基于粒子群优化的水下成像系统标定

摄像机在水下拍摄时,经过不同介质的成像光线会发生折射,小孔成像模型不再成立,现有标定方法无法准确标定系统参量.针对此问题,本文提出一种基于粒子群优化的水下成像系统标定方法.在空气中应用张正友平面标定法得到摄像机内、外参量,通过求取特征点间相对定位距离,建立系统对水中物体的标定评价函数,并用粒子群算法对其优化,从而标定得到光心到防水罩距离、防水罩平面法向量和防水罩厚度.结果表明:基于粒子群标定算法得到的相对定位误差平均值分别为1.99%和0.62%,而应用高阶畸变折射补偿法得到的相对定位误差平均值分别为3.29%和2.68%;当被测物位于不同拍摄距离以及改变不同姿态时,由本文算法得到的相对定位误差均低于高阶畸变折射补偿法,且本文提出的标定算法可以得到高准确度的系统参量,为水下视觉研究提供了可靠的参量依据.     

粒子群算法改进及在高温超导磁体优化设计中的应用

本文阐述了基本粒子群优化方法及其改进,选用测试函数对该算法及其改进算法的寻优性能作了对比;并利用Comsol软件对单螺线管超导储能磁体进行了电磁计算,阐述了磁场垂直分量最大值的位置及高温超导磁体的磁场垂直分量对临界电流的影响;最后将各种优化方法应用于高温超导磁体的设计中。经联合仿真优化,高温超导磁体减小了体积,提高了材料利用率,节约了材料用量,并减小了制冷时所消耗的电源功率。     

基于改进粒子群优化算法的混沌系统参数估计方法

估计混沌系统的未知参数是混沌控制与同步中必须解决的关键问题.利用群集智能的新进展粒子群优化算法(PSO)的全局搜索能力，从初始粒子群的产生、目标函数的处理的角度改进PSO，将改进的PSO引入混沌系统参数估计和在线估计.仿真试验表明，改进算法具有良好的适应性、较高的收敛可靠性及精度，对信号叠加噪声的情形也具有较高的鲁棒性，是混沌系统参数估计的一种成功算法. 关键词： 混沌系统 参数估计 在线估计 粒子群优化算法     

基于改进粒子群优化算法的火电厂机组负荷分配

以坑口电厂SIS系统机组负荷优化分配功能模块为应用背景,针对基本粒子群优化算法易陷入局部收敛、收敛速度慢的缺点,提出一种基于惯性权重非线性减小策略的改进粒子群优化算法。并且通过MATLAB与Visual C++混合编程,开发了机组负荷在线优化分配功能模块,提高了算法的计算效率和工程应用价值。     

量子势阱粒子群优化算法的改进研究

为提高量子势阱粒子群优化算法的优化能力, 通过分析目前量子势阱粒子群优化算法的设计过程, 提出了改进的量子势阱粒子群优化算法. 首先, 分别基于Delta势阱、谐振子和方势阱 提出了改进的量子势阱粒子群优化算法, 并提出了基于统计量均值的控制参数设计方法. 然后, 在势阱中心的设计方面, 为强调全局最优粒子的指导作用, 提出了基于自身最优粒子加权平均和动态随机变量的两种设计策略. 实验结果表明, 三种势阱粒子群优化算法性能比较接近, 都优于原算法, 且Delta势阱模型略优于其他两种.     

基于改进粒子群算法的LED光源阵列优化

为了提高发光二极管（light emitting diode,LED）光源阵列的光照均匀度,提出一种改进粒子群算法和新型等差LED阵列排布方式。根据光照分布模型建立了照射面的光照均匀度评价函数,使用改进的粒子群算法对新型等差LED阵列、矩形及圆形阵列进行优化。将优化后的LED阵列数据导入光学软件TracePro中进行仿真验证,得到优化后等差、矩形及圆形LED阵列的光照均匀度分别为82.89%、73.31%及78.56%,比优化前LED阵列的光照均匀度分别提高了15.84%、10.65%及15.57%。研究结果表明,改进后的粒子群算法收敛速度更快、精度更高,且提出的新型等差LED阵列有着更好的光照均匀度。     

基于粒子群优化算法的膜系设计方法

粒子群优化算法是一种新的演化计算技术,与遗传算法相比,粒子群优化算法具有易于实现,控制参量少等优点,且在大多数的情况下,可快速收敛于最优解.为了获得更优的膜系结构,本文提出了一种利用粒子群优化算法进行膜系设计的方法,并以增透膜、高反膜及分光膜为优化设计实例验证该方法的可行性.在这些实例中,以理论反射率和实际反射率的误差平方和为评价函数.结果表明,将粒子群优化算法用于膜系设计是有效的,在相同设计条件下,应用粒子群优化算法可以得到比遗传算法更优的膜系结构.     

