基于混合粒子群算法的柴油机喷油器可靠性分布的参数估计

针对在柴油机喷油器可靠性分析中运用最大似然估计求解混合威布尔参数时需要面对求解复杂联立超越方程组的问题,引入粒子群优化理论,用混合粒子群算法来求解超越方程组以达到估计混合威布尔参数的目的,并将求解结果与粒子群方法、图解法、非线性最小二乘法的求解结果进行比较。结果表明:混合粒子群算法在求解效率和收敛性能上要优于粒子群方法、图解法和非线性最小二乘法,利用该方法来估计混合威布尔分布的参数是可行的,且能获得较精确的求解结果。     

基于两重威布尔分布的铸造造型机可靠性分析

为了定量分析铸造车间造型机故障的分布规律,并为其可靠性分析提供理论依据,收集设备故障数据,确定其服从标准威布尔分布,并进行参数拟合.在此基础上,建立了两重威布尔混合分布模型,通过图解法得到参数估计初始值,利用非线性最小二乘法进行参数估计优化.比较两参数威布尔、两重威布尔图解法以及非线性最小二乘法得到的参数,得出混合模型非线性最小二乘法参数估计值最为精确.根据已知参数估计值,最终确定该造型机可靠性函数,为其可靠性指标的进一步计算提供信息.     

基于混合优化策略的自回归-滑动平均模型建模

自回归一滑动平均(ARMA)模型参数估计一直是ARMA模型建模问题的难点和重点,目前的模型参数估计方法都采用传统最小二乘法及其推广算法,预测精度低.采用基于混合优化策略的遗传模拟退火算法进行ARMA模型参数估计,克服了传统算法的缺点,并在此基础上利用遗传模拟退火算法可以确定ARMA阶次的特点,提出基于混合优化策略的ARMA模型建模方法.利用这种建模方法和传统建模方法对组合炮控系统精度进行建模比较,证明基于混合优化策略的ARMA模型建模方法收敛快,精度高.     

基于改进CS的混合威布尔分布最优化参数估计

混合威布尔分布常用于拟合多失效模式的设备寿命数据,但由于该分布的形式复杂且参数众多,其参数估计较为困难。针对该问题,在对布谷鸟搜索(Cuckoo Search,CS)算法的步长比例和寄主鸟发现概率改进的基础上,提出基于改进CS的混合威布尔分布最优化参数估计方法。该方法以最小化残差平方和为目标,建立参数估计优化模型,并通过改进的CS算法进行参数寻优。案例以飞机挡风玻璃寿命数据为对象,采用CS算法以及3种改进的CS算法分别对两重两参数威布尔分布进行2 000次参数估计,对比分析各算法的寻优结果表明:融合步长比例改进和寄主鸟发现概率改进的CS算法的参数估计精度较高,估计结果较可靠。     

基于改进PSO算法的发酵过程模型参数估计

建立准确的非线性机理模型是发酵过程优化调控的关键.提出了一种基于改进粒子群优化算法(PSO, particle swarm optimization)的发酵过程模型参数估计方法,并将该方法用于青霉素发酵过程建模.改进的PSO算法通过引入粒子群能量对粒子进行自适应分群以防止粒子陷入局部最优,从而保证收敛于全局最优解.实验结果表明,该方法可以有效地实现青霉素发酵过程模型参数的准确估计,所得到的模型精度能够满足发酵过程的状态估计和控制需求.     

基于粒子群优化算法的 AR模型参数估计

利用粒子群优化算法对模型AR（ P）参数进行优化,提高了模型的预测精度。采用AIC准则判断出模型的最佳阶数。该估算方法优于传统的基于最小二乘估计和基于灰色理论估计,为此类模型的参数估计提供了一种新思路。     

基于改进人工蜂群算法的机车车辆关键零部件可靠性研究

针对我国机车车辆现行检修制度中可能存在的过修、欠修问题,提出了一种综合图解法和改进人工蜂群(ABC)算法的机车车辆关键零部件可靠性模型拟合方法,对三参数威布尔分布进行参数估计并确立三参数威布尔可靠性模型。首先利用图解法求得三参数威布尔分布参数的初始估计值以及ABC算法的搜索空间,随后运用改进ABC算法进行迭代计算以获得较优的参数估计值,最后将可靠性模型拟合方法与最小二乘法以及概率加权矩法进行分析比较。研究结果表明,提出的可靠性模型拟合方法能够较为准确地确定三参数威布尔可靠性模型。以该模型为基础对机车车辆关键零部件进行可靠性指标计算,为决策人员确定机车车辆最佳维修周期和改进检修规程提供了科学依据。     

