改进型蚁群算法在煤炭运输中的应用研究

研究煤炭配送路径问题,提高运输质量。针对传统物流方法在配送路径规划中,存在搜索时间长,得不到最优解,导致效率低等问题。为了提高煤炭运输配送效率,提出一种改进蚁群算法的配送路径优化方法。该方法建立了基于蚁群算法的配送路径模型,通过改进基本蚁群算法中节点访问策略和自适应挥发系数的更新规则,使蚁群搜索有效地避免陷入局部最优,加快了收敛。仿真结果表明,改进方法缩短了搜索时间,提高了算法效率,能有效解决煤炭运输问题。     

基于共轭梯度和粒子群的机器人路径规划

为了提高井下救灾机器人的搜救效率,减少救援时间,提出了一种结合共轭梯度和粒子群算法的救灾机器人路径规划算法CGPSO。共轭梯度算法规划出起点到终点的最短路径;去除路径中在障碍物内的点,采用粒子群算法重新规划该子路径。仿真实验表明该算法可以有效地提高粒子群的规划效率和可靠性。     

基于微粒群算法的采煤机记忆截割路径优化

为了解决采煤机记忆截割过程中的路径优化问题,提出了基于环形微粒群算法的采煤机截割路径优化方法,研究了基于环形邻域微粒群算法的采煤机记忆截割策略。当煤层地质条件发生变化时,初始的记忆截割轨迹会产生偏差,借助环形微粒群优化算法快速收敛和全局寻优特性实现采煤机的截割路径优化。试验结果表明:该算法可快速有效地实现复杂地质环境下采煤机的路径优化,优化路径平稳可靠,利于采煤机的记忆截割和自动控制。     

基于改进粒子群算法的主动悬架模糊PID控制研究

以1/4车体为对象分析了主动悬架的数学模型,针对传统的粒子群算法的缺陷改进了粒子群算法,设计了基于改进粒子群算法的车辆主动悬架的模糊PID控制器,利用MATLAB软件进行了仿真分析,结果表明新的控制方法有利于车辆稳定性的提高。     

用群智能算法确定井下火灾多救护队最优路径

确定最优应急救援路径是应对矿井火灾的首要任务。通过判断井巷可通行性、确定井巷通行难易度系数,解算了井巷当量长度,构建了基于多救护队的井下火灾救援路径模型。依据粒子群算法和蚁群算法的优点,提出了混合策略,即利用粒子群算法搜索蚁群算法参数α、β、ρ,再反馈到蚁群算法中,对多救护队最优救援路径进行搜索。通过MATLAB软件平台,利用该混合算法求解实例中最优救援路径,即当量长度最短的路径,为矿井事故预案救援和井下人员应急逃生提供理论依据。     

露天矿车辆导航中改进的路径优化算法

针对露天矿车辆定位与导航系统中的最优路径规划中存在的问题,研究了最短路径搜索算法的快速实现技术,提出了一种启发式快速最优路径规划算法。在分析经典迪杰斯特拉最短路径搜索算法和A*启发式搜索算法的基础上,利用双向A*算法和地图分层搜索技术减小搜索空间,采用二叉堆结构来实现路径计算过程中优先级队列的一系列操作,从而提高了算法的执行效率。仿真试验的结果证明了该算法的优越性能。     

混合蚁群优化算法应用研究

结合粒子群算法的思想,提出用混合蚁群算法。其核心是应用粒子群算法对蚁群算法的3个控制参数(β,ρ,q0)进行优化,以及运用蚁群系统算法(ACS)寻找最短路径。新算法克服了参数选择对算法性能的影响,具体很强的全局搜索能力。新算法改进了传统蚁群算法的性能,取得了非常好的效果。     

基于粒子群三次样条优化的采煤机截割路径规划

针对采煤机截割路径的规划问题,提出了粒子群三次样条优化的采煤机截割路径规划方法。三次样条曲线具有很好的分段光滑性,是比较好的曲线拟合方法,但涉及系数求解时,计算繁琐,借助粒子群算法的快速收敛和很强的全局寻优能力,能够快速、准确地确定样条曲线参数,实现采煤机的最优路径规划。试验结果表明,粒子群三次样条优化的采煤机截割路径规划方法规划的路径平滑、可靠,利于采煤机的自动控制。     

基于常态挖掘路径的液压挖掘机轨迹规划方法

针对真实挖掘路径的轨迹规划问题,提出了一种在常态挖掘路径下的轨迹规划方法,以挖掘机3组液压缸长度变化量最小化为优化目标,将铲斗姿态角作为设计变量,在挖掘机几何约束和位置盲角约束条件下,采用粒子群优化算法寻找姿态角的最优值.由经验法、MATLAB优化工具箱和粒子群优化算法计算得到了液压缸长度变化量,又通过试验得到了真实的路径数据,对比了采用2种优化方法和试验得出的液压缸长度变化量,验证了所提出方法的有效性.研究结果表明:使用粒子群优化算法对复合挖掘路径进行轨迹规划,得到的各关节角位移、角速度变化曲线平滑连续,角加速度变化曲线连续,且能够有效减少液压缸长度变化量和变向点数量,降低能耗.     