基于粒子群优化算法的膜系设计方法

粒子群优化算法是一种新的演化计算技术,与遗传算法相比,粒子群优化算法具有易于实现,控制参量少等优点,且在大多数的情况下,可快速收敛于最优解.为了获得更优的膜系结构,本文提出了一种利用粒子群优化算法进行膜系设计的方法,并以增透膜、高反膜及分光膜为优化设计实例验证该方法的可行性.在这些实例中,以理论反射率和实际反射率的误差平方和为评价函数.结果表明,将粒子群优化算法用于膜系设计是有效的,在相同设计条件下,应用粒子群优化算法可以得到比遗传算法更优的膜系结构.     

改进粒子群算法优化支持向量机在故障诊断中的应用研究

支持向量机(SVM)作为当前新型的机器学习方式,凭借解决小样本问题、高维问题和局部极值问题等方面的优越性,在当前故障诊断方面有突出的表现;文章根据对支持向量机的研究,发现其在分类模型参数选择上存在困难,为此,提出利用改进粒子群算法优化的办法,解决粒子群前期收敛速度过快导致后期容易优化不均的现象;通过粒子群算法优化与支持向量机分类模型结合,以轴承故障检测和诊断为例,分析次方法的优越性和提高支持向量机在故障诊断过程中的精准度;通过实际检测得出,这种算法优化的方法改进的支持向量机对于聚类性较差的故障分类具有很好的诊断功能。     

基于离散粒子群算法的频率选择表面优化设计研究

为了解决大角度照射下的单侧介质加载的频率选择表面(frequency selective surfaces,FSS)通带高透过率和阻带高反射率要求之间的矛盾,本文采用离散粒子群算法(discrete particle swarm optimization,DPSO)优化设计FSS的周期间隔和图形几何尺寸等多个参数,在通带高透过率和阻带高反射率要求之间寻求一个最优的折衷的设计目标.仿真与试验表明:在TE电波70?照射下,采用DPSO优化出的一个半波壁厚电介质加载的密集型Y环孔径结构,其通带透过率达到80%,阻带透过率低于30%,从而为大角度照射下的天线罩提供一种优良FSS设计结果,并为解决FSS通带高透过率和阻带高反射率要求之间的矛盾提供理论指导.     

基于粒子群算法的稀疏阵列超声相控阵全聚焦成像

为降低相控阵超声检测全聚焦算法的成像数据量及阵列稀疏优化的计算时间,研究了一种用于稀疏阵列全聚焦成像的阵列优化算法,并通过实验对其成像效果进行了验证。针对目前超声相控阵检测的全矩阵采集数据量大、全聚焦算法成像时间长的难点,该文通过构建稀疏阵列,在保证成像质量的同时显著降低成像数据量,提高了全聚焦算法的成像效率。通过以主瓣宽度、旁瓣峰值以及主瓣峰值作为约束条件构建适应度函数,采用粒子群算法得到稀疏阵元位置分布并进行阵元权重修正,并将其用于稀疏全聚焦成像。相比全阵元成像,使用粒子群算法所得的稀疏阵列的阵元个数降低了56.25%、65.62%,数据使用量降低了80.86%、88.18%。在阵列优化方面,相比遗传算法减少了84.86%的计算时间。     

基于旁瓣级最小化的平面螺旋阵列设计的粒子群优化方法

基于粒子群优化算法,以最大旁瓣级最小化为代价函数,在阿基米德螺旋线上搜索最优平面螺旋阵列。数值仿真计算利用粒子群优化算法搜索得到旁瓣级最低的最优阵列,与其他阵型比较,并在半消声室对各种声源进行声场测量和声源定位实验,验证了粒子群优化方法进行阵型优化的有效性。     

基于自组织聚类和改进粒子群算法的语音转换方法

提出一种基于自组织聚类,并且利用改进粒子群算法确定转换模型参数的语音转换方法.该方法首先基于自组织特征映射网络对特征参数进行聚类,再对每个聚类分别建立转换规则,并且利用柯西变异的粒子群算法确定每个转换规则中的模型参数.与传统的单一转换规则相比,聚类后建立的多转换规则以及利用改进粒子群算法确定参数能够提高映射关系的准确度,避免参数陷入局部最优点。以女声转男声为例,主观测试表明该方法得到的转换语音与目标的相似度提高了27.6%,平均主观意见分(Mean Opinion Score,MOS)提高了0.6,客观测试也表明该方法谱失真最小,与目标的包络更接近.     

