基于麻雀算法优化支持向量机的NOx浓度预测

煤炭作为火电厂发电的主要能源,其在锅炉内焚烧过程中会产生大量的氮氧化物。各电厂一般利用烟气自动监控系统对其浓度进行实时测量,但由于测量时存在较大迟延,不能准确地反映SCR系统NOx浓度的实时变化。因此提出了一种基于改进麻雀算法优化最小二乘支持向量机的NOX浓度预测方法。首先,引入余弦因子改进麻雀算法中的比例算子,将迭代次数信息引入到迭代过程中,平衡算法前后期的全局与局部搜索能力。其次,使用新的变异算子代替原算子,将混沌理论融合到麻雀算法,解决了算法全局搜索能力较差、初始化麻雀分布不稳定及发现者位置更新方式不足的问题。最后,采用改进麻雀算法(CDE-SSA)对最小二乘支持向量机(LSSVM)进行参数寻优。实验结果证明,方法在NOX浓度预测的精度和稳定性上均表现出了良好的性能。

基于佳点集-t分布变异的麻雀算法VSG控制策略研究

为进一步优化虚拟同步发电机在给定有功扰动或电网频率突变扰动时存在的问题,提出了一种基于佳点集-t分布变异的麻雀算法VSG控制策略,该策略采用佳点集对麻雀种群进行初始化,引入正态分布修改发现者位置更新公式,并在麻雀个体位置更新后加入自适应t分布变异策略,利用测试函数验证了ISSA算法具有良好寻优能力。在VSG控制单元中引入ISSA算法,对VSG系统参数进行优化,获得一组符合需求的最优解。利用Simulink对比仿真常规VSG控制策略、SSA优化下的VSG和ISSA优化下的VSG控制策略,验证了当系统出现扰动时,该控制策略对于频率和有功功率振荡均有较好的抑制效果,且相对于另外两种控制策略,在响应速度、超调量、稳定性等方面的表现更优。

改进麻雀算法在列车ATO多目标优化中的应用

针对列车自动驾驶(ATO)运行过程多目标优化问题,以列车运行安全性、列车动力学模型等因素为约束条件,考虑列车准时性、能耗、舒适性等指标,使用模糊隶属度法建立多目标优化模型。利用罚函数处理约束条件,将停车误差与限速作为惩罚项并构造出适当的惩罚函数加入到目标函数中,从而得到增广目标函数,提出基于改进麻雀算法(ISSA)的求解策略。为提高麻雀算法(SSA)的全局寻优能力,避免收敛于局部最优,引入Logistic映射、自适应超参数、变异算子对传统麻雀算法进行改进,通过测试函数对算法性能进行验证,表明ISSA算法的收敛速度、寻优精度比传统SSA算法好。以工况转换点为决策变量,通过ISSA算法对工况转换点的位置及速度进行寻优,进而获得目标速度-距离曲线。最后选取城轨车辆参数与线路数据进行仿真验证,仿真结果表明:所提优化策略相较于未优化前,舒适性提高了21.22%,能耗降低了22.41%,准时性与停车误差满足要求;与PSO优化方法相比,收敛速度更快,运行时间几乎一样的情况下能耗降低了12.74%,节能效果更佳;停车误差降低了20.45%,舒适性保持在舒适范围之内;对于速度-距离曲线,巡航距离更长、惰行距离变短、最高运行速度降低。由此可见,达到了综合优化ATO的目的,验证了ISSA优化策略的有效性。

多策略改进麻雀算法在机械臂时间最优轨迹规划中的应用

针对六自由度柑橘采摘机械臂时间最优轨迹规划问题,提出一种多策略改进麻雀算法(Multi-strategy improved sparrow search algorithm, MISSA)的轨迹规划方法。首先,利用改进D-H参数法建立机械臂的运动学模型,并对其正、逆运动学进行求解,然后利用3-5-3多项式插值建立机械臂关节空间的运动轨迹。最后针对普通麻雀算法,利用Logistic混沌映射均匀化种群,并融合改进正余弦策略平衡算法的局部与全局搜索能力后,得到了改进麻雀算法,并利用该算法对机械臂进行时间最优轨迹规划,再与GA、PSO、SSA算法进行对比。结果表明,多策略改进麻雀算法相比于其他3种算法在收敛速度和精度上均有明显提高,关节运行时间缩短46.7%,且优化后得到关节运动学曲线均光滑无突变,验证了算法的有效性。

