一个与信籁域搜索技术相结合的微粒群算法

微粒群优化算法(PSO)是一种有效的随机全局优化技术.文章针对利用微粒群优化算法进行多极值点的函数优化时,存在陷入局部极小点和搜索效率低的问题,把信籁域搜索技术引入到PSO算法中,提出了基于信籁域搜索的微粒群优化算法(TRPSO).该算法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度.仿真计算结果表明,该算法的性能优于混沌微粒群优化算法(CPSO)和基本微粒群优化算法(PSO).     

基于PSO粒子群算法的PID参数整定优化

PID控制器是一种广泛应用于工业上的一种控制器,但由于传统的PID参数整定过程中一般需要经验丰富的工程技术人员来完成,既耗时又费力,加之实际系统千变万化,对于一些复杂系统存在一定的滞后性、非线性等因素,从而使得PID参数整定有一定的难度。本文基于对PSO粒子群优化算法的研究,对PID参数整定进行设计,考虑种群的规模与速度等因素合理构建系统模型,并且通过Matlab仿真证明了该算法在PID参数整定上的优越性,具有很好的工程应用前景。     

非线性非高斯结构系统识别的粒子滤波方法

采用粒子滤波方法（PF方法）在非高斯噪声条件下对非线性系统进行参数识别。传统扩展卡尔曼滤波（EKF）方法具有高斯噪声假设与非线性系统线性化的缺陷,PF方法可以克服EKF方法的缺点;因此在系统识别中具有很强的鲁棒性,更适合进行非线性结构系统参数识别。数值仿真结果发现PF方法的系统识别精度高于EKF方法,证明PF方法在非线性非高斯结构系统识别中的有效性。     

基于粒子群优化聚类算法的点模型简化

为了有效地简化稠密采样点模型,提出了一种基于粒子群优化聚类算法的点模型简化方法.引入了具有强大全局寻优能力的粒子群优化算法,对传统的k-均值聚类算法进行改进,基于改进的聚类算法对点模型进行简化,选取具有最优个体适应度函数的粒子作为原始采样点集的最终简化模型.算法聚类依据采样点的空间位置、法向和曲率的邻近性,实现了点模型表面区域几何特征保持的简化.同时在聚类区域的划分中考虑了曲率阈值和区域半径,使得算法在有效地保持特征边界和曲面细节的同时,能够生成高质量的简化曲面.实验结果表明,粒子群优化的k-均值聚类算法克服了传统聚类算法容易陷入局部极小的缺点,具有更好的全局收敛性和较快的收敛速度.该简化方法在有效简化点模型的同时,很好地保持了原始模型的几何形状,且在相同简化效率下能够生成更高质量的简化曲面.     

颗粒效应对X—射线衍射定量分析准确度的影响

白云石(CaMg[CO_3]_2)和方解石(CaCO_3)的(104)晶面衍射线强度随研磨时间(即粒度)不同而变化。实验结果表明,经手工研磨1小时后,积分强度降低了40％.为消除颗粒效应的影响,采取严格控制样品粒度的方法,使标准样品与实测样品的粒度保持一致,对于粒度较大(70～40μm)的样品,同样可使X-射线衍射定量分析结果达到较高的精度和准确度。     

改进粒子群算法在作业车间调度问题中的应用

调度问题是一类典型的NP-hard问题,传统粒子群优化算法在解决该类问题上具有一定的局限性.通过分析其优化机理,提出了改进粒子群算法,结合了粒子群优化算法的全局搜索能力和交换粒子位置的局部搜索能力,提出了新的粒子编码方法--基于粒子坐标值排列编码(PPP),发展了一种快速、易实现的新的混合启发式算法.大量实验仿真结果表明本算法可以有效求解作业车间调度问题,通过与遗传算法比较,验证了改进粒子群算法是求解Job-shop调度问题可行而高效的方法.     

近程毫米波合成孔径辐射计被动测距原理

毫米波合成孔径技术利用了物体自身辐射电磁波的相位信息,采用很少阵元就能实现实时成像,但目前合成孔径技术只是限于亮温成像,缺少了目标的距离信息,这对于目标探测与识别很不利。提出在近程条件下合成孔径被动测距原理和相应的双正交傅立叶变换算法,并给出了近程距离分辨率公式,近程成像的特点是成像公式中存在二次相位因子,而且距离分辨率和距离的平方成反比。毫米波合成孔径被动成像可以同时得到物体辐射的亮温分布和距离分布,能够有效克服离焦引起的图像模糊,对图像的反降晰和目标识别具有重要意义。     

基于粒子群算法的智能换相策略研究

针对我国城乡配电台区中大量单相负荷在三相随机分布中造成的三相负荷不平衡现象,提出基于粒子群算法的智能换相开关,以解决三相不平衡问题.根据当前三相的电量信息及负荷状态,制定智能换相策略,指导换相开关切换负荷在三相中的连接相别,使三相达到平衡状态.针对粒子群算法本身缺陷进行改进,通过仿真及试验验证,证明了智能换相策略的可靠性.