搜索结果: 1-15 共查到“工学 PSO”相关记录136条 . 查询时间(0.046 秒)
红花是重要的特色经济作物之一，结有多簇体积小、数量多、紧凑密集的红花丝。在红花采摘机器人红花采摘过程中，花丝为机器人提供红花生长状况的重要信息。而花丝分割结果是视觉相机实时感知采摘点并精准定位的关键。然而，在复杂环境中花丝分割结果的质量往往受到噪声、光照强度的变化、红花整体尺度和植物阴影等因素的影响。同样，采摘部位颜色与果球或叶片相似，难以准确地进行精确识别和定位。因此，研究红花采摘机器人利用机器...
解决微网中新能源出力的随机性与波动性是微电网优化运行的前提和关键,为此,提出一种快速非支配排序遗传算法NSGA-II（non-dominated sorting genetic algorithm）和基本粒子群优化算法PSO（particle swarm optimization）相结合的NSGA-II-PSO算法,考虑将经济运行成本和环境污染成本作为优化的目标函数,建立常见发电单元以及蓄电池储能...
为避免锅炉燃烧系统智能算法建模中特征变量维度过大造成的模型复杂以及过拟合问题,基于PCA提取主成分,利用PSO算法优化模型参数,建立了PCA-PSO-LSSVM锅炉效率预测模型。研究结果表明:PCA-PSO-LSSVM模型的预测精度更高,泛化能力更强,其中误差最大的锅炉效率模型测试集数据的平均相对误差仅0.002 49%,均方误差为0.004 51;未经过PCA提取主成分的PSO-LSSVM模型测...
针对具有大规模、多约束、非线性特点的要地末端防御兵力优化部署问题，建立了基于火力覆盖能力的末端防御兵力优化部署模型，并提出了一种基于粒子群与遗传算法的模型求解方法，该方法克服了进化算法的随机性，加快了搜索速度，有效防止算法的早熟收敛。仿真实验证实了构造的混合算法能够有效对模型求解，为科学制定要地末端防御优化部署方案提供作战建议。
基于改进PSO的多UAV协同任务分配研究
多无人飞行器 粒子群算法 协同任务分配
2020/4/10
基于任务分配收益和任务分配代价，考虑UAV总飞行时间代价、最大任务时间、负载均衡值等因素，建立多UAV协同任务分配模型；设计了双层粒子群编码方法，将任务类型匹配信息作为启发信息，同时提出分组任务调整、飞行时间调整、任务交叉消解、时序先后调整等冲突消解处理策略，改进粒子群算法；最后进行了仿真实验。仿真结果表明，基于启发信息和冲突消解策略的改进PSO算法，提高了算法的收敛性和全局搜索能力，提升了任务分...
为优化混合制浆材中Klason木质素含量的近红外分析模型，收集了5种常见制浆材的82个原木样品，将样品粉碎预处理后在便捷式近红外光谱仪上采集其近红外光谱信号，对原始光谱数据进行多元散射校正（MSC）预处理，利用粒子群寻优（PSO）算法对最小二乘支持向量机（LSSVM）算法中的参数进行优化，然后利用最优参数建立混合制浆材Klason木质素的LSSVM定量分析模型。将结果与偏最小二乘（PLS）和主成分...
基于改进PSO优化BP神经网络的弹药储存可靠度预测
弹药储存 可靠度预测 BP神经网络 粒子群算法
2019/12/6
针对弹药储存环境与年限对可靠度的影响，建立基于样本量、温度、湿度、年限的弹药储存可靠度预测模型。结合粒子群算法的全局搜索能力和BP神经网络的局部搜索能力，采用全局粒子群算法优化BP神经网络权值和阈值，进行弹药储存可靠度预测。结果表明，基于改进粒子群算法的BP神经网络能够提高弹药储存可靠度预测的精度，加快收敛速度。
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30 min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...
基于CS-PSO算法的电池储能系统多目标优化运行策略
电池储能 多目标优化运行 层次分析法 纵横交叉粒子群优化算法
2019/1/18
为了充分发挥储能系统在智能配电网中的积极调节作用，提出了一种统一为成本量纲的电池储能系统多目标优化运行模型。该模型以一个完整调度周期的配电网购电成本、网络损耗费用及电压调节费用均最小为目标函数，以电池储能系统的充/放电功率为控制变量，并确保储能系统在整个调度周期的能量守恒及容量约束。再应用层次分析法计算各子目标权重，化多目标函数为单一综合目标函数。针对所提出的电池储能系统优化运行模型，提出一种改进...
目前混凝土毁伤效应中侵彻深度的预测对防护工程设计与建设有着重要的指导意义，传统的预测方法存在样本需求量大、预测误差大等问题。根据支持向量机原理，采用粒子群算法优化模型参数，提出了预测动能弹侵彻深度的粒子群-支持向量机方法，并编写了相应的计算程序，通过援引实测数据验证预测的准确性。结果表明:该方法对于小样本、非线性预测有较大优势，相比于传统的灰色理论预测，其预测相对误差较小(最大相对误差为3.18%...
基于PSO和SA多子群分层并行的智能分布式算法
混合算法 PSO算法 SA算法 智能分布式算法
2018/3/7
针对PSO算法全局收敛性差、搜索精度不高，SA算法收敛速度慢，求解时间随着问题规模的增大和复杂急剧增加的问题，提出一种PSO和SA多子群分层并行的智能分布式算法。算法底层是一个采用模拟退火策略搜索全局最优解的子群；上层是一系列粒子子群，采用粒子群优化算法搜索策略，贡献局部最优解。算法从种群个体的组织结构出发，将局部搜索和全局搜索分离，使得PSO算法和SA算法融为一体，解决了算法收敛速度快和全局收敛...
基于GA-PSO 混合优化的BPNN 车速预测方法
BP神经网络 遗传算法 粒子群算法
2018/2/5
BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题，提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径，构建基于BPNN的车速预测模型；将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合，通过逐次迭代取最优的方式确定 BPNN的最优初始权值和阈值，以此设计基于GA-PSO混合优化的BPNN车速预测...
基于PSO-LSSVM的森林地上生物量估测模型
森林地上生物量 粒子群算法 最小二乘支持向量机 估测模型
2016/12/22
为提高森林地上生物量估测精度，从建模因子和建模方法出发，提出了一种综合考虑影像纹理特征、地形特征、光谱特征的粒子群优化最小二乘支持向量机生物量估测方法。以松山自然保护区为研究区域，以资源三号遥感卫星数据为数据源，配合194块调查样地实测数据、森林资源二类调查数据、数字高程模型数据，通过分析46个特征变量与森林地上生物量间的Pearson相关性，进行特征变量优化提取，建立PSO-LSSVM模型并在M...
针对传统控制方法存在的问题，提出一种基于罚函数粒子群优化算法的μ 定结构控制器优化设计方法。 以直流电机模型为控制对象，针对经典定结构控制结构-PID 结构，应用罚函数粒子群算法设计满足μ 指标的控制器， 并通过实例将其与H∞-PID 控制器进行比较。结果表明，μ-PID 控制器的标称及鲁棒性能均优于H∞-PID 控制器。