基于时滞反馈控制的1/4车辆模型乘客减振研究

针对汽车在不平路面行驶时产生的振动会损伤汽车部件和影响乘客舒适性的问题,本文提出一种含时滞反馈控制的主动悬架在四分之一车模型中的减振方法。该悬架模型有三个自由度,由乘客质量、车身质量和簧下质量三部分组成。通过异步学习因子粒子群算法确定时滞控制参数,并将控制参数运用频域扫描法进行稳定性分析,最后建立含时滞反馈控制的主动悬架系统的仿真模型,仿真结果表明：与被动悬架相比,含时滞反馈的控制主动悬架无论在简谐激励还是路面激励下,乘客和车身加速度的均方根值都有明显的降低,具有较好的减振效果。含时滞反馈的控制主动悬架在改善乘坐舒适性和行驶平顺性方面具有优越性。     

基于细致化仿生的改进粒子群优化算法

粒子群优化(particle swarm optimization, PSO）算法基本思想是试图通过模拟鸟群觅食中的迁徙和聚集等行为获得连续非线性函数的最佳值,其仿生算法产生于对鸟群寻食过程中飞行方向与飞行速度等的隐喻。近年对粒子群算法经典算法的研究,虽然在速度及精度上有所改进,但由于缺乏细致化仿生（precise bionic metaphor, PBM）,改进效果并不太明显。通过在PSO算法中引入飞鸟寻食细致化行为特征隐喻,即在算法中同时导入满意粒子局地细致化寻优和探索粒子随机寻优过程,进而提出了一种新的基于细致化仿生的改进PSO算法;对改进算法和经典算法进行了性能比较,结果显示所提算法在收敛速度和求解精度方面较经典算法有很大程度的改善。     

梯级水库短期发电优化调度的协进化粒子群算法应用研究

针对传统优化算法在求解高维、复杂的梯级水库短期发电优化调度时多约束条件难以处理、 计算机时长、易陷入局部最优解等缺陷, 提出了基于协进化的粒子群优化算法, 并建立了相应罚因子的评价机制, 在此基础上对协进化粒子群优化算法进行了改进. 通过实际算例验证了该方法的合理性和可靠性, 从而为高维、复杂梯级水库发电优化调度提供了一种新的求解途径.     

改进粒子群算法优化 BP 神经网络的短时交通流预测

为提高 BP 神经网络预测模型的预测准确性, 提出了一种基于改进粒子群算法优化 BP 神经网络的预测方法. 引入自适应变异算子对陷入局部最优的粒子进行变异, 改进了粒子群算法的寻优性能, 利用改进粒子群算法优化 BP 神经网络的权值和阈值, 然后训练 BP 神经网络预测模型求得最优解. 将该预测方法应用到实测交通流的时间序列进行有效性验证, 结果表明了该方法对短时交通流具有更好的非线性拟合能力和更高的预测准确性.     

基于PSO-ABC的混合算法求解复杂约束优化问题

为了改善粒子群优化（particle swarm optimization, PSO)算法在处理复杂约束优化问题时的求解效果,提出了一种基于粒子群和人工蜂群的混合优化(particle swarm optimization artificial bee colony,PSO-ABC)算法。在采用可行性规则进行约束处理的基础上,将PSO种群分为可行子群和不可行子群,并在ABC算法从粒子种群中选择蜜源时,保留部分较优的可行解信息和约束违反程度较低的不可行解信息,弥补了联赛选择算子在处理最优点位于约束边界附近的问题时存在的不足。同时,使用禁忌表存储局部极值,减小了PSO算法陷入局部最优的危险。针对4个标准测试实例的实验结果表明,该算法能够寻得更优的约束最优化解,且稳健性更强。     

多指标约束下舰载装备维修级别建模与优化

修理级别分析(level of repair analysis, LORA)是装备综合保障性工程中的一项重要内容,针对现有关于LORA问题研究的不完善之处,以舰载装备维修保障为背景,综合考虑维修费用和维修效果,建立LORA协同规划数学模型。根据模糊优选理论,给出基于正负理想方案的多指标LORA决策隶属度优化目标函数,运用自适应粒子群算法对LORA模型进行求解,通过算例给出了优化结果,分析LORA决策的一般规律,证明方法的合理性及LORA模型的正确性。提出的LORA决策模型是现有研究基础上的重要补充,对于完善装备维修保障决策理论具有重要意义,为装备维修保障工作的开展提供决策支持。     

末制导雷达目标与诱饵的联合参数估计和辨识

拖曳式诱饵干扰条件下目标与诱饵的参数估计和身份辨识是制导雷达实现精确打击的前提条件。不可分辨角度范围内的目标和诱饵引起导引头雷达回波的干涉混叠,导致常规测量方法失效。当目标和诱饵处于相邻的两个匹配滤波采样点之间时,这些采样点所包含的信息将有助于参数估计的获取。通过充分挖掘两个连续匹配滤波采样点所包含的特征信息获得接收回波的概率分布,结合干扰形式和特点采用改进的粒子群优化方法从最大似然估计的角度获取目标与诱饵的对应参数,实现删除二者的身份辨识。各种条件下的仿真实验验证了方法的有效性。     

基于粒子群算法的图像相关反馈研究

在浩如烟海的图像库中按用户的需求去搜索图像,传统的做法是基于图像的视觉低层特征进行检索。但是由于视觉低层特征与高层语义之间存在语义鸿沟,因此检索结果往往不尽如人意。研究者发现,将相关反馈技术引入图像检索中则能提高系统的检索性能。提出将粒子群优化算法(Particle Swarm Optimization)[1]引入基于内容的图像检索之中,通过用户对检索结果进行评价,系统通过学习来动态修改各特征的权值,从而达到模拟人类的思维,提高图像检索系统的检索性能,并通过实验证明该算法的可行性和有效性。     

基于MRO服务提供商的设备预维修调度

为了解决MRO服务提供商的预维修调度问题,提出了基于设备故障预期的预维修人员优化调度方法。在该研究方法中,分析了MRO服务提供模式及其优点,建立了基于设备故障统计分布的预维修计划时间优化模型,根据模型确定设备的预维修计划时间,建立了设备预维修调度模型,采用量子粒子群算法对模型求解,并比对基于预维修计划时间的先来先服务方法。最后,通过实例示例了基于MRO服务提供商的预维修调度的求解过程,并对结果进行了分析,保证了模型的合理性及算法求解的有效性。     

基于粒子群算法的复杂产品装配序列规划

根据复杂产品装配规划问题的特点和要求,提出了一种求解装配序列规划(assembly sequenceplanning,ASP)问题的粒子群优化算法,将通常用于连续空间优化的粒子群算法成功扩展到ASP领域.算法根据ASP问题决策解的特点,在排序空间定义了微粒的位置和速度以及相关的各种操作.针对基本粒子群算法容易陷入局部最优的缺点,采用新的学习机制,增强了算法的寻优能力.基于干涉矩阵、连接矩阵和支撑矩阵建立了以装配可行性、装配体稳定性和装配方向改变为评价指标的目标函数.最后通过实例分析验证了该算法的有效性.