二次微粒群算法及其参数自适应策略

在对标准微粒群算法进行分析的基础上,提出了一种二次微粒群算法,并在对二次微粒群算法和标准微粒群算法进行比较分析的基础上给出了二次微粒群算法的参数自适应方案。通过对典型测试函数进行仿真,结果表明二次微粒群算法比标准微粒群算法的性能有很大提高,说明了二次微粒群算法是可行的。另外,将参数自适应时的结果同参数固定时的结果相比较,结果表明算法性能有很大提高,说明了该方案的正确性和有效性。     

二次微粒群算法及其参数选择

在对标准微粒群算法模型及其机理进行分析的基础上改进了标准微粒群算法的进化方程,提出了二次微粒群算法,由于其几个主要参数的选择很大程度上影响到算法的性能,故用标准微粒群算法对二次微粒群算法参数的选择进行优化,得到其参数的选取范围,并在仿真所得的范围内选取一组参数对典型测试函数进行仿真,将结果与标准微粒群算法的仿真结果进行比较,结果表明性能有很大提高,且二次微粒群算法能更快更好的找到全局最优点,这说明了这种算法的正确性和有效性.     

隧道磁阻加速度计温度补偿技术研究

隧道磁阻传感器具有灵敏度高、功耗低和体积小等特点。利用其高敏感特性,采用力、磁、电多物理场耦合可以实现加速度的高精度测量。针对存在的温度漂移问题,在研究隧道磁阻传感器温度误差产生机制的基础上,对其本身进行温度误差补偿;同时结合加速度计测量系统及其温度特性,采用Elman神经网络构建系统的温度补偿模型,并利用粒子群算法优化网络参数。实测数据表明,补偿后的加速度计标度因子温度系数从719×10^-6/℃减小为193×10^-6/℃,全温零偏极差从125 mg_n减小为5.2 mg_n,证明该方法能有效提升隧道磁阻加速度计的温度性能。     

摄像机镜头畸变的鲁棒校正方法

针对计算机视觉中的镜头畸变问题,设计一种鲁棒的校正方法.该方法基于空间直线的成像特性来定义畸变测度,通过非线性优化完成畸变校正.采用微粒群全局优化算法,将传统优化方法、标准微粒群算法和基于不同策略的微粒群算法的性能进行对比.实验结果表明,带变异算子基于对位学习的微粒群算法具有较强的鲁棒性,在低噪声下,微粒群算法的校正性能优于传统算法.最后通过不同畸变程度的校正实例验证了所提出方法的有效性.     

基于云粒子群-最小二乘支持向量机的传感器温度补偿

针对传感器的测量精度受温度影响较大问题,提出了一种基于云粒子群-最小二乘支持向量机(CMPSO-LSSVM)的温度补偿方法。云粒子群算法(CMPSO)将云模型算法应用于粒子群优化(PSO)算法的收敛机制,具有寻优精度高的特点。CMPSO算法对LSSVM的参数进行优化选择,建立CMPSO-LSSVM传感器温度补偿模型。将该模型应用于振弦式传感器的温度补偿,通过实验证明了该温度补偿方法优于当前其他主要方法。     

解方程组的单神经元自适应控制微粒群算法

基于微粒群算法解决函数优化问题的优点,提出了使用微粒群算法求解方程组,并给出了求解方程组的通用模型.应用标准微粒群算法求解方程组容易陷入局部极值,导致方程组的解精度不高,并且算法具有较复杂的非线性特性.因此,将微粒群算法作为控制对象,引入单神经元控制器控制算法的惯性权重,将控制器具有的自学习、自适应能力和算法的全局优化特性相结合,用于方程组的求解.实验结果表明,该方法是有效可行的,适合于求解实际工程问题中的高非线性度方程组.     

基于部分微粒更新改进的具有非线性动态惯性因子的微粒群新算法

微粒群算法是基于群体智能的全局优化算法,在许多领域得到广泛的应用.该算法具有简单易于实现的优点,但是容易陷入局部极值尤其是采用动态惯性因子.采用动态惯性因子有利于提高微粒群算法的收敛速度,但降低了其全局搜索能力.针对具有惯性因子微粒群算法在进化过程中微粒群多样性减弱容易陷入局部最优值的问题,以非线性动态惯性因子的微粒群算法为基础,提出1种基于部分微粒更新的微粒群算法,以提高微粒群的多样性,进而提高了算法的全局搜索能力.新算法利用Sphere、Rastrigin、Rosenbrock、Schaffer、Freudenstein-Roth、Goldstern-Price 6个经典测试函数进行测试,并与基本微粒群算法和具有线性动态惯性因子微粒群算法比较.通过模拟优化比较,新算法寻优效率高、全局性能好、优化结果稳定,新算法能有效提高微粒群的多样性,具有较好的收敛性能和全局优化能力,尤其适合多峰函数的优化.     

二阶微粒群算法

为了提高标准微粒群算法的全局收敛性,提出了一种新的微粒群算法——二阶微粒群算法.首先,介绍了二阶微粒群算法的引入,分析了其收敛性,并且研究了其参数的选择范围.其次,在分析二阶微粒群算法的进化方程的基础上,引出了具有随机惯性权重的标准微粒群算法.再次,在二阶微粒群算法中加入振荡因子来调整微粒的速度变化率,更好地使二阶微粒群算法收敛于全局最优.最后,利用这几种改进方法对典型测试函数进行仿真,实验结果表明,这些方法能够有效克服早熟问题,在全局收敛性和收敛速度方面均优于标准微粒群算法.     

多样性监控的免疫微粒群算法

标准微粒群算法的种群多样性随进化变差是造成陷于局部最优的主要原因,本文提出了一种多样性监控的免疫微粒群算法.利用多样性函数对种群的多样性进行监控,并在多样性下降到一定程度时,引入免疫机制中的克隆选择算子和免疫记忆特性来对粒子进行更新,从而有效地克服了微粒群算法易陷于局部最优以及对多峰值函数搜索效果不佳的缺点.用经典benchmark测试函数对算法进行仿真实验,实验结果表明该算法比标准微粒群算法有着更好的收敛性能.     

基于最小二乘曲面拟合的流量计量温度补偿算法

针对时差法超声波式热量表流量计量结果受流体温度影响而存在的非线性误差问题,提出了基于最小二乘曲面拟合的温度补偿算法,通过建立温度和流量之间的非线性映射模型实现温度补偿。在实现温度补偿后,针对超声波式热量表自身计量特性的差异,进一步提出多温度点误差二次修正算法,根据相邻温度点的流量计量误差和可变权值计算当前的流量计量误差,对误差进行二次修正,实现流量计量的全局优化。实验表明,流量计量误差在±2.0%以内,具有较高的工程应用价值。