收藏本站
《西南交通大学》 2013年 博士论文
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群优化算法及其工程应用研究

刘东  
【摘要】:粒子群优化(PSO)算法是一种基于种群的随机优化方法。与传统的优化方法相比,PSO算法具有结构简单、参数较少、易于实现以及全局寻优能力强等优点。然而,PSO算法的理论基础还不完善,存在早熟收敛、易陷入局部极值等问题,并且在应用于工程实际问题时存在很多值得改进和提高之处。 本文从PSO控制参数策略和实现框架上提出了几种不同的改进算法,并将改进的算法用于PID控制器参数整定以及阵列天线方向图综合。 粒子群优化算法是基于种群的群智能算法,种群的收敛特性直接关系到算法的寻优性能。通过分析粒子群优化算法的收敛特性,明确了控制参数策略以及算法平衡搜索能力与算法性能的关联,并进一步对粒子群优化算法进行了改进: (1)提出了基于聚集度反馈控制的粒子群优化算法,使得种群的聚集程度可控。这样在种群陷入局部最优情况下,算法可以重新使种群按一种可控的方式重新发散开,从而改善算法的全局寻优能力。 (2)搭建了一个继承学习的算法框架,将单个PSO优化进程纳入到这个框架中。在新的算法框架中,多个并行的PSO进程构成一个循环。上一个循环中各PSO进程结果中较好的一部分,以及随机生成一部分粒子位置,共同构成一个完整的种群位置来作为下一个循环各PSO进程的初始化种群位置。新算法在很大程度上改善了随机性对优化结果的影响,在多维复杂优化问题上具有良好的性能,而且具备很大的灵活性,可以很容易地将此算法框架应用到其他智能优化算法中。 在控制系统中,PID参数整定是一个经典的研究方向。如果将PID控制器的3个参数看做是待优化变量,用控制器响应评价函数作为适应值函数,就可以使用优化算法来处理PID参数整定。本文针对这个问题进行了相应研究: (1)建立了磁浮列车控制器参数的PSO优化模型,采用改进的PSO算法对磁浮控制器PID参数进行了优化,仿真结果和实验结果表明基于PSO算法的PID参数优化模型具有较好的可行性和适用性。 (2)在实际应用中,有时候无法得到被控对象的准确模型,也无从进行有效的PID参数整定,只能靠经验对PID控制器参数进行整定。为此,将PSO算法用于摊铺机控制系统的模型辨识,并在辨识基础上对摊铺机控制器参数进行了整定,取得了很好的效果。 阵列天线方向图综合是智能算法的一个重要应用领域,本文也针对这个问题进行了研究,主要包括连续变量的方向图综合以及离散变量的方向图综合,具体内容如下: (1)针对多目标方向图优化,提出了分阶段适应值函数策略。由于各个指标分阶段提高,使得各个阶段更容易平衡各个优化目标,不会导致某个优化目标已经满足收敛条件而另外的优化目标还差距很远。这样在解空间中,局部极值区域的深度更浅,有利于种群跳出局部极值点,实现全局收敛。在实际方向图优化中,可以分两次或者更多阶段将方向图指标逐步提高至设计指标。 (2)将停滞检测PSO算法和基于聚集度反馈控制PSO算法用于均匀间距直线阵的低旁瓣方向图综合中。实验表明两种改进算法能有效生成多零陷,抑制旁瓣电平值。 (3)将继承学习粒子群优化算法(ILPSO)用于不等距线阵天线低旁瓣方向图综合,仿真结果表明ILPSO可以使用较少的优化次数取得与国内外最新文献相当或更好的结果。 (4)针对阵列天线方向图综合中的离散优化问题,提出了基于实数PSO算法和粒子位置取整相结合的优化策略,有效地处理了4bit数字移相器阵列的方向图综合、稀疏直线阵列的方向图综合和不等距稀疏阵列方向图综合。仿真结果表明此策略可以有效地将实数PSO算法用于方向图综合中的离散优化问题,优化结果优于已有二进制粒子群优化算法和其他智能优化算法。为了有效处理带稀疏比例约束的大型稀疏平面阵列方向图综合,在前面算法基础上进一步加入了概率调整策略,结果优于其他离散粒子群优化算法。 最后,对本文的工作进行了总结,并提出了进一步研究工作的方向。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 冯林,张名举,贺明峰,戚正君;用改进的粒子群算法实现多模态刚性医学图像的配准[J];计算机辅助设计与图形学学报;2004年09期
2 卢冰原;古春生;谷峰;;基于粒子群优化的模糊交货期惩罚问题的研究[J];计算机工程与应用;2006年19期
3 吴延科;徐晨;李国;;基于粒子群统计规律的PSO算法[J];郑州大学学报(理学版);2006年04期
4 周国雄;吴敏;曹卫华;雷琪;;基于粒子群优化的集气管压力变结构模糊控制[J];信息与控制;2008年03期
5 袁成;蔡自兴;陈白帆;;粒子群优化的同时定位与建图方法[J];计算机工程;2009年11期
6 许相莉;张利彪;刘向东;于哲舟;周春光;;基于粒子群的图像检索相关反馈算法[J];电子学报;2010年08期
7 冯纪强;谢维信;徐晨;;T-S模糊粒子群优化建模及稳定性分析[J];电子学报;2011年05期
8 侯志荣,吕振肃;基于MATLAB的粒子群优化算法及其应用[J];计算机仿真;2003年10期
9 王岩,周春光,黄艳新,丰小月;基于最小不确定性神经网络的茶味觉信号识别[J];计算机研究与发展;2005年01期
