基于改进多目标粒子群优化算法的雷达资源分配方法

针对预警探测任务中多雷达传感器协同探测跟踪同一目标时的雷达资源优化分配问题,提出了一种基于改进多目标粒子群优化算法的雷达资源分配方法。为了获得综合效能最大的雷达资源分配方案,建立了以雷达对目标的探测覆盖占比、雷达交接班次数、目标首点发现时刻为目标函数的多雷达资源优化分配模型,给出了基于改进多目标粒子群优化算法求解雷达资源分配模型的具体步骤。仿真结果表明,提出的方法能够合理地进行多雷达资源优化分配,计算结果高效、可行,算法求解结果稳定,能有效避免基本粒子群算法可能遗漏全局最优解情况的产生。     

基于PSO的配电网无功补偿优化配置

合理优化配电网无功补偿配置对改善配电网电能质量以及降低系统有功损耗有至关重要的作用。在创建配电网无功补偿的数学模型时,把系统分为最大负荷、一般负荷和最小负荷,使其能够更加接近真实的运行情况。采用粒子群算法(particle swarm optimization,PSO)优化配电网无功补偿配置,PSO具有算法简单、易于实现、收敛性好等优点,在求解无功补偿优化配置问题时优于遗传算法。对IEEE12节点系统进行了潮流计算算例分析,结果验证了PSO能够有效保障配电网无功补偿优化配置的可靠性和经济性。     

基于正交搜索的粒子群优化测试用例生成方法

针对粒子群优化算法易出现早熟收敛的问题,本文提出一种基于正交搜索的粒子群优化测试用例生成方法.首先,利用奇异值分解来预测种群的进化方向,在其正交方向进行搜索,可避免已搜索过的区域,有助于跳出局部最优;然后,对粒子速度项进行改进,使其与正交方向保持一致,保证种群可持续受到正交方向的影响,有利于减少奇异值分解次数,降低时间消耗;最后,对每代最优个体进行局部搜索,以增强算法局部搜索能力.实验证明,本文方法在覆盖率、运行时间、进化代数等指标上均有优势.     

基于DSP的改进PSO光伏阵列MPPT控制应用

为了解决光伏（PV）系统在局部阴影条件下（PSC）的最大功率点跟踪问题,提出了一种基于改进粒子群算法（PSO）的快速最大功率点跟踪（MPPT）方法。与传统基于PSO的MPPT系统不同的是,采用了基于转换器电流动态行为的变量抽样时间策略（VSTS）,并且为了更快速的实现最大功率点跟踪,引入三个重要因数,即：粒子数、收敛速度以及抽样时间。采用DSP平台对提出系统进行了具体实现和性能评估,实验结果显示相比其他类似系统,在不同条件（包括PSC）下,提出算法均能够实现速度跟踪且精确度较高。     

基于改进收缩因子的粒子群优化算法

PSO算法寻优性能优劣受速度更新公式影响,过快的收敛速度可能使算法错过全局最优解;过慢的收敛速度可能会使算法陷于局部最优解。针对该问题,文中提出了一种基于改进压缩因子的PSO优化算法,即FPSO。通过引入压缩因子方程,改进了速度迭代公式,减少了因学习因子设置不当对算法造成的影响。新的调节机制既保证了PSO算法的收敛性能,也削弱了速度边界对算法的影响。最后,选取5个经典函数对算法性能进行测试。测试结果表明,与传统PSO算法相比,文中算法提高了全局收敛能力,缩短了收敛时间。     

基于群体适应方差的改进粒子群优化算法

针对传统粒子群优化算法在收敛过程中易陷入局部最优的缺点,提出了群体适应方差的概念来衡量粒子聚集程度以实现对最优粒子进行实时变异调整,从而避免出现局部收敛,即早熟的问题,通过仿真结果分析研究,所提出的改进型算法具有一定优越性,不仅减小了运算时间,还在一定程度上提高了精度和收敛速度,达到了较好的效果,为下一步在信号处理等领域的具体应用奠定了算法研究基础。     

平面阵列方向图优化的改进PSO算法

粒子群优化算法(PSO)是合成天线阵列预期方向图的有效手段。但对于某些大型平面阵列方向图复杂的非线性优化问题,该算法收敛速度慢且最优粒子易陷入局部最优解,因而使得算法失效。针对这一问题,该文提出一种改进PSO算法来提高传统PSO算法的收敛特性。该算法在初始化最优粒子时采用解析初值而不是随机初值。对于给定的预期方向图,通过矩阵运算解析对应该方向图的阵元权系数。之后将这些权系数指定为任意一个粒子的解析初值,而种群的其他粒子仍然赋随机初值,之后再衔接标准PSO算法的寻优迭代过程。这种初始化方法使得种群粒子在寻优搜索过程开始之前,即可得到最优粒子初值的有效估计。仿真结果表明,相对于全部粒子赋随机初值的标准算法而言,这种改进算法收敛速度更快,适应度值收敛得更深,因而有效提高了算法的收敛特性,从而能够得到满足预期方向图指标要求的优化结果。     

