本文介紹了方形網格布線法的特點、使用條件和步驟與計算方法。

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

電阻抗成像的實際應用具有許多優越性,但電阻抗圖像重建是一個嚴重病態的非線性逆問題。目前電阻抗成像的靜態算法大多采用newton-raphson類算法,這類算法需要計算jacobian矩陣、使用正則化技術等,算法復雜且穩定性較差。針對該問題,采用了一種新的求解逆問題的方法:粒子群優化算法(pso)。pso是一種基于種群搜索策略的自適應隨機算法,具有算法簡單、調節參數少、收斂速度快、易于實現等特點。給出了電阻抗成像的建模模型,并對粒子群優化算法做了適當的改進以適應電阻抗問題的求解。與牛頓類算法相比,它可以省去繁復的雅可比矩陣計算過程,而采用自適應搜索來求取最優解。仿真結果表明,應用pso進行圖像重構時,能夠對突變區域進行準確的定位,圖像分辨率較高。

針對逆變控制系統中pid控制器參數整定困難的問題,提出了基于粒子群算法的逆變電路pid控制器設計方法。通過推導逆變電路模型得到逆變電路傳遞函數,以該傳遞函數作為pid控制對象,利用粒子群算法搜索pid參數。matlab仿真結果證明了該方法的可行性和優越性。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,所需迭代次數更少。

在無功優化、分布式電源(dg)有功優化和網絡重構協同的條件下,以有功網損最小為目標函數、多種電氣限制和網絡拓撲結構為約束條件建立了配電網綜合運行優化模型;針對基本粒子群算法容易陷入局部最優、收斂速度慢等缺點,提出一種改進的粒子群(ipso)算法,并將其用于求解配電網綜合運行優化模型.結果表明,所建配電網綜合運行優化模型能夠同時優化補償電容器投切容量、有載調壓變壓器變比、dg出力和網絡開關狀態,從而獲得配電網的最佳運行狀態.同時,通過ieee33節點配電網算例的仿真結果驗證了配電網綜合運行優化模型的有效性和ipso算法的高效性.

提出了一種將粒子群優化算法(pso)訓練神經網絡用于配電網線損計算的方法。該方法使用由pso訓練的bp模型來擬合影響線損的特征參數與線損之間的復雜關系。實例計算表明,與bp算法及bp與ga結合算法比較,該方法在提高誤差精度的同時可以加快訓練收斂的速度。

盾構掘進優化能夠提高施工的穩定性,確保施工效率和施工質量,因此,將改進粒子群算法應用于盾構掘進施工優化中.文章分析了盾構掘進施工參數對施工質量的影響,并設計了施工優化的數學模型;研究了改進粒子群算法,提出了慣性權重的調節算法和設計盾構掘進施工優化的算法流程;最后進行了盾構掘進施工優化的仿真分析.結果表明:該算法能夠有效地控制盾構掘進施工的沉降量,從而確保了盾構掘進施工質量.

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

網格布(mesh)知識及應用

為了確保電力系統建模的精確性和安全穩定分析的可靠性,進行輸電線路參數辨識測試是1項重要的工作。粒子群算法是近幾年來迅速發展起來并得到廣泛應用的1種新型模擬進化優化算法。在簡要介紹粒子群算法的基礎上,將其應用于輸電線路的參數辨識,并給出了參數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,對電力系統的發展有一定意義。

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,通過優化電站設備布局來降低一次設備周圍近地面空間電場強度。建立220kv戶外配電設備3維幾何模型,采用軟件仿真計算出220kv戶外配電區電場分布,并將電場強度高于限值的設備區作為待優化區域。提出適用于變電站電場優化問題的粒子群優化算法的適應度函數和限制條件。以降低設備區外部電場分布作為優化目標,對其進行整體優化計算,在此基礎上,以降低設備區內部高場強分布作為優化目標對相關設備位置進行微調。最后將計算所得最優電場分布與原電場分布進行對比,整體優化后的適應度函數值減小了83.4%,局部優化后適應度函數值再次減小了29.1%。優化結果表明,利用粒子群算法對設備排布重新優化,可以在不增加建設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化算法用于水電系統經濟運行研究中。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矢量表達,并將量子比特的概率幅表示應用于粒子的編碼,使得粒子可以表達為多個態的疊加;在粒子更新操作過程中,利用量子邏輯門實現了粒子的演化,具有比常規粒子群算法更好的目標優化性能。仿真結果證實該算法可有效解決水電機組經濟運行問題。性能對比顯示,該算法求得的解優于常規粒子群算法及其它優化算法所求得的解。

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

電梯混合能源控制優化是對電梯、太陽能、蓄電池、超級電容等設備間的能量交換進行控制優化。根據電梯系統的特點，在滿足電梯所需能量的前提下，以電網所需的耗電量最小為優化指標，建立電梯的混合能源優化目標函數。其中目標優化函數中的變量如0－1等非連續的開關變量，其混合能源管理優化過程是非線性變參數優化問題，難以用普通的解析方法進行計算。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。

針對傳統的電力電子電路參數辨識僅對部分器件進行辨識,未辨識到所有器件特征參數值,無法準確判斷電路當前狀態的問題,建立了基于電感電流與輸出電壓的電路混雜系統模型,使用粒子群優化算法將參數辨識問題轉化為目標函數優化問題,求解得到電路中所有關鍵元器件的特征參數值,以更好地表征電路的健康狀態。仿真實驗結果表明該方法的辨識精度達到98%以上,有較好的辨識效果。

由于電梯本身所具有的多目標性、不確定性和非線性,使得在電梯群調度控制方面容易出現候梯時間較長、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粒子群算法的電梯群控方案。仿真結果表明:以權值優化改進粒子群算法加快了控制過程的收斂速度,使得平均到達時間、平均擁擠度、電梯的啟停次數都有了很大的改善,滿足了智能大廈電梯群控系統的需要。

在建立光伏電站穩態運行模型的基礎上,提出以并網點電壓偏差最小,光伏發電單元出口電壓平均偏差最小,以及損耗最小的多目標無功優化模型,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.

PCB自動布線器的選擇──關于有網格與無網格布線器的思考

本文將對比和比較玻纖網格布在建設工程領域中的不同用法和用途，包括加固混凝土結構、防水層增強、路面修復等方面的應用。通過詳細的說明內容，幫助讀者了解玻纖網格布的優勢和適用場景。

針對傳統粒子群算法在無功優化中易陷入局部最優和后期收斂慢等問題,提出了基于量子粒子群混合算法的無功優化計算方法。該算法將量子疊加態思想引入到粒子群算法中,使得單個粒子能表示更多的狀態和量級,增加了種群的多樣性;采用量子旋轉門更新粒子的速度和位置,提高了收斂的速度。用該算法對ieee30節點系統進行無功優化計算,并與粒子群算法和遺傳算法的優化結果進行比較,仿真結果表明,該算法能夠更好地獲得全局最優解,具有實用意義。

在建筑能耗監測中,由于部分建筑的配電支路末端包含多種設備,分項能耗數據無法直接計量獲取。為此,在數據協調理論的基礎上建立建筑能耗拆分模型;采用內點懲罰函數法將約束優化問題轉化為無約束問題,并通過粒子群(pso)優化算法對拆分模型進行求解。實例研究表明,pso優化所得的分項逐時電耗相對誤差分別為9.60%和4.84%,能反映分項電耗數據的逐時局部特征,可用于建筑電耗的實時在線拆分。

介紹了網格布點法測量平板平面度的方法和微機主程序框圖。