基于改进H-mine算法的内河航标事故关联规则挖掘

针对内河航标事故致因关联规则数据挖掘问题,根据内河航标事故数据集事务数较少但多维多层的特点,设置算法遍历约束改进了H-mine算法,实验测试表明:改进算法可提高运算速度20%以上。同时,以长江干线航道武汉段航标事故数据为算例,开展了关联规则挖掘研究,揭示了长江干线武汉段航标事故特点与成因,验证了算法的有效性,并提出了预防航标事故的建议。

改进遗传算法支持下的计算机网络通信数据加密方法研究

为提升计算机网络通信中数据加密的效率,本研究采用改进的遗传算法进行加密算法的设计,以选择算子、交叉算子、变异算子的改进为核心,通过优化遗传算法的关键步骤,提升其在数据加密中的应用效果。研究设计了一种基于改进遗传算法的计算机网络通信数据加密方法,并进行了实验分析。结果表明,改进后算法在加密速度、安全性方面均优于传统遗传算法,具有较好的实际应用前景与适用性。

二元混合气体成分检测的改进蒲公英算法研究

针对阵列传感器检测二元混合气体时由于交叉敏感特性导致准确率低的问题,提出一种改进型蒲公英优化(IDO)算法优化核极限学习机(KELM)的二元混合气体检测方法。首先,引入Kent映射初始化种群提高初始种群分布的均匀性,后将精英反向学习策略(EOBL)引入蒲公英种子位置更新,提高原算法寻优精度。将该算法用于KELM参数寻优,建立改进DO(IDO)算法优化KELM模型,实现对二元混合气体的成分识别。实验结果表明:IDO算法优化的KELM模型对二元混合气体成分识别准确率可达99.71%,比原始KELM模型提高4.28%。

基于改进粒子群算法的光伏逆变器控制参数辨识

精准的光伏并网逆变器模型是研究大规模光伏接入下电力系统故障特性的重要工具。目的为了解决现有光伏逆变器仿真模型与实际工作中的光伏逆变器特性相差较大的问题,方法提出采用参数辨识的方法构建逆变器的辨识模型。以重庆云阳某1 MW光伏电站为实际参照模型,首先根据实际工作情况将逆变器的工作区间划分为3个阶段,利用数学扰动法分别对3个阶段中的待辨识参数划分灵敏度高低等级,并由此提出不同阶段不同灵敏度参数分步辨识策略;其次,分阶段采集实际光伏电站工作数据,对该数据进行分析处理,获得各待辨识参数的初始取值范围,设计同步辨识参数实验作为参照;最后提出改进的混沌遗传粒子群优化算法(chaos genetic algorithm of particle swarm optimization,CGAPSO)作为辨识算法,分步分工作阶段辨识相关参数,通过对比参数的同步辨识结果,验证所提方法的优越性,并将辨识结果代入仿真模型。结果结果表明,低灵敏度参数的同步辨识结果误差远超过可接受范围,而CGAPSO分步辨识出的相关参数误差皆在1.1%以下,精度远高于同步辨识结果。结论基于改进粒子群算法构建的辨识模型输出数据与实际逆变器工作数据契合度高,可准确反映逆变器实际工作特性。

改进遗传算法应用于地震场景下无人机路径规划研究

为提高中强震灾害地区的救援效率,对传统路径规划模型进行了改进。传统模型在最大路程限制下优化覆盖人数,但无法均衡路程与覆盖人数,通过引入权重与均衡系数解决此问题并构建了加权路径优化模型。模型以生成路径最短、权重最大为目标,采用多无人机、单起降点的调度方法。为改善传统遗传算法的收敛性及对局部解空间的搜索能力,引入2-opt局部搜索算法、权重修复机制、以种群多样性指标动态调整算法的变异率和交叉率等策略,并对模型进行求解。结果表明,在多种运行场景下,该模型生成路径更加优越,算法与传统遗传算法、粒子群优化(Particle Swarm Optimization,PSO)算法、A^(*)算法相比,可得到救援效率更高的飞行路径。

