改进粒子群优化算法的BP神经网络在机车滚动轴承故障诊断中的应用

本文提出了一个基于改进粒子群优化算法的BP神经网络优化模型来进行轴承故障诊断,此模型融合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了诊断结果的精确性.仿真结果表明机车滚动轴承故障得到了有效诊断.相比于常规的BP神经网络模型,此方法不仅改进网络的收敛速度并且提高了预测准确性.     

车辆路径问题的混沌粒子群算法研究

针对车辆路径问题中单仓库非满载这一基本类型的具体特性,设计了一种混沌粒子群算法;利用混沌系统的随机性、规律性和遍历性初始化粒子,大范围覆盖车辆路径问题的解空间,加强算法最优路径的搜索能力;通过在求解过程中的次优路径处施加混沌扰动,使算法放弃当前求解的路径,避免结果为次优解。并通过试验验证了该算法在车辆路径问题中具有很强的寻优能力。     

基于改进粒子群算法的车辆路径问题研究

针对标准粒子群算法在解决多维复杂优化问题中存在的“早熟”现象,以及算法后期出现的搜索精度下降、收敛速度降低等不足,对算法做出改进：引入微生物行为机制中的趋化、繁殖、迁移算子。最后,通过实例验证对比,表明改进粒子群算法在搜索效率和解的质量方面均优于遗传算法和基本粒子群算法。     

基于风险分析的公路工程保险费率厘定

在考虑工程风险及保险实际理赔情况的基础上,形成了含自然灾害、项目环境等7个指标维度的风险评价体系,利用粒子群(PSO)算法优化BP神经网络的初始阈值及权值,建立了公路工程保险费率厘定模型。将该模型应用于34个公路工程保险实际案例,通过PSO-BP神经网络拟合保险样本中风险指标因素与费率之间的关系,实现费率预测。对比分析PSO-BP神经网络与BP神经网络的仿真效果,结果表明,PSO-BP神经网络模型能较好地反映公路工程实际风险水平,预测准确度高,收敛速度快,适用于保险费率厘定。     

基于模糊-粒子群算法的舰船主锅炉燃烧控制

针对舰船主锅炉燃烧控制系统负荷突变时主蒸汽压力波动大、空气和燃油调节速度慢以及风油配比易偏离最佳值的问题,在变偏置双交叉限幅燃烧控制系统的基础上,提出模糊-粒子群算法整定变偏置函数的偏置参数,制定大步长控制策略。在Simulink中建立模糊-粒子群控制器和燃烧控制系统模型,仿真试验结果表明:引入模糊-粒子群算法改进的燃烧控制系统主蒸汽压力超调量更小,调节时间更短,空燃比维持在良好范围内,可有效提升主锅炉燃烧控制系统的稳定性、快速性和经济性。     

基于粒子群算法的汽车传动系参数优化匹配分析

分别建立整车的动力性目标函数和经济性目标函数,对动力性和经济性目标函数赋予不同的加权因子,然后对其进行归一化处理,得到以汽车传动比为优化变量的目标函数。利用基于微粒间互相学习搜索最优区域的粒子群算法进行寻优计算,获得最优的传动比参数。以此建立某一乘用车的Cruise整车仿真模型,制定Cycle Run、Climbing Performance以及Full Load Acceleration计算任务,对比仿真分析优化前后整车的油耗、爬坡性及全负荷加速性。仿真结果表明:汽车的整车动力和经济性有明显改善。     

粒子群优化算法在多用户检测中的应用

粒子群优化算法是一类有效的随机全局优化技术。它利用一个粒子群搜索解空间,每个粒子表示一个被优化问题的解,通过粒子间的相互作用发现复杂空间中的最优区域。多用户检测技术是直扩序列码分多址中的一项关键技术。将粒子群优化算法应用于多用户检测中,能有效抑制多址干扰,实现结构简单、鲁棒性强的目的,在加速收敛的同时降低了计算复杂度。仿真结果表明,这种多用户检测器充分利用了粒子群优化算法的优良特性,与传统的码分多址接收机、基于进化算法的多用户检测器和基于遗传算法的多用户检测器比较,在误码率和收敛速度等方面都有显著的改善。     

微粒群算法在求解舰船维修间隔期中的应用

文章针对舰船的复杂性,基于舰船维修费用最小原则,建立了舰船维修间隔期的确定模型,引入微粒群算法对模型进行求解,并利用实例进行验证,证实了该方法的可行性。     

基于PSO-SVR近似模型的乘员约束系统稳健性优化

综合运用近似模型参数优化技术和稳健性优化方法对汽车乘员约束系统进行优化。通过全局灵敏度分析,选出对加权伤害准则(weighted injury criterion,WIC)影响大的参数;采用粒子群优化(PSO)算法对支持向量回归(SVR)模型参数和核函数参数进行优化,建立高精度的PSO-SVR近似模型;在确定性优化的基础上进行基于蒙特卡罗抽样的稳健性优化。结果表明:优化后乘员约束系统性能得到明显提升且兼顾了稳健性。     

磁浮系统中免疫专家PID控制器的改进

磁浮系统是一种典型的非线性、不稳定性开环系统。由于传统的比例-积分-微分（PID）控制器的参数是固定的,因此,控制系统无法兼顾悬浮系统的静态和动态性能。本文提出一种基于粒子群优化（PSO）算法的分段专家免疫PID控制器。该控制器先利用免疫PID控制器给出悬浮系统的阶跃响应曲线,再根据误差变化将该曲线划分为五个阶段,分段实现基于PSO算法的专家PID控制器。该控制器的优点是能够在悬浮系统工作时在线对PID参数进行调节,适应误差的不同变化,使控制器响应速度加快、调节精度提高,稳态性能变好,而且几乎没有超调和振荡。利用Matlab仿真,结果表明在相同精度要求下,该控制方法与单一的专家PID控制器的相比,磁浮控制系统的过渡时间变短,调节时间变短且过渡性能较好。