基于改进灰狼优化算法的柔性作业车间分批调度问题研究

针对以最小化最大完工时间为目标的柔性作业车间分批调度问题(Flexible Job shop Batch Scheduling Problem,FJBSP),提出了一种改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法,优化对象为工件的分批方案。首次将流体模型应用于FJBSP的求解,提出了一种基于流体模型的解码方法,用于获得更好的子批调度方案;然后改进了狼群的等级制度,避免了算法过早收敛;其次设计了一种全新的适应可变长编码的交叉方法,深入交流2个个体之间的分批信息,增强了算法的搜索能力和稳定性;再次,提出了能够动态更新个体游走率的自适应灰狼游走策略,兼顾了算法的搜索质量和收敛速度;此外,对领头狼使用自适应邻域搜索动态调整每种工件选择各邻域的概率,提高算法的局部搜索能力;最后,设计了9个算例和3组实验,验证了所提出的IGWO算法的有效性和优越性。

基于改进灰狼优化算法的管道泄漏定位研究

针对往复压缩机循环水管道泄漏点定位的问题,提出了一种基于改进的灰狼优化算法的管道泄漏定位方法。该方法采集携带泄漏信息的负压波信号,并对传统灰狼优化算法进行改进,提出一种改变其控制参数的收敛因子a,使其迭代前期递减速度变慢,迭代后期递减速度变快的算法,从而使改进后灰狼算法满足全局搜索要求并加快寻优速度。利用改进后的灰狼优化算法,优化VMD信号降噪和BP神经网络算法,其定位精准度相较于原始GWO、传统改进IGWO都有所提高,证明改进后的算法更适合管道泄漏定位的研究。

基于改进灰狼优化算法的同步发电机交流励磁控制方法

交流励磁控制是保证同步发电机运行稳定的重要手段,但当前现实中控制效果并不理想,不仅同步发电机励磁电压标幺值偏差比较大,而且超调量也比较高。针对当前同步发电机交流励磁控制存在的不足和缺陷,本文提出基于改进灰狼优化算法的同步发电机交流励磁控制方法。以同步发电机励磁电压标幺值偏差最小为目标建立发电机交流励磁控制目标函数,通过降低灰狼优化算法中种群规模和迭代次数以及引入动态收敛因子实现对灰狼优化算法改进,利用改进灰狼优化算法求出最优同步发电机交流励磁控制策略,实现基于改进灰狼优化算法的同步发电机交流励磁控制。经实验证明,设计方法应用下发电机励磁电压标幺值基本接近1pu,超调量不超过1%,控制效果良好,可以有效保证同步发电机稳定运行。

基于改进灰狼优化算法的有源配电网重构方法

为了提高有源配电网系统运行的经济性和稳定性,提出了一种基于改进灰狼算法的有源配电网重构方法。以配电网系统网损最小和电压偏移最小为目标函数建立有源配电网重构模型,并将多目标转化为单目标进行求解。采用Tent混沌映射、收敛系数指数调整和自适应位移等策略对灰狼优化算法进行改进,使IGWO算法的寻优能力得到显著提升。利用改进IEEE33节点系统进行仿真测试,并将IGWO算法的重构效果与GWO算法和PSO算法进行对比,结果表明,采用IGWO算法重构后的最低网损和最小电压偏移分别为54.89kW和0.00772,两项指标均优于GWO算法和PSO算法,验证了所提有源配电网重构方法的实用性和优越性。

基于改进灰狼优化算法的导航机器人路径规划

路径规划对于导航机器人技术是极为重要的,寻找最优路径使机器人能够自主地避开障碍物的同时提高效率并到达目标位置。提出了一种基于改进灰狼优化算法的导航机器人路径规划方法。该算法将灰狼优化算法与基于维度学习信息共享策略和约束条件相结合,以实现导航机器人在路径规划的优良性。然后,基于这种方法进行了实验研究,包括仿真实验和实际场景实验。实验结果表明,该方法在路径长度、搜索时间和路径可行性等方面都取得了显著的优化效果。

