基于改进粒子群算法的PMSM多参数辨识

针对标准粒子群优化算法对永磁同步电机多参数辨识精度低与收敛慢的问题,设计了一种自适应自治群组粒子群优化算法进行辨识,并在Matlab/Simulink中搭建参数辨识模型。仿真结果表明:改进后的算法对永磁同步电机多参数辨识的整体精度更高,收敛速度更快。     

局部阴影光伏发电系统中基于改进PSO的MPPT控制

光伏发电系统在局部阴影条件下,传统的最大功率点跟踪算法（maximum power point tracking,MPPT）容易陷入局部寻优,无法跟踪到全局最大功率点. 针对这一问题,本文提出了一种基于自适应学习因子粒子群算法的最大功率跟踪方法. 该方法在普通粒子群算法的基础上不断改变学习因子和权重系数,以提高算法收敛的速度和精度. 将其应用于局部阴影条件下的光伏发电系统最大功率点跟踪中,并在RT-LAB实时仿真平台中以两个接受不同光照强度的光伏阵列为例进行实时仿真验证. 仿真结果表明,两峰情况下本文所提出的自适应学习因子粒子群算法能够在0.298 s左右跟踪到全局最大功率点,普通粒子群算法需要约0.615 s,而扰动观察法陷入了局部最大功率点,本文所提算法能够有效提高系统的收敛速度和精度并且适用于多峰情况. 最后设置仿真算例验证本算法适用于光照突变的情况.      

基于FHT的实信号稀疏分解快速算法

提出了一种适合于计算机程序实现的稀疏分解快速算法．该算法利用Gabor原子时频参数结构特征,把信号稀疏分解中计算量极大的内积运算转换成信号的互相关运算,大幅度提高了信号稀疏分解的速度．对于实信号,用快速哈特莱变换（FHT）实现互相关的快速运算．仿真结果证实了该算法的有效性．     

一种有效的水声信道盲均衡算法

针对超指数迭代判决反馈盲均衡（SEIDFE）算法在水声通信系统中表现出的收敛性差的问题,提出了一种稳健性好、收敛快的双模式超指数迭代判决反馈盲均衡算法.该算法对均衡器输出的实部和虚部分别进行非线性变换以修正误差控制信号,从而纠正载波相位旋转;在此基础上,将一种新的自适应变步长算法应用到前馈滤波器前向权值的迭代步长中,提高算法收敛速度;并采取判决误差切换准则,将上述改进算法与判决导引算法有机结合起来,提高算法稳健性和收敛性能.仿真结果证明了该算法的有效性.     

改进粒子群算法的轨道列车节能控制优化

当前列车节能控制研究的优化算法存在优化效果不明显,收敛速度慢等一系列问题,提出了一种引入自适应惯性权重,同时加入具有调整能力的动态学习因子与改进速度更新公式的粒子群优化算法。一是通过惯性权重来平衡不同阶段的搜索能力,加入拥有调整能力的动态学习因子,着重加强算法后期的运算效率和收敛能力,同时引入惩罚函数,将列车运行过程中的拘束条件转化为惩罚因子,提升搜索速率;二是对传统的速度更新公式进行改进,用来降低选取到不理想的粒子影响寻优结果的概率。经过Matlab仿真分析,与传统的列车运行优化算法相比,改进后的优化算法收敛速度更快,列车节能效果更好。     

车辆动态称重仪使用现状及其轴重信号分析

叙述了我国超限重运输的规定和管理现状，给出了车辆动态轴荷信号形态，讨论了对轴（轮）荷信号进行分析的几种方法，结合研究课题重点分析了自调整遗忘因子的快速时变系统参数辨识算法，并给出了辨识仿真算例。     

一种基于PLL的牵引电机速度辨识算法

提出一种基于PLL的速度辨识算法,在此算法中引入闭环转子磁链观测器和幅值归一化环节,弥补PLL本身在抗干扰能力上的不足.通过闭环转子磁链观测模型抑制了转子磁链中可能出现的直流偏置,引入幅值归一化环节抑制了可能出现的转子磁链幅值波动.在仿真软件中搭建模型进行验证,结果表明在电机速度指令突变以及负载转矩突变的情况下可以保持较好的辨识效果.通过仿真结果验证了所研究速度辨识算法的正确性和有效性.     

