基于改进自适应遗传算法的小径短绳自动打捆机步进电机PID控制

为提高小径短绳自动打捆机步进电机的控制精度,在分析经典遗传算法和经典自适应遗传算法的基础上,引入进化代数和个体适应值排名来指导自适应交叉率和自适应变异率,设计了一个基于改进自适应遗传算法的PID控制器,以削弱进化过程中优良参数的退化现象。MATLAB仿真结果表明,改进的自适应遗传PID提高了收敛精度,并具有更快的收敛速度。针对步进电机的实际测试结果表明,与经典遗传算法相比,改进的自适应遗传PID调整时间更短、超调量更低。

基于改进粒子群算法的自适应构网型变流器控制策略

构网型控制是一种改善新能源高渗透率下电力系统稳定性问题的技术手段。针对传统构网型变流器均采用固定参数控制而未能发挥出最佳调频效果这一问题,基于构网型变流器控制参数可调的特点,提出一种自适应控制策略,以优化构网型变流器的输出并改善电力系统的动态特性。首先,通过仿真实验得到典型构网型变流器虚拟惯量和阻尼系数在大功率事件下对系统动态特性的影响;其次,研究典型构网型变流器的频率曲线与功角曲线,提出包含频率偏差和频率变化率的自适应构网型变流器控制策略;然后,通过改进粒子群算法对自适应控制策略涉及参数进行整定;最后,基于MATLAB/Simulink搭建的微电网模型,验证所提控制策略的稳定性与鲁棒性。仿真结果表明,所提控制策略可以自适应改变控制参数,使构网型变流器的输出能够满足系统各个阶段的不同需求,优化电力系统的动态特性。

基于改进Sage-Husa的GNSS/SINS组合导航系统自适应UKF算法

GNSS/SINS组合导航系统的无迹卡尔曼滤波器(UKF)是以准确的测量噪声统计特性为基础的,当测量噪声统计特性发生变化时,如不对其进行准确的估计,将会导致UKF的滤波性能下降甚至发散。为了解决上述问题,提出了一种基于改进Sage-Husa的GNSS/SINS组合导航系统自适应UKF算法(ISHUKF)。首先,建立了GNSS/SINS非线性组合导航系统的简化UKF模型;然后,在分析组合导航系统中常规Sage-Husa算法存在滤波发散原因的基础上,提出了一种改进的Sage-Husa算法以保证测量噪声估计方差的正定性;最后,进行了GNSS/SINS组合导航系统的仿真实验。实验结果表明,相对于变分贝叶斯算法,ISHUKF对测量噪声方差的估计精度与其大致相同,并且算法更加简单;相对于标准UKF算法,在整个仿真时段内可提高组合导航系统的位置精度、速度精度和姿态精度分别约33%、35%和72%,进而验证了算法的可行性及优越性,并为复杂环境下组合导航系统的滤波方法提供了一种简易的方法。

锂离子电池模型参数辨识的改进自适应FFRLS算法研究

为了提高锂离子电池模型参数辨识的准确性和鲁棒性。以递归最小二乘法(FFRLS)为基础,采用了一种经过改进的自适应FFRLS算法,通过分数阶阶乘设计实现了对模型参数的逐步辨识。这种算法的特点在于其自适应性,能够更好地适应电池系统的非线性和复杂性。通过在不同工况下对锂离子电池模型进行参数辨识和研究得到了大量的实验数据。结果显示,相较于传统方法,改进的自适应FFRLS算法在处理电池系统的复杂性和非线性特性方面取得了显著的改进。通过优化算法,为电池管理系统提供了更为精确的模型。这对于改善对电池性能的监控和控制具有重要意义,有助于提高电池的使用寿命和安全性。

改进自适应遗传算法下余热锅炉过热蒸汽温度控制方法

余热锅炉过热蒸汽温度常受到多种干扰和不确定因素的影响,导致温度波动较大,难以实现稳定控制。为此,提出改进自适应遗传算法下余热锅炉过热蒸汽温度控制方法。利用过热蒸汽温度、锅炉负荷参数定义余热锅炉过热蒸汽温度控制方程,引入改进自适应遗传算法,通过自适应调整交叉和变异概率提升遗传算法的收敛速度,获取最优适应度函数,代入余热锅炉过热蒸汽温度控制方程中,实现蒸汽温度最优控制。通过对比实验验证得出,该方法的收敛性能好,对余热锅炉过热蒸汽温度控制的超调量为2.6℃,响应速度为1.8 s,证明该方法对余热锅炉过热蒸汽温度控制的稳定性及精度较好。