加工车间生产物流时间瓶颈的调度研究

针对一类具有生产物流时间瓶颈的加工车间调度问题,给出了基于加工单元和运输单元的时间瓶颈环节确定方法,采用以最大批量响应时间最小为优化目标,建立了基于生产物流时间瓶颈的加工车间调度模型;为了求解该调度模型,设计了一种基于模拟退火的混合粒子群算法,该算法采用分段整数编码的方法,并在模拟退火算法中引入变温参数来提高算法效率.通过仿真,分别采用PSO和PSO-SA对所建立的调度模型进行了求解.研究结果表明,PSO-SA算法求解效率高且该算法的稳定性好,同时验证了该模型和算法的有效性、广泛性.     

基于最小二乘支持向量机的小样本威布尔可靠性分析

在图估法的基础上,提出了基于最小二乘支持向量机的威布尔可靠性分析方法,在MATLAB平台上绘制了威布尔概率纸,通过程序化的方式分析估计威布尔概率参数;进行了可靠性寿命分析,并对比分析了基于最小二乘支持向量机、支持向量机和最小二乘法威布尔可靠性分析的效果。实例分析结果显示,在威布尔可靠性分析中,最小二乘支持向量机的拟合精度不仅优于传统的最小二乘法的拟合精度,而且优于支持向量机的拟合精度,表明该方法可以提高可靠性分析效率和精度,可作为威布尔可靠性分析的一种新方法,特别适用于小样本的情况。     

基于AWLS-SVM的污水处理过程软测量建模

针对污水处理过程建模中样本数据可能存在的测量误差对模型性能的影响,提出一种自适应加权最小二乘支持向量机(AWLS-SVM)回归的软测量建模方法。该方法基于最小二乘支持向量机模型,根据样本拟合误差,并结合改进的指数分布赋权规则,自适应地为每个建模样本分配不同的权值,以降低随机误差对模型性能的影响;同时采用一种全局优化算法——混沌粒子群模拟退火(CPSO-SA)算法对最小二乘支持向量机的模型参数进行优化选择,以提高模型的泛化能力。仿真实验表明,AWLS-SVM模型的预测精度及鲁棒性能优于LS-SVM和WLS-SVM。最后,应用AWLS-SVM方法建立污水处理过程出水水质关键参数的软测量模型,获得了较好的效果。     

基于改进PSO算法的电液位置伺服系统MRAC跟踪控制

针对电液位置伺服系统控制性能不佳的问题,提出一种基于改进PSO算法优化的模型参考自适应(Model Reference Adaptive Control,MRAC)跟踪控制方法。首先,建立电液位置伺服系统数学模型,设计出模型参考自适应控制器;其次,分析PSO算法、APSO算法在参数寻优过程中的不足,提出一种改进的PSO算法;最后,将改进的PSO算法用于模型参考自适应控制器以改善其控制性能。结果表明,改进PSO算法优化的模型参考自适应控制具有响应速度快、跟踪精度高的优点。     

基于免疫粒子群算法的污水处理优化研究

针对污水处理过程所具有的多变量、非线性和大时滞的特点,在污水生化反应过程中提出基于免疫粒子群的参数估计方法。在粒子群进化过程中,引入免疫算法机制,通过抗体与抗原的参数计算来促进或抵制抗体的进化,保证粒子群进化的多样性,指导粒子群的优化过程,克服粒子群算法的早熟现象,加快收敛速度和提高全局寻优能力,成功估计模型参数。应用免疫粒子群算法在各类工程模型确定中有较大的应用潜力。     

