粒子群優(yōu)化算法的集成電路無網(wǎng)格布線

本文介紹了方形網(wǎng)格布線法的特點(diǎn)、使用條件和步驟與計算方法。

針對霍夫變換進(jìn)行圓檢測時計算量大、耗時長等問題,提出了一種基于改進(jìn)型粒子群的圓檢測算法。該算法先對拍攝圖像進(jìn)行邊緣檢測獲取邊緣圖像后,再從邊緣點(diǎn)中隨機(jī)選取1點(diǎn)作為初始粒子位置,通過設(shè)置最大算法迭代次數(shù)與閾值來克服粒子群算法陷入局部最優(yōu)問題。以每個粒子作為一個候選圓心,采用優(yōu)化策略,以粒子運(yùn)動、融合更新等操作完成圓的檢測。

電阻抗成像的實際應(yīng)用具有許多優(yōu)越性,但電阻抗圖像重建是一個嚴(yán)重病態(tài)的非線性逆問題。目前電阻抗成像的靜態(tài)算法大多采用newton-raphson類算法,這類算法需要計算jacobian矩陣、使用正則化技術(shù)等,算法復(fù)雜且穩(wěn)定性較差。針對該問題,采用了一種新的求解逆問題的方法:粒子群優(yōu)化算法(pso)。pso是一種基于種群搜索策略的自適應(yīng)隨機(jī)算法,具有算法簡單、調(diào)節(jié)參數(shù)少、收斂速度快、易于實現(xiàn)等特點(diǎn)。給出了電阻抗成像的建模模型,并對粒子群優(yōu)化算法做了適當(dāng)?shù)母倪M(jìn)以適應(yīng)電阻抗問題的求解。與牛頓類算法相比,它可以省去繁復(fù)的雅可比矩陣計算過程,而采用自適應(yīng)搜索來求取最優(yōu)解。仿真結(jié)果表明,應(yīng)用pso進(jìn)行圖像重構(gòu)時,能夠?qū)ν蛔儏^(qū)域進(jìn)行準(zhǔn)確的定位,圖像分辨率較高。

針對逆變控制系統(tǒng)中pid控制器參數(shù)整定困難的問題,提出了基于粒子群算法的逆變電路pid控制器設(shè)計方法。通過推導(dǎo)逆變電路模型得到逆變電路傳遞函數(shù),以該傳遞函數(shù)作為pid控制對象,利用粒子群算法搜索pid參數(shù)。matlab仿真結(jié)果證明了該方法的可行性和優(yōu)越性。與采用遺傳算法相比較,該粒子群算法能更快的獲得合適的pid控制參數(shù),所需迭代次數(shù)更少。

在無功優(yōu)化、分布式電源(dg)有功優(yōu)化和網(wǎng)絡(luò)重構(gòu)協(xié)同的條件下,以有功網(wǎng)損最小為目標(biāo)函數(shù)、多種電氣限制和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為約束條件建立了配電網(wǎng)綜合運(yùn)行優(yōu)化模型;針對基本粒子群算法容易陷入局部最優(yōu)、收斂速度慢等缺點(diǎn),提出一種改進(jìn)的粒子群(ipso)算法,并將其用于求解配電網(wǎng)綜合運(yùn)行優(yōu)化模型.結(jié)果表明,所建配電網(wǎng)綜合運(yùn)行優(yōu)化模型能夠同時優(yōu)化補(bǔ)償電容器投切容量、有載調(diào)壓變壓器變比、dg出力和網(wǎng)絡(luò)開關(guān)狀態(tài),從而獲得配電網(wǎng)的最佳運(yùn)行狀態(tài).同時,通過ieee33節(jié)點(diǎn)配電網(wǎng)算例的仿真結(jié)果驗證了配電網(wǎng)綜合運(yùn)行優(yōu)化模型的有效性和ipso算法的高效性.

