光伏容量的增加会导致系统出现小干扰稳定问题,广义短路比指标可反映多光伏馈入系统的小干扰稳定性。基于此,提出了在广义短路比约束条件下,多光伏馈入交流网络中任意节点的最大准入容量优化方法。首先,建立多光伏馈入系统的小干扰稳定性分析模型;其次,以未降阶拓展阻抗矩阵的形式表达广义短路比,考虑光伏接入网络中任意节点的情况,建立基于广义短路比约束的光伏最大准入容量优化模型,并采用改进的粒子群算法进行模型的求解。最后,通过仿真验证了该方法的正确性。

机载光电平台存在来自于摩擦、质量不平衡、运动耦合和机载环境等干扰, 传统的PID控制器控制性能差, 抗干扰能力弱。针对这一问题, 设计了一种动态性能好、鲁棒性强的分数阶控制器; 同时提出一种基于改进速度和惯性权重的粒子群算法整定分数阶控制器的5个参数。仿真实验表明: 改进后的粒子群算法拥有更快的收敛速度, 求解更加精确; 光电平台速度环控制系统超调量降低至0.13%, 正弦扰动隔离度较标准算法提高64.06%, 响应速度和鲁棒性大大提高。

为了实现空间物体三维重建，需要对相机参数进行标定，标定精度是其中关键问题。针对传统相机标定算法精度不高、收敛慢的问题，提出了一种基于动态调整和自适应变异相结合的改进粒子群优化相机参数算法。该算法以传统标定的结果为初始值，通过定义个体搜索能力来动态调整群体的惯性权重，避免了因惯性权重设置不合理对算法搜索能力的影响；并且根据粒子陷入局部最优的程度来自适应地调整最佳粒子的变异，从而提高算法的全局搜索能力。将所提相机参数标定算法与其他标定算法进行了比较，实验结果表明，所提算法具有优越性。

针对传统误差补偿方法用于防空雷达存在适应性和适用性差的问题, 构建了一种基于改进粒子群算法优化的BP神经网络, 能够更稳定、更精确地估计雷达误差, 并补偿雷达量测值, 从而更好地提高雷达的探测精度。首先, 引入收敛因子以及动态自适应调节惯性权重, 提高粒子群算法的全局寻优能力与收敛速度; 其次, 将改进的粒子群算法用于优化BP神经网络的初始权值和阈值, 提高BP神经网络的估计精度, 缩短训练时间。采用某雷达的实测数据进行仿真验证, 结果表明,补偿后的距离、方位角、俯仰角的精度和误差起伏性均有大幅改善, 与传统方法相比补偿效果更好, 工程应用性和推广应用性更强。

为了辨识压电陶瓷中的迟滞非线性, 该文提出一种改进的粒子群算法(PSO)对非对称Bouc-Wen模型进行参数优化。首先在归一化Bouc-Wen模型中引入非对称因子描述非对称特性, 解决该模型只适用于描述对称迟滞的问题。其次通过引入混沌映射、收缩因子和动态学习因子来对传统PSO进行改进, 动态改变粒子群的权重和学习因子, 有效地提高算法的搜索能力和收敛速度。最后通过改进的PSO对非对称Bouc-Wen模型进行参数辨识。结果表明, 改进的粒子群算法能较好地辨识Bouc-Wen模型参数, 验证了方法的有效性。

雷达利用携带的海杂波信息可以反演出海面蒸发波导参数。为了提高蒸发波导反演性能, 提出了一种改进的粒子群优化算法。当实测雷达海杂波功率与蒸发波导模型计算所得杂波功率之间建立的目标函数取最小值时, 可反演得到最接近实测蒸发波导剖面参数。根据这一思想, 在基本粒子群算法基础上通过对惯性权重和学习因子进行自适应调整, 引入自适应压缩因子来确保算法快速收敛, 并获得高精度的蒸发波导参数。算法仿真实验证明, 改进粒子群优化算法相比于基本粒子群算法具有较好的全局收敛性, 在处理较大规模数据时反演速度明显提高。

大型风电机组轮毂处的有效风速难以直接测量,传统的风速估计方法具有滞后性,而泰勒冻结湍流假设忽略了激光雷达测量点到轮毂处的风场结构变化,影响了测量数据的准确性。针对上述问题,利用自回归移动平均与外源输入(Armax)模型对风演变过程进行建模。采用粒子群优化算法来估计模型参数,并对常规粒子群算法的惯性权重进行改进以防止陷入局部最小值。为确保风电系统控制动作的实时性、快速性,根据所建立的模型对轮毂处有效风速提前一步预测。运用Fast和Matlab/Simulink软件,以平均风速为7 m/s、湍流强度为A类级别的风况为例进行联合仿真,仿真结果表明,所提方法具有较高的实时性和准确性,比传统的风速估计方法效果更佳。

针对压电微定位台固有的率相关迟滞非线性严重限制其微定位精度的问题, 研究了基于Backlash-Like的Hammerstein率相关迟滞非线性模型及其建模方法。以改进的Backlash-Like分段辨识模型描述压电微定位台的静态非线性特性, 结合ARX(Auto Regressive eXogenous)模型, 建立描述压电微定位台的率相关动态迟滞模型。同时, 针对传统的粒子群算法(Particle Swarm Optimization, PSO)进行模型参数辨识时易陷入局部最优的问题, 提出一种具有交叉变异策略的改进型粒子群算法进行模型的参数辨识。实验结果表明: 与传统的Backlash-Like模型相比, 改进的Backlash-Like分段辨识模型在输入电压为60 V, 频率为2 Hz的信号时, 模型辨识的最大误差由0.68 μm下降到了0.104 μm, 最大相对误差由2.69%下降为0.35%。当压电微定位台输入电压为60 V, 频率分别为30 Hz, 60 Hz和90 Hz的单频信号时, Hammerstein率相关迟滞模型较Backlash-Like分段辨识模型, 均方根误差由0.393 1~0.700 6 μm下降至0.054 1~0.190 4 μm, 相对误差由1.721%~3.087%下降至0.236%~0.831%。验证了基于改进Backlash-Like的Hammerstein率相关迟滞模型较传统的Backlash-Like静态迟滞模型能精确地描述压电微定位台的率相关动态迟滞特性, 具有较好的频率泛化能力, 提高了压电微定位平台的定位精度。

激光器系统中半导体激光器的功率输出稳定度和工作温度有很大的关系, 为了使大功率半导体激光器输出功率稳定, 需要对激光器实现高精度、快速温度控制。针对现有的激光系统中激光器温度控制系统存在控制精度不够高、控制速度慢等问题, 设计了一种温度稳定系统, 采用PT-100热电偶测量激光器温度, 并使用最小二乘法对温度数据进行拟合, 使得温度测量精度达到0.01 ℃; 使用改进粒子群算法优化(PSO)的PID控制器实现温度控制。仿真实验和实际测试表明, 所设计的温度稳定系统能够很好地控制激光器温度, 达到目标温度所需的调节时间小于11 s, 达到稳态后温度波动在±0.02 ℃内。与传统的温度控制方式相比, 所设计的系统能够实现参数自整定并自动调节温度, 对大功率激光系统中激光器温度具有良好稳定效果。