变结构耗散网络中负荷均衡优化改进算法

针对配电网规划中一种特殊的接线方式 ,提出了一种改进的负荷均衡优化算法 :在变结构耗散网络中 ,将此接线方式处理成 T1型接线 ,并在一般算法的基础上 ,通过判断耦合节点类型来设置顶点的状态 ,从而达到负荷均衡优化的目的。通过改进算法和一般算法对同一实例计算结果的比较 。

基于改进蝴蝶优化算法的瑞利波频散曲线反演方法

瑞利波频散曲线反演问题的多解性和反演目标函数的多极值特点,使得常规非线性优化算法可能会产生收敛不稳定、易陷入局部最优等现象。在基本蝴蝶优化算法的基础上采用动态开关概率,引入非线性自适应权重因子,既增加了算法前期的全局探索能力,也保证了后期的局部开发能力。同时,在迭代过程中对最优解进行逐维柯西变异,利用贪婪算法更新最优位置,引导种群向全局最优靠近,通过对4种常用的Benchmark函数的性能测试,表明改进的蝴蝶优化算法无论是在单峰函数还是多峰函数上的全局寻优能力明显优于遗传算法和粒子群算法。采用不同算法针对3种理论地质模型的频散曲线进行反演,发现改进蝴蝶优化算法在频散曲线含10%随机噪声的情况下仍然能够得到与理论模型更加接近的反演结果。最后将改进蝴蝶优化算法应用于实际瑞利波数据,反演结果与实际钻孔揭露的地层分布情况高度吻合。且与遗传算法和粒子群算法相比,改进蝴蝶优化算法在收敛速度、求解精度和稳定性方面都有显著的提升,具有一定的实用价值和应用前景。

基于改进鲸鱼优化算法的AGV柔性作业车间多目标优化调度

针对柔性作业车间的自动引导车辆(Automated Guided Vehicle,AGV)调度问题,基于可持续视角,考虑车间能耗问题,在机器和AVG数量均存在数量约束的条件下,以最小化最大完工时间、车间能耗和AGV使用数量为优化目标构建可持续柔性车间调度模型。首先,设计一种改进鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA),在标准的鲸鱼优化算法的基础上引入非线性收敛因子和自适应惯性权重以提升算法的搜索能力和收敛速度;其次,使用模糊隶属度理论构建了损失函数,以获得多目标模型的最优折衷解;最后,基于算例实验验证算法性能。实验结果表明改进鲸鱼优化算法在求解2个算例时均表现出良好的效果,为求解采用AGV运输的可持续柔性作业车间多目标优化调度提供了一种有效的实践途径。

基于改进哈里斯鹰优化算法的动态路径规划研究

针对传统栅格地图下的路径规划算法存在多峰值优化、无法实时避障等问题,提出了一种基于改进哈里斯鹰优化算法的动态路径规划方法。首先,提出方形邻格邻近扩散方法初始化哈里斯鹰种群位置,在路径规划问题模型下增加种群多样性;然后,提出一种非线性能量因子优化算法在搜索和开发之间的更新比例,提高全局搜索性能;最后,引入动态窗口法提高机器人实际运行路径的平滑程度,构造结合全局路径的动态窗口评价函数以改善动态窗口法前瞻性不足的问题。实验结果表明,所提方法可以兼顾实时避障和路径最优的需求。

基于改进鲸鱼算法的混合储能系统容量优化配置

针对微电网中使用可再生能源的高随机性和间歇性等特征,提出了一种混合储能系统容量优化配置方法。该方法以混合储能系统成本最低、平抑可再生能源功率波动效果最优与电网联络线利用率最高为目标,通过建立混合储能容量优化配置模型并采用改进鲸鱼优化算法对所建立的模型进行求解得到最优混合储能系统容量优化配置。最终对比传统鲸鱼优化算法和传统粒子群算法来验证改进鲸鱼算法可以更合理地配置混合储能系统的容量,使可再生能源功率波动的平抑效果提高,同时也使微网联络线利用率变高,保证微电网可靠、经济地运行,进而实现资源的合理利用。

基于改进鲸鱼优化PID的无刷直流电机转速控制算法

针对鲸鱼优化算法易陷入局部最优以及无刷直流电机(brushless DC motor,BLDCM)速度控制响应慢、超调量大等缺点,提出一种改进鲸鱼优化算法(improve whale optimization algorithm,IWOA)优化PID(proportional integral derivative)参数的无刷直流电机速度控制算法.该算法采用高斯变异因子、自适应权重因子和动态阈值相结合对鲸鱼优化算法进行优化.仿真实验结果表明,改进鲸鱼优化PID的无刷直流电机转速控制算法具有更快的收敛速度以及较小的超调现象,鲁棒性也更好.