提出了一種將粒子群優(yōu)化算法(pso)訓(xùn)練神經(jīng)網(wǎng)絡(luò)用于配電網(wǎng)線損計算的方法。該方法使用由pso訓(xùn)練的bp模型來擬合影響線損的特征參數(shù)與線損之間的復(fù)雜關(guān)系。實例計算表明,與bp算法及bp與ga結(jié)合算法比較,該方法在提高誤差精度的同時可以加快訓(xùn)練收斂的速度。

盾構(gòu)掘進(jìn)優(yōu)化能夠提高施工的穩(wěn)定性,確保施工效率和施工質(zhì)量,因此,將改進(jìn)粒子群算法應(yīng)用于盾構(gòu)掘進(jìn)施工優(yōu)化中.文章分析了盾構(gòu)掘進(jìn)施工參數(shù)對施工質(zhì)量的影響,并設(shè)計了施工優(yōu)化的數(shù)學(xué)模型;研究了改進(jìn)粒子群算法,提出了慣性權(quán)重的調(diào)節(jié)算法和設(shè)計盾構(gòu)掘進(jìn)施工優(yōu)化的算法流程;最后進(jìn)行了盾構(gòu)掘進(jìn)施工優(yōu)化的仿真分析.結(jié)果表明:該算法能夠有效地控制盾構(gòu)掘進(jìn)施工的沉降量,從而確保了盾構(gòu)掘進(jìn)施工質(zhì)量.

傳統(tǒng)的檢修優(yōu)化模型中,設(shè)備的檢修狀態(tài)變量采用0、1二元變量表示,無法用粒子群優(yōu)化算法(pso)求解。提出了一種新的輸變電設(shè)備檢修優(yōu)化模型。該模型用整數(shù)表示檢修狀態(tài)變量,使得檢修約束得以簡化,有利于pso的求解。仿真結(jié)果表明,與遺傳算法(ga)相比,在該模型下pso收斂速度更快,獲得更優(yōu)的解。

網(wǎng)格布(mesh)知識及應(yīng)用

為了確保電力系統(tǒng)建模的精確性和安全穩(wěn)定分析的可靠性,進(jìn)行輸電線路參數(shù)辨識測試是1項重要的工作。粒子群算法是近幾年來迅速發(fā)展起來并得到廣泛應(yīng)用的1種新型模擬進(jìn)化優(yōu)化算法。在簡要介紹粒子群算法的基礎(chǔ)上,將其應(yīng)用于輸電線路的參數(shù)辨識,并給出了參數(shù)辨識過程的理論分析,算例表明該算法具有可行性和有效性,對電力系統(tǒng)的發(fā)展有一定意義。

為降低變電站工頻電場曝露水平,避免工作人員長期曝露其中可能造成的健康威脅,通過優(yōu)化電站設(shè)備布局來降低一次設(shè)備周圍近地面空間電場強(qiáng)度。建立220kv戶外配電設(shè)備3維幾何模型,采用軟件仿真計算出220kv戶外配電區(qū)電場分布,并將電場強(qiáng)度高于限值的設(shè)備區(qū)作為待優(yōu)化區(qū)域。提出適用于變電站電場優(yōu)化問題的粒子群優(yōu)化算法的適應(yīng)度函數(shù)和限制條件。以降低設(shè)備區(qū)外部電場分布作為優(yōu)化目標(biāo),對其進(jìn)行整體優(yōu)化計算,在此基礎(chǔ)上,以降低設(shè)備區(qū)內(nèi)部高場強(qiáng)分布作為優(yōu)化目標(biāo)對相關(guān)設(shè)備位置進(jìn)行微調(diào)。最后將計算所得最優(yōu)電場分布與原電場分布進(jìn)行對比,整體優(yōu)化后的適應(yīng)度函數(shù)值減小了83.4%,局部優(yōu)化后適應(yīng)度函數(shù)值再次減小了29.1%。優(yōu)化結(jié)果表明,利用粒子群算法對設(shè)備排布重新優(yōu)化,可以在不增加建設(shè)成本的前提下降低目前變電站工頻電場曝露水平。

