基于小波和粒子群算法的HEV行驶状况辨识方法研究

针对混合动力汽车(HEV)行驶状况(道路坡度和整车载荷)变化难以有效识别,导致驱动系统控制策略不能有效满足驾驶员意图问题,以混联式HEV为研究对象,提出了基于小波滤波和粒子群算法的HEV行驶状况辨识方法。首先建立了汽车行驶状况辨识模型,采用最小二乘法确立了优化目标函数,其次研究了基于小波滤波和粒子群算法的HEV行驶状况辨识原理,最后进行了行驶状况粒子群智能算法辨识试验。在采集实车数据的基础上,对实车数据进行小波滤波,并运用行驶状况辨识方法对道路坡度和整车载荷进行了辨识,并对辨识结果进行小波滤波,结果表明,试验工况下整车载荷辨识的相对误差绝对平均值为2.71%,道路坡度辨识的相对误差绝对平均值为3.85%,验证了所提出方法的有效性。     

PSO-BP神经网络在隧道围岩变形预测中的应用

针对滇西复杂地质条件下隧道围岩变形预测问题,以BP神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了PSO-BP神经网络。该神经网络结合了粒子群算法的全局搜索能力和BP神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力。计算结果表明:PSO-BP神经网络预测精度高,平均绝对误差为2.4 mm,平均相对误差为2.7%,满足隧道围岩变形预测精度的需要。     

舰船电力系统保护性能优化的自适应算法

为满足舰船电力系统保护在快速性和选择性方面的要求,提出保护性能优化模型,根据电力系统的运行方式、拓扑结构和故障类型的变化,实时在线计算并修改保护整定值的自适应保护方法。将快速性和选择性指标作为保护性能综合指标的基本元素,采用模拟退火粒子群算法进行优化,最终实现不同运行工况下保护性能最优的整定值自适应调整。并在PSCAD/EMTDC软件中建立包含自适应保护算法的舰船电力系统保护仿真模型,仿真结果证明所提方法可有效提高系统保护性能。     

基于入侵野草优化算法的粒子滤波算法

入侵野草优化(IWO)算法是近年来提出的一种简单、有效的基于种群的新颖数值优化算法,在许多领域得到成功运用。将IWO算法与粒子滤波(PF)算法相结合,提出一种基于IWO算法的粒子滤波算法(IWOPF)。该算法将IWO算法运用于粒子滤波的重采样中,以保证粒子的有效性和多样性。最后通过计算仿真验证该算法的有效性和优越性。     

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。     

基于粒子群算法的异形斜拉桥成桥索力优化

异形斜拉桥的结构比较复杂,受力特点与常规斜拉桥不同,传统的索力优化方法存在不适用或优化过程烦琐的问题。粒子群算法可高效、便捷地得到合理的成桥状态,实现索力优化的自动化和智能化操作。为验证结合粒子群算法的索力优化方法的可行性,以某异形斜拉桥项目为依托,利用Midas Civil软件建立三维有限元模型,以最小势能为目标函数,结合粒子群算法自主编写MATLAB程序,对桥梁成桥阶段状态的索力进行优化,并将该方法与传统索力优化方法进行对比。结果表明：传统的索力优化方法不适用于异形斜拉桥,传统的最小弯曲能量法只减小主梁和桥塔的刚度,无法得到可行性结果,虽然添加约束条件后可得到斜拉桥的合理成桥状态,但操作过程烦琐;基于粒子群算法的索力优化方法可更大程度利用斜拉索,获得合理的成桥状态,同时优化过程也更加简便、高效。     

基于光滑粒子的水蒸发仿真

针对水蒸发仿真中蒸汽运动形态与现实不符和水运动形变失真的问题,提出基于光滑粒子流体动力学方法建立水蒸发仿真粒子模型,利用噪声函数扰动蒸汽粒子的运动速度,对蒸汽扩散进行仿真;根据热传导更新水粒子温度,将温度引入受力模型更新粒子状态,对水受热运动过程进行仿真.仿真结果表明,上述方法能够精细地模拟出蒸汽运动形态的变动特征,很好地解决了水受热时运动形变与现实不符的问题,有效地增强了水蒸发仿真的视觉效果.     

基于二进制粒子群算法的母联闭合型电网重构策略

为解决母联闭合型电网发生故障时的电网重构问题,提出一种基于二进制粒子群算法的电网重构策略.根据深水半潜平台电网特殊的网络架构和电气特性,建立以最大程度恢复重要负载供电为目标,以电网结构和系统容量为约束条件的母联闭合型电网故障恢复模型.为提升求解效率,为该模型设计基于二进制粒子群算法的两阶段优化求解流程,并将求解结果与混...     

基于集合经验模态分解降噪和优化LSTM的道路交通事故预测

道路交通事故精准预测是有效提升交通安全的重要手段,由于事故数据经常呈现非线性、波动性、无周期性等特征,现有的算法存在预测效果不佳的问题。为此本文提出基于集合经验模态分解降噪算法(ensemble empirical mode decomposition,EEMD)和优化长短时记忆神经网络(long short-term memory,LSTM)的交通事故数量预测模型。在单一模型的基础上,引入降噪算法EEMD对噪声大的交通事故时间序列进行降噪处理,利用EEMD对事故时间序列进行分解得到多个子序列和1个残差项;基于粒子群优化算法(particle swarm optimization,PSO)优化LSTM网络结构参数,并在LSTM的最优网络结构下提取数据中的时间特征信息进行预测,对各子序列及残差的预测结果求和得到最终预测结果。研究结果表明：相对于EMD-PSO-LSTM,PSO-LSTM,EEMD-LSTM,LSTM这4个模型,EEMD-PSO-LSTM的预测效果最好,其对应的预测误差e_rmse分别降低了8.7%、48.3%、53.1%、57.6%,误差e_m...     

地铁自动检票机故障分析及可靠性研究

考虑到地铁自动检票机组成复杂且故障形式多样,对其进行故障分析并以二参数威布尔分布为基础,提出一种基于混合威布尔分布的设备可靠性评估模型。为提高模型拟合精度,基于误差平方和最小思想构建非线性最小二乘参数优化估计模型并使用粒子群算法(PSO)进行最优参数求解。以南京地铁油坊桥车站自动检票机实际故障数据为例,进行实例验证。结果表明,基于PSO算法的混合威布尔分布可靠性评估模型优于传统单威布尔分布,其均方根误差、平均绝对百分比误差、皮尔逊相关系数均为最优。