基于改进平衡优化算法的折叠翼飞行器自抗扰控制器设计

针对折叠翼飞行器(FWV)模型误差和抗扰动能力较差及自抗扰控制器(ADRC)人工参数整定难的问题,提出一种基于莱维飞行的改进平衡优化(LEO)算法。给出典型FWV动力学模型,基于ADRC结构设计一种FWV的姿态控制器;在此基础上用所提算法整定了ADRC参数,并从控制性能和抗干扰的角度对经参数优化后的ADRC和传统ADRC进行仿真对比;将所提算法与经典平衡优化算法、粒子群优化(PSO)算法等进行仿真对比。仿真结果表明:所提算法优化的控制器能提高FWV的控制精度和扰动抑制性能,验证了所提算法在解决ADRC参数优化问题时的优越性。对搭载优化后ADRC的样机进行实飞验证,结果表明:在风扰之下,FWV样机仍具有较好的飞行性能指标,进一步验证了所提算法优化的ADRC对FWV抗扰能力的提升。

基于细菌觅食-改进蚁群优化算法的水面无人船路径规划

为了解决水面无人船全局路径规划问题,提出了一种细菌觅食-改进蚁群优化算法(bacterial foraging-improved ant colony optimization algorithm,BF-IACOA)。相较于传统蚁群优化算法(ant colony optimization algorithm,ACOA),该算法在路径搜索策略上考虑水面无人船航行需要尽可能减少转向次数和完全规避过大转向角的约束,引入转向角启发因子,综合求解转移概率;同时引入细菌觅食算法的繁殖操作和趋化操作,改进信息素浓度的更新方式,解决传统ACOA容易陷入局部最优解和收敛速度较慢的问题。仿真结果表明,相较于传统ACOA,BF-IACOA的全局搜索能力得到较大幅度的提升,并且收敛迭代次数减少超过30%;在实际水域环境模型下,BF-IACOA可以通过14次迭代为无人船规划出全局可行路径。

基于改进鲸鱼算法的收卷张力PID控制的性能优化

PID控制器的参数决定张力控制系统的稳定性和速度,因此研究收卷张力控制中经典PID控制器参数整定优化问题具有重要意义。以卷绕张力系统为切入点,结合PID和改进的鲸鱼优化算法,设计了基于改进鲸鱼算法(L-WOA)的PID张力控制器;为了提高PID整定参数方法的收敛精度和速度,在进行整定时结合了改进鲸鱼算法;建立数学模型和动态转矩平衡方程,分析了线速度和卷径对卷材张力的影响;分别使用改进鲸鱼算法和其他多种算法进行了参数优化。仿真结果表明,采用改进鲸鱼算法优化PID的控制策略具有响应速度快、控制输出稳定、抗干扰能力强、鲁棒性好等优点。

基于改进鲸鱼优化算法的丘陵山区田块全覆作业路径规划

为了解决丘陵山区单田块作业全覆盖路径规划以及多田块作业最优遍历顺序求解的问题,提升丘陵山区农业机械的作业质量和能耗效率,该研究设计了一种基于改进鲸鱼优化算法的路径规划方法。首先利用电子地图获取作业区域的数字高程模型(digital elevation model,DEM)并提取作业区域经纬度信息,基于提取数据构建和绘制田块模型。然后,在单田块全覆盖路径规划中引入能耗模型用于寻找最佳作业方向角,以实现单田块作业能耗最优的全覆盖路径规划。最后,针对鲸鱼优化算法容易陷入局部最优和早熟的问题,利用Tent映射进行种群初始化,同时引入非线性收敛因子a*和路径长度最优为目标进行作业路径规划仿真试验。仿真结果表明,按照能耗最优规划路径完成田块作业需要的总能耗为1.3002×10^(7)J,比路径长度最优情况下的作业能耗减少22.26%,利用改进鲸鱼优化算法求解的遍历顺序进行遍历所消耗的能耗比鲸鱼优化算法求解遍历顺序进行遍历节省能耗11.71%,节能效果明显。

