基于天牛须优化算法的相关向量机边坡稳定性分析

为了快速、准确地预测边坡稳定性,及时控制边坡危害,提出了一种基于天牛须(beetle antennae search,BAS)优化算法的相关向量机(relevance vector machine,RVM)边坡稳定性分析模型。基于RVM模型,建立了边坡影响因素与稳定性的非线性映射关系;采用BAS算法对RVM模型参数进行优化,提出了基于BAS算法的RVM边坡稳定性分析优化模型;并将该模型应用于京新高速公路的边坡稳定性分析。分析结果表明:与实际值相比,基于BAS-RVM模型的最大绝对值相对误差为3.90%;在相同学习样本下,与RVM模型、支持向量机(support vector machine,SVM)模型和径向基函数(radical basis function,RBF)模型的预测值相比,BAS-RVM模型预测结果的可信度和拟合度更好、精度更高,其平均绝对值误差(mean absolute error,EMA)、均方根误差(root mean square error,ERMS)、相对均方误差(relative root mean square error,ERRMS)远低于其他3种模型。

基于自适应变异的变步长天牛须算法及其在图像配准中的应用

针对现有遥感技术缺乏光谱信息而导致图像失真度高、成像模糊等问题,文章提出基于倾斜摄影技术提高遥感图像分辨率的方法。传统的天牛须算法(beetle antennae search algorithm,BAS)在处理图像匹配时,虽然具有参数少、收敛速度快、易于实现等优点,但是精度有限。因此以步长指数衰减的方式进行变步长搜索,同时借鉴粒子群算法寻优策略,引入天牛左右须历史最佳位置作为下一步解的搜索参考位置,以此提高解的搜索速度。与传统的天牛须智能优化算法相比,该文提出的基于自适应变异的变步长天牛须算法求解精度更高,通过实验验证了该算法的有效性。

基于改进天牛须算法和永磁同步电机的采煤机牵引电机控制

为提高采煤机牵引系统的控制性能,提出了一种基于改进天牛须算法和永磁同步电机的采煤机牵引系统,并对其调速特性进行了研究。首先,在传统的天牛须算法的基础上,改进步长更新策略,提高了算法的全局寻优性能;然后,利用改进的天牛须算法对采煤机牵引系统进行优化,对其电机控制闭环中的PID参数进行寻优调节;最后,使用采煤机的真实负载数据对优化后的牵引系统进行MATLAB/Simulink仿真验证。仿真结果表明,优化后的牵引系统具有更好的动态特性,能实现更精准、快速的采煤机牵引调速。

基于改进天牛须搜索算法的传感器网络覆盖优化策略

为了有效提高移动传感器网络的节点覆盖率,提出一种基于改进天牛须搜索(Improved Beetle Antennae Search,IBAS)算法的网络覆盖优化方法。经典天牛须搜索算法根据“食物”气味强弱和利用左右两个“触须”开展搜索觅食。首先通过在搜索阶段引入改进步长和随机方向函数对其进行改进,以平衡算法的全局探索与局部开发能力,使算法能够有效跳出局部最优;其次,采用基于当前最优值的侦查策略,提高算法的收敛速度与精度;最后进行了算法性能讨论和仿真实验。结果表明,相较其它算法,IBAS算法不仅提高了网络节点的覆盖率,而且使得节点分布更加均匀。

改进天牛须搜索算法在圆度误差评定中的研究

为了提高圆度误差的评定精度和计算收敛速度,提出了一种改进天牛须搜索算法的圆度误差评定方法。首先,通过圆度误差最小区域原则建立了数学模型和目标函数。其次,在标准天牛须算法的基础上,设计了变步长法,进一步提高算法的计算精度和收敛速度。最后通过三坐标测量的圆度测量数据进行求解验证,并将计算结果与常用的最小二乘法和粒子群算法等进行对比。实例表明,改进的天牛须搜索算法在圆度误差评定上的计算精度和收敛速度都优于传统算法,体现了该算法的优越性。

