船舶电力系统配电网故障恢复重构算法研究

配电网故障恢复重构问题是船舶电力系统中一个多目标、多约束的优化问题,针对当前算法存在配电网故障恢复精度低的缺限,提出了改进粒子群算法的船舶电力系统配电网故障恢复重构策略,首先建立配电网故障恢复重构问题的数学模型,然后采用改进粒子群算法进行求解,最后进行了船舶电力系统配电网故障恢复的仿真实验,结果表明,改进粒子群算法提高了配电网故障恢复重构精度,加快了配电网故障恢复重构速度,而且综合性能要明显优于其它配电网故障恢复重构算法,船舶电力系统具有重要的实际应用价值。     

基于粒子群算法的导弹初始备件优化配置

从备件的优化配置出发,建立了在费用和装备完好率共同约束下的备件优化模型。利用收敛速度快、全局寻优能力强、编程实现简单的特点,粒子群算法应用于该模型的求解,得到导弹初始备件的最优配置。案例分析结果表明了粒子群算法解决该问题的有效性。     

基于多目标混沌云粒子群算法的泊位-岸桥分配研究

为了提高集装箱港口泊位-岸桥分配效果和优化效率,以集卡运距和船舶在港时间最小为优化目标,建立了多目标离散泊位-岸桥分配模型,利用混沌云粒子群算法对泊位-岸桥分配模型进行求解,开发了粒子可行-整数化处理模块,内嵌于混沌云粒子群算法进化中,制定了粒子编码规则,设计了多目标函数的粒子历史极值和全局极值的计算方法,提出了基于混沌云粒子群优化算法求解多目标离散泊位-岸桥分配模型的新方法,数值算例结果证明了该模型和算法的可行性和实用性。     

船舶中压直流电力系统配电网络重构技术研究

船舶电力系统网络重构是一个多目标组合优化问题。针对船舶中压直流综合电力推进系统,建立其配电网络拓扑模型,设计改进的节点电势法对其配电网络进行潮流计算,研究其各支路故障情况下的线路电流与功率分布。根据负荷恢复量、稳定性及开关动作量,建立配电网络的故障重构模型。结合自适应权重法和杂交池算法,并设计"定向变异法"对粒子群算法予以改进,增强寻优速度及全域搜索能力,将其运用于配电网络的故障重构模型的求解。算例结果表明,利用该算法能更快速地获得更完备的重构方案,算法具有较强的寻优性能。     

基于AQPSO算法的圆碟形水下滑翔机路径规划

为解决复杂海洋环境影响下圆碟形水下滑翔机的路径规划问题,采用多黏性Lamb涡叠加方法模拟洋流环境模型。以最小能量消耗为优化目标,结合B-spline方法生成光滑的曲线路径,采用自适应性基于量子行为的粒子群优化算法对圆碟形水下滑翔机的路径选择进行优化求解。将该算法与粒子群优化算法和基于量子行为的粒子群优化算法相对比,仿真结果验证了各算法在求解航行路径问题方面的有效性。此外,基于能耗最优原则分析各算法的适用性。     

基于多目标粒子群算法的船舶主尺度优化设计研究

粒子群优化是一种新兴的进化计算技术。文章基于多目标粒子群优化算法讨论了船舶主尺度论证中的多目标优化和决策问题。对于多目标优化问题,采用基于Pareto占优方法的多目标粒子群算法得到最优解,然后采用距离理想解最近的方法对这些Pareto最优解给出排序。应用文中给出的两个阶段求解方法,对散装货船概念设计阶段主尺度确定的问题进行了分析。结果表明,综合多目标粒子群优化和决策技术,能够迅速、客观地选择合理的船舶主尺度,可以给设计人员提供更多的选择。这种综合方法也能够广泛用于船舶其他设计领域。     

