基于自适应粒子群优化算法的光伏电池参数辨识

利用双二极管等效电路模型进行光伏电池输出特性仿真,基于光伏电池的U-I数据建立了目标寻优函数,采用自适应粒子群优化算法对光伏电池参数进行了反演计算.结果表明:U-I反演曲线与实际曲线基本吻合,自适应粒子群算法与单纯形方法的参数辨识结果均与理论值相符,权重因子策略和种群规模对自适应粒子群优化算法寻优结果具有显著影响,基于自适粒子群优化算法的光伏电池参数辨识方法具有更高的求解精度和寻优效率.     

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.     

基于改进粒子群深度神经网络的频率域航空电磁反演

传统的梯度反演方法依赖于初始模型选取,且容易陷入局部极小,在一定程度上影响着反演的求解精度和收敛速度,为此,提出一种基于改进粒子群深度神经网络的频率域航空电磁反演方法。首先,通过频率域航空电磁模型正演获取样本数据集;随后,依据样本数据集建立深度神经网络的基本框架,网络的输入为归一化垂直磁场分量,输出为相应地电模型参数;第三,提出一种惯性权重振荡衰减措施在粒子群优化算法的基础上进行改进,以提高粒子群优化算法的全局寻优能力,并利用改进的粒子群优化算法优化深度神经网络的训练过程,得到连接权值与阈值的最优解;最后,将最优的权值与阈值作为网络的初始值,并利用该网络对未知地电模型进行反演测试。利用层状地质模型测试改进粒子群深度神经网络算法、粒子群神经网络算法和单一的神经网络算法的反演效果,并将此方法运用于实测航空电磁数据反演。研究结果表明:本文提出的改进粒子群神经网络算法充分结合了粒子群优化算法的全局寻优性能和深度神经网络的局部寻优性能,在反演过程中能有效避免反演陷入局部极小,寻找到全局最优解,并能准确地反演出地电模型参数;与粒子群神经网络算法和单一的神经网络算法相比,本文提出的方法具有更高的求解精度和收敛速度。     

基于自适应混沌变异粒子群算法的地震参数反演

提出了一种改进的基于自适应混沌变异的粒子群优化算法来解决地震参数反演问题.该算法提出自适应飞行策略,根据搜索能力对粒子群进行划分,增强了子群间的协同能力,使算法具有良好的全局寻优能力;两阶段混沌变异策略能够在粒子进化的不同阶段进行自适应性搜索,使算法具有较高的搜索精度.实验结果表明,该算法可有效避免标准PSO算法的早熟收敛,具有寻优能力强、搜索精度高、稳定性好等优点.首次将该算法应用于地震参数反演问题,结果表明该算法提高了反演精度且不受初始模型影响,能够较好地解决地震参数反演问题.     

基于粒子群-最小二乘法的岩石流变模型参数反演

为解决参数数量随加载级数增加而成倍增加,对参数反演带来困难这一问题,在分级加载蠕变模型中,根据粒子群算法和最小二乘法对参数反演的特点,先采用粒子群算法(PSO)对模型参数进行反演得到一个全局次优粒子,再将其作为初始值对模型参数进行最小二乘法反演.工程实例表明,粒子群-最小二乘法反演可以很好地应用于分级加载蠕变模型的参数反演.     

概率积分法参数反演的文化-随机粒子群优化算法

为解决传统方法在概率积分法参数反演中存在的反演过程发散问题.将粒子群优化(PSO)算法纳入到文化算法(CA)框架中,提出了概率积分法参数反演的文化-随机粒子群优化(CA-rPSO)算法.以随机粒子群优化(rPSO)算法作为信念空间的进化算法,并将PSO作为群体空间的进化算法,形成两者独立并行进化的"双演化双促进"机制,按照误差平方和最小化准则构建适应度函数,反演出概率积分法参数.研究结果表明:对于常规布设形式的地表移动观测站,基于CA-rPSO反演概率积分法参数的收敛成功率为1.该结论具有较高的实用价值,且对矿山其它复杂参数寻优问题有着一定的指导意义.     

基于改进粒子群算法的大地电磁反演

粒子群算法是一种粒子群在全空间随机搜索的非线性反演方法,具有易于实现的优点,已在大地电磁（MT）反演得到了广泛应用,但其存在容易陷入局部最优解的缺点,在二维反演中应用较少且效果不好。本文提出了一种改进的优化粒子群算法,整个进化过程引入了局部进化,并且添加收缩因子和惯性权重参数,来改善该算法容易陷入局部最优解的缺点。最后将改进算法应用于二维MT反演,反演时加入核函数,结果表明改进粒子群算法在过早收敛问题上有明显改善,反演异常体位置也与实际模型吻合较好。因此,本文改进的粒子群优化算法提高了MT反演精度,为矿产资源勘探开发提供了理论基础。     

粒子群优化算法中惯性权重改进策略综述

在粒子群优化算法的3个参数中,惯性权重是最重要的参数,它对粒子群优化算法性能的提高起到至关重要作用.因此许多学者对粒子群优化算法中的惯性权重设计进行了广泛研究,目前取得许多成果.本文介绍了基本粒子群优化和标准粒子群优化算法,综述了惯性权重在粒子群优化算法中的各种改进策略.为粒子群优化算法的进一步改进研究提供参考.     

