基于捕食搜索策略的粒子群算法求解高铁闭塞分区划分问题

高铁闭塞分区的合理划分可以保证列车的运行安全、提高运输效率和减少投资成本。为了更好地解决这个问题,利用基于捕食搜索策略的粒子群算法求解优化准移动闭塞条件下的闭塞分区划分模型。捕食搜索策略可以平衡粒子的局域搜索和全局搜索,从而避免陷入局部最优,提高算法精度。通过算例仿真,比较基于捕食搜索策略的粒子群算法和标准粒子群算法对模型优化的结果,验证基于捕食搜索策略的粒子算法对模型的求解是有效的,而且得到的解更精确,运算速度更快。     

基于动态PSO优化HSMM的转辙机PHM模型研究

针对转辙机故障发生的随机性与不确定性,提出设备故障预测与健康管理的方法,对其传统维修策略进行改进。该模型将转辙机的机械部件的退化过程按照全生命周期进行划分,利用动态粒子群算法优化隐半马尔科夫模型,实现转辙机状态的故障预测。首先,建立转辙机退化状态的隐半马尔科夫模型;其次,选择动态粒子群算法对转辙机预测模型动态优化,再结合前向-后向算法对优化后的模型进行参数估计;最后,通过实例分析验证该优化模型的有效性。     

基于果蝇算法优化的移动机器人RBPF-SLAM研究

针对基于传统Rao-Blackwellized粒子滤波(Rao-Blackwellised Particle Filter,RBPF)算法的移动机器人在进行同时定位与地图构建(Simultaneous Location and Mapping,SLAM)时易发生粒子退化导致移动机器人位姿估计不准确以及地图一致性较差的问题,提出一种基于果蝇优化算法的RBPF-SLAM算法。该算法将果蝇种群觅食过程中果蝇具有的趋味特性引入RBPF算法,将粒子视为果蝇个体,粒子的适应度值作为空气中食物味道的浓度,利用果蝇优化算法的高寻优能力使粒子向高似然区域移动并不断迭代寻优,以优化粒子种群的整体分布。同时,在果蝇寻优后的新种群中引入自适应交叉变异操作,以增加种群多样性。根据粒子的适应度值确定交叉概率,对配对好的粒子进行自适应交叉操作,再根据变异概率对当前种群的最优粒子进行变异操作,选取适应度值更高的粒子作为当前最优解。采用指数函数步长公式更新粒子状态,增加寻优过程中的搜索距离,有效提高算法的收敛效率。基于ACES building和MIT Killian Court数据集的仿真实验以及移动机器人实机测试结...     

基于粒子群优化神经网络算法的货运机车能耗预测研究

机车能耗是铁路能耗的主要部分,是衡量铁路运营水平的重要指标,机车能耗水平的有效降低,将成为未来铁路节能降耗的主要手段之一。阐述测算机车能耗普遍采取的算法,考虑粒子群算法具有全局最优、能够实现动态搜索等优势,提出粒子群优化神经网络算法,将机车能耗有关影响因素作为输入变量,建立基于粒子群优化神经网络算法的货运机车能耗预测模型。以邯长线货运机车能耗为例,分别采用神经网络算法和粒子群优化神经网络算法进行货运机车能耗预测。结果表明,基于粒子群优化神经网络算法的货运机车能耗预测具有较高的可信度。     

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.     

粒子群优化算法在多用户检测中的应用

粒子群优化算法是一类有效的随机全局优化技术。它利用一个粒子群搜索解空间,每个粒子表示一个被优化问题的解,通过粒子间的相互作用发现复杂空间中的最优区域。多用户检测技术是直扩序列码分多址中的一项关键技术。将粒子群优化算法应用于多用户检测中,能有效抑制多址干扰,实现结构简单、鲁棒性强的目的,在加速收敛的同时降低了计算复杂度。仿真结果表明,这种多用户检测器充分利用了粒子群优化算法的优良特性,与传统的码分多址接收机、基于进化算法的多用户检测器和基于遗传算法的多用户检测器比较,在误码率和收敛速度等方面都有显著的改善。     

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.     

基于小生境粒子群算法的ATO运行过程优化研究

针对自动驾驶(ATO)列车的低能耗、高准时和高舒适度问题,以列车运行过程中的安全性及其列车动力学模型为约束条件,建立列车运行过程的多目标优化模型,提出粒子群算法与小生境技术相结合的求解算法。该求解算法首先计算随机生成的粒子间欧式距离的平均值,确定小生境半径,划分小生境种群;采用共享机制对更新后的小生境群体进行调节,提高粒子的适应度值;最后通过迭代求出最优解。通过对选取线路的仿真模拟,验证该算法在降低ATO列车的运行能耗、提高列车运行过程的准时性与舒适性方面的有效性。     

基于改进骨干粒子群算法的大体积混凝土水化热管冷参数优化

针对大体积混凝土浇筑时的水化热温度控制问题，提出了一种基于动态惯性权重改进骨干粒子群算法的管冷参数优化方法。以某深水库区大跨度拱桥拱座大体积混凝土为工程背景，通过有限元分析软件二次开发子程序进行建模分析与优化计算，求解该管冷布置方案下的最佳管冷参数。结果表明：有限元分析软件二次开发子程序可以较为准确地计算分层浇筑下大体积混凝土的温度变化规律；基于动态惯性权重改进的骨干粒子群算法相较于标准粒子群算法在该优化问题上具有更好的收敛性；相较于设计管冷参数，优化后的管冷参数可以明显提高降温效果，第一层混凝土核心区温度最高降幅5.8℃,第二层混凝土核心区温度最高降幅8.9℃。     