基于改进灰狼优化算法的地面目标最优瞄准点选择方法

针对导弹打击地面目标时的瞄准点优选问题,提出了一种利用改进灰狼优化算法(improved grey wolf op timization,IGWO)选取最优瞄准点的瞄准点选择方法。该算法基于维度学习的狩猎搜索策略(dimension learning-based hunting,DLH),为每个瞄准点构建相邻的瞄准点集合,集合中的瞄准点可以互相共享信息,增强局部搜索和全局搜索之间的平衡,并保持多样性。在仿真实验中,将毁伤评估模型的评估函数作为瞄准点选取好坏的评估函数,并且设计导弹打击地面目标的实例对瞄准点选择方法进行验证,实验结果表明,该方法求得的瞄准点具有较高的可信度,为火力筹划中瞄准点的寻优提供了新方法。

基于改进灰狼优化算法的光伏阵列多峰MPPT研究

针对局部阴影条件下光伏阵列呈现出的非线性多峰值P-V输出特性,提出一种基于改进灰狼优化算法的最大功率点跟踪(MPPT)控制方法。该算法将传统灰狼优化算法中线性减小的收敛因子改进为按非线性规律变化,以改善算法的动态性能。结果表明:所提出的MPPT方法在局部阴影条件下能有效跟踪到光伏阵列的最大功率点,不仅具有较快的跟踪速度,且跟踪精度达到99.1%。

基于改进灰狼优化算法的多区域频率协同控制

微分博弈理论可以解决多区域互联电力系统中频率的协调问题,但对于带非线性约束的微分博弈问题,传统算法难以求解。针对该问题,基于微分博弈理论,建立了多区域频率协同控制模型,考虑了电力系统中常见的非线性约束,并提出了一种基于改进灰狼优化算法的协同进化算法,用于求解该模型的反馈纳什均衡解,从而得到各区域二次调频的协同控制策略。通过仿真验证了所提方法的可行性,并与协同进化遗传算法和协同进化灰狼优化算法进行了对比,结果表明该方法的控制效果更佳。同时,所提方法对系统的功率扰动变化具有稳定的动态响应性能,对机组参数变化具有良好的鲁棒性。

基于改进灰狼优化算法的分布式能源系统优化调度

为了提高分布式能源系统(Distributed Energy System,DES)运行的经济性,以DES运行成本最小为目标函数,建立了基于改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法的分布式能源系统优化调度模型。采用Tent混沌映射和非线性调整收敛因子策略对灰狼优化算法(Grey Wolf Optimization,GWO)进行改进,提高了算法的性能。利用某综合大楼分布式能源系统进行算例分析,并与其他优化算法的求解结果进行对比,结果表明,IGWO算法收敛时的迭代次数更少,收敛时间更短,与其他三种算法相比,运行成本最低,各项指标均优于其他优化算法,在此调度方案下,各分布式电源出力合理,验证了本文DES优化调度模型的正确性和求解方法的有效性。

基于改进灰狼优化算法的立体车库调度优化

针对立体车库存取车效率低的问题,以降低车库存取车总时间为目的,对巷道堆垛式立体车库建立存车优先、取车优先、交叉存取3种存取策略的时间模型,在此基础上提出一种改进灰狼优化算法(IGWO),以得到存取车最短时间及最优操作序列。根据车库调度问题的特点,首先采用2段混合编码对存取车操作进行编码,并结合遗传算法中的交叉操作对灰狼算法的位置更新策略进行改进;其次引入邻域搜索中的扰动和逆转操作,优化算法的局部搜索能力;最后利用MATLAB进行了实验仿真。结果表明:本文算法与已有文献中的改进遗传算法(IGA)比较,总存取时间减少了31.1%~33.7%,与原始灰狼算法(GWO)比较减少了18.8%~19.6%。这也证明了本文改进灰狼优化算法在降低存取车时间上的有效性。

