基于改进微粒群算法的磁靶电流参数优化调整

为克服基本微粒群算法易早熟的缺点,建立一种基于改进微粒群算法的磁靶电流参数优化调整模型。该方法采用一种非线性递减函数对惯性权重参数进行调整,并通过绘制的磁场模拟精度随电流参数个数的变化趋势图,确定一定精度要求下的最佳电流参数个数。仿真结果表明,通过该方法优化电流参数后,不仅保证了磁靶的模拟精度,而且所需的电流个数最少,符合工程实际。     

基于微粒群算法的舰艇计划修理资源调度优化

为解决舰艇修理计划中时间和资源制约带来的问题,提出了基于微粒群算法的舰艇计划修理资源调度优化方法.将不确定性多项式的求解问题转化为优先级搜索问题,并利用微粒群算法实现了问题的快速有效求解.工程实例的求解得到了合理有效的分配方案,解决了在资源制约下最小化工期的问题.     

基于机器学习的风暴中船体减摇自动化控制方法研究

针对传统模糊控制方法修正误差大、航行过程中出现风暴现象船舶的晃动程度较高的现象,提出并设计了一种基于机器学习的船体减摇自动化控制方法。结合数学模型对船舶减摇过程中所受的偏移力矩进行分析后,确定船体姿态参量的自整定性处理系数,采用机器学习方法对自动化控制算法进行优化,实现船体姿态参量的误差补偿,完成对风暴环境中船舶的自动化减摇控制。仿真实验结果表明,采用基于机器学习的自动化控制方法能够有效增强船体减摇过程中的误差修正能力,鲁棒性极强。     

一种提高粒子群算法优化性能的方法

针对粒子群优化算法在解决控制领域优化问题时存在的不足,文章在现有粒子群算法的几种改进方法分析的基础上,提出通过控制算法位置和速度的初始化策略,来提高算法的收敛速度、精度和成功率,该方法适用于各种粒子群改进算法。最后,通过两种改进后的粒子群算法,采用初始化策略对典型单峰函数和多峰函数进行实验测试,结果表明,该方法可以有效提高两种改进粒子群算法的搜索成功率、收敛速度和准确性。     

混合粒子群算法及其优化效率评价

为克服粒子群算法后期搜索效率降低的缺陷,利用直接搜索法的局部搜索能力,提出一种求解优化问题的混合算法(SPSO-DS)。用一个具有代表性的测试函数进行了仿真实验,结果表明该方法效果显著,明显提高了优化计算效率。本文将“平均截止代数”和“截止代数分布熵”作为评价指标,对SPSO-DS的优化效率进行定量的评估,通过与其他粒子群算法进行比较,进一步说明了SPSO-DS的优化效率。     

应用基于MPI的混合粒子群算法的三维水翼优化设计

提出一种三维水翼的优化设计方法.方法应用混合粒子群算法(HPSO)与边界元法相结合进行三维水翼的优化和性能计算工作、应用多级罚函数法解决水翼设计这一多约束、多变量的优化问题.基于免疫理论和惯性权值非线性递减策略的混合微粒群算法,能够有效抑制算法早熟收敛,平衡全局和局部搜索能力.优化设计过程中,水翼的剖面形状、攻角及展弦比作为设计变量,给定的压力分布形式、升阻力系数作为设计约束或设计目标.混合粒子群算法通过划分子种群、应用基于MPI通信机制的并行计算来实施,最大限度减小了计算时间.设计算例表明了文中提出的三维水翼优化设计方法收敛速度快、计算时间短、有效可行.     

基于FPSO的船舶柴油发电机励磁系统控制

针对大功率船舶柴油发电机工况的复杂性、时变性以及非线性等特性,以及船舶运行负载的变化对发电机励磁系统的影响,借鉴粒子群优化算法能够很好地适应复杂系统参数的寻优的特性以及模糊控制对参数优化的精确性,使用粒子群优化算法对控制器的PID参数进行优化,再使用模糊PID算法以误差和误差变化率作为输入,PID参数的增量作为输出对粒子群优化算法优化出来的PID参数进行修正,构成船舶发电机模糊-粒子群优化(FPSO)励磁控制系统控制器。在Matlab/Simuink环境下进行了额定负载、增加50%额定负载和三相故障等工况的仿真实验。实验表明,端电压经过短暂的波动后能够快速的回归稳定,证明该方法能够很好地适应工况的改变。     

船用永磁同步电机的粒子群优化PID自动控制研究

本文建立永磁同步电动机的数学模型,采用一种粒子群优化PID控制算法对永磁电动机的功率和载荷进行控制,并结合Simulink平台对控制器的效果进行了仿真。     

基于"stretching"技术的粒子群优化算法

粒子群优化算法是一种随机的全局优化搜索方法。本文系统的介绍了粒子群优化算法和"Stretching"技术并提出了基于"stretching"技术的粒子群算法,然后用标准测试函数对新算法进行了实验。实验结果表明新算法在解的收敛性和稳定性等方面优于基本的粒子群优化算法。     

多跨失稳的纵骨梁柱屈曲载荷-端缩曲线的理论修正

针对多跨板架整体失稳的问题,提出一种对规范Smith法扶强材单元载荷-端缩曲线的修正方法,并给出计算公式。结合3块实际的板架模型,分别计算并比较了规范的载荷-端缩曲线、理论修正法载荷-端缩曲线以及非线性有限元法载荷-端缩曲线,验证了修正方法的合理性。     