基于改进樽海鞘群算法的飞行器航迹自适应控制系统设计

飞行器在实际飞行过程中会受到风力、气流等外界干扰,会引起飞行器轨迹离期望轨迹,导致传感器获取的飞行器状态信息存在误差;为及时反馈飞行器的飞行状态,设计基于改进樽海鞘群算法的飞行器航迹自适应控制系统;改装姿态角测量传感器、位置测量传感器、空速计等传感器,调整处理器与航迹控制器的内部结构,实现硬件系统的优化设计;根据飞行器飞行任务,规划飞行器期望航迹作为系统的控制目标;利用改进樽海鞘群算法自适应检测飞行器位姿,计算气压、风速等飞行环境参数,在考虑飞行环境干扰的情况下,通过当前飞行器位姿与目标航迹的比对,得出飞行器航迹控制量的求解结果,通过控制指令的执行,实现系统的航迹自适应控制功能;实验结果表明,所设计系统应用下飞行器直线、曲线航迹控制偏差的平均值分别为0.8 km、2.1 km,飞行器的抖振幅值为2.5 dB。

改进鲸鱼算法驱动的变分模态分解自适应降噪方法

为了更好地从振动信号中提取有效信息,提出了一种基于改进的鲸鱼优化算法(VSWOA)与变分模态分解(VMD)的振动信号降噪方法。首先,采用Sobol序列初始化种群,以确保种群的均匀分布和多样性。然后,从多个起始点进行搜索,并在搜索过程中引入精英柯西变异策略,以防止算法陷入局部最优解。通过这些改进措施,优化了VMD的参数,使得分解得到的本征模态分量(IMFs)在重构后实现了自适应降噪。实验结果表明,与传统的经验模态分解(EMD)、集合经验模态分解(EEMD)以及鲸鱼优化算法-变分模态分解(WOA-VMD)方法相比,所提方法在降噪后信号失真度更小,同时显著提高了降噪效果和故障特征的保留能力。这表明改进的鲸鱼优化算法能够有效地增强振动信号的降噪性能,为轴承故障诊断提供了更为可靠的方法。

基于改进粒子群算法的燃煤电厂经济调度自适应优化方法

经济调度优化关乎电厂的经济效益,为此,提出基于改进粒子群算法的燃煤电厂经济调度自适应优化方法,旨在最大化电厂经济效益、最小化发电成本,并设定相关约束条件,通过自适应调整粒子群算法参数,改进算法迭代求解模型,获得最优经济调度策略。实际应用显示,该方法有效提升了电厂经济收益,减少了污染物排放,具有良好的优化效果。

基于自适应阈值的改进孤立森林算法研究与验证

为改善孤立森林算法建立二叉树时随机选择属性进行数据分割,构建孤立森林时可能出现一些性能较差的冗余二叉树,导致模型精度不高的问题,应用一种区间套搜索算法对初始构建的孤立森林搜索森林划分阈值,去除性能较差的孤立二叉树,构建性能更优的孤立森林,提出一种自适应阈值的改进孤立森林算法(Adaptive-iForest)。选取UCI经典数据集中Breastw、Ionosphere、Satellite、Shuttle、Pendigits 5个数据集进行实证分析,对比iForest、LOF两个算法,AdaptiveiForest算法的精度与AUC值均有不同程度提升。

物联网背景下基于改进多目标自适应遗传算法的智能汽车路径规划研究

在物联网迅速发展的时代背景下,智能汽车作为物联网的重要应用之一,其路径规划算法的优化显得尤为重要。然而,现有路径规划算法在应对复杂多变的实际道路情况时存在局限性,需要更灵活、高效的解决方案。本文首先列出了物联网背景下基于改进多目标自适应遗传算法的智能汽车路径规划的研究原因,随后重点论述了相关算法和研究方法,最后对研究结果进行了分析。