基于改进布谷鸟搜索算法的压气机特性曲线预测

为了提高压气机特性曲线的预测精度和边界工况点的泛化能力,本文提出了一种改进布谷鸟搜索算法优化BP(ICS-BP)的模型,应用于某轴流压气机流量-压比特性预测方法研究,并对比分析了采用传统BP、遗传算法优化BP(GA-BP)、布谷鸟搜索算法优化BP(CS-BP)、径向基函数神经网络(RBF)、极限学习机(ELM)、自优化支持向量机(MSVM)和ICS-BP模型的预测结果。分析显示,ICS-BP模型整体预测结果的相对误差最小,普遍在±1%以内,评价指标展现出最高的精度和鲁棒性,预测结果具有最佳的泛化能力,且优化后的模型解决BP易陷入局部最优的问题;ELM和RBF模型运行速度较快的情况下依然具有良好的整体预测精度,但对于边界工况点预测效果欠佳,适用于对时间成本要求高的场景。针对7F重型燃气轮机和NASA74A型号压气机特性曲线,通过ICS-BP模型预测的压比特性精度较高,整体预测结果的平均绝对百分误差分别为1.129%和0.590%,进一步验证了其在特性预测方面的优势。

随机地图下改进A^(*)路径规划算法研究

为解决传统算法在规划AGV(automated guided vehicles)路径时存在的节点多、路径不平滑和拓展范围广等问题,提出了一种改进A*算法。首先,采用栅格法建立环境信息;其次,通过加权后的障碍物比例对启发函数进行改进,同时增加防碰撞函数以降低碰撞概率;最后,对所提出的改进算法进行拐角优化,减少AGV实际作业时的转弯次数。实验数据表明,简单环境下改进A^(*)算法的遍历节点数较两种传统算法分别缩短了85.3%、55.9%;复杂环境下改进A*算法的遍历节点数较两种传统算法缩短94.5%、70.3%。同时拐点数量减少、路径更加平滑、路径规划时间也大幅缩短,提高了运行效率并有效降低碰撞概率。

基于改进灰狼算法和自适应分裂KD-Tree的点云配准方法

针对传统GWO存在搜索效率不足、易陷入局部最优等问题,提出了一种基于改进GWO和迭代最近点(ICP)的工业复杂零件点云配准方法。针对GWO随机初始化导致种群分布不均匀的问题,采用混沌映射对灰狼种群进行初始化,使种群更加均匀地分布在搜索空间内;引入一种非线性控制参数策略,平衡灰狼算法的局部搜索和全局搜索能力;融合精英反向学习,提高算法后期解的质量;利用ICP算法进行精配准。设计一种自适应分裂维度的方法,动态选择分裂维度,提高点云数据质量。仿真结果表明:IGWO相较于3种对比算法的RMSE平均提高了80.31%、73.99%、47.7%。

基于改进PSO-GWO算法的渠系优化配水模型研究

为减少渠系输配水过程中的水量损失,针对闸门调控时间各异和频繁启闭的问题,以精河灌区茫乡团结支渠支斗两级渠系渗漏损失量最小为目标建立渠系配水模型,首次采用“组间轮灌,组内续灌”的配水方式,通过改进PSO-GWO算法求解,确定斗渠最优轮灌编组、配水流量和灌水时间等重要参数,得出渠系渗漏损失量和算法迭代次数,并与粒子群算法、灰狼算法的求解结果进行对比。改进模型使灌水时间缩短了0.62 d,支斗两级渠系水利用系数提高了0.168,改进PSO-GWO算法迭代次数为3次、渠系渗漏总量为16.69万m^(3),优于传统算法的配水结果。实例应用情况表明,改进算法具有更强的寻优能力和收敛性,并且模型在满足高效配水的同时,减少了闸门启闭次数,实现了集中调控,配水模式便捷,应用价值较高。