首次將量子粒子群優(yōu)化算法用于水電系統(tǒng)經(jīng)濟(jì)運(yùn)行研究中。該算法是量子理論與粒子群算法的融合,在粒子編碼過程中引入了量子的態(tài)矢量表達(dá),并將量子比特的概率幅表示應(yīng)用于粒子的編碼,使得粒子可以表達(dá)為多個態(tài)的疊加;在粒子更新操作過程中,利用量子邏輯門實現(xiàn)了粒子的演化,具有比常規(guī)粒子群算法更好的目標(biāo)優(yōu)化性能。仿真結(jié)果證實該算法可有效解決水電機(jī)組經(jīng)濟(jì)運(yùn)行問題。性能對比顯示,該算法求得的解優(yōu)于常規(guī)粒子群算法及其它優(yōu)化算法所求得的解。

文章綜合考慮了變電站規(guī)劃的經(jīng)濟(jì)性和安全性,提出了一種基于粒子群算法(pso)和遺傳算法(ga)相混合的變電站優(yōu)化規(guī)劃算法。該算法運(yùn)用繁殖因子動態(tài)劃分子種群、最佳保持策略和ps0算子等思想,并通過實例進(jìn)行編程計算,結(jié)果表明該算法比遺傳算法或粒子群算法求得的解更優(yōu)。

電梯混合能源控制優(yōu)化是對電梯、太陽能、蓄電池、超級電容等設(shè)備間的能量交換進(jìn)行控制優(yōu)化。根據(jù)電梯系統(tǒng)的特點(diǎn)，在滿足電梯所需能量的前提下，以電網(wǎng)所需的耗電量最小為優(yōu)化指標(biāo)，建立電梯的混合能源優(yōu)化目標(biāo)函數(shù)。其中目標(biāo)優(yōu)化函數(shù)中的變量如0－1等非連續(xù)的開關(guān)變量，其混合能源管理優(yōu)化過程是非線性變參數(shù)優(yōu)化問題，難以用普通的解析方法進(jìn)行計算。采用混沌粒子群算法的智能求解策略，通過對某電梯的仿真，驗證了模型和算法的有效性。

針對傳統(tǒng)的電力電子電路參數(shù)辨識僅對部分器件進(jìn)行辨識,未辨識到所有器件特征參數(shù)值,無法準(zhǔn)確判斷電路當(dāng)前狀態(tài)的問題,建立了基于電感電流與輸出電壓的電路混雜系統(tǒng)模型,使用粒子群優(yōu)化算法將參數(shù)辨識問題轉(zhuǎn)化為目標(biāo)函數(shù)優(yōu)化問題,求解得到電路中所有關(guān)鍵元器件的特征參數(shù)值,以更好地表征電路的健康狀態(tài)。仿真實驗結(jié)果表明該方法的辨識精度達(dá)到98%以上,有較好的辨識效果。

由于電梯本身所具有的多目標(biāo)性、不確定性和非線性,使得在電梯群調(diào)度控制方面容易出現(xiàn)候梯時間較長、能量消耗較大等問題。為了減輕這些問題對電梯群控制的影響,提出了一種基于改進(jìn)粒子群算法的電梯群控方案。仿真結(jié)果表明:以權(quán)值優(yōu)化改進(jìn)粒子群算法加快了控制過程的收斂速度,使得平均到達(dá)時間、平均擁擠度、電梯的啟停次數(shù)都有了很大的改善,滿足了智能大廈電梯群控系統(tǒng)的需要。

在建立光伏電站穩(wěn)態(tài)運(yùn)行模型的基礎(chǔ)上,提出以并網(wǎng)點(diǎn)電壓偏差最小,光伏發(fā)電單元出口電壓平均偏差最小,以及損耗最小的多目標(biāo)無功優(yōu)化模型,并采用免疫粒子群算法求解.最后通過仿真算例和實驗平臺驗證算法的正確性和有效性.

