改进的DV-Hop无线传感器网络定位算法

针对无线传感器网络节点定位问题中DV-Hop算法的不足,提出利用量子行为粒子群优化算法(Quantum-behaved Particle Swarm Optimization Algorithm,QPSO)对改进DV-Hop得到的估算位置校正.这种方法将定位问题看成一个多维优化问题,并且不需要任何额外硬件设备,也不会增加通信量.最后将仿真试验结果与粒子群优化(Particle Swarm Optimization,PSO)算法校正改进DV-Hop算法进行比较,表明QPSO算法在优化性能上优于PSO算法,有效提高了节点定位精度,证明该方法的有效性.     

基于粒子群算法及高斯分布的WSN节点故障诊断

在无线传感器网络(wireless sensor network,简称WSN)中通常需要对网络节点所测量的数据进行处理来判断WSN的运行是否可靠.针对传统算法存在计算复杂、能耗大的问题,提出一种基于粒子群优化算法及高斯分布的WSN节点故障诊断方法.根据粒子群优化算法规则简单和收敛速度快等特点,对节点所测数据进行优化并得到一个相应的阈值范围,通过高斯分布判断所测数据是否满足与所定阈值范围之间的关系来判定节点是否发生故障.试验结果表明,该故障诊断方法能及时、有效地发现WSN异常并诊断出故障节点,提高了WSN工作的可靠性.     

一种改进的DV-Hop无线传感器网络定位算法

针对传统DV-Hop无线传感器网络定位算法误差较大的缺点,将接收信号强度指示RSSI(received signal strength indicator)加入定位系统对原算法进行改进。通过RSSI测距技术计算信标节点邻居节点的距离;根据接收信号强度指示(RSSI)的比值修正节点间跳数;采用极大似然估计法对待定位节点坐标初步估计后再用加权质心算法进一步精确定位。仿真结果表明,该改进方法与传统DVHop算法相比定位精度有较大的提升。     

基于粒子群算法的车间布局优化应用研究

研究了某机加车间零件生产工艺路线,以典型加工工艺为主要参考,构建车间设备最优布局数学模型。应用基于分工合作的粒子群优化算法,在粒子群搜索的不同阶段给予粒子不同的惯性权值,对模型进行计算求解,提高算法的搜索及收敛效率。通过车间典型加工工艺与设备实例模型,验证了基于粒子群优化算法对车间设备布局优化求解的可行性及有效性。     

基于粒子群算法的车间布局优化应用研究

研究了某机加车间零件生产工艺路线,以典型加工工艺为主要参考,构建车间设备最优布局数学模型。应用基于分工合作的粒子群优化算法,在粒子群搜索的不同阶段给予粒子不同的惯性权值,对模型进行计算求解,提高算法的搜索及收敛效率。通过车间典型加工工艺与设备实例模型,验证了基于粒子群优化算法对车间设备布局优化求解的可行性及有效性。     

数字磁罗盘的全姿态罗差补偿

针对现有磁罗盘罗差补偿方法成本高、效率低和全姿态补偿能力不足的问题,提出了一种基于几何变换的全姿态罗差补偿方法.首先,根据外磁干扰对磁传感器采样值的影响,建立了几何变换罗差补偿模型,将罗差补偿参数由12个减少到9个.其次,将牛顿法算子引入到粒子群算法中建立了混合粒子群优化算法,采用粒子群算法选取优化参数初始值,以牛顿法...     

