粒子群优化(PSO)

摘要： 针对蜂窝微穿孔吸声体结构,利用粒子群优化(Particle Swarm Optimization,PSO)算法优化吸声体结构的吸声性能。以三蜂窝芯的蜂窝微穿孔吸声体结构中微穿孔板的孔径、穿孔率和背腔深度为优化设计变量,以吸声体的吸声系数和吸声频带为优化目标,得到吸声体宽频范围吸声时的优化结构参数。将三参数优化、两参数优化及常规结构参数三种情况下计算得到的吸声性能进行对比。由结果分析可知:优化三参数得到的吸声体吸声性能远优于常规结构参数下吸声结果,在双参数优化中,穿孔率及腔深优化最接近于三参数优化。最后研究了吸声体中微穿孔板的每个参数对优化结果的影响。

摘要： 随着风电渗透率的不断提高,风电不确定性和间歇性对电网保护方案的影响愈加显著,基于固定阈值的保护整定方案不再适用于复杂多变的电力系统。基于此,提出了基于正序电流的风电接入电网自适应阈值差动保护方案。首先,以含风电场的标准电力系统为例,剖析了风电“T”型接入对传统电流差动保护的影响机理。在此基础上,以正序电流为故障信号,以故障位置和故障发生时间为自变量,建立了自适应阈值差动保护模型。为了提高求解效率以适应保护控制的要求,提出了基于PSO算法的二阶段求解方法。其中:阶段1以故障位置为优化变量,得到对阈值影响最高的故障类型;阶段2在阶段1的基础上引入故障开始时间,仅针对阶段1得到的故障类型进行二维优化,可以明显缩短计算时间,以实现阈值计算的快速性和准确性。最后,基于Matlab仿真分析,验证了该方法的正确性和有效性。

摘要： 针对传统预测算法空气污染预测准确率低以及泛化能力差的问题,提出了一种组合模型以实现准确预测。对取得的数据进行分析和训练,利用粒子群优化(PSO)算法优化支持向量回归(SVR)中的惩罚系数和核函数参数,得到PSO-SVR的空气污染状况组合预测模型。在统计污染量的同时,充分考虑该区域中的湿度、温度、气压、风速、雨雪量对污染量造成的影响。根据单一模型SVR给出的预测结果进行误差对比。研究表明:PSO-SVR组合模型预测的平均绝对误差与均方误差均小于单一模型SVR,可有效地预测空气质量,对污染防治有着良好的实际作用。

摘要： 为在非经验指导下获取多尺度一维卷积神经网络中卷积核数目和尺度最优参数,实现风机基础螺栓松动智能诊断,提出粒子群优化(particle swarm optimization, PSO)多尺度一维卷积神经网络的风机基础螺栓松动诊断方法。首先,获取风机一维原始振动信号,划分训练集与验证集;然后,将多尺度一维卷积神经网络中卷积核数目和尺度作为PSO的粒子,以验证精度作为适应度值,根据适应度值更新粒子速度和位置,经训练后获得最优卷积核数目和尺度参数下的多尺度一维卷积神经网络;最后,输入测试样本,得到风机基础螺栓松动诊断结果。在稳定转速和升降速下进行风机基础螺栓松动诊断试验,结果表明,PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断方法可在非经验指导下获取最优参数,可从一维原始信号中提取出有效松动特征,具备良好的松动诊断效果。

摘要： 该文针对混动车辆能量管理策略开发任务,基于车辆数字孪生平台,提出了一种融合全局交叉验证和粒子群优化(PSO)的鲁棒优化算法,以获得高可靠性、适应性的能量管理策略。基于转鼓台架试验结果建立了某混动车辆数字孪生模型,定义了综合考虑车辆能量转换效率和电池剩余电量的控制效用指标,搭建了基于自适应神经模糊推理系统(ANFIS)能量管理控制器;利用粒子群鲁棒优化算法在JC08、WLTC、UDDS等国际常用行驶工况对控制器进行超参数优化,并基于硬件在环平台对优化结果进行了对比验证。结果表明:通过综合考虑训练工况和验证工况下的控制效用,粒子群鲁棒优化算法相比标准粒子群算法,能够提升11%以上的控制效用值,获得0.41%至27.92%的燃油经济性提升。

摘要： 文章以BY公司为背景,研究液压元件装配流水车间调度问题(hydraulic components assembly flowshop scheduling problem,HCAFSP)。通过分析两阶段装配流水车间调度(the two-stage assembly flowshop scheduling problem,TSAFSP)、液压元件生产工艺与车间设施,提出一种新的机器配置和在制品库存计算方法。考虑到该问题的NP难性与BY公司数字化车间升级带来的产能提升,设计一种遗传算法孤岛模型(genetic algorithm island model,IsLandGA)与粒子群优化(particle swarm optimization,PSO)的混合算法(IsLandGA-PSO)。该算法采用圆锥拓扑,圆锥底为IsLandGA,提供全局快速搜索能力;顶点为每个子群的最优个体组成的PSO,提供精准局部搜索能力;利用优势互补和迁移优秀个体完成协同进化。通过多组实例仿真与算法对比,表明该算法求解较大规模HCAFSP问题的有效性和先进性。

