基于粒子群优化算法的船舶电力系统脆性分析

为了提高船舶电力系统稳定性,提出基于粒子群优化算法的船舶电力系统脆性分析方法,构建船舶电力系统的稳定性控制约束参量模型,以电机模型参数为控制对象,通过船舶电力系统电机的转速信息和电磁转矩信息进行船舶电力系统脆性特征分析,采用PI控制算法进行船舶电力系统的输出稳定性控制,建立船舶电力系统的反馈动态补偿稳定性控制模型,结合粒子群优化算法进行船舶电力系统稳定性控制的参量自适应调节,实现船舶电力系统脆性预测和稳定性控制。仿真结果表明,采用该方法进行船舶电力系统脆性分析的准确性较好,控制稳定性较强,提高了船舶电力系统的输出鲁棒性。     

大型船舶电力系统脆性中的粒子群优化算法研究

随着自动化技术和电力推进技术在船舶工业的广泛应用,船舶电力系统的稳定性、可靠性显得更加重要,针对大型船舶电力系统的脆性优化也引起了国内外的广泛研究。大型船舶电力系统的故障恢复和脆性优化具有重要意义,一方面可以提高船舶电力系统的可靠性,为船载用电设备提供充足的电力;另一方面,电力系统网络结构的优化有助于提高电力系统的集成特性,降低成本的同时可以提高供电效率。本文主要研究了大型船舶电力系统的脆性优化问题,采用了粒子群优化算法和脆性建模技术,对全面分析复杂的船舶电力系统,预防和控制电力系统脆性故障,提高电力系统可靠性具有重要的理论和实际应用价值。     

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。     

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。     

粒子群优化算法在船舶电力系统脆性最大崩溃路径中的仿真研究

电力系统是船舶的重要组成部分,主要由柴油发电机、配电网络、配电板和用电设备等组成,其平稳运行决定了船载用电设备的工作性能。船舶电力系统的结构复杂,工作环境恶劣,因此在内部和外部干扰下很容易发生系统的崩溃问题。本文针对船舶电力系统的脆性模型,结合粒子群优化算法,对船舶电力系统脆性最大崩溃路径进行仿真研究,对提高船舶电力系统安全性和稳定性具有重要的指导作用。     

多目标微粒群优化聚类算法及应用

提出了多目标函数评价法,通过定义两个新的目标函数实现了基于多目标微粒群优化聚类算法,可实现对多目标优化问题非劣最优解集Pareto的搜索.同时根据电磁力的计算公式定义了新的相似度测量方法,该相似度测量考虑了聚类簇的大小对数据划分的影响.给出了IRIS数据仿真结果,用入侵数据集KDD CUP99测试,实验结果验证了该算法的有效性.     

基于改进粒子群算法的舰船电力系统无功优化

依据舰船电力系统的特点,构建适用于舰船电力系统的优化模型。率先采用自适应粒子群算法对舰船电力系统进行无功优化。与标准粒子群算法相比,新算法有效克服了标准粒子群算法在优化过程中前期易陷入局部最优和后期收敛速度慢的缺点。优化后,舰船电力系统的有功网损降低明显,电压分布也更加合理,保证了舰船电力系统安全稳定的运行。     

基于微粒群算法的舰船维修保障系统优化研究

由于维修保障工作的具体实施过程中缺乏对维修保障系统的优化,导致在进行资源的配置和维修方案的制订时都不同程度地存在一定缺憾.针对这一问题,分析了海军维修保障系统结构,建立了维修保障系统模型,采用微粒群算法对模型进行智能优化.通过算例验证该方法的有效性和实用性.     

