光伏阵列在局部阴影条件下P-U曲线会出现多个峰值,传统的粒子群优化PSO(particle swarm optimization)算法无法快速精确地搜寻到最大功率点。针对这种情况,本文提出1种基于混沌映射和高斯扰动的改进粒子群优化算法最大功率点跟踪MPPT(ma...光伏阵列在局部阴影条件下P-U曲线会出现多个峰值,传统的粒子群优化PSO(particle swarm optimization)算法无法快速精确地搜寻到最大功率点。针对这种情况,本文提出1种基于混沌映射和高斯扰动的改进粒子群优化算法最大功率点跟踪MPPT(maximum power point tracking)控制策略。首先引入混沌Sine映射构造1种非线性随机递增惯性权重,并在粒子群的“个体认知”部分引入高斯扰动,同时利用对数函数构造学习因子,形成基于混沌映射和高斯扰动的改进粒子群算法;通过对6种典型单峰、多峰函数的测试,证明该算法收敛速度更快,不易陷入局部最优;将算法应用于MPPT控制中,并进一步通过不同算法MPPT控制进行对比仿真研究。对比仿真结果表明:在均匀光照强度、局部静态遮荫和动态遮荫3种情况下,基于混沌映射和高斯扰动的改进粒子群优化算法MPPT控制策略均具有更快的收敛速度和更小的搜索振荡幅度,能准确地搜寻到最大功率点,具有更高的寻优精度,从而提高了MPPT系统的发电效率。展开更多
机器人和数控机床等高端机械用位置伺服系统的定位性能易受摩擦力矩等干扰的影响,对此提出了一种基于改进粒子群算法(particle swarm optimization algorithm with improved particle velocity and position update formula,IPSO-VP)的...机器人和数控机床等高端机械用位置伺服系统的定位性能易受摩擦力矩等干扰的影响,对此提出了一种基于改进粒子群算法(particle swarm optimization algorithm with improved particle velocity and position update formula,IPSO-VP)的伺服系统摩擦参数辨识及前馈补偿方法。首先,分析并建立基于Stribeck的摩擦模型,在传统粒子群算法(PSO)的基础上,提出了一种基于改进粒子群算法(IPSO-VP)的摩擦参数辨识方法,该方法采用一种新的基于粒子维度信息的位置和速度自适应更新策略,以及一种新的基于Logistic混沌非线性变化惯性权重对模型参数进行辨识;其次,基于辨识获得的摩擦力矩值,将其前馈补偿到伺服系统交轴电流上以补偿摩擦力矩。为了验证算法的有效性,搭建系统进行了测试,结果表明相较于基于传统粒子群算法(PSO)的参数辨识方法,采用基于改进粒子群算法(IPSO-VP)的系统,其参数的辨识精度和迭代收敛速度更高,从而提高了机器人和数控机床等用伺服系统的跟踪控制性能和鲁棒性。展开更多
文摘光伏阵列在局部阴影条件下P-U曲线会出现多个峰值,传统的粒子群优化PSO(particle swarm optimization)算法无法快速精确地搜寻到最大功率点。针对这种情况,本文提出1种基于混沌映射和高斯扰动的改进粒子群优化算法最大功率点跟踪MPPT(maximum power point tracking)控制策略。首先引入混沌Sine映射构造1种非线性随机递增惯性权重,并在粒子群的“个体认知”部分引入高斯扰动,同时利用对数函数构造学习因子,形成基于混沌映射和高斯扰动的改进粒子群算法;通过对6种典型单峰、多峰函数的测试,证明该算法收敛速度更快,不易陷入局部最优;将算法应用于MPPT控制中,并进一步通过不同算法MPPT控制进行对比仿真研究。对比仿真结果表明:在均匀光照强度、局部静态遮荫和动态遮荫3种情况下,基于混沌映射和高斯扰动的改进粒子群优化算法MPPT控制策略均具有更快的收敛速度和更小的搜索振荡幅度,能准确地搜寻到最大功率点,具有更高的寻优精度,从而提高了MPPT系统的发电效率。
文摘为解决焊接缺陷图像分割的结果出现失真、分割效果差的问题,以轮辋生产过程中的裂纹和气孔焊接缺陷图像为研究对象,提出了一种基于模拟退火(simulated annealing,SA)策略改进粒子群算法(improved particle swarm optimization,IPSO)的焊接缺陷三阈值图像分割方法。首先通过灰度值、平均灰度值和中值灰度值建立图像的三维最大类间方差(Otsu)模型;其次引入自适应惯性权重和非对称学习因子并融入SA策略增强算法求解效率和跳出局部最优的能力;最后利用SA-IPSO算法优化三维Otsu模型求解得到最佳阈值对应的缺陷分割图像。采用不同算法和模型对焊接缺陷图像进行分割,结果表明:对于裂纹和气孔焊接缺陷图像,本文算法在峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity,SSIM)评价指标上均优于对比算法,在加快算法收敛的同时避免分割结果失真,提高了分割精度。
文摘机器人和数控机床等高端机械用位置伺服系统的定位性能易受摩擦力矩等干扰的影响,对此提出了一种基于改进粒子群算法(particle swarm optimization algorithm with improved particle velocity and position update formula,IPSO-VP)的伺服系统摩擦参数辨识及前馈补偿方法。首先,分析并建立基于Stribeck的摩擦模型,在传统粒子群算法(PSO)的基础上,提出了一种基于改进粒子群算法(IPSO-VP)的摩擦参数辨识方法,该方法采用一种新的基于粒子维度信息的位置和速度自适应更新策略,以及一种新的基于Logistic混沌非线性变化惯性权重对模型参数进行辨识;其次,基于辨识获得的摩擦力矩值,将其前馈补偿到伺服系统交轴电流上以补偿摩擦力矩。为了验证算法的有效性,搭建系统进行了测试,结果表明相较于基于传统粒子群算法(PSO)的参数辨识方法,采用基于改进粒子群算法(IPSO-VP)的系统,其参数的辨识精度和迭代收敛速度更高,从而提高了机器人和数控机床等用伺服系统的跟踪控制性能和鲁棒性。