基于改进灰狼优化算法的区域物流配送点优化分配方法

物流配送通常是选择就近配送,某区域范围内的物流配送点选择方式对提高物流配送质量具有重要意义。为选择最佳区域物流配送点,降低整个物流系统的运输成本,提高其速度,提出基于改进灰狼优化算法的区域物流配送点优化分配方法。定义单独分配指标的隶属度,以边缘评价设定目标函数边界值,划分物流配送点区域范围。基于改进灰狼优化算法构建位置分配模型,获取区域分配最优解。根据聚类分区情况,优化分配区域物流配送点。以10个物流配送点为测试条件,测试配送点优化效果。实验结果表明:所提方法能够进行合理规划,在分配点选择时具有搜索性,以更加简单的分配形式完成分配,降低了物流配送的成本,提高了配送速度。

基于改进灰狼优化算法自抗扰控制器在火电燃料控制系统中的应用

针对火电厂燃料控制这一非线性、滞后性、强干扰的被控对象,设计基于改进灰狼优化算法的自抗扰控制器。对燃料控制系统不同工况进行了阶跃仿真实验、扰动测试、鲁棒性测试以及变工况实验。实验结果表明,相较于传统比例积分(PI)控制器和专家经验整定的自抗扰控制器,改进灰狼优化算法的自抗扰控制器可以实现燃料量的快速、稳定调节,在抗扰动及变工况过程中有较好的控制效果,具有较强的鲁棒性。

TFT-LCD模块组装调度问题的改进灰狼优化算法

随着半导体产业的快速发展产生了很多重要的生产计划问题,其中,TFT-LCD(薄膜晶体管液晶显示器)属于资金和技术密集型产业,面对激烈的市场竞争亟需提高生产力.提出一种改进灰狼优化算法求解以最小化最大完工时间为优化目标的TFT-LCD模块组装调度问题,针对该问题特点对基本灰狼优化算法进行了一系列改进,包括工序插入式方法解码,机器选择部分采用一种全局搜索、局部搜索和随机产生相结合的初始化方法,基于搜索的方法进行工序排序部分初始化,以及均匀交叉操作和进化种群动态操作.同时,对所设计的改进灰狼优化算法的计算复杂度和收敛性进行了分析.由于该问题与柔性作业车间调度问题(FJSP)比较相似,通过对FJSP问题的不同规模基准算例的仿真实验,验证了算法有效性.另外,通过对实际生产活动中的一个TFT-LCD模块组装调度问题的测试,进一步表明本文提出的算法解决真实TFT-LCD模块组装调度问题的实用性和有效性.

基于改进灰狼优化算法的PMSM滑模自抗扰控制

针对永磁同步电动机(PMSM)伺服系统在受外部扰动、参数变化等不确定性因素影响下系统鲁棒性变差的问题,提出一种基于改进灰狼优化算法的永磁同步电动机滑模自抗扰控制方案。首先,对传统扩张状态观测器存在的峰值问题而降低不确定性的观测精确度,设计了变增益扩张状态观测器,通过降低初始增益来提高观测精确度。其次,用滑模控制器代替传统自抗扰控制中的非线性误差状态反馈环节,进而提高系统的鲁棒性。由于参数比较多不易调节,利用改进灰狼优化算法对参数进行优化,充分发挥控制器的性能。基于Lyapunov理论分析了该方案的稳定性。通过系统仿真实验结果表明,该方法能够有效跟踪速度给定,克服参数变化、负载扰动等不确定性因素的影响,保证了PMSM伺服系统的强鲁棒性。

基于改进灰狼优化算法的虚拟同步发电机功率分配策略

在虚拟同步发电机(VSG)多机并联运行情况下,由于VSG线路阻抗存在较大差异,所以无法实现功率的精确分配。针对该问题,提出一种基于改进灰狼优化(IGWO)算法的VSG功率分配策略,利用Cubic映射对种群进行初始化,通过二次非线性控制来控制收敛因子,提高全局和局部搜索能力,并引入动态比例权重加快算法收敛速度。在VSG控制单元中引入IGWO算法,自适应调节VSG控制中有功下垂系数kp和无功下垂系数kq。通过Matlab/Simulink对2台并联VSG搭建仿真模型,仿真结果表明该策略能够实现多工况下的功率精确分配。