摘要： 全球卫星导航系统紧组合定位中,系统间偏差(inter-system bias,ISB)需要多历元后处理的估计方式,并与接收机重启等因素有关。针对该问题,文章将求解ISB参数问题转化为求解系统间小数偏差(fractional inter-system bias,F-ISB)参数问题,利用粒子群优化(particle swarm optimization,PSO)算法单历元实时估计F-ISB与坐标参数,在此基础上分析了收星受限情况下模糊度固定成功率和定位精度。实验结果表明,不同品牌接收机的全球定位系统(Global Positioning System,GPS)与北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)的F-ISB在一定时间内具有时域稳定性,F-ISB在不同截止高度角下实时单历元估计偏差均小于0.1周;实时F-ISB改正的紧组合模型在截止高度角为40°的收星受限情况下,单历元定位精度与松组合模型一致,模糊度固定成功率由74.2%提升到90.65%。

摘要： 针对粒子群优化(Particle Swarm Optimization,PSO)算法在维度高、特征稀疏的文本聚类过程中,随着算法迭代次数增加在后期陷入局部最优的问题,提出采用多样性更好的差分进化(Differential Evolution,DE)策略更新种群,尝试找到更好的全局最优解.考虑到种群个体间包含的聚类中心向量排列顺序的随机性对个体间的学习与更新的影响,提出一种自适应调整聚类中心向量排列顺序的方法,将个体间相似度最大的聚类中心向量尽可能排列在同一维度.通过在文本数据集上进行测试,验证了所提出的聚类中心排列调整差分进化粒子群(Index adaptive DEPSO,IDEPSO)算法在内部、外部指标上相对于其他现有算法的优势,证明了该算法的有效性和可行性.

摘要： 针对粒子群算法(PSO)容易陷入局部最优值、收敛精度低等缺陷,提出一种新的带分布式自适应时延的粒子群算法(PSO-DW)。改进的算法主要在RODDPSO算法的基础上考虑时延的时变性和种群的进化状态,以平衡算法的全局搜索和局部搜索能力,降低早熟收敛的可能性,提高算法的收敛速度和精度。主要思想:1) 在引入了分布式时延的速度更新公式中,每个时延项配以自适应权重,2) 引入通过当前状态和概率转移矩阵预测下一进化状态的预测机制,3) 分布式时延的强度因子由预测状态所确定。在九个基准函数上与四个算法作对比的实验结果表明,改进后的算法在寻优质量、稳定性、收敛速度等方面更具优越性。

摘要： 为了有效解决由阵元位置扰动以及波达方向估计误差等非理想因素导致的导向矢量失配问题,提出了一种粒子群支持向量机(support vector machine,SVM)鲁棒波束形成算法.该算法利用SVM结构风险最小化的特点,将其与传统对角加载(diagonal loading,DL)波束形成算法相结合,通过选取合适的损失函数和惩罚参数,最终利用粒子群优化(particle swarm optimization,PSO)算法求解标准支持向量回归波束形成优化模型.以阵元位置扰动偏差为0.02λ、0.20λ,波达方向(direction of arrival,DOA)估计误差为2°时的情况为例,仿真结果表明:基于PSO-SVM鲁棒波束形成算法具有理想的波束指向和更低的旁瓣级.

摘要： 一种基于粒子群优化算法PSO的TBM减振控制方法，包括以下步骤：1)建立TBM集中参数动力学模型；2)TBM集中参数动力学模型中各刚度环节的建模；3)以TBM振动烈度最低和TBM的掘进比能最低为目标，建立多目标优化减振控制模型；4)基于PSO算法对多目标优化减振控制模型进行求解，将实时测量的振动参数与根据上述集中参数动力学模型计算的理论振动参数进行比较，进而调整多目标优化减振控制模型中与上述振动参数相关的控制参数，通过最优化迭代算法得到最优的刚度参数和掘进参数，基于最优的刚度参数和掘进参数进一步调整TBM实际操作过程中的控制参数，以实现对TBM振动的优化控制，达到TBM在较低振动水平条件下的高效掘进的目标。

摘要： 本发明提出一种基于L1/B1双频的PSO粒子群测距定位方法，主要针对当前的室内定位领域。本发明通过以利用双频间的载波相位周内相位关系估算通道间天线的信号传输距离差，并通过粒子群优化估计算法提升测距精度和定位。该方法规避了利用TOA和TDOA等基于时间的测距方法，规避了测距不准的问题，通过利用双频信号的周内相位关系即可计算出通道间距离差。

摘要： 本发明提供具有光学各向异性的粒子群及其制造方法以及使用该粒子群的复合体及显示装置。所述粒子群(1)用于向基体材料(2)分散，粒子群(1)由液晶滴的取向状态被彼此独立地固定的多个粒子构成。这样的粒子可以用具备下述工序的方法制造：准备工序，准备聚合性液晶化合物；分散工序，使所述聚合性液晶化合物在液晶转移温度以上分散于分散介质中而形成液晶滴；聚合工序，在聚合引发剂的存在下，使所述液晶滴在小于各向同性相转移温度聚合。

