基于粒子群算法的短期电力负荷预测

根据电力负荷的主要影响因素,考虑了休息日和气候因素的影响,建立了基于粒子群算法(PSO)的级联网络短期负荷预测模型.通过粒子群算法对级联网络的训练进行优化,提高模型的运算速度.结果表明,该方法预测精度较高,效果较好.     

粒子群算法在大侧斜螺旋桨侧斜分布优化中的应用

为设计出具有良好侧斜分布的螺旋桨剖面，采用智能优化领域的粒子群优化（PSO）算法，结合非定常面元法对螺旋桨的侧斜分布进行了优化设计. 给出了PSO算法的数学模型及其在侧斜优化设计中的主要计算过程，并以HSP桨为母型进行设计.获取了2种纵倾方式下非定常推力系数的2阶幅值收敛情况、侧斜分布随迭代次数的收敛情况以及主桨叶在旋转1周的非定常推力系数随迭代次数的变化规律等.由计算结果可知，优化桨的非定常推力系数脉动比母型桨减小了许多，即通过改变螺旋桨侧斜分布能有效改善非均匀流场中螺旋桨的性能，进而也验证了PSO方法在螺旋桨侧斜优化设计中的可行性.     

基于MAPSO的混合式多机器人编队控制

为了解决目前编队控制中队形不稳及复杂环境适应性差等问题,针对全局环境中含有动/静态障碍物的复杂环境,提出一种将Leasder-Follower法及人工势场法改进结合的混合式多机器人编队控制新方法;同时,引入多智能体粒子群优化(MAPSO)算法对多机器人编队控制相关参数进行在线优化,能有效避免机器人陷入局部最优,增强其抗干扰能力.对该方法进行仿真分析,并和Leasder-Following法与基于行为法相结合的混合编队控制方法进行比较.结果表明:MAPSO的混合式多机器人编队控制方法能更好地完成多机器人在复杂环境下的编队控制任务,验证了其有效性和可行性.     

基于胜任指数的制造车间操作工优化配置模型

文章以制造车间一线操作工为研究主体,挖掘操作工在工位完成工序的历史数据,依据夹角余弦赋权法确定质量和时间2个指标的动态权重,应用优属度模糊矩阵,计算能够体现操作工胜任力动态变化趋势的胜任指数；然后根据胜任指数,计算工位在该工件批次的任务数,构建操作工优化配置模型；应用混合PSO算法求解模型,列出了具体求解过程,通过实例...     

模切机主切机构运动精度可靠度的求解

基于可靠性指标的几何原理及改进粒子群算法,提出了一种求解模切机主切机构运动精度可靠度的新方法.该方法避免了对主切机构运动误差均值及标准差的求解,同时避免了功能函数一阶或一阶以上的偏导数的计算.实例结果表明,该方法对主切机构运动精度可靠性分析是精确、实用和有效的.     

基于粗糙集全局离散和粒子群算法的启发式航材订货模型

为了解决目前航材订货模型单纯依托人为经验,对航材消耗规律变化反应滞后且可信度不高工作量过大的问题,提出在原始订货模型的框架下,使用PAM聚类、粗糙集全局离散和粒子群算法,计算模型中的航材分类、属性离散和区间权重,从而建立启发式航材订货模型,并在测试集上对比新老模型的均方离差。结果表明,启发式航材订货模型可以使人摆脱依靠经验确定模型的繁琐工作,并且能有效提高模型的准确性和及时性,从而提高航材订货工作效率。     

基于V2G的电动汽车有序充放电控制策略

大规模电动汽车作为移动存储的电力负荷,其无序充电行为将会导致电网出现负荷峰谷差加大、负荷率降低等问题。文中分别从电网侧和用户侧的角度,研究基于车网互动(V2G,vehicle to grid)的电动汽车有序充放电控制策略。在电网侧以负荷曲线均方差最小为目标函数,在用户侧以电动汽车用户参与V2G获得的经济收益最大化为目标函数,并且考虑到电动汽车实际充放电功率、可用容量及用户日常设置等约束条件,采用粒子群优化算法进行仿真求解。分别以重庆2020年、2025年和2030年电动汽车有序充放电为例,对电动汽车在电网侧和用户侧的有序充放电进行优化控制仿真分析。算例结果表明,所提出的电网侧和用户侧电动汽车有序充放电优化控制模型能有效降低负荷峰谷差、平滑负荷曲线并为参与V2G服务的用户带来经济收益。     

轮毂驱动电动汽车振动负效应及抑制方法

四轮独立驱动电动汽车通过轮毂电机直接驱动车辆,电磁力输出波动直接作用于车轮和悬架,将导致车辆的动力学性能恶化。利用傅立叶级数法,建立考虑不平衡径向力的悬架系统机电耦合模型。在此基础上,提出了电磁主动悬架多目标粒子群优化设计方法,以抑制轮毂电机驱动电动汽车的振动负效应问题。研究结果表明:通过对主动悬架构型以及控制器参数的多目标优化设计,能有效削弱振动负效应,改善电动汽车的安全性和舒适性。     

粒子群算法在小波神经网络中的应用

利用粒子群(PSO)算法对小波神经网络(WNN)中的参数{am，bm，w(am，bm)}进行优化，取代了传统的梯度下降法。并将仿真结果与BP网络进行比较，仿真数据表明，PSO算法在叠代次数、函数逼近误差、网络性能方面均比BP网络有着显著的提高，且在粒子数目较大的情况下能有效避免BP网络无法避免的局部极小值问题。     

一种混合拓扑结构的粒子群优化算法

为进一步提高粒子群优化算法的搜索性能,在分析不同拓扑结构对算法性能影响的基础上,针对不同拓扑结构粒子群优化算法的优缺点,提出一种混合使用全局版本和局部版本粒子群优化算法的方法,每一代粒子在速度更新时随机选择全局模型或局部模型方式进行.在典型测试函数上进行对比实验,结果验证了新算法不仅能有效地进行全局搜索,而且具有更好的收敛精度.