基于改进松鼠搜索算法优化神经网络的数控机床进给系统热误差预测

为探究数控机床进给系统中各因素对热误差的影响规律,建立精准的热误差预测模型。在进给速度为10 m/min、环境温度20℃的条件下进行进给系统热误差测量实验,获得进给系统关键点的温升及热误差。为提高预测精度,采用Tent混沌改进松鼠搜索算法,并利用改进的算法对神经网络进行优化,建立热误差预测模型。利用热误差测量实验获得的数据进行验证,结果表明改进前的神经网络预测误差为12.23%,改进后的模型预测误差为8.92%,精度有较大提升。利用预测模型针对不同进给速度下相同位置处热误差进行分析,结果表明,进给系统中关键测温点的温度和丝杠各点的热误差随着进给速度的增加而增加。因此提出的预测模型可实现进给系统热误差的准确预测,为误差补偿提供理论依据。

改进松鼠搜索算法求解分布式节能柔性调度

为了优化同时考虑最大完工时间和机器能耗的双目标分布式柔性作业车间调度问题,提出了一种改进的多目标松鼠搜索算法。引入了基于升序排列规则的转换机制,实现了松鼠位置向量与调度解之间的转换,并针对机器空闲时间设计了从半主动到主动的解码策略。针对不同优化目标设计了三种种群初始化策略。同时提出了动态捕食者策略来更好地协调算法的全局探索和局部开发能力。设计了四种领域搜索策略用于增加种群多样。20个实例上的实验结果验证了改进后的算法求得解的质量和多样性更好,从而证明了其可有效求解分布式节能柔性调度问题。

混合随机反向学习和高斯变异的混沌松鼠搜索算法

针对松鼠搜索算法(SSA)易陷入局部最优、过早收敛等问题,提出一种混合随机反向学习和高斯变异的混沌松鼠搜索算法(RGCSSA)。该算法通过Tent混沌映射初始化策略生成混沌初始种群,增强初始种群分布的均匀性,实现对解空间更高效的搜索;采用非线性递减的捕食者概率策略,平衡SSA的全局搜索和局部开发能力;利用位置贪婪选择策略在迭代过程中不断保留种群中的优势个体,以提升算法收敛速度;引入随机反向学习和高斯变异策略,在增加种群多样性的同时提高算法跳出局部最优的能力。使用10个不同的基准测试函数进行仿真实验,并利用Wilcoxon符号秩检验验证所提算法的寻优性能,结果表明,RGCSSA算法在求解精度、收敛速度和稳定性等方面均有极大提升。

松鼠搜索算法优化SVM的液体火箭动力系统故障诊断

为了对液体火箭动力系统的故障进行诊断,提出了一种基于松鼠搜索算法(SSA)优化支持向量机(SVM)的故障诊断方法。将支持向量机的两个重要参数惩罚因子和核函数参数作为松鼠位置矢量,由输出的最佳参数构成SSA-SVM预测模型。实验选取某液体火箭动力系统的846组数据进行诊断。结果表明,对于168组测试样本集,诊断预测错误为4个,测试集分类错误率较低。

基于多种群竞争松鼠搜索算法的机械臂时间最优轨迹规划

针对传统智能优化算法在机械臂关节空间进行时间最优轨迹规划应用中存在的寻优效率低、优化结果全局性和稳定性差的问题,提出新的机械臂时间最优轨迹规划方法.在建立机械臂关节空间内的时间最优轨迹规划模型时考虑位置约束,根据输入的关节点列,使用S形曲线估算时间的取值区间,对生成算法的所有个体进行多种群竞争迭代,得出机械臂关节空间轨迹规划的时间最优解.与不同算法的仿真对比试验结果表明,所提方法较传统的优化算法具有更高的寻优效率和更好的优化全局性;所提方法的稳定性好,其多次优化结果的方差相较单种群算法低3个数量级.

基于松鼠搜索算法与IHS变换的遥感图像融合

图像融合的目标是将低空间分辨率的多光谱(multispectral,MS)图像与高分辨率的全色(panchromatic,PAN)图像进行融合,得到具有高光谱和空间分辨率的图像。针对基于强度-色调-饱和度(intensity-hue-saturation,IHS)变换的融合后图像会出现光谱扭曲的问题,提出了一种结合改进的松鼠搜索算法和IHS变换的图像融合方法。首先,通过考虑融合后图像与原全色和多光谱图像之间的关系建立光谱保真和空间保真项,并引入边缘信息保持项,建立了优化目标。其次,为了克服松鼠搜索算法(squirrel search algorithm,SSA)的探索能力不足、可能导致过早收敛于局部最优的缺点,引入了自适应的捕食者存在概率策略和根据个体间距离自适应调整搜索步长的策略来平衡算法的探索和利用能力,并且引入了高斯算子和柯西算子来提高算法的局部搜索能力。最后,根据优化的控制参数,通过参数化自适应IHS变换重建目标图像。将该方法在QuickBird和IKONOS数据集上进行对比实验,结果表明方法是实用的,在保留空间信息的同时能减少光谱失真。

改进松鼠搜索算法的云计算多目标任务调度

为解决现有方法在任务调度过程中由于非确定性、多项式完全性和大规模等因素导致无法有效获得全局最优解的问题,提出一种改进松鼠搜索算法(SSA)的云计算多目标任务调度方法。构建基础设施即服务(IaaS)的云模型,设计多目标任务调度算法框架以及相应的多目标函数,实现成本和执行时间的最小化;引入空间变异与扩散机制对传统的SSA进行改进,实现快速收敛,利用改进型SSA求解多目标任务调度问题。在CloudSim模拟器工具包中,使用标准工作负载和合成工作负载对所提方法进行实验论证,其结果表明,所提方法的成本、执行时间以及收敛速速度均优于其它方法,实现了显著的最优权衡。