摘要： 本公开提供了一种粒子群优化算法模型的训练方法、粒子群优化方法及装置。该方法包括：根据由第一电子设备生成的粒子训练种群确定适应度以及与适应度对应的初始最优位置，在进行第t次迭代训练的过程中，根据动作网络和第t观测状态，确定粒子训练种群的第t选择动作，确定粒子训练种群的第t奖励回报和第t+1观测状态，将第t观测状态、第t选择动作、第t奖励回报和第t+1观测状态确定为与第t次迭代训练对应的一个状态转移信息并存储于缓存中，根据从缓存中获取的一个状态转移信息和价值网络的损失函数，计算第t损失结果，根据第t损失结果和状态转移信息训练价值网络和动作网络，进而得到粒子群优化算法模型。

摘要： 一种基于粒子群优化算法PSO的TBM减振控制方法，包括以下步骤：1)建立TBM集中参数动力学模型；2)TBM集中参数动力学模型中各刚度环节的建模；3)以TBM振动烈度最低和TBM的掘进比能最低为目标，建立多目标优化减振控制模型；4)基于PSO算法对多目标优化减振控制模型进行求解，将实时测量的振动参数与根据上述集中参数动力学模型计算的理论振动参数进行比较，进而调整多目标优化减振控制模型中与上述振动参数相关的控制参数，通过最优化迭代算法得到最优的刚度参数和掘进参数，基于最优的刚度参数和掘进参数进一步调整TBM实际操作过程中的控制参数，以实现对TBM振动的优化控制，达到TBM在较低振动水平条件下的高效掘进的目标。

摘要： 一种粒子群特性测定装置，测定由分散在分散介质中的多个粒子构成的粒子群的特性亦即粒子群特性的随时间变动，包括：拍摄部，拍摄所述粒子群；粒子信息提取部，对由所述拍摄部拍摄到的拍摄图像进行处理，提取映现在该拍摄图像中的粒子的信息亦即粒子信息；粒子群特性计算部，根据从沿着时间序列的多个时点的各时点以前拍摄到的多个所述拍摄图像提取的所述粒子信息，来计算所述多个时点的所述粒子群特性，所述粒子群特性计算部根据从拍摄的时间段与比各时点更靠前的时点的用于计算所述粒子群特性的多个所述拍摄图像的拍摄的时间段一部分重复的多个所述拍摄图像提取到的所述粒子信息，来计算各时点的所述粒子群特性。

摘要： 本发明的目的在于提供一种在使速率特性提高的蓄电装置的电极中使用的金属化合物粒子群的制造方法、金属化合物粒子群及使用该金属化合物粒子群的电极。一种在蓄电装置的电极中使用的金属化合物粒子群的制造方法，其特征在于包括如下步骤：对金属化合物粒子的前驱物与碳源进行复合化而获得第一复合材料的步骤；通过在非氧化环境下对所述第一复合材料进行热处理而生成金属化合物粒子，获得该金属化合物粒子与碳复合化而成的第二复合材料的步骤；通过在氧气环境下对所述第二复合材料进行热处理，将碳除去且获得金属化合物粒子键结为三维网状结构的金属化合物粒子群的步骤。

摘要： 本发明提出一种基于L1/B1双频的PSO粒子群测距定位方法，主要针对当前的室内定位领域。本发明通过以利用双频间的载波相位周内相位关系估算通道间天线的信号传输距离差，并通过粒子群优化估计算法提升测距精度和定位。该方法规避了利用TOA和TDOA等基于时间的测距方法，规避了测距不准的问题，通过利用双频信号的周内相位关系即可计算出通道间距离差。

摘要： 本发明公开了基于PSO粒子群迭代的计算机教室色温控制方法，包括如下步骤S1设光源i的位置为(Xi，Yi，Zi)，将每一光源i作为一粒子组成粒子群。S2构建受光照目标平面的色温条件模型。S3构建目标平面的色温适应度模型，以获得目标平面的光照适应值。S4根据步骤S2中的色温条件模型、随机初始化一组S3步骤中的色温适应度模型所需要的光照适应值。S5设置筛选迭代条件模型，将目标平面的光照色温条件模型的标准差σ设为其适应值、以寻找目标平面最优光源的光照方案。本发明中将每一个光源作为PSO粒子群中的一个粒子，结合自然光、照明灯及计算机屏幕光源的综合照明；设置色温条件模型、色温适应度模型以及迭代筛选条件，实现了计算机教室中每一学位上的最佳光照组合效果。

摘要： 本发明提供一种可抑制蓄电装置的内部电阻增加的金属化合物粒子群、包含金属化合物粒子群的蓄电装置用电极、及金属化合物粒子群的制造方法。一种金属化合物粒子群，具有金属化合物粒子相连而成的三维网状结构，在所述金属化合物粒子群的一部分上形成有包含硅氧化物的涂布层C。包含硅氧化物的涂布层C形成在金属化合物粒子的表面的至少一部分上。三维网状结构中存在空隙2，在划定空隙2的金属化合物粒子上，在其表面形成有包含硅氧化物的涂布层C。涂布层C中含有的硅氧化物是非晶状的硅氧化物。