基于改进麻雀算法的PCC-DBN-LSTM气温预测模型

气温预测是气象学中的一个重要研究领域。随着气象精准化发展,迫切需要提升气温预测的精准度。为解决传统气温预测算法效果不佳,并且对于多个站点气象数据时空特征提取能力不足,提出一种基于改进麻雀算法优化的皮尔逊积矩相关系数(PCC)-深度置信网络(DBN)-长短时记忆网络(LSTM)的气温预测模型。首先利用Pearson相关系数对众多的气象参数进行选择,DBN网络对输入的多站点气象数据特征进行提取和降维,LSTM对提取的特征进行建模和预测。由于模型初始化参数众多,提出改进麻雀算法优化DBN-LSTM网络参数,提高模型的预测精度和稳定性。实验表明:所提模型的RMSE为0.527,精度高于单一模型和同类模型。

基于Smith-麻雀算法PID的感应加热炉温度控制系统在轧钢中的应用

为了提高电磁感应加热炉的炉温控制精度,将Smith预估和麻雀算法(SSA)用于常规PID参数整定,克服常规PID调参工作量大的缺陷。仿真时给系统加入一个扰动,对比优化前后系统的抗干扰能力。在Matlab-Simulink中编写算法并建立仿真模型。运行仿真结果显示,经过Smith预估和麻雀算法(SSA)优化后的PID算法达到稳态所需时间减少6.33 s,控制的超调量减小28℃,当系统面对较大的干扰时,优化后的系统的响应速度更快,重新达到稳态时间更短。

基于麻雀算法优化BP神经网络的电池荷电状态估算研究

电池荷电状态无法通过直接测量得到,传统的BP神经网络学习效率慢、预测精度误差较大。方法 为提高传统BP神经网络预测结果的精度,本文引入了麻雀算法优化BP神经网络实现对电池荷电状态的预测。结果 结合储能电池充放电数据集及MATLAB仿真实现基于麻雀算法的神经网络模型及BP神经网络模型预测,得到储能电池的容量预测曲线,并与实际容量曲线进行比较,进而计算得到模型评价指标。结论 结果表明SSA-BP神经网络网络模型相对于传统BP神经网络模型能够有效提高电池荷电状态的预测精度。

基于级联宽度学习与麻雀算法的非侵入式负荷分解方法

深度学习被广泛应用于非侵入式负荷分解中,其分解精度高但存在网络结构复杂、训练过程极度耗时等问题,并且对计算资源有一定要求,难以与嵌入式设备集成使用。对此,面向低频数据,提出一种基于级联宽度学习与麻雀算法的非侵入式负荷分解方法。首先,改进宽度学习特征节点的连接方式,构建各目标设备的级联宽度学习负荷分解网络。然后,通过麻雀搜索算法确定各目标设备分解网络的最优特征节点和增强节点数,实现负荷的高效分解。最后,基于实际数据集UK-DALE进行了仿真实验,通过与常用的非侵入式负荷分解方法进行比较,验证了所提方法的优越性。

基于改进蚁群-麻雀算法的建筑火灾疏散路径规划研究

结合改进蚁群算法(IACO)和改进麻雀搜索算法(ISSA),提出一种考虑火灾实时蔓延的动态疏散路径规划模型。采用火灾动力学软件(FDS)得到火灾环境参数,以表示火灾实时蔓延的危险程度。基于IACO强大的全局搜索能力得到初始疏散路径。采用收敛速度快的ISSA对初始路径进行优化,以提高路径的稳定性。以某综合建筑为例进行2组不同火灾环境下的仿真实验,结果表明:IACO-ISSA模型相比ACO能够根据火灾发展情况实时调整疏散路径,从而有效躲避火灾危险区域,避免了忽略火灾动态蔓延而引导疏散人员至危险区域的现象,进一步提高了疏散路径的安全性。

