摘要：针对涂布机伺服注液系统存在开机响应慢、波动大、在涂布过程中转角处控制不线性等控制方面的问题,提出通过粒子群优化算法(pso)和模拟退火优化算法(SA)相结合的粒子群-模拟退火优化算法(pso-SA)来对控制器的Kp、Ki、Kd三个参数进行寻优,然后将寻优得到的最优PID控制参数带入系统控制器以获得最优化控制的解决方案。首先,利用机理法建立伺服注液机构的数学模型;然后,再对pso、SA、PS0-SA算法进行分析和性能比较,结果表明pso-SA混合算法寻优能力最强和收敛速度最快;最后,利用SIMULINK建立控制系统仿真模型,并分别用pso-SA混合算法、pso算法、SA算法优化得到的优化PID参数带入模型,得到三种不同算法系统下控制系统的阶跃响应曲线和抗扰动曲线,并从使用性能方面对系统响应和抗扰动能力进行了对比分析。结果表明:对比三种算法控制的伺服注液系统,pso-SA算法控制0超调、最短的时间3.28s得到稳定,且抗扰动能力最强;相对于pso或SA算法,在巡边式涂布机伺服注液系统应用psoSA算法可获得更迅速响应,系统运行也更稳定。

摘要：在低压断路器的低能耗设计中,参数设置通常采用经验方式选取,因而很难实现能耗最低化。为此,在分析HSW6低压断路器能耗的数学物理模型的基础上,提出一种采用粒子群算法(pso)进行低能耗参数优化设计的方法。首先对断路器的额定电流和内部功耗、铜耗、触头数、触头电阻等影响因素进行分析与建模,并转换成求解这一组参数的最优值问题;然后采用自适应pso算法进行全局寻优得到参数最优解。实际应用表明,该文提出的基于pso算法的低能耗参数优化设计方法不仅能实现断路器低能耗设计要求,而且提高了设计效率。

摘要：针对重催干气脱硫过程存在进料波动频繁、优化响应滞后导致能量消耗过大等问题,通过Aspen HYSYS V11软件利用Li-Mather物性方法对该系统进行全流程模拟,根据Plackett-Burman设计筛选对目标值具有显著影响的有效因素,利用基于pso算法的径向基人工神经网络对预测模型进行训练、验证和测试,并在满足净化干气硫化氢浓度约束的前提下对其进行深度优化,以期最小化系统能耗。结果表明,重催干气流量、重催干气硫化氢浓度、贫液哌嗪质量分数、贫液N-甲基二乙醇胺(MDEA)质量分数、胺液循环量、T-3001塔底温度和E-3003贫液出口温度对系统能耗影响非常显著,当以上述因素为输入信号,以系统能耗为网络输出时,7-16-1型径向基人工神经网络预测模型经过4182次迭代后,它的训练样本、验证样本、测试样本均方误差分别为5.08×10^(-6)、7.78×10^(-6)和9.56×10^(-6),均小于容许收敛误差限10^(-5),而其决定系数亦高达0.981、0.975、0.969,表现出良好的相关性。当利用基于pso算法的径向基人工神经网络对重催干气脱硫系统能耗进行优化时,经过3198次粒子进化迭代后系统能耗仅为0.0649kg_(oe)/h,较优化前系统能耗0.0713kg_(oe)/h降低了8.98%,节能效果显著。

摘要：针对由交叉口已知交通量推算OD矩阵时,当已知交通量数小于OD变量数时难以得到满意解的问题,提出了采用基于群智能技术改进的粒子群优化算法(Particle Swarm Optimization,简称pso)来进行全局优化求解.论文设计了用粒子群算法求解交叉口OD矩阵推算模型的方法,确定了目标函数和终止条件,给出了具体的计算步骤及粒子群算子的选择,通过初始化粒子的速度和位置,不断迭代更新直到搜索出全局最优值.最后用Matlab语言编程进行了仿真试验.仿真结果表明,该方法具有较高的效率和准确性.

摘要：针对入侵检测系统检测率低,整体性能不好的问题,在探讨入侵检测技术和人工神经网络理论的基础上,提出了一种基于pso算法优化的径向基函数神经网络的入侵检测系统,采用具有全局寻优的功能pso算法,该算法能够改进传统的RBF神经网络学习策略,弥补RBF神经网络参数设置的不足,采用了来自KDD CUP99的权威数据来进行网络学习和测试,在此基础之上,进行了入侵检测系统的设计与实现,实验结果表明,基于pso和RBF神经网络的入侵检测系统有效地提高了入侵检测的效率。

摘要：为提升盾构隧道专用反力架轻量化水平和降低制造及运输成本,对其结构进行优化。首先,依据设计的反力架结构建立其有限元模型,并结合工程数据类比确定载荷条件,验算反力架强度及刚度;然后,以所有板材厚度为自变量、反力架总质量为因变量,利用方差分析的方法获得主效应图,确定5种对结构总质量贡献量大的板厚为优化变量;最后,以5种板厚为设计变量,强度、刚度指标作为约束条件,反力架质量最小为优化目标,采用pso算法进行求解。结果表明:优化后结构的最大应力为252.2 MPa,最大变形为10.6 mm,反力架总质量从305.78 t降至274.85 t,减重比例为10.1%(30.90 t),验证了结构优化的有效性。

摘要：借助双控制器设计技术和粒子群优化(pso)算法,提出了一种基于pso算法的双自由度内模控制方法,即pso-TDF-IMC,并用于对大时滞工业过程的控制。该方法的基本思想是:以时间乘误差绝对值积分(ITAE)为目标函数,运用pso算法,优化整定IMC滤波器时间常数。MATLAB仿真结果表明,pso-TDF-IMC具有算法简单、搜索速度快、效率高等优点,可明显提高双自由度内模控制系统的设定值跟踪性能和鲁棒性能。

摘要：岩土工程反分析面临着多元化、复杂化和精确化的挑战,反分析方法要求能在少而精的正分析基础上结合监测数据快速反馈出数值计算参数。充分发挥支持向量回归机ν-SVR和改进的变邻域pso算法的优势,建立起岩土工程反分析的流程和方法。同时,将其应用于锦屏左岸边坡的反分析问题,选择稳定问题非常突出的Ⅱ1-Ⅱ1剖面作为分析对象,根据监测资料反馈设计关键岩体的力学参数,并与监测数据比对,反演成果合理准确,进一步验证了该方法的的正确性和有效性。

摘要：充分利用PID结构简单、稳定性强的良好性能以及神经网络的自学习和自适应的特长,引入粒子群优化(pso)学习算法,设计一种多变量自适应PID型神经网络控制器。神经网络的隐含层由带有输出反馈和激活反馈的混合局部连接递归网络组成,采用pso学习算法优化神经网络参数。在深入研究分析pso算法的基础上,引入变异因子和惯性权重自适应策略对该算法进行改进,既发挥了pso算法随机优化收敛速度快的优点,又克服了该算法易陷入局部最优点的缺点,显著提高了控制系统的性能指标。最后,通过对二级倒立摆控制的仿真分析,证明该算法具有较强的鲁棒性。

摘要：测试数据集的全面性和覆盖完整性,对于软件测试的效果具有重要意义.该文在pso(粒子群算法)的基础上进行了三重改进:(1)设计了具有线性特征的惯性权重系数和2个学习因子;(2)重新设计了粒子聚类密度的判别参数;(3)对pso算法的适应度函数进行了修正.实验结果表明,用该文设计的pso算法生成软件测试数据集合,不仅迭代收敛速度快,而且数据集的覆盖率高.