XiaoMi-AI文件搜索系统
World File Search System子群
用于充电的粒子群优化模糊控制器...
为了降低电网的功耗和成本，本文讨论了基于粒子群优化 (PSO) 的模糊逻辑控制器 (FLC) 的开发，用于微电网 (MG) 应用中电池储能系统 (ESS) 的充电 - 放电和调度。最初，FLC 被开发用于控制储能系统的充电 - 放电，以避免传统系统的数学计算。然而，为了改进充电 - 放电控制，使用 PSO 技术优化 FLC 的隶属函数，同时考虑可用功率、负载需求、电池温度和充电状态 (SOC)。调度控制器是根据负载实现低成本不间断可靠电源的最佳解决方案。为了降低电网电力需求和消耗成本，还引入了最佳二进制 PSO 来在一天中的不同时间在各种负载条件下调度 ESS、电网和分布式电源。得到的结果证明了所开发的基于 PSO 的模糊控制的鲁棒性，可以有效地管理电池充电和放电，同时将电网功耗降低 42.26%，将能源使用成本降低 45.11%，这也证明了该研究的贡献。© 2020 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
树突状细胞子群及其对癌症免疫疗法的影响
利用免疫系统治疗恶性肿瘤已成为癌症疗法的强大工具，近年来，FDA批准的免疫疗法爆炸了。作为针对肿瘤的细胞毒性活性的主要介质，CD8 T细胞是当前治疗的重点，例如免疫检查点抑制（1），CAR-T细胞疗法（2）和癌症疫苗（3）。有效的CD8 T细胞反应的产生是一个复杂的过程，涉及免疫系统的多个组成部分。树突状细胞（DCS）在有效的CD8 T细胞反应对肿瘤的策划中起着核心作用（4，5）。在最基本的水平上，T细胞介导的抗癌免疫反应集中在DC抗原表现周围。此过程始于肿瘤衍生的抗原的直流捕获，这些抗原被细胞内载于MHC分子。然后将这些肽MHC复合物（PMHC）转运到细胞表面，以启动并激活肿瘤流血淋巴结内的效应T细胞。虽然在DCS Primes CD8 T细胞上加载到MHC I类分子上的抗原，而MHC II类分子对抗原的呈现可以启用CD4 T助手（Th）细胞。“ CD4帮助”，特别是
多目标帕累托前沿与粒子群优化...
微电子技术的进步使得更高的集成密度成为可能，并且目前正在进行机载系统的大规模开发，这种增长遇到了功耗的限制因素。更高的功耗将导致产生的热量立即扩散，从而导致热问题。因此，随着系统温度的升高，系统的总消耗能量将增加。微处理器的高温和计算机系统的大量热能对系统信心、性能和冷却费用产生巨大的问题。处理器消耗的功率主要来自内核数量和时钟频率的增加，这些功率以热量的形式消散，给芯片设计人员带来了热挑战。随着纳米技术中微处理器性能的显着提高，功耗变得不可忽略。为了解决这个问题，本文使用多目标帕累托前沿 (PF) 和粒子群优化 (PSO) 算法来解决高性能处理器的功耗降低问题，以实现功耗作为优先计算，从而减少目标微处理器单元的实际延迟。仿真验证了概念基础以及关节体和电源电压（V th- V DD ）的优化，并显示出令人满意的结果。
使用粒子群优化人工神经网络检测黑色素瘤
黑色素瘤是一种最可怕的皮肤癌，死亡率很高，最初是通过临床筛查、皮肤镜分析、活检和组织病理学检查进行目视诊断的。如果诊断和早期治疗延误，就会变得很危险。图像处理技术的最新发展有助于有效地检测黑色素瘤，因为由于病变的细粒度变化，检测黑色素瘤是一项艰巨的工作。本文研究了一种使用粒子群优化人工神经网络分析病变不规则性的新分类程序。在本研究论文中，提取病变的颜色特征并使用 PSO-ANN 分类器进行分类。通过标记假阳性率和真阳性率获得的接收者操作特性在分析计算机辅助诊断系统的诊断潜力方面起着至关重要的作用。应用于 ISIC 数据库的分类技术表明曲线下面积为 0.96853，特异性为 90.0%，灵敏度为 94.07%，准确率为 93.04%。
融合粒子群优化和统计算法的混合模型拟合方法∗
软件可靠性增长模型 [1] 适用于与测试期间经历的故障相关的时间序列数据，以预测达到所需故障强度或故障间隔时间等指标。从历史上看，人们采用了牛顿法等数值算法，这些算法需要良好的初始参数估计，因此应用 SRGM 需要高水平的专业知识。最近克服传统数值方法不稳定性的方法包括群体智能 [2] 等技术，它表现出强大的全局搜索能力。然而，这些技术可能需要大量的计算资源和时间来收敛到精确的最优值，这对 SRGM 很重要，因为一些模型参数对其他参数的精确估计非常敏感。此外，过去大多数应用群体智能的研究
