简介：摘要： 针对目前在工业控制中，被控系统往往是多变量、非线性、强耦合的时变系统。多变量系统的回路之间存在耦合，为了得到满意的控制效果，必须对多变量系统实行解耦控制。本文通过增加动量项的方法提高网络学习效率，同时引入粒子群算法（PSO）来训练神经网络PID控制器的参数，并针对多变量控制系统开展仿真验证，取得了满意的控制效果。

简介：摘要：智能建筑综合能源系统采用先进的传感器采集光照强度、风向等信号，通过单片机进行处理并控制风机和太阳能板实现了对最大光照强度和最佳迎风角的主动选择，有效提高了发电效率，当遇到恶劣天气时，装置将主动调节姿态进行自我保护。由于能源间存在的耦合关系和能量配比，采用POS粒子群算法及MATLAB进行仿真，实现能源的最优配置方案。

简介：变异函数是克里金法中反映区域化变量空间变化特征的有效数学模型,但传统克里金方法中变异函数理论模型的选择和实验变异函数参数的设定具有一定的主观性.引入粒子群算法,对Kriging实验变异函数参数进行优化,提出了PSO-Kriging算法并结合实例进行三维建模.实验结果表明：PSO-Kriging算法与传统Kriging方法相比,误差降低29.14%,三维地质模型精度更高.

简介：针对分割图像目标是无法提取目标的真实边缘且实时性不佳,引入混沌系统改进的PSO（简化粒子群算法）提取出的目标边缘作为Snake模型分割的起始位置,优化能量函数后分割出精准目标.实验表明：对图像目标进行分割的时间减少且精准度也提高了。

简介：矩阵特征问题是数值计算的一个重要组成部分,也是当前迅速发展的计算机科学和数值代数中一个活跃的研究课题.矩阵特征问题不仅可以直接解决数学中诸如非线性规划、常微分方程以及其他各类数学计算问题,而且在结构力学、工程设计、计算物理和量子力学中都发挥着重要的作用。在科学与工程计算中,求解矩阵特征值也是最普遍的问题之一。如动力系统和结构系统中的振动问题、电力系统的静态稳定分析上、工程设计中的某些临界值的确定等都可归结为求解矩阵特征值问题。仿真实验结果表明,该方法求解精度高、收敛速度快,能够在10代左右收敛,可以有效获得任意矩阵的特征值。

简介：摘要：为准确预测煤层底板突水量，提出了一种基于PSO -SVR(粒子群算法以优化支持向量回归机算法)的煤层底板突水量的预测模型。针对矿井底板突水这种非线性、小样本问题，通过改变粒子群算法的惯性权重因子定义以及引入混沌映射思想的方式，避免算法陷入局部最优值，强化全局搜索。将水压、含水层、隔水层厚度、底板破坏深度以及断层落差作为影响煤层底板突水量的特征因素，将该预测模型算法与 SVR预测模型算法进行比较。仿真结果表明:该预测模型算法的预测值更接近实际值，具有一定实际应用价值。

简介：对造纸厂的用电负荷进行预测有利于对生产调度进行合理安排,从而降低能耗。本课题提出了一种粒子群优化算法(PSO)和最小二乘支持向量机(LSSVM)相结合(PSO-LSSVM)的短期电力负荷预测方法,该方法可对造纸厂未来每30min的电力负荷进行预测。结果表明,采用PSO-LSSVM算法对短期电力负荷进行预测时,预测结果的相对百分误差绝对值的平均值约为0.75%,精度高于其他行业的电力负荷预测值,模型具有良好的可行性和有效性。

简介：利用GNSS载波相位差分技术进行高精度姿态测量时,整周模糊度快速求解是制约测姿性能的核心问题,为改进测姿数据处理中计算效率和精度上的矛盾,提出了一种基于粒子群优化模糊度搜索的GNSS实时测姿算法。新算法应用于整周模糊度搜索,可实现性好,能免除模糊度去相关处理步骤,改善收敛速度慢和陷入局部最优解的问题,提高算法的自适应能力。通过实测实验分析,结果表明:新算法性能稳定效率高,在动态条件下相比基于遗传算法模糊度搜索的测姿算法,对模糊度固定解的成功率提高了约17%,实时性也得以提升,工程应用前景较好。

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：偏振模色散（PMD）已经成为高速光纤通信系统发展的严重障碍。我们将粒子群优化（ParticleSwarmOptimization—PSO）算法作为偏振模色散自适应补偿中的反馈控制算法，对光链路中的PMD信号进行收索跟踪，并控制偏振控制器（PolarizationController—PC），成功的实现了对二阶PMD的自适应补偿。实验结果表明，粒子群优化算法能够避免陷入局部极值而快速的搜索全局最佳值，同时它还具有很强的抗链路噪声的能力，补偿效果良好。

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：在介绍置换蒸煮工艺流程的基础上，对置换蒸煮控制系统的控制要点和难点进行了分析。针对蒸煮过程中蒸煮立锅顶部药液温度和底部药液温度的差值的控制问题，设计了一种基于PSO（粒子群优化）算法优化PID控制器参数的温度-流量串级控制策略。MATLAB／Simulink仿真结果表明，该控制方案具有算法简单、搜索能力快、效率高等优点，能够有效地解决PID参数优化问题；实际应用结果表明，该方案非常有效。

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：利用最小二乘支持向量机（LSSVM）建立土体残余强度模型,以液限、塑性指数、粘粒含量和偏差等为输入变量,通过改变输入变量的结构建立2个LSSVM模型,并采用粒子群优化（PSO）算法设定模型参数,分别预测残余摩擦角值,并与实验值、人工神经网络（ANN）模型作比较,得出LSSVM模型具有较好的效果,另外对LSSVM的输入变量进行敏感性分析,得出偏差对模型的影响最大,印证文献中结论并说明模型的合理性。

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：

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。