基于改进原子轨道搜索算法的多工艺路线柔性作业车间问题研究

针对多品种、小批量复杂产品在加工过程中忽略加工路线约束,导致调度方案中存在设备利用率低的问题,以完工时间最优为目标建立多工艺路线柔性作业车间数学模型。由于加入多约束后模型复杂度骤增,为有效求解该模型,提出一种改进原子轨道搜索算法。改进算法采用一种三层编码方式进行编码和解码;在算法初始化候选解时均匀生成全局加工路线;搜索过程中为增强局部搜索融入自体交叉;为避免陷入局部最优引入变邻域变异;迭代过程中设计了变工序数精英保留策略,扩大了搜索空间。最后,通过某内燃机车生产车间实例对模型和算法进行求解分析,验证了模型的有效性和算法的优越性及适用性。

基于多目标原子轨道搜索算法的风电场集群最优经济调度

随着环保意识的增强以及风电渗透率的不断攀升,使得电力部门对含风电系统的经济调度提出了更高的要求。为了在降低污染物排放及促进风电消纳的同时将发电成本控制在最低,建立了考虑环境与经济指标的风-火多随机变量经济调度模型。该模型中的目标函数考虑了火力发电成本、风力发电成本、弃风惩罚成本及污染气体排放。采用多目标原子轨道搜索算法进行模型求解,该算法在传统原子轨道搜索算法的基础上添加了存档机制、网络机制以及领导者选择机制,具有较强的多目标优化执行能力。结合修改后的IEEE30节点算例进行仿真分析,结果验证了所提模型的可行性以及多目标原子轨道搜索算法求解此类问题的有效性。

基于Tent-ASO-BP的短期电力负荷预测模型

针对短期电力负荷预测精度低与可靠性差的问题,设计一种基于Tent-ASO-BP的电力短期负荷预测模型。该模型利用了Tent混沌映射的方法,设计了一种原子种群初始化方法,其在保证个体的同时选出适应度最优的个体,增强原子种群在分布空间的均匀性,进而加快ASO算法的收敛;同时引入自适应,增加该算法的局部探索和开发能力;将改进的ASO算法应用于BP神经网络参数优化,搭建了Tent-ASO-BP预测模型对短期电力负荷进行预测。使用Matlab工具进行仿真,通过对Tent-ASO-BP、ASO-BP和BP三种算法进行实验对比,结果表明,Tent-ASO-BP网络预测模型的RMSE、MAE和MAPE分别为32.736 MW,51.783 MW和6.623%,相比于ASO-BP和BP网络预测模型有明显减少,得出该模型具有更强的迭代能力和更强的局部寻优能力,为电力系统短期电力负荷预测提供依据,具有普遍的指导意义。

基于极限学习机的短期交通流预测混合优化模型

交通流的动态性、不确定性和非线性等特性导致交通流难以精确预测,本文在极限学习机(Extreme Learning Machine,ELM)的基础上,通过嵌入原子搜索算法(Atom Search Optimization,ASO),构建ASO-ELM短期交通流预测混合优化模型,对比现有短期交通流预测模型,分析混合优化模型在短期交通流预测领域的表现。实验选取荷兰阿姆斯特丹市A10环形公路为路网原型,使用ASO-ELM混合模型与常见交通流预测模型进行对比实验。实验结果表明:ASO-ELM混合模型在4个数据集下的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)相较于ELM模型分别下降了4.3%、3.5%、6.9%和5.4%,均方根误差(Root Mean Squared Error,RMSE)分别下降了4.8%、4.0%、2.0%和5.2%;其次,与人工神经网络(Artificial Neural Network,ANN)相比,MAPE分别下降了9.6%、8.6%、9.8%和5.0%,RMSE也分别下降了4.5%、5.9%、2.6%和1.7%。研究成果揭示了混合优化模型在短期交通流预测领域的潜力。

