同步发电机参数辨识的相关方法探讨

随着电网安全及稳定运行问题的重要性日益突出,基于获得准确的系统模型和参数辨识方法,优化同步发电机相关参数将是十分有意义的。本文针对当今几种比较典型的参数辨识方法做了系统的介绍,通过比较得出何种方法对于同步电机的参数辨识是最适合的。     

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。     

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...     

双电机耦合驱动电动汽车驱动模式划分与优化

为充分发挥一款双电机耦合驱动系统电动汽车(DMCP-EV)多驱动模式的节能优势,制定了基于系统效率最优的驱动模式控制策略。根据该双电机耦合驱动系统的结构特点,定义了电机4种驱动模式并分别建立其动力学驱动模型和系统效率模型。在满足动力性要求的前提下,分析并划分了各驱动模式的工作范围,以系统效率为优化目标,采用粒子群优化算法进行优化,获得最佳的驱动模式切换控制和转矩分配策略。开展了Matlab/Simulink仿真和硬件在环试验验证。结果表明,经系统效率优化的驱动模式在满足动力性要求的前提下,有效提高了双电机耦合驱动系统的经济性,能耗降低11%。     

基于混沌时间序列的道路断面短时交通流预测模型

为了提高道路断面短时交通流预测的精确性,本文对道路断面的短时交通流数据进行混沌时间序列分析,并对多维交通流时间序列数据进行了相空间重构,建立基于混沌时间序列分析的道路断面短时交通流预测模型,利用粒子群优化算法优化模型的参数选择．最后应用本文的方法对城市快速路采集的断面交通流数据进行分析,对道路断面短时交通流建立预测模型并验证其有效性．     

基于粒子群算法的水下多元线阵阵形有源校正方法

针对存在阵元位置误差的水下多元线阵,提出一种基于粒子群优化算法的远场有源阵形校正方法.该方法选用2个辅助源分时工作方式,利用无条件最大似然方位估计算法构建目标函数,并通过粒子群算法对阵元位置进行寻优.利用该方法对均匀线阵进行性能仿真实验.结果表明:该方法稳健性好、校正精度高,具有一定的应用前景.     

基于改进粒子群算法的PMSM多参数辨识

针对标准粒子群优化算法对永磁同步电机多参数辨识精度低与收敛慢的问题,设计了一种自适应自治群组粒子群优化算法进行辨识,并在Matlab/Simulink中搭建参数辨识模型.仿真结果表明:改进后的算法对永磁同步电机多参数辨识的整体精度更高,收敛速度更快.     

基于自适应粒子群算法的隧道窑温度模糊控制策略

针对隧道窑燃烧过程中的大惯性、纯滞后、多变量、时变参数以及工作机理复杂等特征,利用清晰集构造模糊集法确定模糊控制器输入量和输出量的隶属函数,并基于自适应粒子群算法给出了隧道窑新的温度模糊控制策略。运用模糊控制系统对隧道窑温度进行仿真研究和实时控制,结果表明,该模糊控制器能够克服许多干扰因素,具有良好的控制效果。     

粒子群算法在翼型剖面优化中的应用

为设计出具有良好升阻比性能的翼型剖面,采用智能优化领域新兴的粒子群优化算法(PSO)结合面元法对翼型进行优化设计。文中给出了PSO算法的数学模型及其在翼型优化设计中的主要计算过程,并以Naca66mod翼型为原型进行设计。获取了翼型优化过程中每一步处的翼型剖面形状、翼型表面压力系数分布以及翼型的升力系数、阻力系数和最大厚度比,结果分析表明经过优化后的翼型与原型相比,具有升力系数增加,阻力系数减小这一有利的特征改变。同时采用CFD方法对两种翼型进行数值模拟计算,获得同上的结论,进而验证了PSO方法在翼型优化设计中的可行性。