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。

基于改进蝴蝶优化算法的光伏MPPT方法

为解决光伏发电系统在不均匀光照情况下,传统最大功率点跟踪(MPPT)方法极易陷入局部最优等问题,提出一种改进蝴蝶优化算法的光伏MPPT方法。算法在传统蝴蝶优化算法基础上融合多种优化策略,通过蝴蝶间距来改善切换概率,在算法前期加强全局搜索的概率,加快收敛进程,在算法后期侧重局部搜索,提高稳态精度;通过引入一种正切函数作为全局搜索的权重系数,平衡了系统的稳定性;通过诱导变异来增强种群的多样性,增强摆脱局部最优的概率,同时有效提高收敛速度。仿真结果显示,上述算法相比传统蝴蝶算法在静态阴影、变化阴影下收敛速度更快、震荡幅度更小。

改进蝴蝶优化算法在邯郸市水资源优化配置中的应用

水资源优化配置是有效缓解区域水资源供需矛盾的重要方法和手段。针对传统蝴蝶优化算法(BOA)在高效快速地求解多目标水资源优化配置问题时存在的搜索精度低、收敛速度慢、易陷入局部最优及不能直接用于多目标问题求解等缺陷,通过引入快速非支配排序、拥挤度及精英策略方法对其进行了改进,利用ZTD函数验证了改进蝴蝶优化算法(ABOA)的优越性,最后将ABOA应用于邯郸市水资源优化配置模型求解中,并从帕累托前沿中选择了缺水量最少为最终方案。结果表明,邯郸市2035年(p=50%)总需水量为27.40×10^(8)m^(3),总分配水量为24.42×10^(8)m^(3),缺水量为2.98×10^(8)m^(3),缺水率为10.9%。其中生活和生态需水均能得到完全满足,第一、二、三产业在不同区域仍面临缺水问题,需大力开展节约用水来缓解。研究结果可为多目标水资源优化配置的求解提供参考。

基于改进蝴蝶优化算法的无人机3-D航迹规划方法

针对基本蝴蝶优化算法(Butterfly optimization algorithm,BOA)在进行无人机(Unmanned aerial vehicle,UAV)三维航迹规划时存在的搜索速度慢、搜索精度低以及易陷入局部最优等问题,提出一种改进的蝴蝶优化算法(Improved butterfly optimization algorithm,IBOA)。在全局搜索阶段提出对数自适应惯性权重策略和动态更新调节策略,提高了算法全局搜索能力和搜索精度。同时,在局部搜索阶段,提出一种动态概率余弦选择策略,增加位置更新多样性,避免陷入局部最优。首先,为检验改进算法与基本算法的寻优性能,在部分标准多元函数上进行仿真对比。对比结果表明,改进算法对复杂函数具有较强的寻优能力,能在更短时间内找到全局最优解。然后,在二维路径规划仿真中对比了改进算法与PSO算法性能,从对比结果看,IBOA具有更优的规划效果。接着,利用山峰模拟函数对UAV三维航迹规划进行建模,将改进算法应用到航迹规划中,利用MATLAB仿真对比了不同复杂度环境下的航迹规划效果。仿真实验表明:相同实验条件下,该优化算法较BOA综合适应度值减小21.9%,具有搜索速度快、搜索精度高等优点,能够有效地指导UAV在三维环境中完成自主导航避障任务。

基于改进蝴蝶优化算法的结构损伤识别

针对传统的蝴蝶优化算法(butterfly optimization algorithm,简称BOA)全局搜索能力差、收敛速度慢、结构频率对损伤不敏感等问题,提出基于改进蝴蝶优化算法(improved butterfly optimization algorithm,简称IBOA)与小波包能量曲率的结构损伤识别方法。首先,在传统蝴蝶优化算法基础上引入聚类竞争学习机制和混沌精英学习机制,得到改进蝴蝶优化算法,此算法可以更好地实现局部搜索和全局搜索间的平衡,收敛速度更快、计算精度更高;其次,利用小波包能量曲率建立目标函数进一步提高识别结果精度;最后,分别以简支梁数值算例和8自由度弹簧-质量块实验验证了该方法的有效性。研究结果表明,即使考虑环境噪声和模型误差等不利因素,所提出的方法仍可以有效识别结构的损伤位置和程度。

基于户间调度的青海农村家庭光储容量配置优化

针对青海农村地区家庭新能源系统光储容量配置优化问题,提出一种基于户间调度与用户分类的全寿命周期光储容量配置方法。首先,以用户是否包含牧民为依据建立用户分类配置模型。其次,建立了包含微网用户间能量调度策略的系统运行方式。最后,以微网年均用能成本最小和可再生能源利用率最大为目标构建优化模型,并采用改进蝴蝶优化算法进行求解。基于青海省刚察县农村地区典型日负荷数据和气象参数进行仿真,结果验证了该方法的有效性与合理性。

