基于自然选择粒子群算法的PID参数优化

PID控制在工业生产中得到广泛的应用,其性能指标取决于PID参数的选取。粒子群算法是一种常见的智能化算法,简单便于实现,文章采取基于自然选择改进的粒子群算法优化PID控制器的参数,与经典的粒子群算法相比较,文章所提出的算法有效地避免了经典粒子群算法过早陷入局部最优的问题,具有较高的求解效率。     

基于粒子群整定的PID算法在VAV空调中的应用

VAV空调系统是一个非线性、强耦合的大时滞系统,常规PID控制难以取得良好的控制效果,本文设计了一种将粒子群整定的PID控制算法应用于WLV空调的控制方法.仿真结果表明,新的控制方法与常规控制方法相比,控制效果良好.     

基于粒子群算法的中央变频空调节能系统的应用

能源是国民经济发展的基础资源。随着我国各行业不断地发展,能源问题在我国日渐突出,而且近期内无法根本解决,节能工作相当艰巨。因此,在人们日益重视环保与节能的今天,中央空调的节能问题这是人们所期待要解决的关键技术问题。本文采用经网络达到对空调的控制,通过实验参数和数据,达到对空调的调试和控制,采用变频器调节中央空调的转速,使其高效运行,达到节能的目的。     

基于免疫网络粒子群的混沌系统自抗扰优化控制策略

基于免疫网络粒子群算法设计了一种新的自抗扰控制器模型,克服了困扰自抗扰控制器参数优化整定的难题,实验结果表明新自抗扰控制器具有寻优精度高、响应速度快和抗干扰能力强的特点。     

基于Alopex改进的粒子群优化算法

粒子群算法是一种进化计算技术,但容易陷入局部极小点.提出了一种利用Alopex算法改进的粒子群优化算法,改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题.     

基于粒子群算法和时空网络的航班舱位控制研究

航班舱位控制是航空公司收益管理的核心,截止到目前为止,收益管理中有关舱位优化控制问题一般都是基于单航段、多航段、轮辐式等航线网络来进行建模分析和研究。本文从实际航班运行的角度出发,构造航班运行时空网络,建立基于时空网络的舱位控制优化模型,并运用粒子群算法对模型进行求解。研究结果证明了模型的有效性。此外,将粒子群算法应用于此舱位优化控制模型,可得到满意的解,该算法简化了变量间复杂的约束关系,易于实现,具有明显的优势。     

一种改进的权均值粒子群优化算法

针对粒子群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了权均值粒子群优化算法。通过在“认知”部分和“社会”部分加入随机权值更新粒子的飞行速度,使粒子能够很快地收敛到全局最优点。典型函数的仿真结果表明,该算法不仅具有较好的全局收敛性能和较快的收敛速度,而且有效地避免了早熟收敛问题。     

粒子群优化的细菌觅食算法在变风量空调机组中的应用

本文主要研究对象是变风量空调机组中的送风管道静压控制回路,将具有良好全局寻优能力的细菌觅食算法应用到该控制回路中,同时为了改善细菌觅食算法收敛速度较慢的缺点,将粒子群算法引入到细菌觅食算法中,对细菌觅食算法中的细菌位置更新进行优化,并利用优化后的细菌觅食算法对PID控制器的三个参数进行整定,将整定后的参数应用到控制回路中。通过matlab仿真,并将细菌觅食算法、粒子群算法,粒子群优化的细菌觅食算法进行比较,结果表明经过粒子群优化的细菌觅食算法收敛速度明显加快。     

粒子群优化的神经网络预测交通流量

交通流量预测是智能交通系统研究的重要组成部分。提出了一种粒子群(PSO)优化RBF神经网络的交通流量预测方法。该方法以误差能量函数为适应度函数,利用PSO算法对RBF神经网络参数进行优化,有效克服交通流量数据非周期性、非线性和随机性等问题。仿真实验结果证明比单纯用RBF预测模型精度高、收敛速度快,表明粒子群优化的RBF神经网络模型具有良好的应用价值。     

基于Alopex改进的粒子群优化算法

粒子群算法是一种进化计算技术,但容易陷入局部极小点。提出了一种利用Alopex算法改进的粒子群优化算法,改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

基于RBF神经网络的Hammerstein模型辨识

利用神经网络的非线性映射特性,将RBF神经网络应用于Hammerstein模型辨识.首先采用将学习和辨识同时进行的在线辨识技术,然后在调整输出权值的基础上,增加调整基函数的形状参数和中心向量.此方法算法简单,学习速度快,辨识精度高,最后的仿真也验证了上述结论.     