一种多策略改进鲸鱼优化算法的混沌系统参数辨识

针对混沌系统参数辨识精度不高的问题,以鲸鱼优化算法(whale optimization algorithm,WOA)为基础,提出一种多策略改进鲸鱼优化算法(multi-strategy improved whale optimization algorithm,MIWOA)。采用Chebyshev混沌映射选取高质量初始种群,采用非线性收敛因子和自适应权重,提高算法收敛速度,为了避免算法陷入局部最优,动态选择自适应t分布或蚁狮优化算法更新后期位置,提高处理局部极值的能力。通过对10个基准函数和高维测试函数进行仿真试验,表明MIWOA具有良好的稳定性和收敛精度。将MIWOA应用于辨识Rossler和Lu混沌系统参数,仿真结果优于现有成果,表明本文MIWOA辨识混沌系统参数的高效性和实用性。

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。

基于改进飞蛾扑火优化算法的船机桨匹配设计研究

基于改进飞蛾扑火优化(Improved Moth-Flame Optimization,IMFO)算法,以两艘现有船舶为计算实例,展开了综合考虑螺旋桨推进效率、空泡性能和桨叶强度的船机桨匹配工作。以遗传算法(Genetic Algorithm,GA)和原始飞蛾扑火优化(Moth-Flame Optimization,MFO)算法为对比算法,分析了IMFO辅助船机桨匹配工作时的性能。数值实验的结果表明,在解决船机桨匹配问题时,IMFO算法的收敛时间相比GA算法在两个算例中分别缩短了44.24%和54.14%,相比MFO算法分别缩短了23.9%和23.12%。此外,在求解精度方面,在计算示例1中,IMFO算法相比GA算法和MFO算法略有提升;而在计算示例2中,IMFO算法相比GA算法提高了3.66%,较MFO算法提高了0.98%。最后,通过对两个算例的可行解空间进行可视化表示,进一步讨论了IMFO算法的求解性能。上述结果对比证明了IMFO算法具备强大的全局搜索能力,在解决船机桨匹配问题时具有良好的竞争力和鲁棒性。

多极小波包变换与改进浣熊算法优化的混合核极限学习机径流预测

为提高日径流多步预测精度,减少模型计算规模,同时提升浣熊优化(COA)算法和混合核极限学习机(HKELM)性能,提出多极小波包变换(MWPT)-改进COA算法(ICOA)-HKELM日径流时间序列预测模型。首先,利用MWPT将日径流时序数据分解为1个低频分量和2个高频分量,并构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;其次,简要介绍COA算法原理,基于Circle映射等策略对COA进行改进,提出ICOA算法,通过8个典型函数对ICOA算法进行仿真验证,并与基本COA算法、鲸鱼优化算法(WOA)、灰狼优化算法(GWO)作对比,旨在验证ICOA算法的优化性能;最后,利用ICOA优化HKELM超参数(正则化参数、核参数、权重系数),建立MWPT-ICOA-HKELM模型,并构建MWPT-COA-HKELM、MWPT-WOA-HKELM、MWPT-GWO-HKELM、小波包变换(WPT)-ICOA-HKELM、小波变换(WT)-ICOA-HKELM、MWPT-ICOA-BP模型作对比分析,通过云南省景东、把边水文站2016-2020年日径流时间序列多步预测实例对各模型进行验证。结果表明:(1)ICOA具有较好的改进效果,仿真精度优于COA、WOA、GWO算法。(2)MWPT-ICOA-HKELM模型预测效果优于其他对比模型,其对实例单步预测效果“最好”,超前3步和超前5步“较好”,超前7步“较差”,预测精度随预测步长的增加而降低。(3)利用ICOA优化HKELM超参数,可显著提高HKELM预测性能,超参数优化效果优于COA、WOA、GWO算法。

