PV 模块需要 MPPT 转换器以获得最大功率。 然而，在部分遮蔽时，由于存在多个最大功率点，更难获得最大功率。 PSO 可用于获得全局最大功率点。 请注意，PSO 的使用是基本的，需要大量扰动才能获得全局最大功率点。
如果出现此错误： 评估 block_diagram 'MPPT_PSO' 的 'InitFcn' 回调时出错。 回调字符串是 'load('refData.mat')' 去： https://youtu.be/ZXYiKHypbRA
2022-05-10 11:04:32
186KB
1
在本文中，作者描述了使用PSO算法改善LCMV和MVDR波束形成的性能。 最初，我们使用LCMV设计了波束形成，并且我们通过提取权重，功率和SINR等参数来分析了阵列信号处理的性能。 通过使用LCMV，我们注意到最小的信噪比（SINR），旁瓣的出现和干扰。 最终，我们尝试通过在波束成形中采用PSO来提高性能。 我们已经观察到性能显着提高。 使用多个传感器元素（例如M = 4/8/50/100）扩展了分析。 使用相控阵系统工具箱在MATLAB中进行了整个分析，并获得了相应的输出。 通过将LCMV和MVDR与PSO技术进行比较，得出的结果是，在PSO中观察到了优化的输出，从而提高了方向性，避免了干扰并减轻了旁瓣。
2022-05-10 10:51:24
941KB
1
回归预测 | MATLAB实现PSO-LSTM多输入单输出（完整源码和数据）
本次运行测试环境MATLAB2020b，MATLAB实现PSO-LSTM多输入单输出预测。
2022-05-07 16:05:55
771KB
基于PSO优化BP神经网络PID控制器的仿真,使用matlab2021a或者更高版本测试
for j=1:1:H
Oh(j)=( exp( net2(j)-exp(-net2(j)) ) )/(exp( net2(j)+exp(-net2(j)) ));
end
net3=wo*Oh;
for l=1:1:Out
K(l)=exp(net3(l))/(exp(net3(l))+exp(-net3(l)));
%K(l)=M*net3(l);
end
kp(k)=M(1)*K(1); ki(k)=M(2)*K(2); kd(k)=M(3)*K(3);
Kpid=[kp(k),ki(k),kd(k)];
du(k)=Kpid*epid;
u(k)=u_1+du(k);
2022-05-07 09:10:22
6KB
这是基于改进Fireworks优化的深度信念网络的极限学习机的滚动轴承亚健康识别的Matlab版本的部分实现
Rolling Bearing Sub-Health Recognition via Extreme Learning Machine Based on Deep Belief Network Optimized by Improved Fireworks
算法：
PSO-MCKD
FWA-MCKD
2022-05-06 18:05:59
24KB