基于 IESPSO 的舵机倾转矢量动力系统建模与参数辨识

针对在旋翼动态时产生的外力矩影响下,倾转矢量动力系统中的舵机系统模型辨识精度低、实际响应难以估计的问题,本文将舵机外力矩作为扰动噪声纳入辨识环节,构建系统模型,并提出了一种基于改进生态系统粒子群优化(IESPSO)的倾转旋翼舵机系统参数辨识方法。为确保试验稳定安全进行,本文设计了倾转矢量动力系统辨识平台,进行参数辨识试验。试验结果表明,在旋翼动态时产生的外力矩噪声影响下,IESPSO相对于粒子群优化法、生态系统粒子群优化法与递推最小二乘法,均方根误差降低了1.46%,1.79%与56.37%,辨识精度有明显提升,并具备更快的寻优收敛速度。在修改搜索空间后,IESPSO仍具有较高的寻优精度,避免了在宽搜索空间下无法快速搜索至较优可行解的问题。     

基于自适应粒子群算法的篦冷机电液位置伺服系统PID参数优化

针对PID控制器的参数选取直接影响到第四代篦冷机刮板在调速过程中的稳定性和调节时间的问题,提出一种新的粒子群算法的PID参数整定方法。新的粒子群算法充分利用了适应函数提供的搜索信息,对传统粒子群算法中的权值进行自适应动态控制,并用飞行时间参数替代了压缩因子,飞行时间参数的变化规律是线性递减,并把它命名为自适应粒子群算法。通过测试函数证明提出的自适应粒子群算法比传统的粒子群算法收敛速度快和寻优效率高,应用改进的方法对篦冷机电液伺服系统进行仿真实验,结果证明自适应粒子群算法的PID参数整定方法比传统的整定方法有更好的控制效果,即调速过程稳定和调节时间快。     

应用粒子群优化算法辨识Hammerstein模型

非线性系统的辨识一直是现代辨识领域中的一个主要课题。针对非线性系统中Hammerstein模型，文中提出了利用群集智能中的粒子群优化算法（PSO）对非线性模型进行辨识。讨论了PSO的基本算法与参数初值的设置与选择方法。通过仿真实验说明：与非线性最小二乘法相比PSO算法对于非线性辨识的有效性和鲁棒性。PSO算法是一种有效的解决优化问题的群集智能算法，它的突出特点是算法中需要选择的参数少，程序实现简单，并在种群数量、寻优速度等方面较其他进化算法具有一定的优势。尤其县存高噪信比情况下，也收到较满意的结果。     

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。     

考虑模拟退火算法的多阶段主动配电网规划模型

为了提高多阶段主动配电网的规划能力,提出基于模拟退火算法的多阶段主动配电网规划模型。进行配电网规划的最优路径配置,结合输出功耗的自适应分配方法进行节点部署。构建多阶段主动配电网规划的参数解析模型,实现多阶段主动配电网规划过程中的寻优控制。通过结合模拟退火算法构建多阶段主动配电网规划模型,完成模拟退火寻优,进而实现多阶段主动配电网规划。仿真结果表明,采用该方法进行多阶段主动配电网规划的自适应调度能力较好,负载均衡能力较强,能够提高多阶段主动配电网规划的可靠性。     

基于混合粒子群算法具有交货期瓶颈的作业车间调度问题

为了解决一类具有交货期瓶颈的作业车间调度问题,给出了基于订单优势的交货期满意度和交货期瓶颈资源确定方法,以工件拖期加权和最小为优化目标,建立了基于交货期满意度和瓶颈资源约束的作业车间调度模型;为了求解该调度模型,设计了一种基于模拟退火的混合粒子群算法,该算法采用随机工序表达方式进行编码,并在模拟退火算法中引入变温度参数来提高算法效率。通过随机仿真,分别采用PSO-SA、SA和PSO对所建立的调度模型进行求解,结果显示PSO-SA算法的广泛性好、求解效率高且算法的稳定性好,验证了模型和算法的有效性。     

基于粒子群优化和模拟退火的混合调度算法

提出了一种离散粒子群调度算法，采用基于工序的编码方式及相应的位置和速度更新方法，使具有连续本质的粒子群算法直接适用于调度问题。针对粒子群算法容易陷入局部最优的缺陷，将其与模拟退火算法结合，得到了粒子群-模拟退火算法、改进的粒子群算法、粒子群-模拟退火交替算法以及粒子群-模拟退火协同算法等4种混合调度算法。仿真结果表明，混合算法均具有较高的求解质量。