基于改进蜣螂算法的电动汽车有序充电研究

为了解决大规模的电动汽车无序充电给电网带来的压力,提出一种改进蜣螂算法(LBDBO)的电动汽车有序充电方法。首先,建立一个以电网负荷峰谷差和用户费用最小化的目标函数;其次,针对传统蜣螂算法存在的收敛精度不足和易陷入局部最优解的问题,利用Logistic混沌映射对种群进行初始化,使蜣螂群体分布更均匀;然后,引入鱼鹰优化算法、透镜成像反向学习策略和局部搜索策略来更新蜣螂的位置,避免在迭代过程中陷入局部最优,同时提高寻优精度;最后,通过与标准蜣螂算法(DBO)、灰狼优化算法(GWO)、北方苍鹰优化算法(NGO)、鲸鱼优化算法(WOA)和基于减法平均的优化器算法(SABO)在基准测试函数中进行性能评估对比,验证策略改进的有效性。将LBDBO算法应用于电动汽车有序充电问题求解上,结果表明,改进算法可以显著降低峰谷差和充电成本,进一步验证了该算法的优越性和实用性。

基于改进麻雀算法的热压焊温度补偿与控制模型辨识

针对热电偶固有时间常数和复杂应用环境造成的热压焊焊接过程中,温度反馈信号滞后明显、控制系统模型准确性不足等问题,对热电偶温度动态补偿方法和温度控制系统智能辨识技术进行研究。提出一种改进的麻雀搜索算法(ASSA),采用水浴法实验数据对热电偶三阶动态补偿滤波器模型进行搜索寻优;基于动态补偿器建立了热压焊控制系统模型,采用ASSA算法实现模型参数辨识。试验结果表明:经过补偿后的慢速热电偶的平均时间常数由160 ms减少至59.7 ms,有效地改善了热电偶的动态特性;设计的ASSA有利于加速控制系统模型辨识参数寻优,所得模型经过仿真验证具有较高精度,对热压焊的自动化控制和优化具有一定的指导意义。

基于改进长城建造算法的电刺激治疗仪自适应增量式PID控制

目前,电刺激治疗仪自适应能力差,电刺激信号控制不够精准有效,难以全模拟及适应人体的复杂生理过程。为提高功能性电刺激的自适应性响应和稳定性,采用改进的长城建造算法实时动态控制功能性电刺激信号。在Simulink中搭建电刺激治疗仪电刺激自适应控制系统仿真模型,仿真分析标准PID、长城建造算法(GWCA)和改进长城建造算法(IGWCA)3种不同控制算法对电刺激自适应系统响应的影响,获得了IGWCA对增量式PID算法控制参数寻优的最佳值:K_(p)=52.36、K_(i)=0.51、K_(d)=5.15。仿真结果表明:与其他两种控制算法相比,IGWCA响应速度最快,在1.2秒时达到设定峰值且显示出较高稳定性和较小超调;同等条件下,IGWCA的寻优速度和收敛精度更高,自适应控制效果更好。该算法可显著提升电刺激治疗仪在临床和康复治疗中的适用性。