基于粒子群优化和相位平面分析的4WS车辆的轨迹跟踪控制设计
摘要：随着当今社会的快速发展，交通环境变得越来越复杂。作为智能车辆的重要组成部分，轨迹跟踪因其稳定性和安全性引起了极大的关注。在高速工作等极端工作条件下，准确性和不稳定性很容易发生。在本文中，为分布式驱动车辆提出了一种轨迹跟踪控制策略，以确保在高速和低固定限制条件下进行横向稳定性。模型预测控制器（MPC）用于控制前轮角度，并且设计了粒子群优化（PSO）算法以适应MPC控制参数。滑动模式控制器控制后轮角度，并且通过分析β-来判断车辆不稳定性度。β相平面。在本文中设计了不同不稳定性度的控制器。最后，扭矩分隔器的设计目的是考虑驱动防滑。设计的控制器通过CARSIM和MATLAB-SIMULINK共模拟验证。结果表明，本文设计的轨迹跟踪控制器有效地提高了在确保稳定性的前提下的跟踪精度。
通过约束航空结构粒子群优化进行飞机螺旋桨设计
摘要：通过螺旋桨设计方法与粒子群优化 (PSO) 相结合，开发了一种降低螺旋桨驱动飞机能耗的航空结构算法。优化过程中考虑了多种螺旋桨参数，包括每个螺旋桨截面的翼型几何形状。螺旋桨性能预测工具采用收敛改进的叶片元素动量理论，该理论由从 XFOIL 和经过验证的 OpenFOAM 获得的翼型气动特性提供。根据实验 NACA 4 位数据估计失速角校正，并在出现收敛问题时使用。对气动数据进行校正以考虑压缩性、三维、粘性和雷诺数效应。根据实验数据拟合提出了旋转校正系数。采用基于欧拉-伯努利梁理论的结构模型，并根据有限元分析对其进行验证，同时讨论了离心力的影响。进行了一个案例研究，将弦长和螺距分布与涡流理论的最小损失分布进行了比较。使用印刷螺旋桨进行风洞试验，以得出整个程序的可行性以及 XFOIL 和 CFD 最佳螺旋桨之间的差异。最后，将最佳 CFD 螺旋桨与具有相同直径、螺距和运行条件的商用螺旋桨进行比较，显示出更高的推力和效率。
采用广义粒子群优化的多旋翼无人机编队路径规划
关键词 路径规划，粒子群优化，广义 PSO，光学避障，无人机，无人机编队。摘要 本文研究了多旋翼无人机（UAV）在编队形状中协作检查周围表面的路径规划技术问题。我们首先将问题描述为在复杂空间中规划编队质心路径的联合目标成本。然后提出了一种路径规划算法，称为广义粒子群优化算法，用于在避开障碍物并确保飞行任务要求的同时构建最佳的可飞行路径。然后结合路径开发方案为每架无人机生成相关路径以保持其在编队配置中的位置。进行了仿真、比较和实验以验证所提出的方法。结果表明，使用 GEPSO 的路径规划算法是可行的。缩写
由于非热微/纳米级声子群，热传输超过体积热传导
由于非热微/纳米级声子群，热传输超过体积热传导 Vazrik Chiloyan a , Samuel Huberman a , Alexei A. Maznev b , Keith A. Nelson b , Gang Chen a * 1 a 麻省理工学院机械工程系，美国马萨诸塞州剑桥 02139 b 麻省理工学院化学系，美国马萨诸塞州剑桥 02139 虽然经典的尺寸效应通常会导致有效热导率降低，但我们在此报告
多目标粒子群优化算法用于家庭微电网优化调度
应对低电价时期家庭负荷和电动汽车集中用电的挑战对于减轻对公用电网的影响至关重要。在本研究中，我们提出了一种基于多目标粒子群算法的家庭微电网优化调度方法。建立了一个家庭微电网优化模型，考虑了分时电价和用户电动汽车出行模式。该模型专注于优化家庭日常用电成本并最小化电网侧能源供应差异。具体而言，该数学模型将微电网内每个分布式能源的实际输入和输出功率作为优化变量。此外，它还整合了对储能电池和电动汽车电池容量变化的分析。通过在帕累托最优解集内的算术模拟，该模型确定了有效缓解公用事业侧能源输入和输出波动的最优解。模拟结果证实了该策略在降低家庭日常用电成本方面的有效性。所提出的优化方法不仅提高了电力消费的整体质量，而且证明了其经济和实际可行性，凸显了其更广泛的应用和影响的潜力。