在建筑能耗監(jiān)測中,由于部分建筑的配電支路末端包含多種設(shè)備,分項能耗數(shù)據(jù)無法直接計量獲取。為此,在數(shù)據(jù)協(xié)調(diào)理論的基礎(chǔ)上建立建筑能耗拆分模型;采用內(nèi)點(diǎn)懲罰函數(shù)法將約束優(yōu)化問題轉(zhuǎn)化為無約束問題,并通過粒子群(pso)優(yōu)化算法對拆分模型進(jìn)行求解。實例研究表明,pso優(yōu)化所得的分項逐時電耗相對誤差分別為9.60%和4.84%,能反映分項電耗數(shù)據(jù)的逐時局部特征,可用于建筑電耗的實時在線拆分。

介紹了網(wǎng)格布點(diǎn)法測量平板平面度的方法和微機(jī)主程序框圖。

濟(jì)鋼的氧氣系統(tǒng)一直存在著供需不平衡的問題,導(dǎo)致氧氣放散率高,影響經(jīng)濟(jì)效益。通過對氧氣系統(tǒng)的生產(chǎn)、存儲和使用等環(huán)節(jié)進(jìn)行綜合分析,以氧氣放散率最低,經(jīng)濟(jì)效益最大為目標(biāo)函數(shù),建立氧氣系統(tǒng)優(yōu)化調(diào)度的模型,并利用改進(jìn)的粒子群算法求得最優(yōu)解,取得了良好的效果。

為了提高接地網(wǎng)腐蝕故障診斷的精度和效率,提出基于混沌粒子群算法的分塊診斷方法;根據(jù)節(jié)點(diǎn)撕裂法將接地網(wǎng)分成若干個子網(wǎng)絡(luò)和自由支路,建立分塊多目標(biāo)優(yōu)化模型,并采用混沌粒子群優(yōu)化算法對診斷模型進(jìn)行求解;利用matlab對算例進(jìn)行仿真計算得到的診斷結(jié)果與實際故障倍數(shù)差都在±0.5之間,能夠有效地判斷出接地網(wǎng)腐蝕故障的情況,是一種可行的牽引變電所接地網(wǎng)腐蝕故障診斷方法。

如何辨別網(wǎng)格布的好壞 1.最差的玻纖網(wǎng)格布價格非常便宜，折兩下就斷裂，生產(chǎn)工 藝為陶土坩堝拉絲，玻纖纖維通常是由一些啤酒瓶類的廢玻璃制成。屬 國家禁止的生產(chǎn)工藝外表涂層也非耐堿乳液。從直觀上看：做工比較粗 糙，一般在市場倫娟賣較多，經(jīng)常出現(xiàn)長度缺乏，容易移位，并且容易 刺傷皮膚。此類網(wǎng)格布使用在保溫質(zhì)量不足。接點(diǎn)不牢層中一般在兩個 月后就失去它的強(qiáng)度，如果把沙漿敲掉將網(wǎng)格布取出，只要輕輕一碾， 玻纖紗就會成粉末狀。 2.另外有一種叫做仿鉑金玻纖網(wǎng)格布。但有時比較難判斷真 偽，它的質(zhì)量卻無論如何都滿做足不了外墻外保溫中從外表上具有真正 耐堿網(wǎng)格布要求。纖維直徑相對比較細(xì)，玻璃的選用上通板碎玻璃，也 叫混絲紗。這是一種仿造的經(jīng)常是一些透明度好的平玻璃纖維。 3.規(guī)范型品質(zhì)好的網(wǎng)格布在材料的選用上有良好的耐堿性 能。優(yōu)點(diǎn)是所有的耐堿性能與很高的經(jīng)緯向抗拉力，護(hù)欄網(wǎng)均采用