改进麻雀算法的无人机三维路径规划

为解决无人机在三维环境下的路径规划问题,通过麻雀搜索算法研究了路径规划方法。传统的麻雀搜索算法求解该问题时存在易陷入局部最优、收敛精度低等问题,针对该问题提出改进方法。首先,对种群中的发现者加入动态权重因子,使其能够提高局部搜索能力,同时提高收敛速度,同时引入高斯变异;追随者采用量子粒子群生成新解的方式;并且加入额外的柯西变异进行扰动,柯西变异的扰动幅度较小,可以增强局部搜索能力。通过仿真实验,算法改进后分别与麻雀算法以及其他改进的麻雀算法进行对比,结果表明该算法收敛速度更快,求解精度更高,证明了该算法的有效性和可行性,可见在无人机三维路径规划中具有很大的发展前景。

基于饥饿变异检索与局部小生境的麻雀算法

针对麻雀搜索算法在迭代过程中在原点与最优解徘徊,造成迭代代价高,在迭代后期,直接跳跃到极值点附近,易于陷入局部最优,且后期种群多样性减小,全局搜索能力差的问题,提出一种基于饥饿变异检索与局部小生境的麻雀算法。首先改进种群中发现者位置迭代方法,提出饥饿短距变异机制,添加变异因子减少在原点与已有最优解的跃迁,提高全局搜索能力;其次改进跟随者位置迭代过程,引入局部小生境概念,将最优解发现者周围划定一个局部小生境,在小生境范围中的麻雀集中搜索最优解附近,小生境外麻雀逃逸到其它位置进行搜索,增强算法最优解附近的搜索能力与增强算法跃出局部空间的能力。对16个基准函数进行仿真对比实验,结果表明提出的基于饥饿变异检索与局部小生境的麻雀算法能够提高算法的搜索精度、收敛速度和稳定性。

一种Sine混沌映射改进的麻雀算法

针对经典麻雀算法种群多样性逐渐减少和求解稳定性不强的缺点,本文对其提出了一种改进方法。该方法通过引入Sine混沌映射初始化麻雀种群(Sine-SSA),达到了增加初始麻雀种群多样性的目的。本文同时对多种混沌映射的改进效果进行了对比,文中共采用了8个基准函数的多重维度,不同测试函数的仿真效果表明了采用Sine混沌映射改进的麻雀算法相较于其他映射的收敛速度与寻优精度都为最优,也证实了该方法在增加麻雀种群多样性上的稳定性。

基于改进麻雀算法的打磨机器臂轨迹优化

为提高打磨机械臂工作效率和减小冲击,提出了一种自适应变异麻雀算法(AMSSA)的轨迹优化方法,使用5次非均匀B样条(NURBS)曲线为打磨轨迹,以工业机器人的运行时间和轨迹平滑性为目标建立目标函数,目标函数通过加权方式归一化,从而得到期望解。仿真结果表明:运行时间减少了24.6%,有效提升了机械臂运行效率和平稳性,该优化方法对于工业机器人在打磨行业的应用具有可行性。

基于改进麻雀算法的风光水储优化配置方法

再生能源发电是构建我国清洁能源体系的核心,风光水可再生能源发电系统是新型电力系统的重要特征。针对风光水分布式可再生能源发电系统的随机性、不确定性等特点,提出了综合考虑风光水不确定性的风光水储优化配置及调度策略,并利用改进麻雀算法进行求解。针对麻雀算法的早熟和收敛性慢等问题,从改善种群多样性、增强全局探索能力和边界处理机制等方面对麻雀搜索算法进行改进;并利用改进的麻雀算法结合实际电网风光水互补特性进行优化配置计算。结果表明,所构建的风光水联合优化调度模型能够较好地提升风光消纳水平,提出的算法具有较高的求解效率。

改进麻雀算法在模糊PID温度控制系统的应用

为满足标准金属量器检定的温度控制要求,本文提出了改进的麻雀搜索算法。利用改进的Sine混沌映射初始化种群和萤火虫干扰策略,避免麻雀搜索算法过早陷入局部最优的状况,提高了算法的收敛速度;建立基于模糊PID控制器的温度控制系统的数学模型,并使用改进后的算法优化模糊PID控制器参数。结果表明:利用该算法优化模糊PID控制器,各方面性能都优于其他算法。