考虑分布式电源接入与综合运行成本的配电网无功优化

为解决考虑分布式电源接入的配电网的无功调节问题,在分析分布式电源和负荷特性的基础上,以综合运行成本最小为目标,即由峰谷分时电价决定的线损费用和无功补偿设备费用之和最小建立配电网动态无功优化数学模型,并采用改进的蝴蝶优化算法求解。使用改进的IEEE 33节点进行配电系统仿真,验证了无功优化模型及其求解算法的有效性和优越性。研究结论为配电网无功优化策略提供了理论参考。

棉秆粉碎刀具磨损状态监测系统设计与试验

针对棉秆粉碎还田过程中刀具磨损严重且缺少故障监测装置导致工作失效的问题,设计了一种搭载在棉秆粉碎还田机上的智能监测系统。系统以STM32单片机为主控制器,应用多种传感器融合技术,基于机器学习算法实现刀具磨损状态监测。为了解决棉秆粉碎刀具磨损非线性特征信号难以提取的问题,提出了一种融合改进蝴蝶优化算法(IBOA)和支持向量机(SVM)的刀具磨损状态监测方法(IBOA-SVM)。该监测方法以粉碎刀辊转速、左侧振动频率、右侧振动频率作为模型输入特征向量,将刀具磨损状态(正常状态、磨损状态、丢刀状态)作为输出。相较于未优化的SVM算法,通过IBOA算法优化SVM算法的参数,刀具磨损状态的识别准确率由95.61%提高至98.83%。为验证IBOA-SVM模型的有效性,在相同参数设置环境下进行多种模型的重复对比试验,试验结果表明:相较于SVM、PSO-SVM、WOA-SVM、BOA-SVM和CWBOA-SVM 5种模型,IBOA-SVM模型识别准确率平均值有所提升,单次试验的准确率均维持在较高的水平。将IBOA-SVM模型嵌入到监测系统,并进行田间验证试验,试验结果表明设计的刀具磨损状态监测系统在识别准确率和鲁棒性方面都具有良好的性能。

基于IBOA-PF的锂电池健康状态预测

应用传统的粒子滤波(PF)算法估计锂电池健康状态(SOH)时,会出现粒子权值退化和样本贫化而导致预测精度较低的问题。为了解决该问题,本工作提出了基于改进蝴蝶优化算法和粒子滤波(IBOA-PF)的联合算法,在基本蝴蝶优化算法(BOA)的基础上,用混沌数替代固定的切换概率,并引入共生生物搜索的互生阶段,弥补了蝴蝶算法易陷入局部最优和开发能力差的局限性,提高了BOA的收敛速度,再用蝴蝶表示粒子,用蝴蝶向食物移动的过程表示粒子变化为更符合真实后验分布的新采样值。然后基于双指数经验模型和时间指标(TI)构建了非线性系统的状态空间模型,用单纯形法改进高斯牛顿法进行参数拟合,提出了一种基于IBOA-PF的锂电池SOH估计方法。仿真实验结果表明,该方法优于传统PF方法,具有较高的精确度和较好的适应性。

基于非线性修正策略的空气质量预警系统研究

建立科学、有效的空气质量预警系统,对于保护人们的身体健康和促进社会和谐稳定具有重要的科学价值和实际意义.为此,本文首先利用孤立森林(isolationforest,iForest)算法进行空气质量指数(air quality index,AQI)离群点分析,然后建立了一种空气质量预警系统,该系统由数据预处理模块、优化模块、预测模块和修正模块构成,融合了时变滤波经验模态分解(time varying filtering based empirical mode decomposition,TVF-EMD)、改进的蝴蝶优化算法(modified butterfly optimization algorithm,MBOA)、离群鲁棒极限学习机(outlier robust extreme learning machine,ORELM)和非线性修正策略,该预警系统成功地实现了空气质量的有效预警.同时,以污染程度不同的5个城市作为实验地点对预警效果进行检验,结果表明:1)与经验模态分解(empirical mode decomposition,EMD)相比,TVF-EMD可以更为有效地降低原始数据的非线性和非平稳性特征;2)基于MBOA的误差非线性修正策略比其他误差修正策略更胜一筹,可以显著提高预警系统的性能;3)建立的预警系统的性能要优于其他对比模型,可以对污染程度不同的城市进行有效预警.