基于四维可视化算法的牵引变电所位置优化

针对牵引供电系统设计的复杂性以及传统优化设计方法过程繁琐且很难找到可靠的最优解,粒子群和遗传算法等的迭代过程复杂并且容易陷入局部最优解的问题,将一种四维可视化算法运用到牵引供电系统的优化设计中。四维可视化算法不需要设定初始解、能够同时展现全局最优解的分布、能判断解的稳定性、方便添加约束条件。四维可视化优化算法通过编程使目标函数的最优解集在四维数据场可视化。以接触网对地电压为约束条件,以牵引网有功功率损失最小为目标函数,运用四维可视化算法进行牵引变电所和分区所位置的优化设计。通过实例计算验证了四维可视化算法可有效降低牵引网的功率损失。研究表明该方法能很好地克服传统方法和粒子群等优化算法在牵引供电系统优化设计中的不足。     

CIPSO算法在城市有轨电车控制策略中的应用研究

在保证电车安全的前提下,轨道交通中的城市有轨电车控制策略优化问题实质上是多目标优化问题,主要是针对节能、正点、停靠准确和乘客舒适度优化等方面的复杂问题,以电车运动学方程为基础,针对粒子群优化算法在离散优化问题中处理不佳,容易陷入局部最优的问题,采用混沌Tent映射初始化粒子群,建立其多目标优化模型。而后采用免疫接种和免疫选择的方法提高PSO优化算法的优化能力,对模型进行求解。以广州市海珠区环岛新型有轨电车试验段数据为对象进行实例仿真,结果表明,混沌免疫微粒群优化算法较传统微粒群优化算法可获得更好的控制策略,能更有效的解决电车运行多目标优化问题。     

基于混合微粒群优化的多目标列车控制研究

列车控制策略包括输入控制序列和每一控制序列作用距离两方面,本文建立列车运行过程多目标优化模型,以二进制和实数域的混合微粒群优化方法对该问题进行了研究,二进制微粒群算法优化列车输入控制序列,实数域微粒群算法对列车运行距离进行优化,以此得到列车最佳控制策略;针对实际的问题,提出了微粒群算法中pBest更新和gBest选择策略;并与传统的单个目标的列车运行过程优化模型进行了对比研究,仿真研究结果表明混合微粒群优化算法用于列车运行过程优化控制,可以获得满意的效果。     

基于改进MH算法的高铁ATO运行操纵多目标优化研究

在高速列车运行过程中,运行环境变化将对ATO提出更高的计算要求,ATO既要满足实时计算又要满足运行操纵多目标优化.针对该问题提出一种改进MH算法计算列车运行操纵序列.在原有MH算法基础上,对算法计算频率与寻优目标函数进行改进,提出随机惯性权重粒子群算法与司机驾驶逻辑相结合的方式计算运行操纵序列,通过选取合理的计算间隔时...     

基于RAMS的地铁信号系统维修策略研究

为了保证整个地铁的正常载客运营,地铁信号系统的可靠性、可用性及安全性须维持在一个较高水平,因此应当加强对制定维修策略准确性与合理性的研究。通过对信号系统设备维修活动的研究,以其平均可靠性与维修费用共同作为二维优化目标,将系统可用性及安全性设定为算法的约束条件,建立相应的多目标优化模型。应用标准粒子群算法及引入退火机制的粒子群算法进行寻优计算与结果分析,最终获取全局最优解集以协助决策人员制定最有利的维修计划。     

基于混合PSO-RBF神经网络的铁路隧道岩爆分级预测

岩爆是铁路隧道建设中主要灾害之一。为了准确预测铁路隧道岩爆烈度等级,以岩石应力系数σ_θ/σ_c、岩石脆性系数σ_c/σ_t以及弹性能量指数W_et作为岩爆烈度评价指标,提出一种基于混合粒子群优化算法优化的径向基(RBF)神经网络岩爆预测模型。首先在国内外研究成果基础上,选取80组已有岩爆实例作为模型基础数据;然后运用结合了模拟退火算法的粒子群算法(混合PSO)改进径向基神经网络,通过训练数据选取最优的权值W和基函数标准差σ,得到混合PSO-RBF神经网络岩爆烈度预测模型;最后将模型应用于实际铁路隧道工程进行验证。研究结果表明:该模型兼顾个体最优和全局最优,能够正确、有效的对铁路隧道岩爆等级做出预测,为铁路隧道岩爆预测提供了一种新方法。     

线性自抗扰控制算法在ATO系统中的应用研究

针对列车运行系统快速、稳定、精确等要求,将线性自抗扰控制（LADRC）算法应用于ATO系统的速度控制,并采用粒子群优化（PSO）算法对LADRC算法进行优化,提高LADRC控制器的参数整定效率。仿真 结果表明,该算法较传统的PID控制算法,能够有效提高速度控制的快速性和精度,改善乘客舒适度。     

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。