改进麻雀搜索算法在PMSM匝间短路中应用研究

针对麻雀搜索算法(SSA)存在收敛精度低和易陷入局部最优等问题,提出了一种改进麻雀搜索算法(ISSA),并应用于PMSM匝间短路故障诊断。首先,搭建了PMSM匝间短路仿真模型,模拟了不同短路匝数比的故障。其次,对故障进行分析,提取了3个故障识别特征量。接着,利用实验平台进行不同短路匝数比的故障测试。然后,介绍了麻雀搜索算法(SSA),并利用Tent混沌映射、自适应正余弦策略和Levy飞行策略对其进行优化,生成改进麻雀搜索算法(ISSA),同时将ISSA算法与SSA算法、粒子群算法(PSO)、灰狼算法(GWO)在测试函数上进行比较,验证其在寻优能力和稳定性等方面具有优越性。紧接着,介绍了随机森林(RF)算法,并搭建了ISSA-RF的故障诊断模型。最后,将4种算法分别对RF的基本参数进行优化并实现故障分类。结果表明,所提出的改进方法能够检测出匝间短路故障及其故障严重程度,ISSA-RF模型的准确率达到98.5%,验证了该算法的有效性和可靠性。

改进麻雀搜索算法下机械臂轨迹规划

针对数控加工机器人的工作抖动问题,考虑机床工作精密度、时间、能耗指标,提出一种时间寻优的改进麻雀搜索优化算法。使用D-H参数构建机械臂数学模型,在MATLAB环境下对已建立模型进行仿真分析,利用3-5-3多项式插值法对机械臂空间轨迹路线分析,并提出麻雀搜索算法优化方案,对比传统算法及改进后机械臂关节速度及加速度曲线,明确优化后算法高效性,对比其他优化算法,确定机械臂时间最优解。研究结果表明,改进麻雀搜索算法粒子收敛速度提升43%,最优解收敛精度提升8%,机械臂轨迹规划用时明显缩短,轨迹规划达到预期,有效提高算法收敛效率及求解精度。

基于改进麻雀搜索算法的变电构架优化方法

为了解决变电构架设计中的优化问题,采用改进麻雀搜索算法对其进行优化设计。在基本麻雀搜索算法中引入Circle混沌映射,以提高种群的多样性和算法的全局搜索能力;引入萤火虫算法对麻雀搜索算法进行扰动更新,使其易于跳出局部最优。建立尺寸优化的数学模型,采用罚函数法处理约束条件。先将改进后的算法用于典型桁架算例分析,证明其稳定性与有效性,再将其用于变电构架的优化设计,结果表明,采用改进后的麻雀搜索算法能够有效提升变电构架的优化效果。

基于改进麻雀搜索算法分数阶PI的PMSM调速策略

永磁同步电机调速系统采用传统比例积分双闭环控制结构存在抗扰性能差与响应速度慢的问题。为此,文中在建立PMSM数学模型和分析传统PI参数设计方法的基础上,提出一种基于改进麻雀搜索算法分数阶比例积分的PMSM调速优化策略,通过在常规SSA中引入佳点集初始化策略和黄金正弦更新策略,解决了SSA易陷入局部最优的问题,提高了收敛速度和精度,以进一步改善PMSM调速系统的响应性能。最后通过MATLAB仿真对比结果可知,所述ISSA-FOPI调速改进策略在4种工况下具有最短的调节时间分别为1.2、0.9、9.9与12.1 ms,和最小的超调量分别为0.16%、0.16%、0.05%与0.6%,这充分体现了所述策略的有效性与优越性。

基于改进麻雀搜索算法的病患分配调度

在突发性公共卫生事件爆发时,大量的病患群体与有限的医疗资源供给会形成急剧的冲突,影响疫情防控救治效率。为满足患者就诊需求,提高医疗资源使用效率,文章以最小化平均收治时间、最小化最大收治时间为优化目标建立数学模型,在麻雀搜索算法中引入正余弦搜索策略使产生的个体具有多样性,对最优群体加入t分布扰动策略避免算法陷入局部最优。文章采用麻雀搜索算法、改进麻雀搜索算法、量子粒子群算法分别求解文章提出的数学模型,并将结果进行对比分析。以Y市为例,将Y市划分为9个人口区域,6家医院,进行病患分配调度的仿真实验研究。文章提出的数学模型可以准确描述大流行病期间患者就诊问题,所提算法可快速给出病患救治分配方案,让病患在较短的时间内获得相应救援,同时也可避免具有传染性的疫情进一步扩散。

