基于改进混沌优化算法的船舶综合负荷模型参数辨识

参数在线辨识是目前电力系统负荷建模的主要手段,而在辨识方法上主要使用了优化类算法。首先改进以往混沌优化算法的流程,增加参数搜索范围自动缩小的功能,减少一次混沌序列生成的步骤。对测试函数的优化结果表明改进算法在保证精度的基础上大大提高了寻优速度。然后,将该改进算法应用到了船舶综合负荷模型的参数辨识上,仿真结果说明该算法寻优速度快,并且有良好的辨识精度。通过对仿真结果的分析指出,对于负荷模型参数辨识,合理缩小参数寻优范围有助于提高算法的精度。     

加速混沌优化算法的改进及其在船型论证中的应用

利用混沌运动所特有的随机性、遍历性和规律性,对加速混沌优化算法进行一些改进,提高了混沌优化算法的收敛速度和精确性.改进的加速混沌优化算法利用混沌运动的性质,同时不断缩小变量的搜索空间,在混沌优化搜索过程中,以具有一定保证的当前最优解为中心,不断地缩小优化变量的搜索区间,调整细化参数,促使搜索能够更快、更有效地向全局最优解收敛.将该改进算法应用到具体的船型论证中,不仅证明了该改进算法简单,容易实现,具有较高的收敛速度和可靠性,而且具有较高的寻优精度和较少的优化迭代次数,也体现了该算法在船型论证领域中的实用性和有效性.     

基于分阶段搜索连续蚁群算法的船舶纵向运动参数辨识

提出了一种分阶段搜索的连续蚁群算法,并成功应用于求解船舶纵向运动参数辨识问题.首先将船舶纵向运动的参数辨识问题转化为参数空问非线性优化问题,然后在优化问题求解过程中,依据待辨识参数对待优化问题影响的大小,将所有参数进行动态分组,依据影响由大到小的顺序,利用连续蚁群算法依次对各组参数进行寻优,确定各组参数的范围,最后对所有参数进行小范围精细搜索,从而使算法最终收敛到最优解.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纵向运动水动力参数,验证了算法的有效性.     

果蝇算法在基于LSSVM智能水下机器人操纵运动模型辨识中的应用

基于水下机器人的Z型仿真试验,应用支持向量机对水下机器人的操纵运动模型进行辨识,从核函数结构中得到水动力系数,并建立水下机器人的预报模型,引入果蝇算法对惩罚因子C进行寻优,以减少基于经验而选择的参数对辨识精度产生的影响。通过预报与仿真比较,验证了该方法的有效性。     

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。     

基于改进粒子群优化算法的船舶纵向运动参数辨识

针对粒子群优化算法易于陷入局部最优的缺点,提出了一种改进的粒子群优化算法,并将改进的算法应用到船舶纵向运动模型的参数辨识.对辨识结果进行了验证,表明,利用改进的粒子群优化算法有较快的收敛速度和稳定性,辨识获得的水动力参数计算的结果误差均在允许范围内,得到的纵向运动的状态参数与理论观测值吻合度较高,辨识算法有效可行.     

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。     

基于粒子群算法的支持向量机参数优化方法的研究

支持向量机(Support vector machines),作为一种新兴的学习机器,具有广阔的发展前景,但其性能依赖于参数选择,并且在实际工程中,这个问题一直没有得到较好的解决,在很大的程度上限制了它的应用.本文对粒子群算法(Particle swarm optimizer)进行改进,通过每次迭代过程中,增加粒子个数的方法扩大粒子的搜索范围,防止粒子陷入局部最优.将改进的粒子群算法用于支持向量机参数选择中,并且在非线性系统模型辨识中进行仿真验证,同传统方法相比,在时间和辨识精度上都有了很大的提高,为解决SVM的参数选取问题提供了一条有效的途径.     

利用混沌粒子群算法进行船舶多模型自适应观测器参数寻优

通过混沌粒子群算法,人们能够对各种复杂的配电网状态进行监控和分析,同时为网络负载的分配提供必要的参数优化,因此在船舶多模型自适应观测器中,采用混沌粒子算法的优化算法具有很大的现实意义。本文首先建立混沌粒子群的观测器模型,然后根据各种船舶故障发生的特点,设计不同状态下的参数优化算法,最后通过对观测器相关参数的仿真,得到船舶模型承受的负载和压力参数仿真结果。     

基于改进粒子群优化算法的船舶纵向运动参数辨识

针对粒子群优化算法易于陷入局部最优的缺点,提出了一种改进的粒子群优化算法,并将改进的算法应用到船舶纵向运动模型的参数辨识。对辨识结果进行了验证,表明,利用改进的粒子群优化算法有较快的收敛速度和稳定性,辨识获得的水动力参数计算的结果误差均在允许范围内,得到的纵向运动的状态参数与理论观测值吻合度较高,辨识算法有效可行。     