改进的自适应遗传算法及其在作业车间调度中的应用

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优的不足,引入了一种新的调节交叉概率和变异概率的方法,并提出了一种新的交叉方式,该算法很好地增强了自适应遗传算法的全局搜索能力,提高了收敛速度.通过比较几个优化实例,验证了本文算法的有效性.     

基于卡尔曼滤波和神经网络的PMSM参数辨识

永磁同步电机（PMSM）是一种非线性、强耦合的控制对象,电机参数的变化加大了其控制难度.因此,参数辨识对于其闭环控制系统的稳定运行有着重大的意义.文中针对这一非线性、强耦合的模型,研究了一种基于扩展卡尔曼滤波（EKF）和El man神经网络（El man NN）的永磁同步电机参数Rs,ψd和ψq的辨识方法.仿真结果表明,该方法具有很快的收敛速度,能很精确地辨识PMSM的Rs,ψd和ψq,该网络具有良好的泛化能力,在变速变负载等复杂情况下也适用.     

免疫进化算法

研究现有进化算法的优越性与存在不足的基础上，受生物免疫原理的启发，提出了一种新的算法－－免疫进化算法。该新算法作为一种全局优化算法，以父代最优个体为基础来产生子代群体，并以最优个体的收敛来代替群体的收敛，在寻优过程中，该新算法还把确定性的和随机性的搜索有效地结合在一起，提高了收敛速度，通过马尔可夫链的分析，证明它是全局收敛的。测试表明，免疫进化算法不仅参数设置简单，而且可以提高收敛速度。     

信号过完备稀疏表示的唯一解及其边界条件

在探讨应用冗余字典寻找信号稀疏表示算法的基础上，简介信号过完备表示产生的背景和发展过程，认为信号表示的稀疏性与冗余字典的非相干性存在某种必然联系；结合正在进行的信号过完备稀疏表示理论与应用研究的专项课题，理论上讨论了满足基追踪算法和匹配追踪算法精确重构条件以及多个正变基级联字典的非相干系数与精确重构条件的某些研究进展，并提出对于非正交基联合而成的级联字典有待进一步研究的相关问题．     

基于结构性字典学习的高光谱遥感图像分类

为提高高光谱遥感图像的分类精度,提出了一种新的结构性稀疏表示及字典学习的高光谱遥感图像分类方法.该方法能同时利用高光谱遥感图像像素间的空间及光谱关系得到表示每个像素的字典,被划分为同一像素组的像素具有通用的稀疏模式;由字典计算图像的稀疏表示系数获得遥感图像的稀疏表示特征;利用线性支持向量机算法实现对高光谱遥感图像的分类.对AVIRIS和ROSIS高光谱遥感图像进行的实验结果表明:提出的方法比普通字典学习分类精度分别提高0.041 1和0.046 6,Kappa系数分别提高0.179 3和0.056 3.      

带回送和时间窗的车辆路径问题的模型及算法

在分析具有回送运输和时间窗的车辆路径问题特点的基础上，建立了该问题的优化数学模型，并通过设置与发货点距离为零的虚拟集货点使问题简化．在此基础上，构造了求解问题的改进遗传算法．在算法中，结合问题的特点设计了确保个体编码有效性的OX交叉算子，并采用基于Metropolis判别准则的复制算子，确保个体多样性和避免算法过早收敛．算例表明算法有效可行．     

自适应高斯遍历和声搜索物联网射频识别均衡优化

针对物联网射频识别过程中存在的数据量过大、传统算法计算复杂度较高和识别准确率较低的问题,提出了自适应高斯遍历和声搜索(Gauss traversal and harmony search algorithm, GTHS)物联网射频识别优化算法.首先,基于和声搜索算法进行网络优化设计,针对标准HS在优化精度和计算复杂度等方面存在的问题,利用高斯函数的遍历特性对算法即兴创作过程引入控制参数,提高前后期搜索的针对性,并给出参数选取的理论分析;其次,对物联网射频识别优化模型进行研究,提出改进的自适应优化目标,实现性能指标的均衡优化;最后,将该算法与RPSOAS、CDE以及C-MC算法进行了实验对比分析,结果表明,所提GTHS算法在区域大小为1000 m1000 m、标签数量为100000的大型物联网RFID (radio frequency identification network)实验对象中,收敛精度为7.2156,收敛精度提高29.6%以上.      

