孟丽
- 作品数：6 被引量：202H指数：6
- 供职机构：华北电力大学控制与计算机工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学动力工程及工程热物理更多>>
- 粒子群优化算法的性能分析和参数选择被引量：118
- 2016年
- 惯性权重和加速因子是影响粒子群算法优化性能的重要参数.基于常用的12个测试函数,本文通过实验研究了不同参数组合下粒子的探索能力和算法的优化性能,在此基础上推荐了一组固定的参数组合.通过惯性权重和加速因子的不同变化策略组合对算法性能影响的实验分析,推荐了一种变化的参数设置方法.基于CEC2015发布的15个基准函数进一步验证了本文推荐的参数选取方法的有效性.最后讨论了粒子群优化(Particle swarm optimization,PSO)算法在连续优化和离散优化方面的应用问题.
- 王东风孟丽
- 关键词：粒子群优化参数选取
- 粒子群算法中粒子轨迹特性研究被引量：6
- 2015年
- 在粒子群优化算法中,惯性权重和学习因子的选取对粒子轨迹的特性有很大的影响,进而会影响算法的性能。本文对粒子群优化算法中不同参数区域下的粒子的轨迹特点进行了研究。首先将算法的随机性和进化性进行简化,利用Z变换和离散时不变系统理论对算法的参数区域进行了划分,详细说明了各个区域中的简化模型的粒子轨迹特征。之后在简化模型的基础上,依次加入了算法随机性和进化性的影响,还原了粒子群算法在优化过程中的真实的粒子轨迹形式。
- 韩璞孟丽王彪王东风
- 关键词：粒子群优化
- 基于多目标粒子群算法的PID控制器设计被引量：13
- 2013年
- 随着对控制系统的要求越来越高,进行比例积分微分(Proportion Integration Differentiation,PID)控制器的设计的时候应该同时考虑到系统时域指标和频域指标,常规的PID整定方法往往很难实现。为解决上述问题,采用多目标粒子群算法进行PID控制器参数的设计,算法将系统的超调量、上升时间和稳定时间作为目标函数,频域指标作为约束条件。算法的运算结果为一组Pareto最优解,运行者可以根据当前对系统的要求从中选取合适的解。通过与常规PID整定方法和采用单目标粒子群算法的方法进行比较,证明了改进方法的有效性。
- 孟丽韩璞任燕燕王东风
- 关键词：比例积分微分控制器多目标粒子群算法参数整定
- 基于粒子群和辅助变量法的分数阶系统辨识被引量：7
- 2016年
- 针对噪声环境下分数阶系统的频域辨识问题,提出了一种结合粒子群优化算法和递推辅助变量法的辨识方法.首先将递推辅助变量法扩展到分数阶系统的频域辨识中,再将辅助变量法的抗噪声特性和粒子群算法的全局寻优能力相结合,采用粒子群算法辨识系统的阶次参数,并利用辅助变量法估计系统的分子分母多项式系数,完成了噪声环境下分数阶系统的阶次和分子分母多项式系数的整体辨识.仿真实验和对电网络阻抗的辨识实例表明了本文提出的辨识方法不仅适用于同元次分数阶系统,也适用于一般形式的分数阶系统.
- 王东风孟丽
- 关键词：分数阶系统频域辨识粒子群算法
- 基于自适应搜索中心的骨干粒子群算法被引量：52
- 2016年
- 该文在对标准粒子群算法(Particle Swarm Optimization,PSO)和骨干粒子群算法(Bare Bones Particle Swarm Optimization,BBPSO)中粒子位置的概率密度函数进行分析比较的基础上,对BBPSO进行了改进,并证明了改进算法以概率1收敛于全局最优解.在改进算法中,主要包括如下策略:(1)基于粒子间适应值的差异,提出一种对粒子位置高斯采样均值的自适应调整策略,分析了其作用机理,提出的搜索中心自适应调整策略增加了粒子分布中心的分散度,减缓粒子在中心的聚集趋势;(2)提出了一种"镜像墙"的越界粒子处理方法,该方法能够大幅度地提高算法找到最优解的概率;(3)粒子在不同的进化时期按不同的拓扑结构选取榜样粒子:算法前期主要采用随机结构以增加群体的多样性,算法后期主要采用全局结构以使得搜索更加精细.将该文提出的算法与多种形式的改进PSO,如GPSO(Global PSO)、LPSO(Local PSO)、FIPS(Fully Informed Particle Swarm)、CLPSO(Comprehensive Learning PSO)、HPSO-TVAC(Hierarchical PSO with Time-Varying Acceleration Coefficients)、APSO(Adaptive PSO)、DMS-PSO(Dynamic Multi-Swarm PSO)、OPSO(Orthogonal PSO)、OLPSO(Orthogonal Learning PSO)、ALC-PSO(PSO with an Aging Leader and Challengers)等,以及BBPSO的标准版本和改进版本,如BBJ2(BBPSO with Jumps)、ABPSO(Adaptive BBPSO)、SMA-BBPSO(BBPSO with Scale Matrix Adaptation)等,对CEC2013标准函数进行测试,对实验数据进行非参数检验,结果表明该文改进算法的综合表现要优于其他算法.
- 王东风孟丽赵文杰
- 关键词：粒子群算法概率密度
- 热工系统Hammerstein-Wiener模型辨识被引量：6
- 2013年
- 热工系统中的很多生产环节是非线性时滞系统,其辨识问题一直是制约热工系统发展的关键问题。Hammerstein-Wiener模型是Hammerstein模型和Wiener模型的复合模型,可以较好地表达生产系统的动态特性和静态特性。将HammersteinWiener模型辨识方法应用于热工系统的辨识中,非线性部分用多项式表示,线性部分用差分方程表示。用粒子群算法将模型的辨识问题转化为参数空间上的寻优问题,求得该模型的待定参数在参数空间上的最优解。一系列仿真的结果表明,基于粒子群算法的Hammerstein-Wiener模型在热工系统的辨识中有深远的实践意义。
- 刘长良任燕燕王东风孟丽
- 关键词：热工系统粒子群算法
