基于云粒子群算法的船舶纵摇运动参数辨识

提出一种基于云粒子群优化算法的船舶纵摇运动参数辨识方法。该方法利用正态云发生器自适应调整粒子群算法的惯性权重,并在算法进化过程中对粒子位置进行基于云模型的变异操作,可以很好地解决算法早熟收敛的缺点,能够提高算法的收敛精度和收敛速度。应用该算法对船舶纵摇有关运动参数进行辨识,辨识结果在可以接受的范围之内。     

低磁类舰船内外磁场推算中的位置优化

针对利用磁体模拟法进行低磁类舰船内外磁场换算时,方程离散后容易呈现病态的问题,根据内部测量数据的变化趋势,提出了一种先限定某些位置作为优化测量点,再利用微粒群算法优化其它的优化位置的方法。不但解决了测量位置优化问题,而且需要的测量点数较少。通过两组不同测量位置的磁场推算实例,验证了优化位置的有效性,其推算精度符合工程实际需求。     

基于改进NLMS算法的谐波电流检测方法

针对传统NLMS算法在谐波电流检测中存在的动态响应速度和稳态精度的平衡问题,本文提出了一种基于动量项最小均方(MLMS)理论的NLMS算法的谐波电流检测方法。该算法在利用固定的小步长参数来保证高的稳态精度的同时,通过调整动量项来加速谐波检测响应速度,很好的解决了上述的平衡问题。仿真结果验证了该方法的有效性。     

基于分阶段粒子群优化算法的船舶横向运动水动力参数辨识

提出了一种基于分阶段粒子群优化算法的船舶横向运动参数辨识问题。针对船舶横向水动力参数多、参数之间耦合度高的特点,提出了一种计算参数敏感性系数的方法,并依据敏感性系数对参数进行了分类,采用分阶段粒子群优化算法对参数进行辨识。对船舶横向运动参数辨识问题的求解结果表明,该算法能够快速地辨识出满足精度要求的船舶横向运动参数,验证了算法的有效性。     

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。     

基于改进型粒子群算法的舰船消磁电流调整方法研究

消磁电流的调整直接影响舰船消磁系统的控制精度,为了有效补偿舰船空间磁场峰值,本文引入一种改进型粒子群算法进行消磁绕组安匝数求解,该算法在基本粒子群算法的基础上,通过最小二乘法约束粒子的初始位置和速度,具备收敛速度快、优化结果稳定等优点。     

微粒群优化算法在铺排船建模中的应用

针对铺排船建立锚泊移位系统模型,利用微粒群优化算法对神经网络模型参数进行优化训练,仿真结果显示,采用该算法训练的系统模型性能得到明显改善。     

粒子群算法在船舶电网系统中的应用

介绍粒子群算法的原理,并根据算法中的问题,改进粒子群算法,将自适应粒子群优化算法应用于船舶电网系统中。对自适应粒子群优化算法中的参数进行调整和变异,增强了种群全局寻优的速度和精度。最后将此算法应用于船舶电网系统的无功优化中,并通过对比实验说明本文所采用的算法在稳定系统电压方面效果明显。     

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。     

基于差分粒子群算法的都江堰典型灌区水量优化配置

文中首先对差分粒子群（PSO-DV）算法进行了详细介绍,用4个标准测试函数测试其优化性能,并与PSO和DE算法进行比较,结果表明PSO-DV算法是一种求解精度更高的全局优化算法。然后基于灌区整体经济效益函数和供水约束条件,利用PSO-DV算法构建模型,对东风渠灌区的农作物种植面积进行优化配置,并通过作物灌溉定额反推需水量实现了灌区总水量的合理调配。该方案通过模拟运行取得了预期效果,为都江堰灌区水资源优化调度提出了一种新的思路和方法,以供相关部门参考。