基于异步粒子群优化算法的边坡工程岩体力学参数反演

基于现场变形观测资料的优化反演是确定边坡岩体力学参数的主要方法之一,其本质是一个岩体力学参数的寻优过程,因而,如何选择一个高效的优化算法是其核心问题之一.目前,粒子群优化算法已被应用于边坡工程力学参数反演,但其算法实现为同步模式,最优粒子的信息不能及时共享,降低了优化效率,使得反演耗时较多.鉴于此,提出基于异步粒子群优化算法的边坡工程岩体力学参数反演,该算法的搜索步伐并不一致,粒子间表现出异步性,因而寻优效率明显高于同步模式,可有效解决在边坡工程中岩体力学参数反演中存在的低效问题.在此基础上,构建了边坡工程岩体力学参数反演模型,并采用ABAQUS作为反演分析中的正分析工具,给出了边坡工程岩体力学参数反演的实现流程,完成了程序编制,进而通过算例分析,验证了所提出的方法和程序编制的可行性和高效性.     

基于异步粒子群优化算法的边坡工程岩体力学参数反演

基于现场变形观测资料的优化反演是确定边坡岩体力学参数的主要方法之一,其本质是一个岩体力学参数的寻优过程,因而,如何选择一个高效的优化算法是其核心问题之一.目前,粒子群优化算法已被应用于边坡工程力学参数反演,但其算法实现为同步模式,最优粒子的信息不能及时共享,降低了优化效率,使得反演耗时较多.鉴于此,提出基于异步粒子群优化算法的边坡工程岩体力学参数反演,该算法的搜索步伐并不一致,粒子间表现出异步性,因而寻优效率明显高于同步模式,可有效解决在边坡工程中岩体力学参数反演中存在的低效问题.在此基础上,构建了边坡工程岩体力学参数反演模型,并采用ABAQUS作为反演分析中的正分析工具,给出了边坡工程岩体力学参数反演的实现流程,完成了程序编制,进而通过算例分析,验证了所提出的方法和程序编制的可行性和高效性.     

粒子群算法在面波频散曲线反演中的应用

针对目前线性化和非线性化算法在面波频散曲线反演中的局限性问题,分析了一种新的非线性全局优化算法——粒子群算法(PSO)及其基本原理和算法流程,并且采用了细化分层理论与粒子群算法相结合的方法,在求解横波速度结构的基础上,分别对四层速度递增理论模型和野外实测数据进行了反演试算.实验结果表明:频散曲线反演拟合效果较好,粒子群算法表现出了全局寻优特点.研究结论初步验证了粒子群算法在面波频散曲线反演中的可行性与有效性.     

RandWPSO-LSSVM反演方法及其在大型地下工程中的应用

根据粒子群算法(PSO)和支持向量机(SVM)的特点和局限性,对其进行改进,建立随机权重粒子群-最小二乘支持向量机(RandWPSO-LSSVM)反演模型,由正交设计、均匀设计和三维有限元数值计算给出学习和测试样本,反演糯扎渡水电站大型调压井工程区的围岩力学参数和初始地应力场.研究表明:RandWPSO对LSSVM预测模型的优化效果明显比PSO好;反演得到工程区x向和y向侧压力系数分别为2.641 5和2.083 1,微新岩体、弱风化下层、弱风化上层、全强风化层岩体、断层等围岩的弹性模量分别为24.849 2,10.898 7,2.839 8, 0.270 4和0.651 3 GPa;反馈计算得到的位移相对实测位移误差较小,验证反演参数的合理性,也表明所建立的RandWPSO-LSSVM反演模型合理可靠,可有效指导大型地下工程参数设计和施工稳定性分析.     

面向双馈风机的分层型免疫协同进化粒子群算法多参数辨识

双馈异步电机在实际工程运行情况下是一种高度非线性动态系统,并且由于其参数随环境的强变化性,常规方法难以实时得到其高精度参数。结合粒子群算法的高效多模态收敛性能以及免疫机理全局优化能力强等特点,研究了分层型免疫协同进化粒子群算法(co-evolutionary particle swarm optimization algorithm based on hierarchical-particle immune, HICPSO)智能计算模型参数。将该方法应用于双馈电机参数辨识与建模,提出了分层型免疫协同进化粒子群算法的双馈电机在线参数辨识。仿真结果表明该算法只需要采集控制过程中的数据,不需要数据手册的电机设计值等其他参数,且能在双馈电机运行实时跟随电机参数变化。     

基于自适应粒子群优化和MPI的大地电磁并行反演算法

针对大地电磁粒子群反演算法存在的计算时间过长的问题,基于自适应粒子群优化和消息传递接口提出一种新的大地电磁并行反演算法.在曙光4000L大型机平台上,利用该并行反演算法进行一维大地电磁层状介质反演实验,实验结果表明,新的并行反演算法能有效解决大地电磁粒子群反演计算时间过长的问题.     