基于改进BAS算法的配电网多目标优化重构

天牛须搜索(BAS)算法存在早熟收敛、计算效率低下等缺点,文中提出一种改进BAS算法,并应用于解决配电网优化重构问题。首先建立以网络损耗、负荷均衡度、电压偏差以及系统供电可靠性为目标的数学模型;然后针对传统天牛须搜索算法易陷入局部最优,采用模拟退火的蒙特卡洛准则进行改进,提高了算法的稳定性和可重复性,并采用改进后的天牛须搜索算法对数学模型进行迭代求解,给出配电网最优重构方案;最后结合IEEE 69总线系统进行实例仿真分析,与未进行系统重构配置进行对比,所提算法减少了网络损耗,提高了系统运行的经济稳定性。

基于改进天牛须搜索算法的分布式电源选址定容

针对分布式电源接入配电网的选址定容问题,在考虑到网损、静态电压稳定和线路热稳定3个指标的基础上,采用层次分析法建立了分布式电源在配电网中选址定容的多目标优化模型。引入模拟退火算法中的蒙特卡洛法则对一种新的智能优化算法-天牛须搜索算法(Beetle Antennae Search,BAS)进行改进,提高算法的稳定性,并应用于分布式电源选址定容问题求解。算例仿真实验验证了改进天牛须搜索算法(Improved Antennae Search,IBAS)在分布式电源选址定容问题求解中的高效性和稳定性。

改进天牛须算法在采煤机调高中的应用仿真

针对采煤机在工作过程中调高精度不足,滚筒轨迹跟踪能力不高的问题,提出了一种结合人工鱼群的改进天牛须优化算法的控制策略。使用改进的天牛须算法,以ITAE作为调高系统的性能指标,寻优得到采煤机调高系统PID控制参数。将改进天牛须算法与普通天牛须算法进行参数比对,证明了改进后的算法具有优越性。改进后的算法参数用于simulink搭建的系统仿真模型中,仿真证明改进的天牛须优化算法在快速寻优的基础上做到更加有效的降低系统误差,并且寻优得到的控制器具有更好的抗干扰和信号跟踪能力,可以为煤炭的高效生产提供依据。

基于改进天牛须搜索算法的电池储能系统参与AGC优化控制策略

在电池储能系统辅助传统发电机组参与电网自动发电控制时,针对按固定比例分配各机组出力信号难以充分发挥储能调频效果的问题,提出一种基于改进天牛须搜索算法的优化控制策略。该策略通过改进天牛须搜索算法优化后的负荷频率控制器将区域控制误差信号转化为区域控制需求信号,根据需求信号的大小确定系统当前所处的运行状态,再利用改进天牛须搜索算法实时调整储能与传统发电机组的出力分配。仿真结果表明,该控制策略能有效减小系统频率偏差,平抑联络线交换功率波动,促进系统频率稳定。

改进天牛须算法优化自抗扰APF直流侧电压控制

针对有源电力滤波器(APF)的直流侧电压控制问题,基于传统比例积分(PI)控制方法控制精度低,存在超调和快速性这一矛盾,自抗扰控制(ADRC)因引入干扰补偿,大大提高其抗干扰能力。但目前单一的优化算法整定ADRC参数不能提高控制精度及响应速度,现提出通过改进天牛须算法(BAS)来优化自抗扰控制器参数的方法,将变异环节引入天牛须算法,使其跳出局部搜索,更快搜索得到全局最优解,并提高精度的同时兼顾响应速度,搭建MATLAB/Simulink仿真以及充电桩谐波治理的APF实验平台进行验证,通过实验验证,该算法优化后能够减少超调,实现电流的精确跟踪,其谐波率从3.32%降低到1.34%,证实算法的有效性。