基于AQPSO算法的圆碟形水下滑翔机路径规划

为解决复杂海洋环境影响下圆碟形水下滑翔机的路径规划问题,采用多黏性Lamb涡叠加方法模拟洋流环境模型。以最小能量消耗为优化目标,结合B-spline方法生成光滑的曲线路径,采用自适应性基于量子行为的粒子群优化算法对圆碟形水下滑翔机的路径选择进行优化求解。将该算法与粒子群优化算法和基于量子行为的粒子群优化算法相对比,仿真结果验证了各算法在求解航行路径问题方面的有效性。此外,基于能耗最优原则分析各算法的适用性。     

海洋平台多能互补系统电源容量优化

将风、光等新能源应用于海洋平台成为研究的热点,但其波动性对平台电力系统带来一定的不安全因素,所以实际应用中,往往采用风光柴储的多能系统。研究中以海洋平台为研究对象,对多能系统的电源容量进行优化,保证系统的经济性和稳定性,实现新能源最大化利用。研究中为了提高整个海洋平台电力系统的经济性,需根据海洋平台附近的资源条件对系统的电源容量进行优化设计,选取最优的电源容量组合。本文建立了独立风/光/柴/储海洋平台电力系统中各个电源的多目标优化模型,利用多目标粒子群(multi-objective particle swarm optimization,MOPSO)求解系统中各个电源容量配置的Pareto最优解集,并基于满意度评价的模糊理论设计推荐的折衷解。     

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遭遇局部最优、计算时间长等瓶颈,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。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3种不同粒子决策变量的粒子群推力分配算法,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3种方法进行仿真分析,结果对比表明,基于文章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。     

基于二进制粒子群算法的母联闭合型电网重构策略

为解决母联闭合型电网发生故障时的电网重构问题,提出一种基于二进制粒子群算法的电网重构策略.根据深水半潜平台电网特殊的网络架构和电气特性,建立以最大程度恢复重要负载供电为目标,以电网结构和系统容量为约束条件的母联闭合型电网故障恢复模型.为提升求解效率,为该模型设计基于二进制粒子群算法的两阶段优化求解流程,并将求解结果与混...     

基于Bellman-Ford算法的配电网节能控制研究

为解决大量分布基于改进最小费用路算法的电源并网场景下的主动配电网节能控制优化问题,通过建立与配电网相应的图论模型,将潮流管理问题转化为寻求图论模型最小费用流的问题。鉴于传统最小费用路算法具有结构复杂、计算繁琐等缺点,论文提出了一种基于Bellman-Ford算法改进的最小费用流计算,该算法采用容量修改方式取代传统算法中的流量修改方式,大大简化了寻找图论模型中最小费用流的计算。应用Matlab建立仿真模型并进行仿真,仿真结果表明,改进的最小费用流Bellman-Ford算法应用于主动配电网潮流管理能够实现潮流优化,可以有效解决分布式电源(DG)并网造成的潮流阻塞问题,最终达到配电网节能控制的目的。     

改进自适应惯性权重粒子群算法及其在核动力管道布置中的应用北大核心CSCD

[目的]旨在研究非线性自适应惯性权重粒子群优化算法,实现船用核动力一回路系统管道路径的布置优化设计。[方法]根据船用核动力一回路系统的管道布局设计特点,建立一回路系统的管道布局空间模型、约束条件和评价函数;基于管道节点数量,提出一种粒子群优化(PSO)算法的新型定长编码方法,然后结合该编码方法建立方向引导机制;在此基础上,针对粒子群优化算法易陷入局部最优解、收敛速度慢的缺点,结合辅助线性变化的学习因子,提出一种基于非线性自适应惯性权重的改进粒子群优化算法;将改进粒子群优化算法与协同进化算法相结合,提出一种用于求解分支管道布局问题的协同进化粒子群优化算法,以用于核动力一回路系统的管道布局优化。[结果]仿真结果显示,所提的改进算法与标准算法相比收敛速度提高了40%~50%,不仅能够得到更好的管道布局效果,还解决了标准粒子群优化算法容易陷入局部最优解的问题。[结论]研究成果可为船用核动力一回路系统管道布置的优化设计提供有益的参考。     