基于改进麻雀搜索算法的水质模型多参数反演

水质模型参数取值对模型的模拟精度影响很大,为提高BOD-DO水质模型参数反演精度,首先在DobbinsCamp BOD-DO水质模型的基础上,以BOD和DO浓度计算值与实测值之差的加权平方和最小为目标函数,构建了Dobbins-Camp BOD-DO水质多参数反演模型;然后针对麻雀搜索算法(Sparrow Search Algorithm,SSA)求解精度低、稳定性不足和易陷入局部最优等问题,引入Sine混沌映射和对立学习、转移概率以及差分变异3个策略,分别从提高初始种群多样性、扩大搜索空间以及增强种群跳出局部最优的能力三方面对SSA算法进行改进,提出了一种多策略改进的麻雀搜索算法(Multi-strategy Improved Sparrow Search Algorithm,MISSA),并将其应用于Dobbins-Camp BOD-DO水质多参数反演模型的求解;最后通过数值实验将得到的反演结果与SSA算法、模拟退火算法、粒子群算法、遗传算法四种优化算法进行对比,并探讨了参数初值选取和观测噪声水平对反演结果的影响。结果表明:MISSA算法的计算性能明显优于对照组中的4种算法,且能显著降低初值选取对BOD-DO水质模型参数反演结果的影响,当观测数据的噪声水平不超过5%时,MISSA算法可有效提高反演结果的稳定性。该结果验证了MISSA算法在反演Dobbins-Camp BOD-DO水质模型参数的有效性,为水质模型参数求解提供有益参考。

基于改进麻雀搜索算法和支持向量机的边坡稳定性

边坡失稳是由多种因素共同作用的结果,常规的数学模型难以准确预测。为提高边坡稳定性预测精度,采用多策略融合改进麻雀搜索算法(improved sparrow search algorithm,ISSA)优化支持向量机(support vector machine,SVM),进而建立边坡稳定性预测模型(ISSA-SVM模型)。将重度、黏聚力、内摩擦角、边坡角、边坡高、孔隙压力比6项因素作为输入特征,将边坡稳定性状态作为输出结果,进而预测边坡稳定性。选取中外工程实例建立边坡数据库,将ISSA-SVM模型与SSA-SVM模型进行对比分析,通过灰色关联度分析法(grey relation analysis,GRA)进行敏感性分析。结果表明:ISSA-SVM模型预测精度更高、泛化能力更强,黏聚力和内摩擦角是对边坡稳定性最为敏感的因子。所提ISSA-SVM模型不仅能够准确地预测边坡稳定状态,还可以为其他领域相关问题提供参考。

改进麻雀搜索算法优化BP神经网络的短时交通流预测

针对BP神经网络预测短时交通流量过于依赖初始参数的问题,提出一种基于改进麻雀搜索算法(ISSA)来优化BP神经网络的短时交通流预测模型(ISSA-BP)。针对标准麻雀搜索算法(SSA)易收敛于原点,容易陷入局部最优等问题,对麻雀群体中的发现者和部分加入者的位置更新公式分别进行改进,改进后的发现者将基于搜索维度的大小和当前最优值的位置来进行全局搜索,部分加入者将根据其与最优位置之间的距离来进行全局搜索。通过实验对BP,PSO-BP,SSA-BP,ISSA-BP 4种短时交通流预测模型的预测效果进行对比分析,结果显示,ISSA-BP短时交通流预测模型的误差最小,ISSA-BP模型相较BP模型在MAE评价指标上的预测精度提升了48.85%,有着更好的预测精度。

基于改进麻雀搜索算法优化LSTM网络的城市轨道交通短时客流预测

准确预测城市轨道交通短时客流,对于制定客流组织方案、合理分配运输资源等具有重要意义。针对短时客流预测精度问题,提出一种基于改进麻雀搜索算法(ISSA)优化长短时记忆神经网络(LSTM)的短时客流预测方法。首先,在麻雀搜索算法的基础上,引入混沌映射与柯西变异,提出ISSA算法,用于提升麻雀搜索算法的全局搜索与局部寻优能力,克服标准麻雀算法易陷入局部最优值的问题。其次,利用ISSA算法对LSTM神经网络的学习率、迭代次数、第一隐层节点数和第二隐层节点数这四个关键参数进行寻优。最后,以寻优结果重构LSTM神经网。利用广州某地铁站自动检票系统(AFC)采集的客流数据,对ISSA-LSTM模型的有效性进行验证。实验结果表明:该模型的均方根误差、平均绝对误差,平均绝对百分比误差和决定系数分别为4.8306、5.1435、1.5445%、99.1117%。ISSA-LSTM模型的预测效果均优于MLP模型、LSTM模型和SSA-LSTM模型。本文提出的ISSA-LSTM模型可有效降低神经网络参数对于预测精度的影响,提高预测精度,同时也对城市轨道交通运营管理服务精度进行提升。