基于改进PSO算法优化LS-SVR的话务量预测

为了更准确的预测话务量,提出了一种以粒子群优化算法为基础的,通过多样性度量指标控制种群特征的改进粒子群优化算法(MPSO),用于最小二乘支持向量回归机(LS-SVR)超参数的寻优,分析影响话务量的相关因素,选取合适的样本,利用优化后的LS-SVR模型对移动话务量进行预测.与标准LS-SVR预测算法和PSO优化后的LS-SVM算法进行比较,实验结果表明,本文的预测方法具有更好的收敛.性和更高的预测精度.     

基于粒子群优化的图像分割方法

基于k均值聚类,层次聚类,期望最大化的图像分割方法都是根据相似强度区域等特征的数量导出最佳聚类中心,推导出最优簇数及其中心是一个优化问题.此次实验的目的是利用自然启发技术改进图像分割.图像分割是一个复杂[1]的优化问题,可以用提出的粒子群算法模型求解.PSO模型是解决科学问题的通用模型.实验中将使用简单的PSO模型来解...     

改进的PSO优化无刷直流电机模糊控制系统研究

在实际的系统应用中,由于无刷直流电机采用普通PID控制策略难以满足高精度以及快速响应的需求,需要寻求更优的控制方式,因此通过融合粒子群算法与模糊控制的优势进行互补,采用了对外界因素变化影响较弱的模糊控制和运算处理效率较快的粒子群算法相互作用,进而优化单一控制算法控制精度不足。通过Simulink仿真验证,无论在响应速度还是在抗扰方面,无刷直流电机的优势都得到了很大的提升,能够获得更高的控制精度和稳态性,相比普通PID控制,启动阶段可以达到无超调,在面对负载扰动情况下抗干扰能力提高了50%。     

改进神经网络的光伏逆变器参数自动优化控制研究

针对当前光伏逆变器参数优化控制不准确,误差大等不足,以获得理想的光伏逆变器参数优化控制结果为目标,提出改进神经网络的光伏逆变器参数自动优化控制方法.首先,分析当前光伏逆变器参数优化控制的研究进展,并设计了光伏逆变器参数优化控制模型;然后,采用神经网络对光伏逆变器参数变化特点进行拟合,并针对神经网络的不足进行改进;最后,...     

基于概率分布的相机内参优化方法

相机参数的准确性决定后续视觉任务的实现结果,为了提高相机校准的准确性,提出一种基于概率分布异常值去除和信息增益的内参确定方法。首先用一个摄像机对某个确定规格的棋盘图获取一组图片集,从图片集中随机选取一定数量的图片,使用张氏标定法做N组标定实验;然后将标定结果集按照其服从的概率分布进行异常值去除,将剩余的数据集中各个内参因素值分为3类,并且选择当前根节点下信息增益最大的参数类为最优节点,即以信息增益最大为主线选择最优路线;最后通过对最优路线中标定精度较高的结果集使用中值来估计相机参数。实验结果证明该方法与原始方法比较,提高了准确性。     

基于萤火虫算法的PID参数优化方法研究

针对传统的PID参数整定方法越来越费时且难以满足控制要求的问题,提出一种采用萤火虫算法来优化PID控制参数的方法,设计了基于Simulink的参数优化模型,并进行仿真计算。结果表明,利用萤火虫算法优化PID控制器参数的阶跃响应响应时间短,基本没有超调,跟踪过程较平稳,仿真结果证明将萤火虫算法应用于PID参数优化是切实可行的。     

基于改进粒子群算法的预测电流控制

永磁同步电机预测电流控制存在依赖电机准确模型的缺点。在实际运行中,电机参数如电感、磁链等会发生变化,导致模型不准确,产生电流静态误差,进而影响控制效果。文中运用一种改进粒子群算法实现电机参数的在线辨识,以获得准确的模型,在此基础上实现预测电流控制,从而消除电流静态误差,同时对基本粒子群算法提出了两点改进:加入可变探测矢量能够使粒子向更广阔的解空间进行探索、使用反向学习策略能够帮助粒子跳出局部最优。     

