算法首先确定BP神经网络结构,然后用IPSO算法优化初始权值和阈值,最后进行BP神经网络预测。数值实验表明,本文提出的IPSO算法提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。     

基于Ⅱ型广义logistic分布和粒子群优化的退化可靠性建模

广义概率分布能够更加准确地描述性能退化数据的特性,降低奇异点和概率分布选择错误时带来的影响,为此,文中引入Ⅱ型广义logistic分布(Ⅱ-GLD)进行退化可靠性评估.通过加入位置参数和尺度参数对时变退化量建模,根据各时刻分布的分位数和对应试验数据之间的均方误差建立目标函数,结合粒子群优化(PSO)算法实现对目标函数中多个参数的同时估计.运用所提方法对实例进行退化可靠性评估、验证和对比,结果表明:该模型计算得到的退化数据均值和标准差与实际值的相对误差在8%以内,不同失效阈值下的可靠性评估结果与试验数据吻合良好;对比分析表明,与正态分布和威布尔分布相比,Ⅱ-GLD能够有效挖掘退化数据的尾部特性,真实反映产品的初期退化.     

基于粒子群算法优化支持向量机的延河流域水沙模拟

对标准粒子群算法进行了简化,并基于简化的算法给出了混沌粒子群算法的优化支持向量机算法.基于延河流域甘谷驿水文站1954—1992年的实测年径流和输沙数据、1992—1995实测月径流和输沙数据,利用该算法和常用的几种粒子群支持向量机算法、误差后向传播神经网络算法预测了1993—1997年期间的年径流量和输沙量、1996年的月径流和输沙量.几种算法的预测结果和实测数据进行了比较,通过相对误差、平均相对误差、均方根误差、一致性指标和有效系数等参数,比较了不同算法的预测效果.结果表明,支持向量机算法模拟效果优于神经网络算法,本文提出的基于改进粒子群算法的支持向量机算法的预测效果更好,可用于流域的径流和输沙量的模拟和预报.     

结合有向场景运动模式的粒子滤波行人跟踪方法

针对现有行人跟踪算法较少考虑场景运动模式信息的问题,建立一种面向有向场景运动模式的在线学习模型以描述区域行人的共有运动特性,并以此提出了一种新型的粒子滤波行人跟踪算法。通过对行人运动特性的选择性在线统计,探索在非高密度行人跟踪问题中场景模式信息和运动历史信息的运用方式。模型由一个表征行人运动状态相空间局域运动特性的二阶直方图矩阵来描述,并根据每个跟踪单元的加权投票实施更新。通过修正粒子转移后似然概率分布,该算法能够加速粒子向真实的后验分布收敛。通过对两个不同特点的公共数据集视频中的行人进行跟踪实验并与标准的粒子滤波算法结果比较,该算法的平均跟踪误差均低于标准粒子滤波平均跟踪误差的40%,且其运算速度可达6~15帧/s,满足近实时应用帧率。     

基于改进型粒子群优化的节点自定位算法

为了提高测距误差影响下无线传感器网络节点自定位精度,提出一种基于距离的节点自定位新算法.对混沌搜索与粒子群优化进行算法融合,给出一种改进型粒子群优化算法,将其应用于节点自定位.新算法利用未知节点与信标节点之间的距离信息,通过改进型粒子群优化算法获取未知节点的位置.仿真结果表明,改进型粒子群优化算法对两种标准测试函数的搜索结果优于一般的粒子群优化算法.在测距误差和信标节点数量相同的条件下,相对于最小二乘估计法,新算法在各个测距误差级上的定位精度更高,其定位误差随测距误差增大而上升的趋势更缓慢.新算法具有更好的鲁棒性,适用于测距误差较大、信标节点数量较少的情况.     

用粒子群算法优化BP神经网络进行函数拟合

由于BP网络具有收敛速度慢和容易陷入局部极值,为了提高BP网络预测的准确性,本文提出了用粒子群(PSO)算法来优化BP网络,并进行非线性函数拟合.用PSO迭代算法找到最佳的网络权值和阈值,再以网络的正向传播的最小误差作为目标函数指导PSO的优化.将该算法与标准BP算法进行matlab仿真比较.实验结果表明,优化后的网络拟合误差小,效果更好.     

基于免疫粒子群-齿行法的桁架结构分层优化

针对考虑应力约束、位移约束和压杆稳定约束的桁架结构进行形状和尺寸优化,提出了一种基于免疫粒子群优化算法和齿行法的桁架结构优化算法.对形状和尺寸2类耦合变量进行分层处理.内层考虑各类约束条件,利用收敛速度较快的齿行法对给定形状的结构进行截面优化,使其自重最轻,将约束问题转化为非约束问题;外层则通过全局搜索能力较强的免疫粒子群算法对结构形状进行全局搜索,得出最终优化结果.通过37杆平面简支桁架桥和25杆空间桁架2个经典算例验证了所提算法的有效性.结果表明,所提算法采用内外层嵌套搜索,能够更好地处理2类变量的耦合关系,有效缩小了解空间的范围,具有良好的优化效果和较高的搜索效率.     

CPSO支持向量机红外瓦斯传感器动态补偿

利用混沌算法变异粒子群算法初始迭代公式,改变线性权重公式,构成混沌粒子群算法.添加混沌遍历性扰动因子,感知非相关变量,从而改进最小二乘支持向量的惩罚因子,并搭建红外瓦斯传感器动态补偿模型.对比没有进行模型优化的测试效果,结果表明,文中补偿模型实际拟合效果好,测量精度明显得到改善.     

基于免疫粒子群混合优化算法的新型派梯策略

基于人工免疫优化算法和粒子群算法的优缺点可以互补的特性,提出了免疫粒子群混合优化算法,并将其应用于混合电梯群控系统中进行派梯优化.将仿真结果与人工免疫优化算法、粒子群优化算法的结果进行对比,发现免疫粒子群混合优化算法显著地提高了混合电梯群控系统的长时等待率和电梯运行量,而平均等待时间的改善不明显,说明免疫粒子群混合优化算法在优化派梯方案方面表现出良好的效果,具有优越性.     

基于PSO—SVR的电力负荷预测

电力系统负荷预测精度直接决定了预测模型的质量.为了降低预测模型输出结果的预测误差,提出了粒子群算法优化支持向量机回归这一智能预测方法.通过对环境温度、节假日、工作日、日期的采集与分析作为模型的输入,以日平均负荷作为模型的输出.最后,通过仿真,对引入粒子群算法的支持向量机回归模型的预测结果进行对比分析.结果表明:优化后的智能模型取得了更为理想的预测结果.