云粒子群算法研究及在船舶工程中的應用.pdf

1、實際工程應用和科學研究中,許多問題具有約束性、復雜性、多局部極值、非線性和建模困難等特點,尋找適用于各種不同需求的新型智能優(yōu)化方法一直以來是很多專家學者的一個重要研究方向。粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)是Kennedy和Eberhart于1995年提出的一種進化算法,它源于對鳥類捕食行為的模擬。該算法在沒有集中控制且不提供全局模型的前提下,為求解復雜問題的最優(yōu)解提供了基礎。本文具體工作如

2、下:
　　(1)對云模型理論進行了詳細介紹,包括云模型的基本概念數(shù)學特征及云模型的統(tǒng)計分析等;
　　(2)結合云模型不確定中帶有確定性、穩(wěn)定之中又有變化的特性,提出了一種基于云變異的自適應粒子群優(yōu)化算法。該算法結合全局最優(yōu)值和粒子適應度的比值體現(xiàn)出粒子優(yōu)差的特點,利用正態(tài)云發(fā)生器自適應調整粒子個體慣性權重,并且對粒子位置進行了基于云模型的變異操作,并對粒子群各參數(shù)進行合理設置。仿真結果表明,此算法能有效找出全局最優(yōu)解,提高算

3、法收斂精度和收斂速度,且適宜于多峰值問題尋優(yōu),是一種可行而有效的優(yōu)化方法。
　　(3)研究了船舶縱向運動水動力模型,基于自適應云粒子群優(yōu)化算法設計了一種船舶縱向運動水動力參數(shù)辨識算法。仿真結果表明,此算法在求解船舶縱向運動水動力參數(shù)辨識這個問題時穩(wěn)定性好,且辨識精度高,較大地滿足了實際需求。
　　(4)研究了船舶航向PID控制,將自適應云粒子群優(yōu)化算法運用于船舶航向PID自動舵上,優(yōu)化PID控制器的三個參數(shù),進而優(yōu)化它的控制