云自适应粒子群优化算法在船舶纵向运动参数辨识中的应用

为解决粒子群算法存在的易收敛于局部最优的问题,提高算法的精度和速度,本文提出云自适应粒子群优化算法,并将该算法应用于船舶纵向运动参数识别模型中,经过辨识得到的船舶纵向运动参数的误差值在允许范围内,且状态参数和理论值具有较高吻合度。     

船舶电网重构网络中的粒子群算法研究

船舶电网重构是船舶电网控制的重要功能之一。本文在深入研究船舶电网结构和需求的基础上,提出一种有效的电网重构方法。选择粒子群算法(Selective Particle Swarm Optimization,SPSO)作为电网重构的优化方法,并将最小化电网重构的功率损失作为优化目标。选择粒子群算法是二分粒子群算法(BPSO)的改进方法,相比于BPSO,本文采用的SPSO能够实现更好的优化性能。最后在多种不同电网负载情况下,比较SPSO和BPSO算法的网络重构效果,证明本文提出的方法具有较好的性能。     

船舶电力系统无功优化过程的自适应粒子群算法应用

随着现代船舶工业的需要,船载用电设备的数量越来越多,船舶电力系统的容量也越来越大。船载用电设备在提高船舶自动化水平的同时,也对船舶电力系统的稳定性、安全性、节能性等提出更高要求。其中,船舶电力系统网络的无功损耗问题一直是相关领域的研究重点。电力系统的无功优化是指当系统的结构参数、负载等保持不变的情况下,通过改善船舶电力系统电源的电压等参数,调节电网的潮流计算,无功优化对提高船舶电力系统的供电效率,降低事故发生率等有重要的作用。本文系统的介绍了自适应粒子群算法,并将该粒子群寻优算法应用到船舶电力系统的无功优化过程中,对于改善电力系统的无功优化过程有重要的意义。     

船舶工程中的云粒子群算法研究

船舶在航行过程中的航向控制对于船舶航行安全是非常重要的。本文首先阐述传统的云粒子群算法,然后针对其陷入局部最优等缺点进行改进,利用云变异的云自适应粒子群优化算法进行船舶航向PID控制,并进行仿真实验。实验结果表明,本文算法具有较强的鲁棒性和稳定性。     

基于粒子群算法的船舶电网系统状态评估分析仿真

电网系统状态评估是保证船舶正常工作的关键技术,针对当前船舶电网系统状态评估结果不科学,评估误差大的缺陷,提出基于粒子群算法的船舶电网系统状态评估模型。首先分析当前船舶电网系统状态评估现状,并建立船舶电网系统状态评估的数学模型,然后引入粒子群算法对数学模型进行求解,找到船舶电网系统状态评估的最佳方案,最后在Matlab 2016平台进行了船舶电网系统状态评估的验证测试,本文模型可以快速、有效的找到船舶电网系统状态评估最优方案,提高了船舶电网系统状态评估精度。     

改进粒子群优化算法自适应波束形成技术

本文研究了利用粒子群优化算法进行自适应方向图控制的综合方法,给出了自适应阵列处理的数学模型以及LCMV自适应波束形成器的数学表达,介绍了粒子群优化算法的基本思想和算法流程。结合粒子群优化算法和自适应方向图控制的相关知识,本文提出一种基于多虚拟干扰源的改进粒子群算法并将其应用于LCMV自适应波束形成器以提升其性能并进行自适应方向图控制。仿真结果表明,该方法可有效改善LCMV自适应波束形成方法在多重干扰情况下零陷生成效果不佳、低快拍下性能较差等缺点,改善输出信干噪比,并在加深零陷和降低旁瓣等方面效果显著。     

基于粒子群算法的船舶发电系统电路优化

船舶发电系统电路受到传感电机电磁耦合的影响,容易产生串扰,导致输出功率因素不高,需要进行电路优化设计。提出基于粒子群算法的船舶发电系统电路优化方法,构建船舶发电系统电路优化的控制约束参量模型,采用粒子群进化方法进行电路优化参数的自适应寻优,以粒子种群的适应度方差最小为约束条件,得到电路控制参数的最优解。以此为指导进行船舶发电系统电路的优化设计,并进行电路测试和仿真分析,得出采用该方法进行船舶发电系统电路优化能提高关联约束参量的寻优能力,发电系统控制的稳定性较好,发电系统的输出功率增益得到提升。     

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。     

自适应粒子群优化的船舶动力定位云模型控制器设计

云模型控制理论是智能控制学科的新兴领域,因此如何扩展云模型的应用范围并使其走向工程化实用化成为云模型理论的研究重点。针对船舶运动模型具有不确定性和外部扰动随机性等特点,而云模型具有兼顾模糊性和随机性的特质,尝试将云模型应用于船舶动力定位的控制过程。为解决云模型控制器参数难以整定的问题,提出基于自适应粒子群优化算法的云模型控制器设计方法。仿真试验证明了云模型控制和粒子群优化的可行性和有效性。     

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。