基于梯度DPSO算法在舰船电力系统网络重构

综合考虑各级负载的供电恢复与最少开关操作数,建立了舰船电力系统故障恢复模型.针对微粒群优化算法,通过增加离散化过程,提出了一种具有普适性的离散化方法.结合微粒群寻优过程中的梯度信息,对算法迭代过程进行了分析,构造出一种基于梯度法的离散化微粒群优化算法,提高了收敛速度.舰船电力系统网络故障恢复算例表明,该方法能获得更好的故障恢复方案,并具有优良的收敛性能.     

基于粗糙径向基函数网络的船舶发电机励磁控制

粗糙集和神经网络的集成技术综合利用了粗糙集理论数据分析与决策规则自动提取的优点以及神经网络对非线性函数任意逼近的能力,为复杂非线性系统的建模辨识提供了一种新的途径。文中提出了一种基于粗糙径向基(radial basis function,RBF)网络的船舶发电机励磁神经比例–积分–微分(proportion-integral-differential,PID)自适应控制方法,通过粗糙RBF网络离线学习和在线辨识对神经PID控制器的参数进行自适应调节。仿真结果表明,该控制方法与传统PID控制相比具有超调量小、调节速度快等优点。     

基于粗糙集和图论的电力系统故障诊断方法

将粗糙集与图论相结合处理电力系统故障诊断,提出了故障决策表图的新概念,得到一种基于粗糙集和图论的电力系统故障诊断方法,并进一步提出了故障信息覆盖度和故障诊断规则分级的概念.利用故障决策表图及其邻接矩阵,得到了快速识别决策表核属性和属性约简的方法,并将规则分级应用于故障规则提取.利用所提出的方法对具体实例进行处理,仿真结果表明,该方法能有效地减少时间和空间复杂度,可根据设定的阈值提取诊断规则.     

加热炉钢坯温度软测量模型研究

研究基于模糊聚类的钢坯温度神经网络软测量模型.该方法由两个部分组成,FCM(Fuzzy C-Means)聚类算法用来对训练样本进行分类,分布式RBF(Radial Basis Function)网络对每类样本进行训练.在线测量时,采用自适应模糊聚类算法对新的工况数据进行隶属度计算.文中将该算法应用于步进式加热炉钢坯温度的预报,仿真结果表明该算法的有效性.     

基于差分变异的混合蛙跳算法在配电网重构中的应用

提出了一种基于差分变异的混合蛙跳算法进行配电网重构。采用基于十进制环状编码方法解决了二进制编码产生大量不可行解的问题。给出了十进制环状编码的变异和选择策略,同时结合蛙跳算法的分组更新特点。应用该算法对IEEE33节点和PGE69节点网络进行配电网重构仿真,结果表明,该方法能有效降低配电网损耗。     

求解舰船电力系统网络重构的贪婪DPSO算法

针对舰船电力系统的网络重构,建立了故障恢复的离散模型.提出基于简单贪婪法、概率贪婪法两种离散微粒群优化算法,分析了参数对离散化过程的影响.舰船电力系统网络故障恢复算例显示:该方法能获得更好的故障恢复方案;参数选取合适的概率贪婪法能有效地克服微粒群算法易于陷入局部极值的缺点,具有优良的收敛性能.     

基于滑模控制的集装箱起重机防摇控制

针对集装箱起重机这类欠驱动系统,基于智能控制的方法,提出一种基于滑模控制的防摇方法。该方法先通过对集装箱起重机的数学模型进行线性化运算,然后设计2种滑模控制器,对线性简化的模型进行滑模控制,通过李雅普诺夫方法来证明所进行的滑模控制的有效性。通过Matlab的Simulink来搭建仿真模型,仿真模型的图形结果验证了该方法对于集装箱起重机系统防摇控制方面的有效性。     

基于自适应模糊聚类的神经网络软测量建模方法

提出一种基于模糊聚类的神经网络软测量建模方法．该方法采用数据分组训练、自动确定模糊分类数、在线测量时分类中心自适应修正，降低了计算量，提高了建模精度．将该算法用于步进式加热炉钢坯温度预报的仿真结果表明，它能够解决钢坯温度难以在线测量的问题。     

基于优化BP神经网络的柴油机动态模型辨识

本文研究了用优化ＢＰ神经网络建立柴油机动态模型的方法。并对ＢＰ算法进行了适当的改进，提出了一种动态优化学习率的方法。仿真结果表明用人工神经网络能有效地建立柴油机动态模型     

基于离散微粒群优化算法的舰船电力系统网络重构

针对舰船电力系统的网络重构,建立了综合故障恢复的离散优化模型.在标准微粒群优化算法的基础上,引入贪婪法的思想,提出一种基于贪婪法的离散化微粒群优化算法,增加离散化过程,并调整了微粒群优化算法的迭代公式,给出一种贪婪度函数,根据贪婪度的大小对微粒进行离散化,采用惩罚函数法处理约束.不同规模舰船电力系统网络故障恢复算例的计算及与其他算法的结果比较,验证了基于贪婪法的离散化微粒群算法具有优良的收敛性能.