改进粒子群优化算法结合BP神经网络模型的水体透射光谱总磷浓度预测研究

使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总磷浓度含量的预测。具体而言,首先对测得的长江水质光谱数据进行最大最小归一化和均值中心化两种预处理操作,在消除不同数据量级差异的同时去除了噪声,确保了数据的一致性和可靠性。其次,为了解决光谱数据的高维度问题,采用了核主成分分析(KPCA)方法来降低数据维度并提取特征。KPCA方法通过在高维度的空间中找到一个分类平面,选出能代表原始数据99.42%信息量的前6个主成分,用于后续预测模型的训练。接着在原始粒子群算法的基础上引入了粒子初始化规则、多种群竞争策略、参数自适应更新策略、种群多样性引导策略和粒子变异机制,提高了粒子群的寻优能力,降低粒子陷入局部最优解的概率。并使用改进后的粒子群算法对BP神经网络(BPNN)中的初始化权重和参数大小进行寻优,从而加快网络的收敛效果,提高预测能力。最后,使用本研究所提出的预测模型对测试集中的样本进行总磷浓度的预测,实验结果得到R^(2)为0.975786,RMSE为0.002242,MAE为0.001612。将本模型与当前预测性能较好的其他基准模型进行预测效果的对比,本研究所提出的模型对长江水体总磷浓度预测拟合效果更好,精确度更高。在水资源保护和环境管理领域中使用光谱数据结合融合算法进行预测模型的研究和实践提供了新的思路和观点。

基于改进NSGA-Ⅱ算法的加压滴灌管网优化设计

【目的】加快滴灌管网技术快速普及,提高管网系统的经济性与可靠性。【方法】以单位面积成本最低为经济目标,以不利节点的富余水头方差为可靠性目标,并考虑实际管网工程投资中的折旧费与运行管理费用建立加压滴灌管网优化设计数学模型,开展优化设计。以新疆某大型灌区内某加压滴灌管网系统为例,采用改进NSGA-Ⅱ算法方法与NSGA-Ⅱ算法对其进行优化。【结果】改进NSGA-Ⅱ算法的Pareto前沿解优于NSGA-Ⅱ算法;相同单位面积成本费用下,改进NSGA-Ⅱ算法求得的管网系统可靠性更高;经50次独立计算,改进NSGA-Ⅱ算法的均匀性指数(0.371)低于NSGA-Ⅱ算法的均匀性指数(0.404);基于改进NSGA-Ⅱ算法求解得到的单位面积成本费用为792.92元/hm^(2),较原工程方案的单位面积成本费用851.89元/hm^(2)降低了6.92%。不利节点的富余水头方差从0.15降至0.06。【结论】改进NSGA-Ⅱ算法的探索能力较NSGA-Ⅱ算法强,能够提供更优的解决方案,得到的优化方案能够同时提高管网系统的经济性和可靠性。

基于改进灰狼算法的PEMFC输出功率和系统效率多目标优化

为了同时优化质子交换膜燃料电池(proton exchange membrane fuel cells,PEMFC)系统的效率和输出功率,文章首先建立PEMFC系统的机理模型,并分析系统效率和输出功率特性;其次针对传统灰狼算法(grey wolf optimizer,GWO)的初始化种群不均匀和易出现早熟收敛的问题,引入佳点集种群初始化策略和非线性收敛因子策略,并由此提出一种改进多目标灰狼优化算法(multi-objective grey wolf optimizer,MOGWO),有效改善了灰狼算法的搜索精度和收敛性能;然后针对改进多目标灰狼优化算法求得的Pareto最优解集,使用TOPSIS评价法得出逼近理想解的最佳解,确定PEMFC系统的最佳运行条件;最后对所提出的MOGWO算法进行仿真验证,结果表明该算法能够有效提高PEMFC系统在实际运行中的输出功率和系统效率。

基于改进免疫遗传算法的铁路空箱调运优化

针对空箱调运问题,在传统免疫遗传算法(Immune Genetic Algorithm,IGA)基础上,通过对Hamming距离计算方式优化与调整,获得抗体亲和度与抗体浓度的精确度量,并据此设计了改进免疫遗传算法(Improved Immune Genetic Algorithm,IIGA)。为验证该算法的有效性和优势,以兰州铁路局下辖的各集装箱办理站实际运输数据为例,分别将所提出的IIGA与传统IGA、遗传算法(Genetic Algorithm,GA)设计对比实验。结果表明:在解决空箱调运问题时,相较于传统IGA与GA,IIGA能够在相对较短的时间内,以最少的迭代次数迅速收敛至最优解。

