基于改进粒子群算法的光纤光栅压触觉传感阵列测点优化

为了解决机器人手指压触觉测量中检测系统存在的电磁干扰问题,目前很多研究中采用了具有抗电磁干扰、体积小、质量轻且易封装等优势的光纤光栅压触觉传感阵列.针对机器人手指压触觉传感阵列测点排布问题,提出了一种基于改进粒子群算法的测点优化方法.首先通过有限元仿真得出机器人手指抓握过程的应变场分布情况,然后基于应变场分布结果进行传...     

城市环境噪声测量评价新方法

本文在指出现行国家标准GB3222—82“城市环境噪声测量方法”的主要缺点之后,提出以噪声污染源为中心的城市环境噪声测量评价方法,其特点是把测量评价与噪声污染源直接联系,与予测和治理计划相结合,能有效地为实现综合整治,直接为改善城市环境质量服务。     

基于粒子群优化的结构系统识别

研究了使用粒子群优化(PSO)算法进行结构系统识别的方法,该方法的基本思想是将结构系统识别问题描述成一个多峰值非线性非凸的优化问题,通过PSO算法发现系统参数的最优估计.利用该方法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了识别,并与基于遗传算法(GA)的结构系统识别方法进行了比较.数值算例及比较结果表明:PSO方法易于实现且计算时占用资源低,并可以成功地对结构系统进行识别,识别效能十分优越.     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

基于模态测试与分析的齿轮箱测点优化

针对齿轮箱状态检测和故障诊断中,传感器数量难以确定,测点难以定位的问题,提出根据不同测点的频响特性优化测点的方法.在搭建了齿轮箱模态测试系统后,采用锤击模态测试方法对JZQ250齿轮箱模态进行了实测,并识别出箱体的振型和模态参数.重点对箱盖10个测点频响函数特性进行分析,比较测点3个方向频率响应的强弱,给出了10个测点布设传感器的排序.结果表明:箱体上靠近轴承处布设测点,在3个方向上总体上响应强烈,受激励点影响较小;而箱体边缘处测点幅值大小与激励点有关.     

城市环境噪声污染及其防治对策

随着城市的迅速发展,城市化进程的加快,城市噪声污染日益突出,噪声污染对城市居民的健康带来很大危害。本文主要对城市噪声的产生源进行了分析,对噪声给人群造成的危害进行了初步探讨,提出了城市噪声的控制对策。     

城市环境噪声预测与分析的研究进展

基于对城市环境噪声的预测、分析和控制,主要在以道路交通噪声和工业噪声为典型的城市环境噪声预测模型建立,噪声测量布点优化,城市环境噪声综合评价,以及环境噪声控制等方面,介绍了国内外的相关代表性研究工作,讨论了其中存在的一些主要问题,并对其进一步的研究发展方向进行了展望。该研究希望能够对从事该领域研究的有关人员提供一些参考和帮助。     

基于大爆炸优化算法的结构参数识别

作为一种新颖的优化工具,大爆炸算法（Big Bang-Big Crunch optimization,BB-BC）被成功应用于很多复杂优化问题。结构参数识别一直是结构健康监测的核心问题,利用BB-BC算法进行结构参数识别的研究。该方法的基本思想是通过最小化识别模型与实际结构系统响应的误差,从而将参数识别问题转化成一个多峰值非线性非凸的优化问题,并利用BB-BC算法发现系统参数的最优估计。利用BB-BC算法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了参数识别,并与基于遗传算法（GA）、粒子群（PSO）的参数识别方法进行了比较。结果表明：该方法可以成功地应用于结构参数识别,识别效能更优越。     

基于免疫粒子群的机场航班信息查询优化算法

航班信息快速准确查询对机场安全具有重要意义,本文引入免疫粒子群算法进行查询优化,提高全局搜索能力,避免了陷入局部最优点。经过实验分析。免疫粒子群算法对多连接查询优化有很好的效果,查询执行时间大大降低。     

求解环境经济调度问题的多目标差分粒子群优化算法

提出一种基于差分演化的改进多目标粒子群优化算法来求解电力系统环境经济调度问题。算法通过对Pareto最优解集的差分演化来增加Pareto最优解的多样性;通过循环拥挤距离来控制归档集中非劣解的分布,以提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘赌法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度因子的动态变化可增强算法的全局搜索能力。对电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较。结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。     

基于粒子群算法的整数规划问题的求解算法

整数规划是运筹学的一个分支,一直以来没有很好的求解算法.目前有研究人员尝试用粒子群算法求解整数规划,但都只能解决无约束整数规划问题.提出了一种求解约束整数规划的粒子群算法,能够解决有约束线性和非线性整数规划问题.     