增强改进麻雀算法的永磁同步电机多参数辨识

针对永磁同步电机多参数辨识收敛速度不够快、全局搜索能力较差及精度不够高的问题,提出一种增强改进麻雀搜索算法的永磁同步电机多参数辨识方法。首先,利用混沌映射初始化种群,改善搜索空间;运用自适应t分布更新加入者位置,避免陷入局部搜索空间;采用反向学习策略,提高种群中所有个体的收敛速度;通过贪婪规则,遴选全局最优。该算法从种群初始化、搜索空间、搜索算法、最优点的选择等增强过程提高算法跳出局部最优的能力,提高收敛速度及精度。选取典型标准测试函数对算法进行性能评估,在收敛速度、精度、全局寻优能力等方面效果都更佳。通过仿真及实验验证,与一般麻雀搜索算法、改进麻雀搜索算法、遗传算法和粒子群优化算法相比,提出的增强麻雀算法在永磁同步电机的多参数辨识中辨识速度更快,收敛精度更高。

基于改进麻雀算法的配电房巡检机器人路径规划

针对麻雀算法在路径规划中出现的效率低、耗时长等问题,提出了一种改进的麻雀算法用于配电房巡检机器人的路径规划。首先,利用Logistic-Tent混沌映射优化麻雀种群质量,减少后续的盲目搜索;其次,提出了可控自适应随机探索的发现者更新策略,增强算法全局搜索能力的同时进一步提高规划效率,缩短搜索时间;接着,为避免算法后期陷入停滞,引入螺旋位置更新因子,加强局部开发能力;最后,结合三次插值B样条进行平滑处理,使路径更适用于配电房环境。实验结果表明:改进的麻雀算法能够高效完成巡检时的路径规划任务,相比于原始算法在迭代效率、路径搜索时间等方面优化显著。

基于改进麻雀算法机械臂时间最优轨迹规划

为了提高机械臂的工作效率和稳定性,采用改进麻雀搜索算法的机械臂时间最优多项式插值轨迹规划方法。通过改进Sin混沌初始化种群、发现者和跟随者比例动态调整,并加入了柯西高斯变异,优化了算法局部搜索和全局寻优的能力。以实验室的AUBO-i10机器人为研究对象,首先利用逆运动学求出给定机械臂末端路径点各个关节的位置信息,采用分段多项式拟合关节空间下运动轨迹。在限制机械臂的关节角度、运动速度和加速度的条件下,通过改进麻雀搜索算法对机械臂末端运行轨迹进行时间最短优化。使用MATLAB进行仿真,仿真结果表明,改进麻雀搜索算法在收敛速度和寻优精度有了明显的提升,有效减少了机械臂在工作中运行的时间。

麻雀算法改进BP神经网络的4D航迹预测

提出基于麻雀算法(sparrow search algorithm,SSA)优化BP(back propagation)神经网络的改进算法(SSA-BP)进行4D航迹预测,在一定程度上改进了单靠神经网络预测航迹的精度。首先利用麻雀算法计算寻找全局最优解,提高初始解质量,增强算法的全局搜索能力。其次,将最优解作为BP神经网络输入层,进行权值和阈值更新,优化了BP网络神经的自学习和自适应能力。通过ADS-B(automatic dependent surveillance-broadcast)数据插值后形成航空器4D航迹并作为麻雀算法输入变量进行SSA-BP模型的4D航迹预测。最后将SSA-BP算法模型、单纯BP网络模型的预测结果与航空器真实航迹进行比较。实验得出,在规定时间序列内,SSA-BP算法模型的经度、纬度和高度的三种误差比单纯BP神经网络模型更小,能够实现高精度的4D航迹预测。

基于改进麻雀算法的配电网故障定位

针对配电网故障定位准确率低、容错率低的问题,提出了一种基于改进麻雀搜索算法的配电网故障区段定位方法.在麻雀算法中引入动态自适应权重,加快麻雀算法的收敛速度,增强其局部开发和全局搜索的能力.通过在种群初始迭代中增加聚集阈值,提高算法的寻优精度.通过对单一故障场景、多故障场景下进行仿真测试验证改进麻雀算法的准确性和容错性,在IEEE33节点场景下,将改进后的麻雀搜索算法与粒子群算法、蛇算法、麻雀算法进行了比较,验证了改进后的麻雀算法的优越性,能够准确快速地实现故障定位.结果表明,改进后的麻雀搜索算法寻优能力更强,容错性更高.