基于改进NAS-RIF算法的遥感噪声图像自适应复原

实现对遥感噪声图像的有效复原是遥感图像处理的一项重要研究内容。在对非负支撑域有限递归逆滤波(non-negativity and support constraints recursive inverse filtering,NAS-RIF)算法深入研究的基础上,提出一种基于改进自适应NAS-RIF算法的遥感噪声图像复原方法。该算法针对经典NAS-RIF算法存在的缺陷,首先对含有椒盐噪声和高斯白噪声的遥感图像采用自适应伪中值滤波算法进行预处理,以尽可能排除图像中噪声的干扰;然后结合图像的灰度值,从算法支撑域和背景灰度值2个方面加以改进;最后对代价函数引入基于目标信息的修正项,改进了经典NAS-RIF算法的代价函数;与对数函数复合,使得改进后NAS-RIF算法的代价函数具有良好的收敛性;并采用共轭梯度法对改进自适应NAS-RIF算法进行整体优化。对仿真实验结果进行的主观和客观分析表明,本文算法的性能优于经典NAS-RIF算法、已有的改进NAS-RIF算法以及小波阈值去噪方法,能够胜任遥感噪声图像的复原处理。

改进势场蚁群算法优化路径自动规划

针对势场与蚁群联合的自主路径规划存在局部最优解、初始路径选择随机导致效率不高及环境适应性差等问题,提出了基于自适应域和参数自适应设置的改进算法。算法首先基于自适应域改进势场目标不可达问题,并过滤震荡点以平滑路径;其次,通过状态转移函数和信息素更新等相关参数的自适应设置,提高算法在收敛效率和搜索能力上的平衡性,进而提高对障碍环境的适应性。实验结果表明,所提算法能够有效避免局部最优、目标不可达和复杂环境的适应性问题,在路径长度和效率上优于实验采用的已有算法,从而验证了算法的有效性。

基于改进蝴蝶搜索算法的DGPS整周模糊度快速解算

为了快速准确地解算差分全球定位系统(DGPS)整周模糊度,提出了一种改进蝴蝶搜索算法(IBOA)求解整周模糊度。首先在蝴蝶优化算法(BOA)的香味系数中加入一个自适应权重,弥补BOA算法觅食行为中较弱的搜索能力;其次使用动态切换概率权衡BOA算法中全局搜索与局部搜索的比例;最后在全局搜索和局部搜索阶段引入新的迭代位置更新策略,提升了算法全局搜索能力和跳出局部最优能力。与最小二乘模糊度降相关平差算法(LAMBDA)算法进行1000个历元数据的解算对比实验,结果表明所提算法的平均搜索成功率比LAMBDA算法提高了5.07%。

基于改进遗传算法对机械臂最优时间轨迹规划

针对传统工业机器人在轨迹规划过程中,运动耗时长、易陷入局部最优解的问题,提出一种基于改进自适应遗传算法对于6R机械臂轨迹优化算法。通过加入改进的自适应调节机制,自适应的去改变交叉概率和变异概率。首先,建立六自由度机械臂模型,采用改进型D-H参数法获得机器人连杆参数数据;其次,通过4-1-4多项式插值的方法进行轨迹规划,以运行时间为优化目标,利用改进自适应遗传算法结合蚁群算法对运动轨迹进行优化;最后,通过目标函数解决运动学约束问题。通过MATLAB仿真实验验证相比于传统的遗传算法,该轨迹的运行时间从12.23 s减少到了9.05 s,整体运行轨迹时间缩短3.18 s,优化后的效率提高近26%。适应度提高1.73,证明该算法能够有效地加快轨迹的运行时间,提高了机械臂的工作效率。

一种改进Cartographer算法的建图方法研究

对于传统激光雷达建图算法中存在的点云特征提取不完善、质量低,噪声影响导致的位姿数据偏差影响建图效果的问题,提出了一种基于改进Cartographer算法的激光建图方法。首先,在传感器信息融合部分,用自适应无损卡尔曼滤波(AUKF)的方法,对传感器数据进行预测更新,再对噪声进行自适应优化,来减小噪声对位姿数据造成的影响;其次,在处理激光雷达采集的点云数据时,改进体素滤波的效果,通过对点云赋权过滤的方法进行点云信息的二次筛选,以降低点云的冗余,提升点云质量;最后,在真实环境进行建图测试,比较改进后算法与传统算法的建图效果,在室外环境下改进算法比原算法绝对平移误差降低了25.8%,绝对旋转误差降低了28.9%。可明显看出改进算法数据误差更小,建图效果更加精确。