基于改进蚁群算法的煤矿挖掘机车载导航系统的研究

为优化最短路径的求解,实现煤矿挖掘车辆运行路线的优化,将改进的蚁群算法应用到车载定位系统。使用改进的蚁群算法计算所接收的数据,寻找最短路径,反馈给驾驶员,提供导航服务。提高了最短路径求解的准确度,实现了路径的优化。     

混合粒子群优化算法的新能源电网规划研究

以合理规划新能源电网,降低电网电能损耗,提升新能源消纳能力,设计了混合粒子群优化算法的新能源电网规划方法。以最小电能损耗与最大新能源消纳为目标函数,潮流功率、容量、线路输电能力、风能与太阳能出力为约束条件,建立新能源电网规划模型;通过结合自然选择机理与粒子群算法,设计混合粒子算法,在混合粒子群算法内引入混沌扰动与变异策略,避免惰性粒子陷入局部最优,优化混合粒子群算法,利用优化混合粒子群算法求解规划模型,获取最佳规划方案。实验表明,该方法可有效获取最佳规划方案,降低电能损耗,提升新能源消纳能力,提升电网断面利用率;规划后的电网日累计发电量显著提升、碳排放量显著下降。     

基于改进粒子群算法的地应力场反分析研究

地应力场的确定在岩土工程围岩稳定性研究中是非常重要的。粒子群算法优化是近些年发展起来的一种基于群体智能的随机优化算法。通过利用PSO算法理论,提出了一种计算初始地应力场的改进粒子群算法。     

露天矿山运输调度系统粒子群优化

结合露天矿山运输调度系统实际,考虑到计划产量、生产能力、质量要求和运输过程等方面的约束,建立了一个通用性较强的露天矿山运输调度系统模型。该调度模型以总的运营成本最低为目标函数,采用惩罚函数法把诸多约束条件化为无约束,构建优化系统中粒子群算法的适应度函数。通过引入自适应变异程序对粒子群算法进行改进,避免算法过早收敛,提高了收敛效果。运用改进后的自适应变异粒子群算法对露天矿山运输调度系统模型优化求解,并采用Matlab软件对求解过程进行仿真,研究结果表明该算法能够快速得到当前班次的车辆调度的满意方案,提高了露天矿山运输调度的效率,进而提高露天矿山生产率,为数字化矿山建设提供一定参考。     

基于混合粒子群优化算法的矿山生产配矿

为了提高矿山低品位矿产资源的利用率, 确保生产过程中矿石质量的稳定性和均匀性, 建立了一种矿山多目标配矿优化模型, 并将标准遗传算法中的交叉和变异操作与标准粒子群算法融合, 提出求解该优化模型的混合粒子群算法。以国内某地下铝土矿为例, 分别运用混合粒子群优化算法、标准遗传算法和标准粒子群算法3种方法对建立的多目标配矿优化模型进行求解, 通过对比优化结果发现: 混合粒子群优化算法求解的各采区月出矿量完全满足矿山实际生产要求, 而标准遗传算法和标准粒子群算法求解结果存在误差, 分别达到9.92%和14.94%, 且易陷入局部最优值; 从迭代进化曲线可知, 混合粒子群优化算法收敛速度快, 稳定性和鲁棒性较高, 具有一定科学研究和实际应用价值。     

动态权重差异演化PSO优化PID算法在带钢对中控制系统中的应用

以带钢冷连轧对中控制系统为研究对象, 通过分析比较ZN法、遗传算法、标准粒子群优化算法(PSO)以及改进型粒子群优化算法(MPSO)来优化PID控制算法优劣, 最终确定动态权重差异演化的粒子群(MPSO)优化PID控制算法最优, 从而设计了MPSO-PID控制器, 结果表明其能达到系统预期精度要求, 能使系统更快速、更稳定地运行。     

量子粒子群优化算法在煤矿瓦斯涌出量预测中的应用

针对瓦斯涌出局部性、随机性、模糊性等特点,提出一种新的量子粒子群优化、支持向量核构造量子粒子群算法和向量回归模型,并且运用一种新型的智能量子粒子群优化算法优选模型参数。实验结果表明,所提出的量子粒子群支持向量回归模型预测瓦斯涌出量比标准支持向量回归模型、智能支持向量回归模型预测精度高、速度快。     

多真体系统理论及粒群优化算法在煤矿救灾机器人中的应用探讨

为了提高煤矿救灾机器人的工作效率,在分析了国内外煤矿救灾及其机器人的研究现状的基础上,结合多真体系统理论及粒群优化算法的相关概念,设计了一个基于多真体系统理论和粒群优化的煤矿救灾机器人工作的算法。     

粒子群算法在机械优化设计中的应用

介绍了粒子群算法的原理、模型和算法实现过程,并采用该算法对机械优化的一个实例:压缩圆柱螺旋弹簧的优化设计模型进行了优化设计,优化计算结果表明,基于粒子群算法的优化设计切实可行,为复杂的机械优化设计提供了新的思路和方法。     

基于粒子群优化算法的WSN节点定位方法研究

为提高无线传感器网络的节点定位精度,将惯性权重的粒子群优化算法应用到无线传感器网络节点定位中。定位方法以未知节点与其邻近锚节点之间的估计距离和测量距离的均方误差为适应度函数,采用基于惯性权重的粒子群优化算法对适应度函数进行优化,从而得到最优解,实现节点有效定位。仿真实验结果表明,与传统的最小二乘定位算法相比,基于惯性权重的粒子群优化算法的定位精度更高,稳定性更好,具有较好的定位效果。