基于量子粒子群优化算法的斜齿轮设计

粒子群优化算法是一种基于群智能的优化方法,量子粒子群优化算法是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多约束条件的斜齿轮传动的优化设计,笔者提出了一种基于量子粒子群优化算法优化求解的方法,实践表明能够快速、有效求得优化解,是求解齿轮优化设计问题的一个较好方案。     

粒子群算法在装配顺序规划中的应用

装配顺序规划是计算机辅助工艺设计的一个重要环节,影响着轿车车身的装配质量和效率.针对当前装配顺序规划易产生组合爆炸等问题,提出了基于粒子群算法的装配顺序规划算法.装配偏差是影响装配质量的重要因素,因此应用装配体的装配偏差评价装配顺序.在装配顺序规划过程中,首先将装配顺序编码为粒子,根据所建立的判断规则进行识别粒子的可行性,并通过装配偏差评估可行粒子的适应度值,然后根据粒子群算法过程规划装配顺序,最后采用前翼子板案例阐述装配顺序的生成和优化过程.     

加工参数优化中自适应协同粒子群算法研究

针对加工参数优化过程中粒子群优化算法的优化效果受参数影响较大的问题,提出了自适应协同粒子群优化算法。对粒子群优化算法的参数对优化结果的影响进行了详细而深入的分析,在此基础上,给出了优化过程中惯性权重、学习因子、最大速度等参数的变化规律,并通过仿真的方法确定了最优参数的取值。最后通过对基准函数的仿真实验,验证了本文算法的正确性和有效性。     

基于传感器数据融合的倾斜角度测量方法研究

倾斜角度的测量精度直接决定了状态控制系统的工作效果。在单一传感器测量倾斜角度的研究基础上,探讨了传感器数据融合技术用于倾斜角度测量的方法。首先分析基于加速度计和陀螺仪测量倾斜角度的原理,并研究加速度计和陀螺仪测量结果的频率特性;然后根据加速度计和陀螺仪测量结果的频率特性选定互补滤波器作为数据融合的方法;最后选定量子粒子优化群(QPSO)算法作为互补滤波器的参数寻优方法,并对比量子粒子优化群算法和粒子群优化算法的参数寻优效果。实验结果表明,互补滤波器可以在广泛频域范围内准确测量倾斜角度值,并且量子粒子群优化算法相对于粒子群优化算法具有更好的参数寻优效果。     

Correction of sensor's dynamic error caused by system limitations

The method based on particle swarm optimization (PSO) integrated with functional link articial neural network (FLANN) for correcting dynamic characteristics of sensor is used to reduce sensor's dynamic...     

基于NARMAX模型的阀控非对称缸神经网络预测控制

针对非对称缸位置跟踪控制精度较差,提出了一种基于非线性自回归平均滑动离散模型(NARMAX)和量子粒子群算法的神经网络预测控制策略(QPSO-NNMPC)。利用NARMAX模型表示阀控非对称缸的动态模型,使用粒子群算法优化BP神经网络(PSO-BP)对阀控非对称缸系统在线预测,使用量子粒子群算法(QPSO)对目标函数非线性优化。仿真结果表明,在不同频率期望信号与变干扰力情况下,该控制策略具有良好的跟踪效果和鲁棒性。     

一种优化算法在齿轮传动装置故障诊断中的应用

分析了粒子群算法（PSO）和差分进化算法（DE）的特点,提出了一种PSO-DV算法用于优化BP神经网络的权值和阈值,并利用PSO-DV算法优化的BP神经网络进行了齿轮箱的故障诊断。试验结果表明,PSO-DV算法可以避免神经网络陷入局部极小,改善了收敛性能,同时保证了齿轮箱故障诊断的正判率。     

基于改进粒子群算法的并联机器人运动学精度提高新方法

针对并联机器人在基于给定工作任务进行轨迹规划过程中,存在因机构误差引起的期望轨迹与理想轨迹之间的偏差,由此造成并联机器人运动学精度降低的问题,提出了一种并联机器人运动学精度提高新方法。首先将连续工作任务离散化为满足精度要求的若干理想位姿点,在建立并联机器人位姿误差模型基础上,将机构误差项转化为驱动杆误差;基于种群排列熵模型和粒子速度激活机制改进了粒子群算法,并利用改进的粒子群算法组合优化驱动杆参数,补偿并联机器人位姿误差,进而修正期望轨迹以提高并联机器人运动学精度。通过MATLAB和ADAMS仿真验证了所提出方法的可行性和有效性。     