基于GSA-IPM算法的船舶电力系统无功优化

提出GSA-IPM(万有引力-内点)算法求解船舶电力系统无功优化问题,以降低船舶电力系统的有功损耗,提高电压质量,改善安全经济运行水平。将算法应用于某实际船舶电力系统进行仿真测试,结果与万有引力搜索算法(GSA)、遗传算法(GA)及粒子群算法(PSO)作比较,证明了算法能够使有功网损更低,电压质量更佳,从而验证了方法的有效性。     

微粒群优化理论在光电载荷安装误差修正中的应用

载荷安装误差是影响空中机动单站光电载荷无源定位精度的主要因素。针对传统解析方法建模复杂、精度不高的问题,采用一种微粒群优化方法对光电载荷安装误差进行修正。仿真分析表明,所采用的微粒群优化方法搜索效率高、搜索效果好,能够实现对安装误差的高精度修正,有望为实际应用提供一种简易可行的方法。     

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。     

基于量子粒子群算法的船舶电力系统网络重构

船舶电力系统网络重构可以看作为一个多目标、多约束、多时段、离散化的非线性规划最优问题。根据船舶电网结构的特点,提出了运用量子粒子群算法解决重构问题的思想。加入量子粒子群算法的离散化操作,使之能够满足船舶电网重构模型的要求。仿真结果说明该算法能够得出船舶电力系统网络重构的全局最优解,实现了网络重构最优,并且通过相应的算例与其他优化算法进行横向比较的结果也验证了量子粒子群算法有更好的可行性。     

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。     

基于粒子群算法的船舶定位系统故障优化

船舶的锚泊方式只适合在浅水区进行定位,随着人类探测和航运活动逐渐向着深海拓展,适用于深海的船舶动力定位方式被开发和应用起来。本文研究的主要内容是船舶定位系统的故障诊断和优化,本文首先介绍了一种新型寻优算法-粒子群优化算法的原理和基本流程,然后针对船舶动力系统的结构及常见的故障类型,建立了动力定位系统的故障优化模型,并开发了基于粒子群算法的船舶定位系统故障优化策略,对改善船舶动力系统的故障诊断与优化有重要的价值。     

基于粒子群优化的多路径规划方法研究

借鉴遗传算法求解多峰函数优化问题的思想,开展了基于粒子群优化的多路径规划方法研究.给出了多路径规划算法的基本思想和算法流程,讨论了算法中粒子群的多样化方法以及多种群的隔离进化策略,并针对多个仿真环境进行了仿真实验.仿真结果表明,本文设计的多路径规划算法能针对不同的环境模型进行环境划分,正确、有效地规划出多条运动路径.     

基于粒子群算法的船舶物流智能配送系统

当前船舶物流智能配送系统存在配送路径并非最优,配送效率低,导致船舶物流智能配送成本存在居高不下的缺陷。为了节约船舶物流智能配送成本,找到理想的船舶物流智能配送路径,设计了基于粒子群算法的船舶物流智能配送系统。首先对船舶物流智能配送系统的工作流程进行描述,并重点描述船舶物流智能配送路径优化问题,然后设计了一种改进粒子群算法,并采用它实现船舶物流智能配送路径的优化。最后的测试结果表明,本文船舶物流智能配送系统可以在用户规定时间内将需求的产品送到目的地,降低了船舶配送成本,不仅可以帮助船舶物流配送企业提高管理,而且船舶物流配送结果优于其他的系统。     

粒子群优化PID的舰船电动机控制系统

舰船电动机具有强耦合、大时滞等复杂变化特性,当前控制系统无法对舰船电动机进行高精度的控制,控制效果差,为了提高舰船电动机控制精度、加快舰船电动机控制速度,提出基于粒子群优化PID的舰船电动机控制系统。首先分析当前舰船电动机控制系统的国内外研究进展,阐述舰船电动机控制系统的工作原理,然后建立舰船电动机控制系统的数学模型,采用PID方法对其实时控制,根据控制误差,引入粒子群优化算法对PID控制器的比例、积分、微分进行调整,最后与其他舰船电动机控制系统进行对比测试,结果表明,本文系统的舰船电动机控制精度要优于对比舰船电动机控制系统,而且解决了对比系统的舰船电动机控制效果差缺陷,能够更好对舰船电动机进行控制。