考虑风电场并网的电力系统优化调度研究

本文建立了考虑风电场并网电力系统优化调度模型,目标包括运行风险、燃料成本和污染排放量三个目标,约束条件包括电力电量平衡约束、火电机组有功出力约束、火电机组出力爬坡约束、线路传输容量约束,采用直流潮流计算方法对线路潮流进行计算,采用蒙特卡洛法对模型随机变量进行处理。最后,基于粒子群算法对含风电场的IEEE 30节点标准系统算例进行了仿真建模求解。     

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。     

基于粒子群算法的编队防空武器目标分配研究

建立了舰艇编队防空作战的武器目标分配模型,提出了一种基于粒子群的求解算法。该粒子群算法利用粒子群的个体最优和全局最优粒子,采用了编码、交叉、变异和选择相结合的算子操作得到粒子的新个体。通过仿真测试表明了算法的可行性和有效性,尤其是在规模复杂问题中将更能体现算法的优越性。     

粒子群算法在约束型垫高阻尼结构动力学优化中的应用

[目的]为了进一步提高传统约束型阻尼结构的振动特性,对改进后的约束型垫高阻尼结构进行优化设计。[方法]首先,根据薄板弯曲理论和Hamilton变分原理探讨约束型垫高阻尼结构的动力学特性;其次,阐述粒子群算法迭代寻优的基本原理,提出优化含连续变量和离散变量的粒子群算法;最后,结合约束型垫高阻尼结构的动力学特性,运用改进的粒子群算法实现结构的优化配置。[结果]当算法搜索寻优到第12代时结果趋于稳定,表明算法已收敛。[结论]研究表明,粒子群算法能较好地求解约束型垫高阻尼结构动力学优化问题,且获得的最优化解可被应用于工程实际。     

粒子群算法在单矢量水听器方位估计中的应用

粒子群优化算法是一种新颖的进化算法,它基于群体迭代.群体中的粒子在解空间中追随适应度最优的粒子,调整速度与位置并搜索最优解.根据MUSIC算法的定向原理,建立适应度函数,利用粒子群算法对单矢量水听器方位估计算法进行优化.结果表明,优化后可以提高低信噪比时方位估计的精度,并实现对目标的三维定位,同时还可以避免因成阵所带来的使用限制.     

基于量子行为粒子群算法的可测试性设计方法

将量子行为粒子群算法用于复杂电子设备测试点选取问题中.该算法以最少的测试点、测试代价和最大的故障隔离率、检测率为目标定义粒子适应度函数,保证了算法的全局最优性能.仿真结果表明,与其他算法相比,量子行为粒子群算法提高了测试点选取的效率,能较好的保证其算法全局最优性能,为粒子群算法的改进和多目标优化问题提供了新的思路.     

多目标优化算法在舰船天线布局中的应用

针对现有的单目标优化算法在天线优化布局应用中的不足,提出一种基于多目标粒子群优化(MultiObjective Particle Swarm Optimization,MOPSO)算法的天线优化布局方法。将该算法与数值计算方法相结合,建立多目标、多变量协调控制的复杂平台上的天线优化布局数学模型。在此基础上,使用FEKO软件建立某型战舰的仿真分析模型,具体分析舰载短波通信天线的优化布局过程。     

改进多目标粒子群优化算法在营养配餐中应用

营养配餐计算模型为多目标模型,求解过程复杂,笔者利用改进过的多目标粒子群算法优化后,再根据配餐用户的偏好信息进行优化,摆脱了传统多目标优化的权重系数的影响,使得营养配餐计算模型能够满足各类人群的差异化、特殊化.最后,笔者以一日营养量为目标进行实际配餐,实验证明,配餐结果令人满意.