基于改进粒子群算法的隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出一种基于改进粒子群算法的隐式广义预测控制算法(IGPC)。粒子群算法(PSO)是一种基于群体的智能优化算法,解决受约束的优化问题具有精度高、收敛速度快等优点;为了避免粒子群算法陷入早熟,提高精度,引入细菌觅食算法中的自适应迁徙机制。在隐式广义预测控制的滚动优化环节引入改进粒子群算法,弥补了传统GPC在处理受约束控制问题上的缺陷。仿真结果表明了该方法的有效性和良好的控制性能。     

基于改进核模糊聚类算法的软测量建模研究

针对发酵过程软测量建模采用单模型建模方法存在计算量大和精度较差的问题,提出一种基于改进核模糊聚类算法的多模型神经网络软测量建模方法.该方法首先使用主元分析方法对样本数据进行数据处理,所得主元变量作为模型的输入变量,然后使用基于粒子群优化算法的核模糊C均值聚类算法(PSKFCM)对数据集作聚类划分,最后针对每个聚类建立局部神经网络模型,多个局部神经网络模型估计结果的融合即为软测量模型的输出.将所提建模方法应用于红霉素发酵过程生物量浓度软测量建模,结果表明所建软测量模型具有较高的精度和良好的泛化能力.     

基于粒子群算法的地震模拟振动台参数整定方法

在地震模拟振动台控制系统中,常用三参量控制实现加速度信号控制,但目前三参量参数理论整定方法存在效果不佳、智能化程度不高等问题。针对三参量控制参数整定问题,提出一种基于粒子群算法的三参量控制参数整定算法,利用粒子群算法的寻优能力完成三参量参数整定研究。仿真结果显示,与理论值相比,粒子群算法自整定值控制下地震模拟振动台波形复现精度得到提高,表明粒子群算法实现地震模拟振动台三参量控制系统参数整定,算法有效。     

基于PDR和RSSI的室内定位算法研究

构建了基于无线传感网络的行人航迹推算(PDR)系统,通过RSSI定位为其提供绝对定位信息。在RSSI定位中,提出基于PDR方位信息的自适应Flip-Flop RSSI信息预处理机制和RSSI指纹信息融合动态路径衰减指数的定位算法,以改善RSSI定位算法的抗噪声干扰能力。在多信息融合粒子滤波环节中,针对传统算法中滤波精度与滤波实时性很难同时得到改善的问题,提出基于PDR信息与RSSI定位信息的动态区间粒子滤波算法,通过PDR方位信息自适应控制区间衍生粒子数量以提高滤波实时性,并将建筑地图信息、RSSI定位信息及其可信度因子融入粒子权值计算中以提高定位精度。经实验验证,提出的算法在RSSI定位抗噪声能力方面,以及融合定位精度和滤波实时性方面都取得了良好的效果,与传统算法相比最大定位误差由3.16 m降低到1.81 m,滤波时间也由7.21 s降至7.01 s。     

基于混沌优化MPSO的移动机器人FastSLAM算法研究

针对移动机器人快速同时定位和地图创建(FastSLAM)中粒子退化问题,提出一种基于混沌优化的中值导向粒子群优化(MPSO)算法。该算法在粒子估计过程中引入观测信息,调整粒子的提议分布,提高位置预测的准测性。混沌优化MPSO算法采用两步优化策略,首先通过中值导向加速度来改进粒子的进化速度,有效地克服粒子退化问题,改善算法的收敛性;然后针对粒子耗尽问题,在MPSO优化算法中引入混沌搜索算法来寻找全局最优位置,驱散聚集在局部最优的粒子群,使其向全局最优位置靠近,扩大解空间的范围,从而保持种群的多样性。仿真和实时数据证明了该方法正确、可行。