求解双目标带时间窗车辆路径问题的蚁群算法

针对运输网络为多重图的双目标带时间窗车辆路径问题设计了蚁群算法.首先,建立了多重图的双目标带时间窗车辆路径问题的数学模型,提出了针对该问题解的搜索空间构建方法,定义了一种综合考虑各优化目标、时间窗和信息素等启发信息的状态转移概率公式. 为了对比说明该算法的有效性,同时设计基于NSGA-II的多目标遗传算法.针对本文算例,对蚁群算法中的各参数进行了敏感性分析,根据分析结果设定算法参数,获得了算例的Pareto最优路径集,同时与NSGA-II算法及相关文献算法针对运行时间、收敛性和群体多样性进行比较.结果显示,本文设计的蚁群算法在这3个指标上均明显优于NSGA-II算法;在相同蚂蚁数量情况下,本文的算法在收敛性和群体多样性方面优于相关文献算法.     

SPSA算法在微观交通仿真模型VISSIM参数标定中的应用

微观交通仿真模型在交通系统管理、控制和优化中得到了广泛的应用. 然而微观交通仿真模型参数标定是一项复杂且系统的工作,特别是对于较复杂网络,其参数标定耗时长,且不容易找到最优解. 本文选取了应用较为广泛的VISSIM仿真模型作为基础平台,针对遗传算法（GA）的不足,建立了基于同步扰动随机逼近（SPSA）算法的微观仿真模型参数标定方法,并实现了程序的自动化标定;最后将该方法应用于北京市快速路仿真模型的驾驶员行为参数标定中,以速度的相对误差平方和作为收敛函数,通过对比GA算法,SPSA算法收敛速度快1.7倍,且在标定后的流量检验中相对误差的平方和小0.16,验证了SPSA算法在VISSIM参数标定上的优越性.     

SPSA�㷨��΢�۽�ͨ����ģ��VISSIM�����궨�е�Ӧ��

微观交通仿真模型在交通系统管理、控制和优化中得到了广泛的应用. 然而微观交通仿真模型参数标定是一项复杂且系统的工作,特别是对于较复杂网络,其参数标定耗时长,且不容易找到最优解. 本文选取了应用较为广泛的VISSIM仿真模型作为基础平台,针对遗传算法（GA）的不足,建立了基于同步扰动随机逼近（SPSA）算法的微观仿真模型参数标定方法,并实现了程序的自动化标定;最后将该方法应用于北京市快速路仿真模型的驾驶员行为参数标定中,以速度的相对误差平方和作为收敛函数,通过对比GA算法,SPSA算法收敛速度快1.7倍,且在标定后的流量检验中相对误差的平方和小0.16,验证了SPSA算法在VISSIM参数标定上的优越性.     

一种新型多核判别分析方法

为了给模式分类和维度约简提供有效的手段,在综合L1-MKDA和L2-MKDA两种多核KDA优点的基础上,提出一种以预定内核函数的线性组合,并结合混合范数正则化函数实现核权重的稀疏性和非稀疏性平衡的新型弹性多核判别分析方法(semi-infinite-programming-based flexible multi-kernel discriminant analysis, S-FMKDA).该方法用半无限规划方法求解弹性多核判别分析算法,并通过混合正则化实现核的自学习.在不同数据集上的实验结果表明:S-FMKDA比目前常见的KDA、KDAP、KDAG、L1-MKDA、L2-MKDA、UMKDA核判别分析方法的精度提高5%.      

基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况，提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数，利用列车运行过程中的状态偏差，推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数，通过迭代域的差分，证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证，结果表明，所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度，能够在较短的迭代次数实现对期望曲线的精确跟踪.     

基于SOGA的VISSIM仿真模型参数标定方法

微观交通仿真模型是对交通系统进行管理、控制和优化的重要试验手段和工具,而微观交通模型的参数标定是确保微观交通仿真模型能真实、直观地反映交通流运行情况的必要前提.针对遗传算法(GA)的不足,提出了基于自适应正交遗传算法(SOGA)的微观交通仿真模型参数标定方法.选取应用较为广泛的VISSIM仿真模型作为基础平台,给出了该优化方法中染色体的编码解码、适应度函数和自适应正交交叉算子的详细设计.最后将算法应用到北京市荣华中路与荣京西街交叉口模型参数标定中,通过与GA算法、正交试验法对比,SOGA算法得到的适应度函数值为19.43,优于其他标定算法的适应度函数值;同时,SOGA算法迭代时间比GA算法少了40.5%,验证了SOGA算法在VISSIM参数标定上的优越性.