精细农业无线传感器网络终端节点定位研究

针对现有精细农业传感器网络监测系统中的终端节点模块定位算法易陷入局部最优、定位精度低等缺陷,提出了一种改进无线传感器网络节点定位算法针对大豆农田Zig Bee无线网络终端节点进行定位,采用高斯数据筛选模型修正接收信号强度测量距离。同时,在标准粒子群算法基础上引入混合变异策略,运用混合策略中各个变异函数的优势在算法搜索过程中作用于种群,使粒子跳出局部最优,保证全局搜索遍历能力。大豆实验田试验表明:标准粒子群定位算法和本文提出的混合变异粒子群定位算法的总体定位平均误差分别为1.746 1m和1.1 7 0 8 m,表明改进方法的定位精度更高。     

基于改进粒子群算法的 精准农业无线传感器定位研究

为了提高精准农业无线传感器定位的精度,提出改进粒子群算法。首先建立精准农业无线传感器定位过程;接着对粒子群算法的惯性权重进行非线性优化,使得算法前期变化缓慢,后期变化较快,利于算法跳出局部而求得全局最优解;然后对粒子群规模采取收缩扩张控制,其判别结合粒子的聚集度、多样性函数,算法前期的收缩扩张系数值在较大的位置,后期应减慢速度以加强算法的局部搜索能力;最后建立定位误差与粒子适应度函数关系。实验仿真显示本文算法收敛性能较好,相比其他算法能有效地抑制测距误差对定位的影响,提高节点的定位精度。     

基于传感器的变量施肥机定位方法

简述了一种应用传感器代替GPS的变量施肥机定位方法。控制器读取传感器的脉冲信号,计算施肥机的行走距离,由自动网格识别算法实现施肥机自动网格识别。本文给出了传感器测距累积误差校正方法以提高定位精度。对于垄长为40m的网格,要使定位误差小于6%,累积误差应小于2.4m。实验结果表明,经过校正,拖拉机行走距离为250 m的时候,光电编码器和接近开关传感器测距累积误差分别为2.32 m和2.34 m(定位误差小于6%)。如果在此定位误差条件下,增加操作单元垄长方向划分的距离,可满足更长地块作业的定位要求。     

改进PSO算法在电力系统无功优化中的应用

介绍一种改进粒子群的无功优化方法。采用简化粒子群优化方程和添加极值扰动算子两种策略加以改进,提出简化粒子群优化（SPSO）算法、带极值扰动粒子群优化（DPSO）算法,并将二者结合起来提出带极值扰动的简化粒子群优化（DSPSO）算法。以IEEE6节点系统为例进行无功优化计算,并与其他算法进行比较,结果表明：该算法具有较快的收敛速度及较强的全局搜索能力,可较好地解决电力系统的无功优化问题。     

基于改进粒子群算法求解马蹄形断面正常水深

为了解决马蹄形断面正常水深无显函数计算方法的现状,通过对明渠恒定均匀流方程进行数学变挟,得到了标准Ⅰ,Ⅱ型马蹄形过水断面正常水深求解的分段非线性约束优化问题．将粒子群算法中的权重函数随着迭代次数和不同粒子与最优粒子之间的距离大小进行调整,用以加速算法的收敛速度和提高粒子的搜索能力,并将调整惯性权重模型的粒子群优化算法运用到马蹄形断面正常水深的求解中．通过实例计算及误差分析表明：分段优化模型在水深特征点连续,且该法能100％收敛到全局最优解,故该方法求解马蹄形断面正常水深适用性强、计算精度高、算法实现简单,为马蹄形过水断面水力计算提供了一条新途径．     

基于改进粒子群的土壤水分特征曲线参数优化研究

土壤水分特征曲线是研究土壤水分运动的重要参数,Van Genuchten方程是目前广泛应用的土壤水分特征曲线方程。由于该方程参数较多,人工调节参数繁琐复杂,应用优化算法实现参数自动调节成为首选。分别采用遗传算法(GA)、粒子群算法(PSO)和改进粒子群算法(CMOPSO)对方程进行参数寻优,对比3种算法的收敛速度、所需迭代次数和算法稳定性。结果表明:3种算法的参数模拟精度均较好;改进粒子群算法的全局搜索能力和收敛速度优于遗传算法与粒子群算法,且所需迭代次数最少,适合VG方程的参数寻优。     

拖拉机智能定位监测系统设计——基于粒子群优化和WSN

为了满足对拖拉机智能定位的需求,提出了一种基于粒子群优化和WSN的智能定位监测系统。该系统将粒子群优化算法与WSN无线传感器通信技术相结合,应用于车辆的实时定位,并利用Mat Lab对定位算法进行了仿真实验。结果表明:该系统能够准确估计拖拉机的位置,误差系数较小,能够准确完成对目标定位的功能,具有可靠性高、实时性强等优点。     

基于粒子群优化算法与混合罚函数

粒子群算法(PSO)具有简单易实现，可调参数少的优点。将其用于最优潮流的求解，结合混合罚函数来限制最优潮流的约束条件，使粒子群算法的寻优速度加快，迭代次数减少。通过在IEEE9节点和IEEE30节点上的仿真计算表明，该算法在优迭代速度和收敛精度上都取得了较好的效果。     

基于测距值修正的温室植保机器人定位方法

针对温室植保机器人作业过程中，UWB节点之间频繁出现的非视距通信现象导致UWB系统定位精度低和稳定性差的问题，提出了一种基于UWB测距值修正的融合定位方法。首先，设计了基于测距残差的UWB节点间通信类型识别方法；其次，分析了视距和非视距通信下UWB测距误差产生原因并建立了两种通信条件下的测距值修正模型；最后，基于扩展卡尔曼滤波器设计了UWB测距修正值和IMU数据融合方法，实现了温室机器人作业过程中的可靠定位。在温室环境下的实际验证结果表明：非视距通信条件下，经过UWB测距修正的融合定位方法的定位误差为11.95 cm,相较于未进行UWB测距值修正的融合定位方法，定位误差降低83.11%,可为温室植保机器人提供稳定的高精度定位信息。     

双电机耦合驱动电动拖拉机转矩分配策略设计

根据双电机耦合驱动电动拖拉机的动力传递特点,为了提高双电机运行效率,从而提高电池能量的利用率,提出了一种基于线性递减权重粒子群算法的双电机耦合驱动电动拖拉机转矩分配策略。结合粒子群算法的全局搜索特点与电机效率曲线,制定了适应度函数与惯性因子。仿真与标准粒子群算法对比表明:基于线性递减权重的粒子群算法收敛速度快,搜索结果更优。Simulink仿真与硬件在环对比表明:仿真结果在运输工况与犁耕工况下需求转矩相对误差分别为1.24%、4.45%,比标准粒子群算法的SOC变化量分别提升4.26%与5.81%。