基于改进麻雀搜索算法的无线Mesh网络信道分配优化

文章在考虑网络信道分配优化模型的约束条件时,由于缺少对资源分配公平性的约束,导致信道分配后利用率较低,优化效果有限,为此,文章提出基于改进麻雀搜索算法的无线Mesh网络信道分配优化。文章采用数学模型描述网络中的信道分配问题,构建信道分配模型,结合Mesh网络的结构与特性,设计约束条件,包括网络连通性约束、信道容量约束和资源分配公平性约束。文章通过引入新的搜索策略和局部优化机制优化麻雀搜索算法,实施模型求解得到最佳信道分配方案。实验结果表明,在文章所提研究方法的应用下,Mesh网络信道的利用率得到了很大提升。

基于改进麻雀搜索算法的微电网优化调度

针对微电网优化调度问题,提出一种混合策略改进的麻雀搜索算法。首先,将微电网优化调度问题变成多维函数优化问题,并建立约束条件。其次,利用Sin混沌序列初始化种群;然后在位置更新阶段引入学习系数和变异算子;最后引入自适应t分布和动态选择概率,来改善麻雀搜索算法的搜索能力。通过标准测试函数仿真实验和对微电网优化调度模型求解,验证了所提算法具有更高的精度和更快的收敛速度。

基于多策略改进麻雀搜索算法的铸铜转子感应电动机优化

铸铜转子技术在提高感应电动机效率的同时会使电机起动性能变差,通过调整定、转子槽形结构参数可使集肤效应和磁饱和得到改善,同时提高起动性能。但感应电动机优化是一个多变量强耦合的规划问题,若选用所有的槽形结构参数做优化变量会导致计算时间过长且易陷入局部最优。为此,采用LASSO模型筛选对起动性能和效率影响大的槽形结构参数,实现优化变量的降维。在优化方法方面提出了多策略融合的改进麻雀搜索算法(ISSA),并通过基准函数实验验证改进的有效性。以提高电动机起动性能和效率为目标,以电机性能满足IE4标准为约束,将上述方法应用于两台铸铜转子感应电动机优化实例中,并分别从定子槽形结构参数优化、转子槽形结构参数优化及定转子槽形结构参数同时优化3个方向进行分析。为了说明所述方法的有效性,将ISSA与循环遍历法及其他仿生算法的优化结果进行了对比。最后,建立了电动机的仿真模型,对改进前后电动机的起动性能、损耗和磁通密度进行仿真分析。

基于改进麻雀搜索算法优化BN的变压器故障诊断研究

针对变压器故障诊断准确率低和稳定性差的问题,文中提出了一种改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断方法。首先,通过计算互信息建立最大支撑树并进行定向处理得到贝叶斯网络初始结构即初始种群。然后,在算法中引入一种新的合作机制和正弦余弦算法,提高算法收敛速度和全局搜索能力,并利用油中溶解气体分析,创建基于改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断模型。最后,为了证明所提方法的优越性,将所提的方法与现有变压器故障诊断方法进行对比。结果表明,文中所提出的方法故障诊断率最高,可以更精准地对变压器进行故障诊断。

基于改进麻雀搜索算法优化RBF神经网络的光伏阵列故障诊断

针对传统BP神经网络在光伏阵列故障诊断时受初始权值阈值的影响,易导致全局搜索过程陷入局部最优这一问题,提出了一种基于改进麻雀搜索算法优化RBF神经网络(ISSA-RBF)的光伏故障诊断方法。首先,利用Matlab建立光伏阵列故障仿真模型,提取出故障诊断模型的特征参数;其次,融入Levy飞行和自适应权重φ对麻雀搜索算法进行改进,用优化后的算法建立ISSA-RBF故障诊断模型;最后,与传统BP和SSA-RBF模型进行对比验证,实验结果表明,ISSA-RBF模型在故障诊断精度上达到94.8%,可以有效诊断光伏阵列的故障类型。

