基于改进Kruskal算法的含分布式发电的配网孤岛划分算法

当大量分布式电源(DG)接入电网时,孤岛运行成为了一种提高供电可靠性的重要运行方式。本文着重研究了在配网上级供电线路故障时计划孤岛的划分问题,提出了基于Kruskal算法的分布式孤岛划分方法。首先将配网结构图转化成带权重的连通图,使孤岛划分问题转化成求连通图的最小生成树问题,再根据孤岛划分的原则和约束制定,并利用改进的Kruskal算法制定搜索规则,对连通图的各节点进行搜索,以确定最优孤岛划分范围。同时采用边搜索边校验的方法,在充分发挥分布式电源优势的同时充分保证孤岛运行时系统的安全稳定运行。对典型含DG配网的仿真结果表明,本文所提出的算法能生成合理的孤岛划分方案。

基于改进Kruskal算法的变电站机器人路径规划

鉴于目前中国变电站智能巡检机器人多采用磁感应线配合射频识别技术的导航方式实现定点巡视,对机器人巡视点的路径规划问题进行研究。首先,考虑到精确算法的复杂性,用近似算法对巡视路径进行规划,以贪心算法和局部搜索思想为主,结合启发式算法对求最小支撑树的Kruskal算法进行改进;然后,用MATLAB软件编程求出机器人的最短巡视路径;最后,用遗传算法求出最短路径,并将遗传算法和改进的Kruskal算法下的最短巡视路径进行比较。比较结果表明:改进的Kruskal算法优势明显,且适用于小规模变电站巡视路径规划。

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。

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。

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。

基于改进YOLOv5s的小目标工程车辆定点监测识别算法

为有效减少并预防因违法土地开垦和矿产挖掘而造成自然环境破坏的行为,利用部署到高塔上的摄像头,提出了一种在复杂环境中进行各类工程车辆检测的ETS-YOLO小目标监测识别算法.首先,使用EfficientViT网络替换YOLOv5s的主干特征提取网络,以提高注意力多样性,大幅缩减模型参数量.其次,增加小目标检测层,增强网络对浅层语义信息的提取,以提高小目标检测效果.最后,使用软非极大值抑制算法(soft-NMS)替换原有NMS函数,以有效识别遮挡、重叠目标.实验结果表明:改进后的模型平均准确度均值(mAP)为93.3%、参数量为5.90 M、检测速度为52 f/s.相较YOLOv5s模型,mAP提升2.6%,参数量下降16.1%.

基于双目视觉传感器的前向碰撞预警算法改进

现有的前向碰撞预警系统大多采用多个毫米波雷达叠加或毫米波雷达与视觉传感器融合等方式,存在成本高、算法受限等问题。在比较多种传感器的性能及应用优、缺点后,选择双目视觉传感器作为前向碰撞预警系统传感器。将改进后的碰撞时间(Time to Collision,TTC)算法与卡尔曼滤波融合,结合双目视觉传感器,比较TTC值与适应性阈值,评估风险等级,确保行车安全,降低事故率。在Matlab环境下,基于改进算法对两个不同行车场景进行仿真分析。结果表明,与传统的TTC算法相比,融合卡尔曼滤波TTC算法的碰撞时间预警响应及时性和可靠性显著提高。

改进暗通道原理下视觉图像光晕消除算法

在光晕区域附近进行光晕消除操作可能会降低图像的对比度、清晰度和细节。因此,需要开发有效的方法来恢复和增强光晕消除后的图像细节,以确保整体图像质量的提高,为此设计一种改进暗通道原理下视觉图像光晕消除算法。建立大气散射模型深度分析光晕产生条件,根据图像中的像素强度值计算成像环境中的透射率,按照大气光照的散射系数建立光照条件研究模型。在较高的像素颜色通道条件下,根据图像中高亮度和强反射部分搭建无光晕图像亮通道定义,聚类图像亮通道特征,利用快速双边滤波器细化透射率,建立光晕图像的成像模型。在改进暗通道原理的过程中通过调整多个计算参数,包括改变权重函数,设置光晕消除的恢复指令,完成对视觉图像的光晕消除处理。经过实验分析可以证明,所提方法具备良好的光晕消除性能,光晕消除效果较好。

基于改进EHO算法的主轴承组合结构多结构特性协同优化设计方法

随着柴油机功率密度的提升,主轴承组合结构将面临主轴承变形加剧、关键部件强度下降等可靠性问题。以主轴承组合结构作为优化设计对象,将强度、刚度、接触强度和轻量化表现作为优化目标,构建多结构特性协同优化设计数学模型。针对传统快速和精英保留多目标遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)在求解小种群规模、有限进化代数的复杂工程问题时计算效率低的问题,基于Pareto优化理论,引入自适应策略及固定候选集随机测试算法,提出改进的大象放牧优化(Elephant Herding Optimization,EHO)算法用于求解多结构特性协同优化设计数学模型,并对算法性能及协同优化设计方案进行试验验证。研究结果表明:在小种群规模和有限进化代数下,改进EHO算法的求解能力更强,计算效率更高;在质量波动仅为0.6%的情况下,机体和主轴承座的应力分别降低18.67%和11.06%;各考察截面失圆度平均值降低14.39%;机体与主轴承座接触面最大接触压力降低18.92%。

麦克纳姆轮农业机器人路径跟踪——基于改进野马算法

针对麦克纳姆轮农业机器人在智能大棚中的路径跟踪问题,建立了运动学模型和动力学模型,设计了一种新型的双环比例微分-分数阶比例积分导数(Proportional Derivative-Fractional Order Proportional-Integral Derivative,PD-FOPID)控制器对全局路径进行动态跟踪控制。对于控制器参数多且整定困难的问题,首先采用帐篷映射初始化种群策略、精英主义记忆策略、动态余弦权重策略和柯西—高斯变异策略对原始野马算法进行改进,然后利用略改进野马算法(Improved Wild Horse Optimizer,IWHO)对控制器最优增益参数优化。实验结果表明:所开发的算法在探索和开发阶段方面性能优异,且PD-FOPID控制器在整定工作中表现突出。路径跟踪仿真证明,设计的双环PD-FOPID控制器比FOPID控制器更具显著的优势,能够避免动态误差累积,快速响应调整到规划路径,在提高农业大棚机器人路径跟踪控制质量方面具有巨大的潜力。

基于改进Kruskal算法的WSN故障节点检测方法

提出了一种基于改进Kruskal算法的无线传感器网络(WSN)故障节点检测方法.该方法首先通过集中式的改进Kruskal最小生成树算法来获取可信的节点集合,之后依据可信节点,采用邻居节点比较算法对传感器节点的感知值进行分布式分析和处理,判定发生故障的传感器节点.同时为了容忍节点的临时故障,引入了时间冗余.仿真结果表明,在节点故障率高达35%时,该方法依然能快速定位故障节点,并且同时保证很高的检测精确度.

改进遗传算法求解含单转运系统车间调度问题

研究单转运系统分布式置换流水线调度问题,任一工厂内连续两台机器间有一台运输能力有限的转运机器人。基于此,提出一种多策略融合改进遗传算法以最小化最大完工时间。引入Logistic-tent混沌搜索、基于K-均值聚类的NEH算法和修正NEH算法以改善初始工厂加工序列群的质量,运用结合均匀多点交叉和互换变异的自适应交叉变异算子或工厂内/间交叉变异算子进行解的调整,设计一种基于主工厂的邻域搜索(key-factory-based local search,KFLS)和半初始化策略进行再次优化。仿真结果表明了该算法的有效性。