基于BAS-IMOPSO算法的风电系统储能优化配置

风力发电作为一种清洁的可再生能源,在电力系统中应用广泛,但风电出力的随机波动性会对电力系统电能质量产生不利影响。储能系统(energy storage system,ESS)因其灵活的双向调节能力被用于平抑风电接入系统带来的电压与功率波动问题。文中考虑储能接入节点与容量不同对风电出力波动的平抑效果不同,以系统电压偏差、日有功网损和ESS配置容量为目标函数建立多目标储能优化配置模型。采用一种基于天牛须搜索算法的改进多目标粒子群优化(beetle antennae search-improved multi-objective particle swarm optimization,BAS-IMOPSO)算法求解该模型,利用基于信息熵的逼近理想解排序法在Pareto解集中选取最佳储能配置方案。在IEEE 33节点系统中对模型进行仿真验证,结果表明:BAS-IMOPSO算法优化下的ESS降低配电网电压偏差与有功网损的能力较多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法显著提高,有效改善了系统的电能质量,具有削峰填谷的作用,验证了BAS-IMOPSO算法的有效性。

带有导向方向和群集搜索策略的天牛群算法

为加快天牛须搜索算法在多维优化问题中收敛速度,提高寻优精度,并综合考虑局部最优和整体优化问题,提出带有导向方向和群集搜索策略的天牛群算法。采用天牛群体并加入优值个体,利用迭代过程中优值个体在求解空间中的位置信息设计导向方向,引导群体向最优方向迭代;采用群集策略,有效避免算法陷入局部最优,增强算法的全局寻优能力。实例仿真计算结果表明,与标准的天牛须算法及其它经典优化算法相比,该算法在求解多维复杂问题时具有更快的收敛速度和更高质量的求解精度。

基于天牛须搜索算法的短期风电功率组合预测

为了提高风电功率预测精度,提出了一种完全集成经验模态分解(complete ensemble empirical mode decomposition adaptive noise,CEEMDAN)、极限学习机(extreme learning machine,ELM)和改进天牛须搜索算法(improved beetle antennae search algorithm,IBAS)的组合预测模型来预测风电功率。引入动态惯性权重改进天牛的位置更新方式,提高天牛须搜索算法的寻优能力。在预测过程中,首先通过CEEMDAN对原始风电功率数据进行预处理,将非平稳信号分解为一组按照频率和振幅大小排列的序列分量,减少数据波动带来的预测误差。然后利用IBAS优化ELM构建预测模型,分别预测每个序列分量,最后叠加每个序列分量的预测值得到最终预测值。仿真结果表明,与其他预测模型相比,本预测模型预测精度最高,评价指标平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)均为最小,具有广阔的实际应用前景。

基于天牛须搜索的粒子群优化算法求解投资组合问题

粒子群算法(PSO)作为一种群智能算法,有效提高了投资组合模型的实用性,但存在搜索精度较低和易陷入局部最优的缺陷.为克服其缺点,本文提出基于天牛须搜索(BAS)的粒子群优化算法(简称BSO),并将其应用到包含完整费用的投资组合模型中.在基于天牛须搜索的优化算法中(BSO),每个粒子的更新规则源自BAS,在每次迭代中都有自己对环境空间的判断,而不仅依赖于PSO中历史最佳解决方案和粒子个体的当前全局最优解,从而减少迭代次数、提高搜索速度和精度.实证结果表明算法更具稳定性和有效性.

基于天牛须算法的粒子群算法在PID参数整定上的应用

PSO虽然被广泛应用于包含PID参数整定等各种寻优问题中,但是传统粒子群算法在某些场合收敛速度慢且较容易陷入局部最优值。针对这些问题,文中提出一种将新型高效BAS融合进PSO算法的全局寻优过程,该方法可以更好地跳出局部最优点。同时,由于BAS算法为单一个体的算法,易因为早熟收敛陷入局部最优,故将BAS和传统的PSO结合也增强了BAS的丰富度。在Schaffer函数进行的20次独立测试显示,该算法相对于传统PSO和BAS取得了较好的寻优结果。最后,将算法应用到不稳定对象的PID参数寻优中,结果显示相对于PSO和改进PSO算法,新算法下的ts、tr、IAE、ISE等各项指标均得到了提高。