基于粒子群优化的混沌系统比例-积分-微分控制

基于比例-积分-微分(PID)控制算法的简单性和实用性,但对于复杂非线性系统控制时参数的难以确定问题,运用集群智能中的改进粒子群算法进行PID控制器的优化,并应用于若干混沌系统的控制.对Hénon混沌、Duffing混沌、六辊UC 轧机混沌、Nagumo-sato神经元混沌、Chen氏混沌以及永磁同步电动机混沌的控制进行了仿真研究.研究结果表明： 用PID进行混沌系统的输出反馈控制是有效的,从而拓宽了PID控制的应用范围; 用简单方法控制复杂混沌系统是完全可能的,对混沌系统的控制具有较好的参考价值; 粒子 关键词： 混沌 比例-积分-微分控制 粒子群优化算法     

微动粒子群优化算法用于Egun的多参量优化

针对2维电子光学多参量优化问题,采用微动粒子群优化算法,在给出目标电子轨迹和优化范围的前提下,可以得到趋近于该电子轨迹的真空边界和聚束磁结构。该算法分为前后两阶段：第一阶段采用前后试探法(微动),同时参照最优粒子的信息;第二阶段采用标准粒子群优化算法。针对涉及多个相关参量的电子光学设计问题,标准粒子群优化算法仅能保证以较高概率收敛到局部最佳解,而微动粒子群优化算法能以较高概率收敛到全局最佳解,并且展现了多核计算机在电子光学设计上的潜力。初步的软件试验显示：消耗人类工程师几周时间的电子光学设计问题,用微动粒子群算法在普通个人计算机上几十小时就能完成。     

Parameters estimation online for Lorenz system by a novel quantum-behaved particle swarm optimization

This paper proposes a novel quantum-behaved particle swarm optimization （NQPSO） for the estimation of chaos＇ unknown parameters by transforming them into nonlinear functions＇ optimization. By means of the techniques in the following three aspects： contracting the searching space self-adaptively; boundaries restriction strategy; substituting the particles＇ convex combination for their centre of mass, this paper achieves a quite effective search mechanism with fine equilibrium between exploitation and exploration. Details of applying the proposed method and other methods into Lorenz systems are given, and experiments done show that NQPSO has better adaptability, dependability and robustness. It is a successful approach in unknown parameter estimation online especially in the cases with white noises.     

Design of dispersive multilayer with particle swarm optimization method

<正>We present a new and efficient method for the design of dispersive multilayer by employing a particle swarm optimization(PSO) technique.Its mathematical background is given and an adaptive PSO is realized with computer code.Two practical designing tasks are solved with this method,and the obtained results are competitive compared with other published structures.The adaptive PSO method demonstrates its merits of fast convergence and powerful global search ability,and could be used as a valuable tool for the optical thin film design.     

用粒子群算法校正三片镜系统的像差（特邀）

提出将粒子群算法用于三片镜光学系统的优化设计。设计了关于曲率半径、透镜面之间的距离、玻璃折射率、系统长度等光学系统结构参数的光学评价函数,用此函数作为粒子群算法中的适应度函数,实现了对光学系统的自动寻优。给出了用粒子群算法进行三片镜光学系统设计过程实例,结果证明：用粒子群算法可以设计出球差、子午场曲、子午光线弥散值都很小的三片镜光学系统;并且用该算法进行光学设计不需要知道系统具体的初始结构,克服了现有光学设计软件高度依赖具体初始结构的缺点,可以自由控制结构参数的搜索范围,从而提高光学系统设计的智能化程度。     

Structural optimization of Au–Pd bimetallic nanoparticles with improved particle swarm optimization method

Due to the dependence of the chemical and physical properties of the bimetallic nanoparticles(NPs) on their structures,a fundamental understanding of their structural characteristics is crucial for their syntheses and wide applications. In this article, a systematical atomic-level investigation of Au–Pd bimetallic NPs is conducted by using the improved particle swarm optimization(IPSO) with quantum correction Sutton–Chen potentials(Q-SC) at different Au/Pd ratios and different sizes. In the IPSO, the simulated annealing is introduced into the classical particle swarm optimization(PSO) to improve the effectiveness and reliability. In addition, the influences of initial structure, particle size and composition on structural stability and structural features are also studied. The simulation results reveal that the initial structures have little effects on the stable structures, but influence the converging rate greatly, and the convergence rate of the mixing initial structure is clearly faster than those of the core-shell and phase structures. We find that the Au–Pd NPs prefer the structures with Au-rich in the outer layers while Pd-rich in the inner ones. Especially, when the Au/Pd ratio is 6:4, the structure of the nanoparticle(NP) presents a standardized Pd_(core) Au_(shell) structure.