基于铁路无线通信环境下改进的PSO算法在多用户检测中的应用

随着无线通信技术在铁路系统中迅猛发展和广泛应用,对通信系统装备的抗干扰能力提出更高更新的要求,因此必须研究有效的抗干扰技术以对付日益严重的干扰威胁。在粒子群算法中采用量子力学和经典力学的理论,将量子离散粒子群算法应用于多用户检测技术。在铁路无线通信系统中,可以提高铁路信道质量,降低数据通信误码率,解决列车与调度指挥中心之间的高数据通信中误码率高的问题,并且在抗多址干扰能力明显优于传统检测器。     

改进粒子群优化算法的BP神经网络在机车滚动轴承故障诊断中的应用

本文提出了一个基于改进粒子群优化算法的BP神经网络优化模型来进行轴承故障诊断,此模型融合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了诊断结果的精确性.仿真结果表明机车滚动轴承故障得到了有效诊断.相比于常规的BP神经网络模型,此方法不仅改进网络的收敛速度并且提高了预测准确性.     

隔离小生境粒子群算法在地铁列车运行曲线优化中的应用

针对地铁列车运行优化指标过于单一的问题,提出了牵引-巡航-惰行-制动模式运行曲线的计算流程,综合考虑能耗、乘客舒适度、运行时间、停车精度等指标,用Fi(综合优化目标函数)值度量综合运行质量(其值越小表示越接近理想状态),并建立列车运行曲线的优化模型。结合粒子群算法和小生境技术,设计了应用于列车运行曲线优化的隔离小生境粒子群算法(INPSO)。结合实例仿真,利用INPSO优化模型,确定最优惰行末端速度,实现了高质量列车运行曲线的计算。其中INPSO优化后的Fi值实际只是基本粒子群算法优化结果的58.96%,效果显著,证明了INPSO寻优的有效性以及可靠性。     

基于LCCMA 的盲自适应多用户检测新算法

基于LCCMA(线性约束恒模算法)提出了一种新的盲自适应多用户检测算法。本文中提出的这种算法适用于多径衰落信道,能很好抵消多址干扰和克服多径衰落。仿真证明,这种算法的性能和基于子空间分解的多用户检测算法的性能相当,但运算复杂度低于子空间算法。因此这种算法的总体性能优于基于子空间分解的多用户检测算法,是值得进一步研究的课题,并使之推广应用。     

粒子群优化的神经网络在齿轮故障诊断中的应用

针对BP神经网络容易陷入局部极小及收敛速度慢的问题,本文利用粒子群优化算法代替BP算法中的梯度下降法训练神经网络的权重和阚值,有效地改善了BP网络诊断性能;利用训练后的神经网络对齿轮进行了故障诊断,并比较了基于粒子群优化算法与BP算法的诊断结果,通过仿真实验表明:无论是在诊断速度上还是在诊断精度上,PSO-BP神经网络诊断性能都比单独的运用神经网络有很大提高.     

基于粒子群算法的隐式广义预测在ATO中的应用

由于列车运行速度的不断提高,对列车自动驾驶(Automatic Train Operation,ATO)系统提出更高的要求。针对隐式广义预测(Implicit Generalized Predictive Control,IGPC)控制器在ATO中难以获得最优预测控制输入的问题,运用一种基于粒子群优化(Particle Swarm Optimization,PSO)的IGPC算法对ATO系统进行控制。为更进一步提高PSO算法的寻优能力,对基本PSO算法进行改进,从而有效提高系统的寻优精度和速度。并对有约束情况下的CRH2型车进行仿真验证,仿真结果显示PSO-IGPC比单纯IGPC对ATO的控制效果更优。     

基于粒子群算法的轨道车辆设备布局优化

轨道车辆车上设备布局是轨道车辆设计中一个重要的环节,开展轨道车辆设备布局优化设计对保证轨道车辆的安全运行具有重要作用。考虑轨道车辆设备外轮廓约束、设备干涉约束等,建立了以设备总重心相对于轨道车辆自身中心的距离最小化的轨道车辆布局优化数学模型。根据轨道车辆设备布局优化的特点设计了基于粒子群算法的轨道车辆设备布局数学模型。采用线性递减权值策略,通过改进惩罚因子,有效地引导粒子群算法向全局最优解方向收敛。以轨道工程车辆的设备布局问题为实例,采用本文算法进行了车上设备布局优化设计的实例分析,表明本文方法可有效解决轨道车辆设备布局优化问题。     

城市轨道交通列车运行调整的粒子群算法研究

依据列车行车组织的特点,对列车运行调整策略进行研究,建立了列车运行调整模型.模型中涉及的约束条件较多,对实时性和延迟传播有着严格的限制,从而使问题的求解成为难题.在模型的求解过程中,粒子群算法有计算速度快、收敛性强的特点,满足模型实时性的要求.因此在列车运行调整中采用了粒子群算法,实现了列车运行调整的高效求解.     

基于改进粒子群优化算法的鲁棒性列车运行图编制方法

以列车优先级、追踪运行间隔时间和连发间隔时间限制为约束条件,以旅客列车的走行公里总数、平均旅行速度、对标准计划的延迟总时间和延迟时间方差,以及货物列车的日车公里总数和日产最6个指标无量纲转化后的合计值最大为综合目标函数,建立列车运行图编制优化模型.为增加列车运行图的鲁棒性,引入虚拟车和缓冲时间槽2个参数,采用改进的粒子群优化算法给出鲁棒性列车运行图编制方法.以5个车站、5列旅客列车和7列货物列车构造模拟环境,采用该方法进行列车运行图编制模拟.结果表明:该方法可铺画出更优的列车运行图,计算效率高;在行车计划受到扰动后,虚拟车和缓冲时间槽释放资源,运行图可以较快地恢复到可接受范围,容错鲁棒性好.     

基于速度优化与粒子群优化算法的插电式燃料电池有轨电车能量管理策略

以燃料电池有轨电车为研究对象,采用分层控制的方法,以能耗经济性最优为总体目标,开展基于速度优化的能量管理策略研究。该策略中的上层基于车与交通设施之间的通信(V2I),以驱动能耗最小为目标,考虑交通信号灯的影响,设计基于伪谱法的速度优化策略;其下层基于上层得到的最优速度,以及基于粒子群优化(PSO)算法对燃料电池有轨电车能量进行优化分配。仿真结果表明,基于速度优化的有轨电车能量管理策略能够避免列车的急变速和红灯怠速行为;基于速度优化与PSO算法的插电式燃料电池有轨电车能量管理策略能对动力电池和燃料电池的功率进行优化分配,相比基于速度优化与规则的有轨电车能量管理策略下的燃油经济性提高了3.72%。     

列车运行调整微粒群算法研究

列车运行调整问题是铁路行车调度指挥工作的重要内容,决定着区段内行车秩序的优劣。这一问题的计算机自动求解算法是我国铁路信息化建设的一个核心技术和难点问题。本文依据我国铁路行车组织体制的特点,建立了相应的模型。在模型的求解过程中,先运用大系统理论将列车进行分层分级,从而将待解的原始问题分解成若干个子问题,在对分解后的问题进行求解时,设计了微粒群算法,运用该算法可快速得到各子问题的近似最优解。然后,应用系统原理对问题进行还原,即可快速得到一个满意度高、可用性强的列车运行调整方案。最后,采用现场数据,应用该算法对列车运行调整问题进行求解,并与遗传算法进行比较,结果表明微粒群算法解决列车运行调整问题高效、实用。