基于混合粒子群算法的特高拱坝不同材料热学参数反演分析

针对混凝土施工期热学参数与室内试验值存在差异这一问题,该文基于粒子群算法和光纤温度监测数据,对特高拱坝低温季节混凝土热学参数进行识别。为克服传统粒子群算法易局部最优的不足,引入凹函数惯性权重系数,并与遗传算法的交叉变异操作相结合,建立了群体智能优化混合粒子群模型,从而平衡全局和局部搜寻能力。选用实际冷却通水方案以及环境气温,考虑多档通水以及冷却水沿途水温变化影响,将混合粒子群算法应用于不同强度混凝土、同一强度不同级配混凝土进行热学参数反演分析。通过工程实例说明了智能辨识的合理性以及混合粒子群算法的良好收敛性。该反演成果对阐明混凝土热学参数与温度变化之间规律具有重要意义。     

用差异演化-粒子群混合算法确定含水层参数

差异演化-粒子群混合优化算法是利用差异演化算法变异粒子个体的历史最优位置,保持种群多样性,与粒子群优化算法相结合的一种混合优化算法。应用差异演化-粒子群混合优化算法分析直线供水边界含水层抽水试验数据确定含水层参数,并将该算法所得计算结果与其他方法的结果进行比较,分析待估参数的不同取值范围对参数估计的影响,发现差异演化-粒子群混合优化算法能够有效地确定含水层参数,且目标函数值更小,计算精度更高,可达到1.673 1×10~(-6);待估参数范围的增大对差异演化-粒子群混合优化算法的收敛性影响较小,当待估参数取值范围的上限扩大到原来的14倍时,收敛率高达97%,且得到目标函数值基本一致,由此可知,差异演化-粒子群混合优化算法对初值选取的敏感性低,寻优能力强,稳定性好。数值实验结果表明:差异演化-粒子群混合优化算法有效地避免了粒子群优化算法所出现的早熟现象,是分析抽水试验数据,确定含水层参数和计算观测孔与虚拟映射井之间距离的有效方法。     

基于PSO算法的求解热传导反问题的应用研究

给出了一类热传导反问题的数学模型,并采用粒子群优化算法对该热传导反问题进行了相变界面位置的反演求解.在标准PSO的基础上,研究了基于自适应PSO的热传导反问题的参数优化方法,并对粒子群优化算法中粒子数、粒子最大移动速度和加速系数的取值进行了讨论.仿真结果表明:在热传导反问题的优化求解中,PSO算法具有较高的精度和较好的收敛速度.     

太阳影子定位参数反演模型的混合粒子群算法

针对非线性太阳影子定位参数反演问题,给出一种基于单纯形算法的权重线性递减的粒子群混合算法,此混合算法融合了单纯形算法的精确局部搜索能力和粒子群算法全局搜索能力,且采用权重线性递减的粒子群算法加快了算法的收敛速度。在太阳影子定位参数反演的数值实验中,所提算法不仅成功反演参数,而且拥有较高的计算精度和更快的收敛速度。     

基于GA-APSO混合罚模型的混凝土坝力学参数优化反演

针对混凝土坝流变力学参数反分析中的多目标优化问题,利用混合罚函数法,构建一种新的无约束单目标优化函数,并就其函数求解中常规优化算法搜根收敛速率慢、局部最优等缺陷,通过向粒子群算法(PSO)中引入自适应因子,并融合遗传算法(GA)计算优势,提出一种基于自适应遗传粒子群算法(GA-APSO)的全局优化反演方法,并将ANSYS有限元程序作为子模块嵌套到该算法程序中,编制相应的有限元优化反演分析程序。同时,通过工程算例中的大坝正反分析结果,验证文中所建混合算法具有收敛速度快和全局搜索能力强的特点,进而可提高大坝优化反演效率。该方法亦可将其推广应用于其他坝型及岩质边坡的力学参数反分析。     

粒子群优化BP网络及其应用

提出一种基于量子激励粒子群算法优化BP网络的参数方法.该算法在粒子群优化算法中引入量子论思想,克服了传统粒子群算法易陷入局部极值、优化效果较差的缺点,最终得到BP网络的最佳参数值.利用优化后的BP网络控制仿生机器马的运动状态,仿真结果表明该算法能快速、准确地达到最佳控制效果.