基于改进鲸鱼优化算法的同步相量测量单元多目标优化配置

针对因配电网节点数目多但投资成本少造成的同步相量测量单元(phasor measurement unit,PMU)供需不平衡问题,建立了考虑PMU配置个数、状态估计误差的PMU多目标优化配置模型,优化问题的目标是最小化所需的PMU个数和最小化状态估计误差。并提出一种改进鲸鱼优化算法来求解模型。首先引入非支配排序和拥挤度计算来选择并排序Pareto非支配解,保证算法求解全局最优值的能力,其次引入Levy飞行策略对鲸鱼优化算法的螺旋更新位置进行变异扰动,使算法不易陷入局部最优。最后,采用优化配置模型对IEEE 33标准节点系统进行仿真计算。结果表明,与遗传算法和粒子群算法相比,采用改进鲸鱼优化算法求解PMU多目标优化配置模型具有更高的可行性和有效性。

基于改进量子粒子群优化算法的机器人逆运动学求解

针对工业机器人在逆运动学求解过程中存在的位姿奇异、解不唯一、求解精度低等问题,提出了一种改进量子粒子群算法。首先,利用D-H参数法建立机器人运动学模型,以机械臂末端最小位姿误差为主要优化目标,加入运动前后关节角变化最小、行程平稳连续的约束条件,设计了目标函数;其次,通过采用Levy飞行策略改进粒子更新方式、非线性地动态调整收缩膨胀因子、采用变权重方法计算最优平均位置等方法设计了一种改进量子粒子群优化(IQPSO)算法;然后,模拟单点位姿和连续轨迹两种不同的求解情况进行三种算法(IQPSO、APSO、QPSO)的仿真对比实验,结果表明IQPSO算法具有收敛速度快、求解精度高等优点;最后,将IQPSO算法用于机械臂本体进行实物验证,实验结果表明IQPSO算法求解出的插值点所组成的轨迹连续且平滑,进一步证明了该算法应用于实际运动控制中的稳定性和可行性。

基于改进粒子群优化算法的PID控制器参数整定

针对标准粒子群优化算法优化PID控制器参数存在的早熟以及陷入局部最优等问题,引入粒子二阶振荡环节、反向学习、自适应惯性权重,并结合设计的惯性权重动态调整策略、粒子越界随机反射墙,提出一种新型分阶段迭代的改进粒子群优化算法。在6个标准测试函数上进行测试,其性能相比于一些已有的改进粒子群优化算法更加优秀。将这些算法用于自动电压调节器系统的PID控制器参数整定,仿真结果表明,所提出的改进粒子群优化算法整定的PID控制器的控制效果更好。

基于改进二进制蛇优化算法的配电网故障定位

分布式电源(distributed generation,DG)大规模接入给配电系统带来更多不确定性、随机性,系统运行方式更复杂,传统故障定位方法难以适应新型电力系统构建。提出了一种基于改进二进制蛇优化算法(improved binary snake optimization,IBSO)的新型故障区段定位方法。利用SPM混沌映射生成高质量的随机数序列,以提高算法种群中个体的随机性,并引入了遗传算法的动态变异策略,根据不同的搜索状态和进化阶段来调整变异率和变异方式,提高算法的灵活性和准确性。通过仿真证明,该方法适用于在含有分布式电源的配电网中定位单一和多重故障区段,相比蛇优化算法、传统二进制粒子群算法以及遗传算法在收敛性、快速性和准确性方面更优。

改进蜣螂优化算法的汽车旋转分配盘减速机优化设计

为解决汽车旋转分配盘减速机的体积大及传动效率低的问题,采用改进蜣螂优化(improved dung beetle optimizer,IDBO)算法进行优化设计。首先,引入Circle混沌映射初始化种群序列,使初始化蜣螂种群分布更均匀;其次,引入多向学习策略更新无障碍模式下滚球蜣螂的个体位置以跳出局部最优解,扩大搜索范围;同时利用自适应t分布变异扰动来更新蜣螂位置,提高算法的全局搜索能力和局部搜索能力,使之快速收敛;最后以减速机总体积及传动功率损耗最小为目标,采用IDBO对其进行优化设计。结果表明,使用IDBO算法优化后减速机体积减小44%,传动损耗功率降低28%,相比于其他智能优化算法,该算法优化结果更优。

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。