Topology Optimization for Urban Traffic Sensor Network

This paper presents an optimized topology for urban traffic sensor networks. Small world theory is used to improve the performance of the wireless communication system with a heterogeneous transmission model and an optimal transmission radius. Furthermore, a series of simulations based on the actual road network around the 2nd Ring Road in Beijing demonstrate the practicability of constructing artificial ＂small worlds＂. Moreover, the particle swarm optimization method is used to calculate the globally best distribution of the nodes with the large radius. The methods proposed in this paper will be helpful to the sensor nodes deployment of the new urban traffic sensor networks.     

菏泽市城区环境噪声状况分析

通过对菏泽市“九五”期间城区环境噪声监测数据统计分析,找出菏泽城区噪声污染的主要因素、变化特性和发展趋势,进而提出改善和控制环境噪声的建议和宏观措施。     

基于改进粒子群算法的油田注水管网优化设计

注水采油是我国陆上油田主要的采油方式之一.在油田地面工程投资中,注水管网投资占有很大比重.为节约投资成本,采用改进粒子群优化算法对管网布局数学模型进行求解,求得管网优化的最短路径.在改进算法中通过标准差判断算法是否陷入局部最优,引入遗传算法中的选择交叉操作以增加粒子多样性,从而跳出局部最优,加快收敛速度.研究实例表明,改进粒子群优化算法优于基本粒子群算法.     

基于出行的城市客运交通环境系统优化研究

构建了基于出行结构的城市客运交通环境系统优化模型。在系统分析的基础上, 使用系统动力学方法模拟城市客运交通环境系统的发展;建立线性优化模型求解在城市的资源环境等约束条件下, 以交通综合效率最大化为目标的最优出行结构;根据二者的结果, 设计城市交通发展的不同情景, 进行二次模拟;建立灰色关联评价模型对情景分析结果进行综合评价, 在社会经济条件支撑、政策可行、资源环境压力最小化的前提下, 得到城市客运交通环境系统出行结构的优化结果。最后通过北京市的案例研究, 验证了模型的有效性。     

基于粒子群的多目标多执行模式项目调度

聚焦多目标多执行模式特点下的项目调度问题,通过建立工期、费用、资源和质量多目标函数,构建综合优化模型,同时运用粒子群算法解决工程项目多目标多执行模式优化问题.最后,通过一个应用实例计算,表明粒子群算法可以准确快速地解决该模型下的工程项目多目标优化问题,达到了项目调度中面对不同模式进行抉择,并且缩短工期、减少成本、均衡资源以及提升质量的综合的理想效果.     

平面绞链四杆机构的改进微粒群算法优化设计

文章介绍了微粒群优化算法的原理，提出了增加种群多样性和算法随机性的改进微粒群算法及实现过程，并把该算法应用于复杂机械优化问题。实例表明，该方法全局收敛性好，是解决工程设计中复杂线性优化问题的可行方法。     

温度测点优化在机床主轴组件热特性研究中的应用

对机床主轴组件温度场和热变形动态特性之间的差异进行了分析。并通过采用最佳温度测点建模的方法,对XH755C型数控铣床主轴进行了热特性分析,达到了减少由于这种特性差异所带来的影响,简化测量过程及便于进行机床主轴组件热特性研究的目的。     

粒子群与遗传算法的混合算法

针对粒子群算法直接用于求解离散旅行商优化问题会存在诸多困难,通过分析粒子群算法、遗传算法各自优缺点,将粒子群算法、遗传算法有效结合组成混合算法用于求解离散旅行商问题.混合的目的在于保持两种算法各自的优点,并有效地避免各算法原有的不足.对3个不同规模的巡回旅行商问题进行实验,结果表明:混合算法提升了算法的局部搜索能力.