基于迭代局部搜索和自适应粒子群优化的SVM短期负荷预测

为了能够进一步的提高船舶电力负荷的预测精度,针对SVM模型在负荷预测中存在的参数选取问题,该研究提出了一种新的参数优化算法:基于迭代局部搜索和自适应粒子群优化的组合算法。自适应粒子群算法提高了传统粒子群算法的收敛速度,引入的迭代局部搜索思想,配合新的极值评价标准能够很好的解决粒子群算法容易陷入局部最优的问题。仿真结果表明,利用新的参数优化算法使得SVM预测模型的精度得到了很大的提高。     

基于粒子群优化的聚类入侵检测算法

为了在入侵检测中有效地克服传统的K均值算法易陷入局部极小值的缺点，使算法具有较好的全局收敛性，将粒子群优化算法应用于入侵检测，给出了基于粒子群优化的K均值聚类算法．通过理论分析及实验，验证了基于粒子群优化K均值聚类算法的有效性．对KDD CUP99数据集仿真，实验结果表明，该算法在入侵检测中能获得理想的检测率和误检率．     

基于粒子群算法的动力定位推力分配决策变量优选

针对群智能算法解决动力定位推力分配问题易陷入局部最优、计算时间长等不足,基于粒子群算法探索不同粒子决策变量对推力分配结果的影响。首先考虑推力分配目标力和力矩、推力限制、禁止角等约束条件,以推进器功率最优、磨损最小为优化目标建立了推力分配数学模型,构建了基于三种不同粒子决策变量的粒子群推力分配算法;其次以算法结果的适应度值、计算消耗时间的均值和方差量化算法的收敛性和实时性,对上述三种方法进行了仿真分析,仿真结果对比表明,基于本文提出的粒子决策变量搜索在收敛性和实时性上均达到最优,对粒子群算法解决推力分配问题有一定的参考价值。     

基于粒子群优化算法的水下航行器深度控制研究

提出了一种基于粒子群优化算法的水下航行器深度控制器参数优化设计方法。针对水下航行器运动参数变化的特性,采用粒子群优化算法收敛速度快、寻优特性好等特点,将其应用到控制器参数的优化设计中。仿真结果表明,利用粒子群优化算法进行优化设计的水下航行器深度控制器具有良好的控制性能。     

一种基于改进PSO的无人机航路规划方法

针对无人机航路规划问题,提出了一种改进的粒子群的无人机航路规划方法.该方法将UAV的航路规划问题通过目标转换,形成一个考虑威胁优先,路径优化其次的单目标航路优化问题,并引入局部搜索改进粒子群算法求解该问题的收敛性.仿真结果证明了该方法对解决无人机的航路规划问题高效可行.     

基于神经网络和粒子群算法的环肋圆柱壳优化设计

对于潜艇外壳等外压容器来说,满足稳定性要求至关重要。本文利用Matlab编写改进粒子群算法优化程序,利用 Ansys的 Apdl语言完成了环肋圆柱壳的参数化建模,以圆柱壳厚度、肋骨尺寸和肋距作为离散设计变量,以稳定性要求作为约束条件,构造了合适的惩罚函数,以质量最轻作为设计目标,实现了基于 BP神经网络和粒子群算法的环肋圆柱壳优化设计。在优化过程中,首先采用拉丁超立方体抽样完成了样本点的选取,然后对样本点进行有限元分析,根据有限元分析结果构建 BP神经网络代理模型,并探讨了样本点数量对代理模型预测精度的影响,最后采用改进粒子群算法对代理模型进行优化。优化结果表明,对于需要考虑离散变量和复杂非线性约束的结构优化问题,采用 BP神经网络和粒子群算法联合优化的方法能够节省大量计算时间,并达到理想的优化效果。     

粒子群混合算法在操纵运动模型辨识中的应用

基于经典的POWELL寻优算法和粒子群混合算法,针对航行体的操纵运动数学模型开展智能辨识研究。该方法能够很好地调整算法的全局与局部搜索能力之间的平衡,有效地提高辨识的精度和速度。采用该方法,利用航行体操纵性试验结果,对航行体操纵运动方程系数进行了辨识研究,并用辨识的数学模型进行了水面Z形操纵仿真。仿真结果表明,该方法具有很好的全局收敛性和稳定性。     

圆形微带天线谐振频率的混沌粒子群神经网络集成建模

谐振频率是微带天线设计过程中最重要的一个参数，直接决定设计的成败．本文提出二进制粒子群优化算法的选择性神经网络集成方法，通过粒子群优化算法合理选择组成神经网络集成的各个神经网络，使个体间保持较大的差异度．为有效保证粒子群优化算法的粒子多样性，在迭代过程中加入混沌变异．基于该混沌粒子群算法的神经网络集成对圆形微带天线的谐振频率进行建模．仿真试验表明，混沌粒子群优化算法是组合优化权值的有效方法，可以有效提高神经网络集成的泛化能力，基于该算法所建立的圆形微带天线的谐振频率模型好于此问题的已有结论．     

基于多种群粒子群算法的舰船消磁决策优化

随着舰船消磁技术的发展,消磁线圈的数目越来越多,调整消磁系统的常规方法越来越难以实施.为解决这一问题,提出一种改进的粒子群算法,该方法利用多种群搜索策略来压缩搜索空间,从而有效提高得到全局最优解的概率.仿真结果表明:该算法在舰船消磁磁场特征均方根最小和峰值最小方面均比其他方法更有优势,此外,该算法具有计算方法直观,编程简单,计算速度快,全局解搜索率高,易于进行多机协作的优点,可以方便地应用于工程实际.     

集合划分问题的粒子群优化算法

建立了集合划分问题的优化数学模型,结合遗传算法的思想提出的粒子群算法来解决集合划分问题。经过比较测试,6种粒子群算法的效果都比较好,特别交叉策略A和变异策略A的混合粒子群算法是最好的且简单有效的算法。