基于改进麻雀搜索算法的光伏功率短期预测

为提高光伏输出功率预测精度、保证电网的优化调度和稳定运行,提出一种改进麻雀搜索算法(SSA)的光伏输出功率预测模型。首先,对实验平台收集到的历史数据进行分析,得到关键气候影响因素;然后,用经验模态分解和主成分分析法对数据进行维稳和降维处理;并建立改进麻雀搜索算法的BP神经网络预测模型;最后,进行实例验证。结果表明,该预测模型在敛散精度方面有所提升。

基于改进麻雀搜索算法的直流微电网容量优化配置

为了提高风-光-储直流微电网的经济性和稳定性,进行系统容量优化配置的研究。首先,基于提出的风-光-储-网运行调度策略,以年平均综合成本和功率偏差率为目标函数,考虑系统安全稳定运行作为约束条件,构建风-光-储直流微电网的容量优化配置模型。然后,针对麻雀搜索算法求解具有非零解的优化配置模型容易陷入局部最优及收敛精度不足的问题,提出融合Tent混沌、螺旋搜索、Levy飞行策略和变异扰动的改进麻雀搜索算法,并利用4种标准测试函数将提出的改进算法与普通的麻雀搜索算法、粒子群算法和鲸鱼优化算法进行对比分析。最后,以潜江大数据中心为应用对象进行算例分析,验证模型和算法的可行性和有效性。

基于改进麻雀搜索算法的摄像机标定优化方法

目前一些摄像机标定方法,比如DLT标定法、Tsai标定法和张正友标定法,都有着简单且易标定的优点,但也存在着标定精度低、鲁棒性差等缺点。为了有效地解决这些问题,在麻雀搜索算法的基础上考虑其与鸟群算法相结合,提出了一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)对目标摄像机进行标定。首先,利用MATLAB对标定板进行预拍摄;其次,利用MATLAB软件中自带的标定工具箱对采集的图像进行预标定,得到初始的摄像机内外参数;然后,构建平均重投影误差的适应度函数,并用ISSA对构建的平均重投影误差的适应度函数进行优化,利用适应度函数的优化对内外部参数进行优化;最后,与基于麻雀搜索算法、天牛须搜索算法(BAS)的摄像机标定方法进行实验对比,发现基于ISSA、SSA和BAS的摄像机标定方法的平均重投影误差分别为0.002 9 pixel、0.004 9 pixel和0.003 7 pixel,说明ISSA算法相对于另外两个算法在标定精度上有着一定的提升,且稳定性与鲁棒性都有所提高。

基于改进麻雀搜索算法优化深度学习网络超参数的短期风电功率预测

提出了一种CNN-Attention-BiGRU网络模型,以及采用ISSA优化网络模型超参数的短期风电功率预测方法。首先,设计CNN-Attention-BiGRU深度学习网络,利用CNN-Attention提取数据特征,再利用BiGRU对时间序列的预测;然后,采用ISSA优化CNN-Attention-BiGRU网络超参数,提高模型的预测精度;最后,采用甘肃省某风电场数据集进行验证该预测方法,结果表明,该预测模型有效地提高了预测精度和输出结果的稳定性。

改进麻雀搜索算法的智能车路径规划研究

针对麻雀搜索算法存在的收敛速度慢和容易陷入局部最优等缺点,提出了一种改进的麻雀搜索算法。首先,使用ICMIC混沌映射函数初始化种群,提高种群多样性,以此来增强麻雀种群在未知环境的探索能力。其次,对麻雀算法位置更新公式进行修改,对位置更新公式进行优化,提高算法的收敛速度。最后,设计3个不同的栅格地图,将改进后的麻雀搜索算法与原始算法在此地图中进行路径规划对比,验证改进麻雀搜索算法的性能。实验结果表明:改进后的麻雀搜索算法在智能车路径规划问题中有着更好的表现,具有更快的收敛速度和更好的寻优能力。

改进麻雀搜索算法的AGV路径规划

针对仓储环境中无人导引车(AGV)搬运货物的路径规划问题,提出一种基于改进的麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)的方法。使用虫口混沌序列取代种群的初始化随机分布,提高初代解的丰富性和均衡性,从而解决种群分布集中、搜索空间不够大等问题;通过在发现者中引入时变权重因子,在前期不断拓展搜索区域,在后期提升收敛效率,协调整体与局部的开发拓展能力;通过反向学习策略对种群进行扰动,防止算法后期种群单一和陷入局部最优。结果表明,ISSA在路径长度、拐角次数以及迭代次数方面均优于原算法和蚁群算法;在相同的环境模型下,ISSA在路径长度和拐角次数方面均优于文献算法。