基于改进BP-GA方法的FPSO舷侧结构耐撞性能优化设计

基于遗传算法和ABAQUS参数化有限元仿真技术,对传统的BP-GA优化方法进行改进,并采用改进的BP-GA方法对浮式生产储油卸油装置(FPSO)舷侧结构的耐撞性能进行优化,以验证其可行性和准确性。结果表明,与传统的BP神经网络相比,经遗传算法优化的BP神经网络具有更高的预测精度和更强的泛化能力;改进的BP-GA优化方法可在结构减重的基础上进一步提高结构的耐撞性能,能较好地适用于复杂的FPSO舷侧结构耐撞性优化设计。采用的优化方法具有通用性,可为抗爆性能的优化设计提供参考。     

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。     

集装箱码头设备更新投资优化模型及算法研究

为解决集装箱码头设备更新的合理投资问题,在综合考虑投资成本、平均单船装卸效率的基础上建立了集装箱码头设备更新投资混合整数规划模型;利用遗传算法与仿真相结合的方式构建了模型的求解算法;以某集装箱码头设备更新投资方案的优化为实例对模型及算法进行了验证.结果表明该模型综合考虑投资的成本和效益,对集装箱码头装卸设备的投资进行优化;模型的求解方法能够在兼顾码头实际投资效果的基础上提高全局搜索的效率.     

基于多传感器递推总体最小二乘融合的水下机器人动力学模型参数辨识

对于水下机器人动力学模型辨识问题,如果其观测方程的系数矩阵包含随机扰动,则其最小二乘估计一般是有偏的。为此,该文提出一种基于多传感器递推总体最小二乘融合的水下机器人动力学模型辨识算法(RTLS_F)。首先,给出了集中式总体最小二乘融合的算法;然后,在总体最小二乘框架下,推导出多传感器递推融合估计算法。通过仿真实验对RTLS_F与其它水下机器人动力学参数辨识算法进行了比较。实验结果表明,在系数矩阵和观测向量都含有误差的情况下,最小二乘融合是有偏估计且难以提高估计精度,而RTLS_F算法可以有效改善参数辨识性能。     

一种改进的海洋平台结构损伤诊断方法研究(英文)

In the exploitation of ocean oil and gas, many offshore structures may be damaged due to the severe environment, so an effective method of diagnosing structural damage is urgently needed to locate the damage and evaluate its severity. Genetic algorithms have become some of the most important global optimization tools and been widely used in many fields in recent years because of their simple operation and strong robustness. Based on the natural frequencies and mode shapes of the structure, the damage diagnosis of a jacket offshore platform is attributed to an optimization problem and studied by using a genetic algorithm. According to the principle that the structural stiffness of a certain direction can be greatly affected only when the brace bar in the corresponding direction is damaged, an improved objective function was proposed in this paper targeting measurement noise and the characteristics of modal identification for offshore platforms. This function can be used as fitness function of a genetic algorithm, and both numerical simulation and physical model test results show that the improved method may locate the structural damage and evaluate the severity of a jacket offshore platform satisfactorily while improving the robustness of evolutionary searching and the reliability of damage diagnosis.     

基于克里金模型的潜水器耐压舱结构优化

本文研究Kriging建模和序贯加点相结合的方法,用于解决目标函数或者约束函数无法显式表达下的优化问题。在加点准则中为了避免出现龙格现象,改进了加点优化时步长要求,在优化过程中融入多种群遗传算法提高了序贯加点值的计算准确性。计算结果表明,改进后的加点准则在存在多区域或者多个极值点的情况下均可快速搜索到最优点位置。建立了载人潜水器载人舱以重量为优化目标,以强度要求为约束的球壳厚度优化模型,采用此方法在初始选取5个样本取样,序贯加点6个样本点,计算得到球壳的最优厚度值为50.5569 mm,可有效指导设计工作。     

基于混沌粒子群的增量式推力分配算法研究

针对伪逆法在推力分配中仅考虑能量最优问题,提出一种具备大范围寻优能力的改进混沌粒子群算法(CPSO),并把该方法和伪逆法相融合应用到船舶的推力分配中,此外为提高寻优能力,推力分配计算采用增量模式。该融合算法考虑推力器各种限制条件,计算简单,能兼顾船舶的能耗及操作性,解决奇点问题。仿真结果表明,该推力分配算法切实可行,能有效提高船舶的定位性能,具备一定的实用价值。     

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。     

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.