10 刘淳安,何广平,雍龙泉;解多目标优化问题的新粒子群存档算法[J];陕西理工学院学报(自然科学版);2005年03期
11 佘远俊;张翠芳;鄢田云;;粒子群神经网络及其在非线性系统辨识中的应用[J];成都信息工程学院学报;2006年02期
12 高飞;童恒庆;;一类求解方程根的改进粒子群优化算法[J];武汉大学学报(理学版);2006年03期
13 方峻;唐普英;任诚;;一种基于加权有向拓扑的改进粒子群算法[J];计算机技术与发展;2006年08期
14 朱进军;段高燕;王秋国;张晓光;杨伯君;;使用PSO算法的二阶偏振模色散自适应补偿实验[J];光子技术;2006年03期
15 刘欢;旷虚波;肖根福;;基于粒子群算法的自整定PID控制器[J];电脑知识与技术(学术交流);2007年15期
16 孔力;程晶晶;宋胜利;苏日建;;基于改进粒子群优化技术的拜耳法物料平衡计算[J];华中科技大学学报(自然科学版);2008年01期
17 成伟明;唐振民;赵春霞;陈得宝;;利用改进粒子群求解TSP问题的一种新方法[J];中国工程科学;2008年07期
18 李木子;闫建华;;基于PSO的MWT求解[J];福建电脑;2009年02期
19 唐英干;黄娜;关新平;;基于二维Fisher线性鉴别分析和粒子群优化的红外图像分割(英文)[J];电子器件;2009年01期
20 吴瑶;罗雄麟;袁志宏;;多频率系统动态插值神经网络软测量建模[J];化工进展;2009年08期
中国重要会议论文全文数据库 前10条
1 赵建玉;贾磊;陈月辉;张勇;;基于粒子群优化的信号交叉口交通流预测模型[A];第二十六届中国控制会议论文集[C];2007年
2 王晓燕;王东风;韩璞;;一种分数阶系统的粒子群优化辨识方法[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年
3 范业坤;梁新荣;;基于粒子群优化的高速公路匝道PI控制器[A];第二十七届中国控制会议论文集[C];2008年
4 薛艳红;胡立坤;;基于粒子群优化的配电网静止同步补偿器PI控制器整定[A];中南六省(区)自动化学会第二十九届学术年会论文集[C];2011年
5 徐俊杰;忻展红;;粒子群优化在0/1背包问题中的应用[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
6 冯祎;李霞;;一种K最近邻分类的改进算法及应用[A];2011年全国通信安全学术会议论文集[C];2011年
7 赵秋玲;周雅莉;张奇志;;基于粒子群优化的结构振动分布式反馈控制[A];2005年中国智能自动化会议论文集[C];2005年
8 薛云灿;郑东亮;岳兴汉;杨启文;;混沌粒子群优化算法及其在水库优化调度中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
9 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年
10 张奇志;周亚丽;;移动机器人运动规划的粒子群优化算法[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年
中国博士学位论文全文数据库 前10条
1 窦全胜;求解优化问题的演化计算方法研究[D];吉林大学;2005年
2 刘丽;人工免疫网络研究及应用[D];江南大学;2008年
3 李磊;六自由度并联平台位置正解及控制方法研究[D];哈尔滨工程大学;2008年
4 马瑞新;基于粒子群的网络社区动态角色挖掘研究[D];大连理工大学;2012年
5 刘东;粒子群优化算法及其工程应用研究[D];西南交通大学;2013年
6 陈虹;分离流动的电磁力主动控制[D];华中科技大学;2011年
7 林川;粒子群优化与差分进化算法研究及其应用[D];西南交通大学;2009年
8 王纵虎;聚类分析优化关键技术研究[D];西安电子科技大学;2012年
9 韩晓霞;混沌与支持向量机结合的多相催化建模与优化研究[D];太原理工大学;2010年
10 刘阳;云计算中服务组合与选择技术研究[D];北京邮电大学;2013年
中国硕士学位论文全文数据库 前10条
1 雷烨;基于粒子群最小二乘支持向量机的故障诊断算法研究[D];兰州交通大学;2010年
2 马培培;基于粒子群的图像阈值化分割的研究及应用[D];合肥工业大学;2010年
3 姚杰;基于PSO混沌神经网络电力系统负荷预测[D];大庆石油学院;2009年
4 刘杨;粒子群优化算法在电力系统无功优化中的应用[D];天津大学;2005年
5 任晓娜;DNA计算中的编码设计优化算法[D];湖南大学;2010年
6 王琳;基于粒子群优化的数据流挖掘的聚类算法分析[D];长沙理工大学;2010年
7 李涛;基于SVM和PSO的非线性模型预测控制及应用研究[D];上海交通大学;2008年
8 孙巍;供热管网的建模分析及水力平衡调节[D];北京化工大学;2008年
9 李峰;大规模场景绘制中的纹理合成技术研究[D];哈尔滨理工大学;2008年
10 陈亚洲;基于粒子群优化的协同优化方法研究[D];华中科技大学;2007年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978