基于VMD-IASO-ELM的吸收塔出口SO_(2)浓度组合预测模型

为提高火电厂SO_(2)污染物排放控制水平,提出一种基于变分模态分解(VMD)改进原子搜索算法(IASO)极限学习机(ELM)的吸收塔出口SO_(2)浓度组合预测模型。首先,利用机理和相关性分析确定吸收塔出口SO_(2)浓度的初始相关变量,并采用VMD算法对其分解,保留分解结果与输出互信息中大的低频分量;然后,采用结构简单、学习速度快的ELM建立预测模型,并利用基于混合策略改进的IASO优化网络参数,提高预测精度;最后,利用模糊规则推理出误差修正项以校正ELM模型预测结果。应用历史数据仿真建模,结果表明该模型具有较高的预测精度和学习能力,能够准确跟踪吸收塔出口SO_(2)浓度变化趋势。

一种多源数据融合的机器人导航技术

针对移动机器人在导航过程中存在的建图不精确、效率低下等问题,提出一种多源数据融合的移动机器人导航方法:利用扩展卡尔曼滤波融合激光雷达和深度相机的环境信息,通过位姿传感器获取机器人的位姿和加速度信息,提出基于激光雷达、深度相机和惯性测量单元数据融合的地图构建方法;并兼顾全局探测与局部求精的平衡,采用改进原子轨道搜索算法进行全局规划,利用动态窗口法完成局部避障。实验结果表明,多源数据融合建立的地图更接近于真实场景,改进后的融合算法未知障碍实时避障成功率达到98%,能够提升机器人自主导航效率。

基于BCL-ASA-BP神经网络的模拟电路板芯片故障诊断

针对模拟电路板芯片故障界定标准不明确和实现快速、准确分类困难的问题,本文提出了一种基于双元卷积Logistic原子搜索算法(BCL-ASA)优化BP神经网络(BCL-ASA-BP)的故障诊断模型。首先,对电路板芯片不同状态下的温度进行采集和特征提取,并采用欧氏距离对特征进行融合,建立含有芯片故障界定标准的故障特征模型。接着,利用双元卷积Logistic映射初始化原子搜索算法的种群规模和位置,提高收敛速度和精度。然后,通过BCL-ASA优化BP神经网络寻优过程,获得最优权值和阈值。最后,将芯片故障特征模型输入到BCL-ASA-BP神经网络中进行训练和测试,完成电路板芯片故障诊断。实验采用电源电路板进行可靠性分析,结果表明,BCL-ASA-BP对芯片故障综合诊断准确率可达98.35%,较传统BP算法提升13.9%。

暂态频率约束下考虑新能源最优减载的机组组合双层优化策略

大规模风、光等新能源并网引起的惯量降低给新型电力系统安全运行带来了新的挑战,其中尤为突出的是暂态频率安全。文章在充分利用新能源频率支撑作用的基础上,提出了暂态频率约束的机组组合双层优化策略。构建了计及新能源场/站频率支撑的新型电力系统频率响应模型,推导了暂态频率特征量的解析化表达式,进而在传统机组组合模型的基础上,构建了考虑动态频率约束的机组组合优化模型;引入原子搜索算法,协同考虑频率支撑的新能源最优减载优化与机组组合优化,建立了双层优化策略。以含风电及光伏的10机系统为例进行计算分析,结果验证了所提方法的有效性和可行性。

融合光照强度的地磁室内定位方法研究

针对单一地磁室内定位技术精度及稳定性较差的问题,该文提出基于Tent-ASO-BP算法模型的地磁/光强融合定位方法。离线阶段数据预处理后,将坐标轴转换的地磁三轴数据与对应光强数据结合提高定位点的特征维度,采用克里金插值法建立不同分辨率指纹库;在线阶段利用已建立的Tent-ASO-BP算法模型输出定位结果。实验结果表明,该定位模型具有较好的定位性能,可有效应用于室内定位;且相比单一地磁定位技术,地磁/光强融合定位技术可明显提升定位精度及稳定性。