改进布谷鸟算法在装配序列规划中的应用研究

针对装配序列规划问题,建立考虑装配序列的几何可行性、稳定性、聚合性、重定向性的装配关系模型以及基于适应度函数的装配序列优化数学模型。提出一种改进布谷鸟算法对装配序列规划问题进行求解,采用随机键和最小位置规则的方法设计基于零件编号、装配方向、装配工具的3层编码方案;设计基于最小装配成本的初始化策略与随机初始化策略相结合的混合种群初始化策略,提高种群质量;改进种群进化和搜索方式,将种群分为3个子群,并分别采用自适应步长飞行、标准步长飞行和交叉、变异的方式进行种群更新,提高算法的收敛速度和求解精度。最后通过实例应用及与其他算法的比较,验证了所提出的改进布谷鸟算法在求解装配序列规划问题上的有效性和优越性。

基于多分区自适应改进果蝇算法的风光燃储微电网协调控制策略

为了使微电网控制系统中PI控制器的参数能够更好地适应可再生能源的随机性和波动性,提出了基于自适应步长的四分区多策略果蝇优化算法(fruitfly optimizationalgorithm,FOA)对PI参数进行实时优化。首先,以风光燃储微电网不同微源控制系统中的变换器为控制对象,建立微电网整体控制系统模型,基于此模型实时调整PI参数。然后,根据不同果蝇个体的适应度值将果蝇种群分为4个区,同时考虑4个区果蝇收敛性以及多样性的差异,设计不同的自适应更新策略。最后,采用所提算法对各微源控制过程中的PI参数进行寻优,与其他3种智能算法进行对比,验证了所提算法的可行性和优越性。仿真结果表明,所提算法可以使系统变换器响应速度更快,输出更加稳定。

基于自适应Levy飞行改进的TDOA三维定位算法

针对已有的算法在基于到达时间差(time difference of arrival,TDOA)测量方案中存在的搜索能力不均衡,导致三维定位区域局部存在定位精度低甚至求解失败的问题,提出了一种基于改进探路者优化算法(pathfinder algorithm,PFA)的TDOA定位算法,通过将自适应Levy飞行和改进后的PFA算法进行融合,增强了个体对定位区域复杂环境的适应性,解决算法早熟、易陷入局部最优等问题,提升了算法综合性能.通过仿真和实验,结果表明:与Taylor算法、LM算法相比,本文提出的算法(Levy-pathfinder algorithm,LPFA)可以提高定位精度;与PSO算法、PFA算法相比,LPFA算法可以在提高运算速度的同时得到更准确的定位结果.

基于改进鲸鱼算法优化神经网络的GPS高程拟合方法

采取混沌映射和自适应惯性权重结合的策略对标准鲸鱼算法进行改进,从而提高算法的全局寻优能力和收敛速度,并针对BP神经网络的劣势,利用改进鲸鱼算法对BP神经网络进行优化处理。在此基础上建立改进鲸鱼算法优化BP神经网络的GPS高程异常拟合预测模型,并通过两组不同地形特征工程中的GPS数据对模型进行验证。结果表明,利用改进鲸鱼算法优化的BP模型进行GPS高程拟合时可取得更高的精度和稳定性。

基于自适应步长和莱维飞行策略的改进狼群算法

群智能启发算法在解决大规模分布式问题方面有许多优势。针对传统狼群算法易陷入局部最优和精度不高等缺陷,笔者在分析狼群特点的基础上,提出一种基于自适应性步长和莱维飞行搜索策略的改进狼群算法。首先,通过自适应步长的合理变化,提高搜索精度;其次,采用莱维飞行的搜索策略,在算法后期扩大搜索范围,提高算法的全局搜索能力。最后,为了验证该算法性能,通过仿真实验和实际案例进行了测试,与其他改进方法进行比较。测试结果表明,所提出的改进狼群算法在收敛速度、精度及稳定性方面都有明显优势。