基于大猩猩优化算法的配电网重构研究

为了能够更好地解决配电网重构的相关问题,构建了以最小有功网损为目标函数的有源配电网重构模型;为了提升模型的求解效率,引入大猩猩优化算法应用到模型的求解中,并使用IEEE33节点算例对有源配电网重构模型进行了验证分析。通过多种算法的结果对比,表明该算法具备更好的寻优效率,更快的收敛速度,从而验证了其在配电网重构模型求解中应用的有效性和实用性。

改进人工大猩猩优化算法的机器人路径规划

为了提高移动机器人的路径规划能力,寻找到更优的移动路径,提出了改进的人工大猩猩算法。在全局探索和局部开发阶段,通过引入惯性加权因子不同的自适应权重,提高了全局搜索能力和局部开发能力。在局部开发阶段,通过融合互利共生策略加强了个体与最优个体间的联系,提高了算法的收敛速度,通过引入黄金正弦算法进一步平衡了全局探索和局部开发能力。通过构造障碍物和基于三次样条插值的路径适应度函数,利用改进的人工大猩猩优化算法寻优求解,获得移动机器人的最优路线。通过简单障碍环境和复杂障碍环境的仿真实验证明了本文提出的改进算法的有效性和实用性。

基于改进人工大猩猩部队算法的移动机器人路径规划研究

针对传统人工大猩猩部队优化算法在移动机器人路径规划问题中存在前期全局寻优能力较弱、后期收敛能力不强、容易陷入局部最优等问题,提出一种改进的人工大猩猩部队优化算法。在改进算法中,为提高初始种群质量,采用Logistic混沌映射生成种群;引入新的计算公式改进控制参数W的值,使其随着迭代次数增加而线性增大;融合鱼鹰优化算法的位置更新策略,以增强算法中个体之间交流信息;在算法开发阶段后期,应用莱维飞行策略更新个体位置,以保证算法后期的种群多样性。仿真实验结果表明,与SSA算法、GTO算法和GWO算法相比,改进算法在M1地图环境中得到的平均路径分别缩短了9.72%、6.07%和7.99%;在M2地图环境中得到的平均路径分别缩短了22.04%、44.16%和50.3%,具有明显优势。

基于改进大猩猩算法的主动配电网动态重构

针对传统算法无法妥善应对含分布式电源(DG)和电动汽车(EV)的主动配电网重构问题,提出了一种改进的大猩猩部队优化算法。首先使用“无重复”编码策略对配电网进行编码,降低不可行性解的产生,其次对大猩猩部队优化算法使用Circle混沌映射,初始化种群,增加种群多样性,并且引入大猩猩自适应变异算子,来增强算法对搜索空间中新位置搜索能力,最后通过使用镜头对位学习和自适应β-爬坡策略,增加算法容错性,避免算法陷入局部最优。通过仿真分析可知,所提改进算法与其他智能算法相比,重构效果更为理想,具有寻优精度高和收敛迭代次数小的优势,其全局寻优率可达到100%,验证了所提模型的有效性和优越性。

改进人工大猩猩部队优化算法的WSN网络覆盖

为了建立一个保障网络通信需求以及低耗能的无线传感器网络,提出一种融合智能优化算法的网络部署方案。对部署区域进行二维投影,并结合概率感知模型设计出一种网络覆盖模型;针对人工大猩猩部队优化算法(GTO)在网络部署问题中存在收敛速度较慢以及全局探索能力不足的问题,提出一种改进人工大猩猩部队优化算法(IGTO)。该算法通过引入Tent混沌策略和复合突变策略,改善算法全局探索能力,增加算法收敛速度。在网络覆盖模型中进行仿真测试,验证网络覆盖率评价方案的有效性和工程实用性。结果表明,由IGTO算法部署的无线网络覆盖效率更高,节点分布更加均匀。

优化动态核主元分析的工业过程故障监测方法

针对现代生产工业过程中数据的非线性多模态特征,提出了一种基于人工大猩猩部队优化动态核主元分析(GTO-DKPCA)的故障监测方法。利用自回归移动平均时间序列模型和核主成分分析(KPCA)方法构建DKPCA模型,对过程各阶段的批次数据进行DKPCA处理。通过正常数据和故障数据特征构建自适应度函数,利用人工大猩猩部队优化算法对DKPCA核参数进行优化,以发现最优的非线性特征;通过计算各时间点的霍特林统计量T2和平方预测误差(SPE)统计量进行故障监测。青霉素发酵过程故障监测结果表明,GTO-DKPCA方法比多向核主元分析(MKPCA)和多动态核主元分析(BDKPCA)有更好的监测效果,适应性和准确性更高。

基于参数自适应的RSSD-CYCBD及在轴承外圈故障特征提取中的应用

针对滚动轴承工作环境复杂、故障特征信号易被高强度噪声掩盖的问题,提出了基于参数自适应的共振稀疏分解(RSSD)和最大二阶循环平稳盲解卷积(CYCBD)的滚动轴承故障诊断方法。首先,利用人工大猩猩部队优化算法(GTO),结合相关系数与相关峭度的融合指标,自适应选择RSSD分解参数,得到了仿真信号的最优低共振分量;然后,利用GTO结合包络熵,自适应选择CYCBD的循环频率和滤波器长度,对最优低共振分量进行了解卷积运算,从包络谱中获得了信号的故障特征频率;最后,利用美国凯斯西储大学试验台和MFS-MG机械故障综合模拟试验台数据,综合验证了该方法的有效性,并将试验结果与RSSD-MCKD方法的结果进行了对比。研究结果表明,该方法能够准确地得到仿真信号的故障频率为20 Hz、美国凯斯西储大学试验台近似故障频率为107.5 Hz、MFS-MG试验台近似故障频率为87.6 Hz。自适应RSSD-CYCBD方法能够有效地识别出故障特征频率及其倍频,实现滚动轴承故障诊断的目的。

基于WPD-AGTO-DELM模型的年径流时间序列预测

针对径流序列多尺度、非线性、非平稳性特点,将小波包分解(WPD)、人工大猩猩群优化(AGTO)算法与深度极限学习机(DELM)相结合,建立WPD-AGTO-DELM组合预测模型,并构建WPD-DELM、WPD-AGTO-BP、WPD-BP及基于小波分解(WD)的WD-AGTO-DELM、WD-DELM、WD-AGTO-BP、WD-BP作对比模型,将所建8种模型应用于云南省龙潭站年径流预测.首先,利用WPD将年径流序列分解为8个子序列分量,达到降低年径流序列数据复杂性和不平稳性的目的;其次,采用自相关函数法(AFM)确定各分解分量的输入向量;最后,利用AGTO优化DELM隐含层神经元数,建立AGTO-DELM模型对各子序列分量进行预测,将预测结果加和重构得到最终预测结果.结果表明:WPD-AGTO-DELM模型对实例后10年径流预测的平均相对误差1.86%,平均绝对误差0.26m^(3)/s,均方根误差0.34m^(3)/s,预测精度优于其他模型.WPD分解效果优于WD,能科学降低径流序列的复杂性,提高预测精度;AGTO能有效优化DELM中多个隐含层神经元数,提高DELM网络性能.