基于BAS-PSO算法的含DG配电网故障区段定位

分布式电源(DG)的大规模接入电网使得线路潮流方向变得复杂,当线路发生故障时,利用传统粒子群(PSO)算法定位故障区段的准确性不高。针对此问题,提出一种基于天牛须改进粒子群(BAS-PSO)算法的故障定位方法。首先,引入自适应的惯性权重加快算法收敛速度,并利用Tent混沌映射将种群初始化,避免其陷入局部最优解;然后,建立了开关函数和适应度函数,以定位含DG配电网故障;最后,通过Matlab对IEEE 33节点的含DG配电网故障模型进行仿真。结果表明:该算法在含DG配电网故障区段定位中搜索速度和精度更高,并且在信号发生畸变的情况下拥有良好的容错性。

改进海洋捕食者算法及其在WRSN充电规划中的应用

针对无线可充电传感器网络下的多无人机充电规划,仅考虑无人机的飞行距离为成本目标规划出最优充电路径显得单一片面,现把无人机的飞行距离、能量消耗、时间成本和无人机搭配成本组合成新的成本目标模型,为了减少飞行停留点次数,还加入了正六边形充电模型,并提出了一种改进的海洋捕食者算法(BMPA)应用到此场景中.改进之处在于:一方面,在海洋捕食者算法中引入了天牛须搜索算法寻找全局气味值最大的点的操作,改善了最优解的质量;另一方面,在海洋捕食者算法中加入了新的自适应的非线性移动步长的参数,进一步改善勘探与开发的平衡,提高了全局搜索能力,促进局部研究的快速收敛.仿真实验结果表明,提出的算法不仅有效地减少了飞行次数,而且降低了飞行距离和算力消耗,与BAS、MPA和PreWBAS算法相比,在求解新的成本目标函数值上减少了50.90%、4.85%和14.38%,证明了改进后的算法的有效性.

基于改进BAS算法的综合能源系统优化调度研究

为进一步改善综合能源系统的经济性,文中针对电、气、热综合能源系统建立了以最小运行成本为目标函数的优化调度模型,综合考虑输送电、气、热输送量上下限,以及各种能量转换设备出力上下限等约束条件。采用改进天牛须搜索(Beetle Antennae Search,BAS)算法对优化调度模型进行求解。算例仿真结果表明,在考虑和不考虑分时能源价格情景下,分别采用改进BAS算法与粒子群算法对模型求解,并验证了改进BAS算法在综合能源系统优化调度模型求解中具有优异的可行性。

基于AGSO-BAS混合算法的配电网分布式电源优化配置

随着分布式发电技术的发展,在配电网中接入一定容量的分布式电源(DG)对于改善配电网负荷供电质量、降低系统网损水平、提高运行经济性等具有显著的作用,本文针对分布式电源配电网中的位置、容量优化配置问题,建立了关于分布式电源建设运行总成本和系统网络损耗的多目标优化配置模型,并提出了一种基于改进萤火虫(AGSO)优化算法和天牛须(BAS)搜索优化算法的混合优化算法对分布式电源优化配置模型进行求解,在计算得到Pareto解集后,利用交互式模糊决策技术从解集中选取最终的电源配置方案。最后以IEEE 33节点配电网系统作为算例进行了仿真分析,验证了模型的合理性和方法的有效性,并分别使用混合算法与基本AGSO算法优化系统网损,对比结果表明,提出的混合算法收敛性和寻优精度更好,能有效地解决配电网中分布式电源的优化配置问题。

基于BAS-PID算法的介电弹性体执行器控制研究

由于介电弹性体构成的执行器在软体机器人驱动过程中存在黏弹性效应,使得机器人难以精准控制,提出一种天牛须搜索(beetle antennae search,BAS)算法优化PID的控制方法,实现对软体机器人的精准控制。首先,采用流变模型对介电弹性体执行器(dielectric elastomer actuator,DEA)动力学模型进行搭建;其次,利用BAS算法具有较强的全局寻优能力以及单体的寻优策略,将PID控制器参数转化为BAS算法在三维空间中的参数;最后,在迭代过程中对PID参数进行优化。实验结果表明:所提方法对正弦波、三角波的最大跟踪误差为0.95 mm和1.08 mm,相比于其他控制方法,提高了执行器的控制精度。