基于改进遗传算法的不锈钢混合硬化模型参数快速标定方法

基于常用结构奥氏体不锈钢S30408、S31608以及双相不锈钢S22053的循环加载试验结果,提出了基于经典混合硬化模型的改进遗传算法和自适应子步积分方法联合使用的模型参数快速标定方法。试验表明,3种牌号的结构不锈钢在大应变幅度下的循环硬化/软化行为普遍表现出明显的应变幅值依赖性和断裂前的硬化不饱和性,这与常用的碳素钢有显著差异。结果表明,该方法相较于传统标定方法显著减少了人工工作量和时间成本,且具有良好的精度和广谱性,更适用于不锈钢等不存在稳定滞回环的循环硬化不饱和及Non-Masing材料。相较于两种常用的传统标定方法以及基本遗传算法,提出的改进自适应遗传算法具有更高的计算效率和精度,且与多种加载制度试验结果吻合良好。

基于改进RRT算法与三维碰撞检测的冗余机械臂高效路径规划

为了解决冗余机械臂在复杂环境中的路径规划和避障问题,提出一种基于改进快速扩展随机树(Rapidly Exploring Random Tree,RRT)算法与三维碰撞检测的高效路径规划方法。利用改进算法生成无碰撞的平滑路径,对机器人姿态进行求解,并通过碰撞检测验证路径的可行性。改进的RRT算法采用基于概率的控制机制来优化随机点生成策略,结合路径平滑算法减少路径节点,同时引入三维碰撞检测技术以确保路径的有效性和安全性。试验结果表明:该方法在二维和三维复杂场景中均能显著提升路径规划效率,成功率和路径平滑性明显优于传统算法。研究成果可为冗余机械臂在复杂环境中的路径规划提供高效、可靠的解决方案,有助于进一步提升其在实际应用中的稳定性和适用性。

基于改进北方苍鹰算法的氢电热综合能源微电网优化调度

针对氢电热联供型微电网运行调度的优化问题,为实现多能互补低碳经济的目标,充分利用电解槽和氢燃料电池的余热回收,整合氢电热制备和储存过程,建立了氢电热联供综合微电网优化调度模型,以经济性、环保性为综合目标函数。在此基础上提出改进的北方苍鹰算法对优化模型进行求解,融合Tent混沌映射,识别攻击阶段基于最优解进行位置更新,追逐逃避阶段采用分段非线性cos函数修改自适应半径R,通过比较北方苍鹰优化算法(northern goshawk optimization,NGO)、蜣螂算法(dung beetle optimizer,DBO)、改进北方苍鹰算法3种不同算法获得结果。案例研究表明:改进北方苍鹰算法与其他算法相比具有更好的收敛性能、更快的计算速度和更高的精度,有效降低了微电网经济环保的综合成本,实现氢电热之间的能源梯阶利用和互补,提高了能源的利用效率。

一种改进型A^(*)算法的AGV路径规划

A^(*)算法是一种常见的AGV路径规划算法,然而当AGV的运动环境很复杂时,A^(*)算法的效率会显著下降。针对传统A^(*)算法存在路径搜索效率低、路径转折次数多等问题,提出一种改进型A^(*)算法。首先基于栅格法对地图进行建模,随后对A^(*)算法的启发函数和邻域搜索策略展开研究,引入动态加权机制改进启发函数,并在此基础上加入动态五邻域搜索策略。最后在Python编程环境下,分别使用两种不同障碍率的栅格地图对改进型A^(*)算法与传统A^(*)算法进行对比仿真实验。仿真结果表明,改进型A^(*)算法搜索时间平均缩短了69.3%,路径拓展节点数平均减少了74.5%,可以明显减少转弯次数,提升整体效率,尤其是在障碍率较高时优化效果更明显;引入贝塞尔曲线后,可使移动路径更加平滑。