简介:滤波器在射频、微波电路中发挥重要作用。不断出现的无线通讯系统应用对滤波器提出了前所未有的挑战:更高的性能指标、更小的尺寸质量、更低的成本已成为新型滤波器必须满足的基本要求。援引了一个Ka波段Hairpin耦合结构的双通带滤波器原型,每一个耦合支的长度大约为两个通带中心频率对应的四分之一波长。然后基于PSO算法和IE3D仿真软件对滤波器进行优化,优化的最终结构体积很小,其大小仅为5.5mm×2.7mm,但两个通带的插入损耗仅相差0.5dB;另一方面,两个带内的S11都下降到了-28dB左右,最终生成了微带滤波器的版图。
简介:摘要:当前的建筑工程施工安全风险识别矩阵设定一般为单向的,识别的覆盖范围受限制,导致风险识别均值差增加,为此提出对基于PSO-SVM算法的建筑工程施工安全风险识别方法的设计与验证分析。根据当前的风险识别需求及标准,先进行基础风险识别因素的提取,采用多阶的方式,打破识别覆盖范围的限制,设计多阶段识别矩阵,以此为基础,构建PSO-SVM测算工程施工安全风险识别模型,采用层次多维判定实现安全风险识别处理。测试结果表明:对比于传统WBS-RBS建筑工程施工安全风险识别测试组、传统Apriori关联规则建筑工程施工安全风险识别测试组,本次所设计的PSO-SVM测算建筑工程施工安全风险识别测试组最终得出的风险识别均值差被较好的控制在0.2以下,说明在PSO-SVM算法的辅助下,当前对于建筑工程风险的识别效果更佳,针对性更强,误差可控,具有实际的应用价值。
简介:陆地使用spatio结构的优化是陆地使用管理的最重要的区域之一;构造在一个自底向上的模式基于微空间单位的一个空间优化模型在有效地联合数量结构和空间结构起一个重要作用。这研究的目的是开发一块陆地基于粒子群优化使用空间优化模型在陆地使用管理做空间决定。模型用真实数据集被实现仿效空间结构优化的进程以便在决定环境的控制下面得到最好的风景模式。模拟结果表明粒子群优化模型有能力利用数量和空间结构。而且,结果证明在设计适当优化环境刺激风景模式能被用来,它能有效地打数量目标到基本空间单位并且为地区性的陆地使用空间布局决策提供适当spatio结构。
简介:针对航炮空靶训练中,训练空域较难确定的问题,建立了弹丸外弹道模型,采用粒子群寻优算法求取弹丸最大水平射出距离,并采用Simulink和M文件混合编程求解,最终获得满意结果.该分析方法和结果为空靶训练空域半径的确定提供了一定的理论依据和参考.
简介:Particleswarmoptimization(PSO)isanewheuristicalgorithmwhichhasbeenappliedtomanyoptimizationproblemssuccessfully.Attributereductionisakeystudyingpointoftheroughsettheory,andithasbeenproventhatcomputingminimalreductionofdecisiontablesisanon-derterministicpolynomial(NP)-hardproblem.AnewcooperativeextendedattributereductionalgorithmnamedCo-PSARbasedonimprovedPSOisproposed,inwhichthecooperativeevolutionarystrategywithsuitablefitnessfunctionsisinvolvedtolearnagoodhypothesisforacceleratingtheoptimizationofsearchingminimalattributereduction.ExperimentsonBenchmarkfunctionsandUniversityofCalifornia,Irvine(UCI)datasets,comparedwithotheralgorithms,verifythesuperiorityoftheCo-PSARalgorithmintermsoftheconvergencespeed,efficiencyandaccuracyfortheattributereduction.
简介:摘要本次设计的是基于PSO算法的PID控制器参数优化设计。人们对PID控制器参数优化的研究是紧跟在它产生之后的,现在常用的优化整定方法有两类,分别是工程和理论计算的方法。工程整定方法操作简单而且方便,但是整定过程需要丰富的工程经验,理论算法只要知道被控对象的传递函数,就可以对控制器参数进行优化。粒子群算法的形成是受到了群体智能的影响,它是一种启发式的全局搜索新算法,为了找到搜索空间中的全局最优解,粒子之间的合作方法既有竞争又有协作。这种算法有概念容易掌握、程序容易实现、全局搜索能力强等特征。本文采用粒子群算法进行PID控制器的参数优化,在MATLAB环境下进行算法编译并在SIMULINK中搭建框图进行仿真,同时使用单纯形法对同一个被控对象的PID控制器参数进行优化,对两种算法的优化性能进行了分析比较,发现粒子群优化算法不仅程序编写容易实现,优化速度快,而且优化效果比单纯行法的优化效果优越一些。
简介:摘要本次设计的是基于PSO算法的PID控制器参数优化设计。人们对PID控制器参数优化的研究是紧跟在它产生之后的,现在常用的优化整定方法有两类,分别是工程和理论计算的方法。工程整定方法操作简单而且方便,但是整定过程需要丰富的工程经验,理论算法只要知道被控对象的传递函数,就可以对控制器参数进行优化。粒子群算法的形成是受到了群体智能的影响,它是一种启发式的全局搜索新算法,为了找到搜索空间中的全局最优解,粒子之间的合作方法既有竞争又有协作。这种算法有概念容易掌握、程序容易实现、全局搜索能力强等特征。本文采用粒子群算法进行PID控制器的参数优化,在MATLAB环境下进行算法编译并在SIMULINK中搭建框图进行仿真,同时使用单纯形法对同一个被控对象的PID控制器参数进行优化,对两种算法的优化性能进行了分析比较,发现粒子群优化算法不仅程序编写容易实现,优化速度快,而且优化效果比单纯行法的优化效果优越一些。
简介:针对基坑监测数据存在非平稳、非线性等问题,本文采用了一种基于集合经验模态分解 ( EEMD ) 、粒子群 ( PSO ) 和支持向量机( SVM )预测模型。该模型利用 EEMD 将原始的基坑监测数据分解为代表发展趋势的趋势分量和一些平稳的波动分量,进而利用粒子群算法优化的支持向量机对各分量进行建模预测,最后对各预测分量进行叠加重构得到最终的预测结果。实验结果表明:相较与传统 的 SVM 、 PSO-SVM 预测模型, EEMD-PSO-SVM 预测模型能有效提高基坑变形的预测精度。