基于改进粒子群算法的无线传感网络覆盖优化

针对传统粒子群算法容易陷入早熟陷阱而导致无线传感网络(WSN)的覆盖优化效果欠佳的现象,提出一种引入种子杂交策略的粒子群优化(PSO)改进算法。通过将前期的PSO算法寻优与后期的种子杂交策略相结合,从而完成覆盖性能的优化。综合理论分析与实验仿真可知,相比于其他算法,本文算法改善了覆盖率与RD指标,在改善网络覆盖性能方面具有一定优势。     

基于智能算法的机械加工参数优化方法研究

将BP神经网络预测模型应用于电火花加工参数优化方法中,从而针对不同的加工工艺要求预测出最佳的脉冲间隔t0和宽度t1以及峰值电流ie组合。由于常规的BP神经网络存在容易陷入极小值以及学习速率低等缺点,而常规GA优化算法存在容易陷入局部最优解、容易早熟等问题,提出一种对GA算法的染色体结构和遗传算子进行改进并引入自适应交叉和变异概率优化BP神经网络结构参数的改进型GA-BP神经网络算法。最后通过实验,对电火花加工参数优化模型性能进行评价,与常规GA-BP神经网络算法建立的参数优化模型相比,提出的参数优化模型的预测结果更加接近真实值,预测的平均准确率达到96.13%,高于常规GA-BP神经网络算法建立预测模型5.2%。     

基于改进微分增强法的激光雷达云参数反演算法

微分法是激光雷达云参数反演的一类传统方法,本文在微分增强法的基础上,优化一阶与二阶微分信号的拟合点数,平衡失真与噪声对检测结果的影响。以距离修正的回波信号代替云峰与云边界函数中的原始回波信号,增强云区域与非云区域的对比。对于因低层云存在而造成二次阈值过大的问题,通过扩大一次阈值的排除区间,有效减少对云层的漏判情况。采用激光雷达数据进行的实验结果表明,与改进前的算法相比,云底高度的相关系数由0.8930提高至0.9328,均方根误差由0.4924 km降低至0.2991 km,云顶高度的相关系数由0.8174提高至0.8598,均方根误差由0.7637 km降低至0.5912 km,改进后的算法具备更佳的反演结果。     

基于改进粒子群算法的二维相位解缠方法

相位解缠是干涉合成孔径雷达(InSAR)干涉数据处理的关键步骤之一,枝切法作为一种经典的相位解缠算法在相位解缠过程中,建立的枝切线长度越短相位的解缠效果越好,枝切线该如何建立至关重要。在旅行商问题(TSP)理论求解最短路径的思想下,一种利用粒子群优化算法建立最短枝切线的方法被提出,该方法在基本粒子群优化算法中引入变异算子对粒子群算法容易陷入局部收敛的缺陷进行了改进。相对于Goldstein枝切法而言,该方法能够更有效的缩短枝切线的长度,避免解缠过程中\     

改进粒子群算法的巡航导弹路径规划

针对巡航导弹的战术特点,在设定威胁源为分布位置己知的敌方探测雷达、巡航导弹在某一高度上对探测雷达做等速水平规避运动的基础上,提出了一种新的路径规划区域粒度控制图——对称标距图;对近年来出现的粒子群算法进行了改进以使其更具智能化,将它应用于巡航导弹路径规划问题,并进行了仿真计算。仿真结果表明,对称标距图和改进后的粒子群算法能够比较好地解决巡航导弹的路径规划问题。     

基于改进粒子群算法的传感器测量土壤水分

为了提高传感器测量土壤水分的精确度,提出改进粒子群算法(IPSO)。首先粒子个体最优值利用高斯变换,提高了算法的局部搜索能力,粒子全局最优值采用柯西变换,吸引其他粒子到更好的搜索空间区域,提高了算法的全局搜索能力;接着混沌函数动态调节惯性权重,在迭代初期具有较大的值便于快速寻优,而在算法后期有较小的值,放慢搜索速度,以便进行精确寻优。实验仿真显示本文算法对测量砾石脱湿、吸湿数据的均方误差(MSE)以及Pearson相关系数相比其他算法都较好,其中脱湿实测数据在基质势为1 000 cm时,IPSO算法MSE均值为16.62×10-6,相比LSM,FOA,HSA,PSO,SAA分别减少75.59%,66.67%,63.53%,53.73%,57.53%;吸湿实测数据在基质势为1 000 cm时,IPSO算法MSE均值为10.21×10-6,相比LSM,FOA,HSA,PSO, SAA分别减少81.42%,75.29%,72.00%,65.57%,67.69%。