基于Web的网络数据信息处理优化策略

Web的网络数据信息流程客户端与流程管理监控台在进行流程的绘制,更改以及流程的运行、挂起、终止、结束等操作使用了flex技术。相对于基于HTML的应用(如ASP、PHP、JSP、ColdFusion及CFMX等)在每个请求时都需要执行服务器端的模板,由于客户端只需要载入一次,flex应用程序的工作流被大大改善。这是flex带来的好处,但是对flex开发出来的应用程序进行相关的自动化网络数据优化尤其是下面将要使用的网络数据优化工具selenium目前还没有多少深入地研究,是一项值得去探究的项目。     

基于遗传算法优化RBF网络的预测混沌时间序列

提出用遗传算法优化径向基函数(RBF)神经网络,使其更接近非线性映射和更快的学习收敛速度.然后用改进后的RBF神经网络预测混沌时间序列.实验结果表明,基于RBF网络的混沌时间序列具有很强的拟合能力、误差小、取得更好的效果.     

基于RBF神经网络的水质多因素预测

水质模拟预测是顺利实现水环境规划管理、水污染综合防治等任务不可缺少的基础工作。机理性水质模型虽考虑了影响水质变化的诸多因素,模拟预测效果较理想,但往往较复杂并需要大量基础资料与数据,使其进一步应用受到限制。基于RBF神经网络理论及其算法建立水质中四种污染物浓度的预测模型,应用结果表明,该方法可行,可以为水质污染预测提供一种有效的新手段。     

基于RBF网络的TBT预警模型

运用数据挖掘技术,通过径向基函数网络,建立了基于RBF网络的技术性贸易壁垒（TBT）预警模型,模型由输入层、输出层和隐藏层组成,经过输入大量样本进行网络学习,在隐含层生成各指标的权数,输入量对应警兆指标,隐藏层节点对应警情指标,输出层即为警度。并以我国纺织业的50家公司为例,对模型进行了实例算例分析。     

基于径向基神经网络的变压器故障诊断

研究基于径向基神经网络的变压器故障诊断方法。以绝缘油中6种特征气体作为神经网路的输入,建立了可对变压器低温过热、中温过热、高温过热、低能放电、高能放电和局部放电等6种故障进行故障诊断的径向基神经网络模型。仿真实验研究表明,基于径向基神经网络的变压器故障诊断模型对于超出三比值法编码规则的故障也能进行故障诊断,故障诊断准确率达到91.67%,远远高于三比值法故障诊断准确率。基于径向基神经网络的故障诊断模型建立方法简单,便于在实际中应用。     

pH值的神经网络多步预测控制算法

ｐＨ值控制过程是一个具有较强非线性、纯滞后的过程,针对ｐＨ值控制系统提出了一种基于神经网络的多步预测控制算法（ＮＭＰＣ）。神经网络用于辨识对象的预测模型,控制算法利用了神经网络的梯度信息。控制效果表明该控制系统具有较好的动态性能和较强的鲁棒性。     

基于PSO递阶进化的网络资源活跃度增强算法

为了提高云计算环境下网络资源访问和调度能力,需要增强网络资源的活跃度,传统方法采用源信息系统最小方差粒子群优化算法实现资源活跃度增强调度,直接交互式多源信息的缺陷,导致信息访问的滞后和时延。提出一种基于粒子群(PSO)递阶进化的多出口网络资源活跃度增强算法,构建多出口网络资源调度和网络系统结构,粒子群进化按照属性的数据波动进行递阶分层,得到一个资源数据聚类的高密度区域,使得每一个初始种群中的个体都应有一个解,在多波束搜索PSO空间中实现粒子群PSO递阶进化,提高网络资源访问的活跃度。仿真实验表明,采用该算法,能避免粒子群在进行网络资源搜索调度过程中陷入局部最优,有效提高控制搜索精度,运行时间较短,能有效增强多出口网络资源的活跃度,进而提高了资源搜索成功率。