排序方式: 共有98条查询结果,搜索用时 31 毫秒
41.
42.
基于PSO算法的自动驾驶仪控制参数设计 总被引:1,自引:0,他引:1
针对自动驾驶仪控制器参数设计问题,提出一种基于PSO算法的导弹自动驾驶仪参数整定方法并对该方法所整定的控制器参数进行仿真验证.该方法在自动驾驶仪俯仰通道Simulink建模基础上,定义一个包含系统时域指标和频域指标项的适应度函数,根据控制系统对快速性和稳定性的要求,对各项指标进行适当加权,采用PSO算法对自动驾驶仪进行优化设计,实现了自动驾驶仪的控制参数整定.应用本算法对大量特征点的优化设计,均取得了良好的线性化设计结果,并对其进行了仿真验证,亦能满足仿真要求.仿真实验表明了该算法用于控制参数优化的有效性和优越性,有一定工程应用价值. 相似文献
43.
44.
45.
Stochastic structural optimization using particle swarm optimization, surrogate models and Bayesian statistics 总被引:4,自引:4,他引:0
This paper focuses on a method to solve structural optimization problems using particle swarm optimization (PSO), surrogate models and Bayesian statistics. PSO is a random/stochastic search algorithm designed to find the global optimum. However, PSO needs many evaluations compared to gradient-based optimization. This means PSO increases the analysis costs of structural optimization. One of the methods to reduce computing costs in stochastic optimization is to use approximation techniques. In this work, surrogate models are used, including the response surface method (RSM) and Kriging. When surrogate models are used, there are some errors between exact values and approximated values. These errors decrease the reliability of the optimum values and discard the realistic approximation of using surrogate models. In this paper, Bayesian statistics is used to obtain more reliable results. To verify and confirm the efficiency of the proposed method using surrogate models and Bayesian statistics for stochastic structural optimization, two numerical examples are optimized, and the optimization of a hub sleeve is demonstrated as a practical problem. 相似文献
46.
针对机栽红外图像中运动弱小点目标检测的难题,提出了一种基于PSO-GA训练参数的形态学滤波器.以粒子群优化算法(Particle Swarm Optimization,PSO)为主线,按PSO算法中标准的速度和位置更新,遗传算法(Genetic Algorithm,GA)采用新的区间离散化编码和自适应的主次式交叉与变异算子,将遗传算法与粒子群优化算法的自动更新特征结合在一起,通过优化搜索全局空间获得形态学滤波器的最优参数,进而确保优化的形态学滤波器具有良好的滤波性及时效性.通过对低信噪比红外图像(SNR约为2)的测试,检测概率可以达到98%以上,与利用神经网络(Neural Network,NN)训练结构元素后的Top-Hat形态学滤波器相比提高了2% ~3%.与GA算法相对,训练算法效能提高20%,提高了搜索最佳值的能力. 相似文献
47.
传感器优化配置是航空航天设备PHM系统功能得以有效实现的基础和保证。针对目前传感器配置研究中未考虑传感器实际属性的问题,建立了考虑传感器故障检测能力的PHM系统传感器优化配置模型。首先分析了系统故障-传感器相关性矩阵的含义,将传感器的故障检测能力和相关性矩阵相结合,以概率形式描述了传感器对故障的检测性能。在此基础上根据系统的测试性指标要求建立传感器优化配置模型,并采用混沌二进制粒子群优化算法求解。仿真实例结果表明,本文建立的优化模型更加符合实际情况,配置结果更加准确和可靠。 相似文献
48.
针对导航卫星短期钟差预报精度和稳定度不高的问题,提出了一种基于改进粒子群优化(PSO)最小二乘支持向量机(LS-SVM)的卫星钟差预报方法。通过引进自适应改变的惯性权重和学习因子来提高粒子群算法的寻优能力,并将其应用到LS-SVM的参数优化中,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取国际GPS服务组织(IGS)产品中四颗典型卫星的钟差数据,分别采用LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明:LS-SVM模型的预报精度优于其它两种模型,为导航卫星短期高精度钟差预报提供了新的思路。 相似文献
49.
介绍了应用粒子群优化算法求解资源约束项目调度问题的实现方法。建立了资源约束项目调度问题的数学模型,提出了确定资源约束项目调度问题解空间的办法。采用不同的策略处理前后约束和资源约束。编制了粒子群优化通用程序并对典型项目实例进行了优化,优化结果验证粒子群优化算法求解资源约束项目调度问题的有效性。 相似文献
50.