基于改进灰狼优化算法的移动机器人路径规划

针对移动机器人避障路径规划问题,在基本群智能算法灰狼优化算法的基础上,提出改进灰狼优化算法,测试函数证明了算法的稳定性和收敛性,进而将其首次应用于移动机器人避障路径规划问题,通过对改进灰狼优化算法的移动机器人避障路径进行研究,并与基本灰狼优化算法、粒子群算法、遗传算法比较,仿真结果证明了算法的稳定性和收敛性,对路径规划领域有十分重要的研究意义。

基于改进灰狼优化算法的区域监测机器人路径规划

为了解决大任务量作业监测中机器人路径规划问题,提出了一种区域监测的机器人路径规划算法。模拟大任务量监测真实环境进行问题建模。针对传统灰狼优化算法求解模型时全局搜索能力差且易陷入局部最优解的问题,提出了一种改进的灰狼优化算法。引入Logistic混沌映射,以加强初始化种群的多样性;引入一种控制参数的自适应调整策略,以平衡灰狼优化算法的搜索能力和开发能力;引入静态加权平均权重策略,更新种群位置,加快收敛速度。将机器人载电量与路径长度短作为约束,引入K-means算法进行任务聚类,通过改进灰狼优化算法对模型进行离线求解以规划出路径,将大任务量监测作业自动转换成分时分步作业。实验结果表明:通过国际通用6个基准函数进行测试,改进的灰狼优化算法在收敛速度、搜索精度及稳定性上均有明显提高。通过50任务点与100任务点作业场景对机器人路径规划模型进行算法仿真,验证了算法的真实有效性,且任务量越大模型优越性越好,路径缩短比例越高。

改进灰狼优化算法在变桨距自抗扰控制中的应用

风电机组模型的不确定性以及风等外部干扰严重影响风电机组输出功率的稳定性,因此,将自抗扰控制器(ADRC)引入到风电机组变桨距控制中。当风速高于额定风速时,通过自抗扰变桨距控制策略有效调节桨距角,保证风电机组输出功率的稳定性。但ADRC参数繁多,仅靠专家经验进行整定比较困难。因此,文章提出将改进灰狼优化算法应用到ADRC中,完成参数的自寻优整定过程。仿真结果证明,经改进灰狼优化算法进行参数整定后的变桨距自抗扰控制系统能够对桨距角进行精确调整,并将输出功率快速稳定到额定值附近,具有较快的响应速度以及较好的抗扰动能力。

基于改进灰狼优化算法的配电网动态重构

为了更好地解决含分布式电源(Distributed Generation,DG)的配电网重构问题,建立了考虑负荷需求与DG出力时变特性的配电网动态重构模型。首先采用K-means++聚类算法对日负荷进行时段划分。然后以系统损耗、电压偏离量为目标函数,并利用改进灰狼优化算法进行寻优计算。针对传统灰狼优化算法中存在的初始种群分布不均、缺少全局交流、容易陷入局部最优等问题,在生成初始种群时引入tent映射,增强初始种群的均匀性。引入合作竞争机制,提高个体间有效信息的利用率。在灰狼种群位置更新时引入自适应惯性权值,以满足不同时期的寻优要求。最后通过算例分析,验证了该算法的可行性与优越性。

动态反向搜索更新位置的改进灰狼优化算法

针对灰狼优化算法(GWO)后期收敛速度慢、易陷入局部最优等问题,提出一种动态反向搜索更新位置的改进灰狼优化算法(DAGWO)。该算法在原始的位置更新公式中引入个体历史最优位置引导策略,以加快算法的收敛速度;同时,引入反向搜索因子,该因子依据种群早熟判别指标动态调节自身取值,在算法陷入局部极值时令灰狼个体向整个种群中最差个体方向进行反向搜索,以提高种群跳出局部极值的能力。此外,构造了一种新型局部扰动的非线性收敛因子a,以平衡算法的全局和局部搜索能力。对20个经典测试函数进行仿真实验,结果表明在求解精度、收敛速度和算法的稳定性上,DAGWO算法与标准智能优化算法和其他相关改进算法相比更有优越性。