基于松鼠搜索算法的跨孔电阻率溶洞探测

针对在基建工程前期探测中,传统物探反演方法对溶洞等不良地质条件的探测精度低的问题,提出了一种基于松鼠搜索算法的跨孔电阻率溶洞探测反演方法,用于改善传统的基于Tikhonov正则化的灵敏度迭代法对初值、噪声敏感、容易陷入局部最优等缺陷。采用小型、大型和串珠状溶洞3种数值算例,对不同智能搜索算法和灵敏度迭代法的探测结果进行了对比分析,并开展了室内模型试验和现场实验验证。研究结果表明:基于松鼠搜索算法的反演方法收敛速度快、精确度高,可显著提高跨孔电阻率溶洞的探测精度。

集成自适应变异混沌松鼠搜索和LSTM算法的RUL预测方法及应用

针对松鼠搜索算法(SSA)优化长短期记忆人工神经网络(LSTM)时,存在优化参数易陷入局部最优以及LSTM预测效率下降的问题,提出一种自适应变异混沌松鼠搜索算法(AMCSSA)优化LSTM学习率及其下降因子的预测模型。通过计算AMCSSA的时间复杂度证明其在未增加算法复杂度的前提下提高寻优效率,AMCSSA采用切比雪夫混沌映射生成混沌初始种群,并将捕食者概率改为非线性递减模式,利用位置贪婪选择策略使其在算法迭代过程中不断更新并保留更优个体,引入自适应T变异策略提高SSA在搜索空间中的勘探能力。通过AMCSSA对LSTM的学习率及其下降因子进行参数寻优,进一步提高LSTM的预测能力。对滚动轴承的剩余使用寿命(RUL)进行实验验证,结果表明所提方法相较于传统SSA、粒子群算法(PSO)、蝙蝠算法(BAT)以及萤火虫算法(FA)优化LSTM后,在预测中的精度分别提高了1.05%、7.61%、8.4%以及7.73%,并且使优化后的LSTM在完成收敛所需要的迭代次数减少,从而提高预测效率。

基于改进松鼠算法的光伏多峰MPPT控制方法研究

【目的】失配现象使光伏系统难以通过最大功率点追踪(MPPT)获得最大功率。扰动和观测(P&O)方法、爬山(H&C)算法等传统的MPPT算法无法区分局部最优和全局最优,难以解决失配现象下的最大功率点追踪问题。【方法】采用文献回顾法对MPPT算法进行梳理,发现现有文献MPPT算法机制各不相同,使得它们追踪性能各有不同,在此基础上提出了一种基于改进松鼠算法(ISSA)的MPPT新算法,通过优化松鼠觅食迭代过程以提升算法性能,并利用MATLAB建立太阳能光伏系统动力学模型,利用Runge-Kutta方法求数值解。通过MATLAB仿真,在失配现象下将提出的算法与原始SSA算法进行比较,以验证提出算法的性能。【结果】与传统的松鼠算法(SSA)相比,改进的松鼠算法(ISSA)大幅度缩短了调节时间,提升了最优值追踪能力,调节时间仅为0.0493 s,具有良好的动态性能和稳态性能。【结论】ISSA算法的动态性能和稳态性能均优于传统SSA算法,其在调节时间、振荡水平等方面均性能优越,具有良好的应用价值。

虚拟同步发电机参数设计及优化研究

虚拟同步发电机的参数众多,参数设计较为复杂,常规方法难以保证设计效果。针对该问题,采用控制变量的方法改变阻尼系数、转动惯量、下垂系数和积分系数值大小,在分析比较不同参数值下虚拟同步发电机的有功、无功动态响应效果的基础上,通过建立以系统动态响应稳定性能为目标的优化函数,提出了一种基于松鼠搜索算法的虚拟同步发电机参数优化设计方法。仿真结果表明,提出的参数优化设计方法能够更准确地选择出合理参数,有效提升了虚拟同步发电机的动态响应性能,具有较好实用性。

基于ISSA的有杆泵抽油井产量计量方法

油井产量计量是油田开采过程中最重要的工作之一,准确计量产量对提高油田开采效率和经济效益至关重要。传统翻斗、两相分离式和示功图等量油技术存在投入大、维护成本高和适应性差等问题。为解决上述问题,提出一种基于改进松鼠搜索算法(improved squirrel search algorithm, ISSA)的油井产量计量方法。通过分析抽油井的工作过程,提出一组描述抽油泵漏失和充满度的故障参数,建立故障条件下的抽油系统过程仿真模型。针对油井故障参数优化问题,提出一种基于食物定位因子的改进松鼠搜索算法,建立基于ISSA的产量计量模型。采用大庆油田数据验证模型,算法平均预测精度为94.52%,表明本方法可为低成本数字油田建设提供支撑。

基于SSA-VMD和BiLSTM的刀具磨损状态识别

针对变分模态分解(VMD)参数选取和刀具磨损特征提取困难等问题,提出了基于松鼠觅食算法(SSA)、VMD和双向长短期记忆网络(BiLSTM)的刀具磨损状态识别模型。首先,以包络熵为适应度函数,使用SSA优化VMD的参数,利用优化后的VMD分解刀具振动信号得到4组模态分量,并进行信号重构;其次,构建BiLSTM网络模型,并把信号模态分量、原始信号和重构信号一起构成特征矩阵输入模型当中,利用BiLSTM提取信号特征;最后,通过全连接层和Softmax层对刀具磨损状态进行识别。实验结果表明,SSA能够找到VMD最优参数组合,降低信号噪声,提出的SSA-VMD-BiLSTM模型在准确率和适应性方面优于传统的LSTM模型。

基于ISSA-SVR的短期光伏发电量预测

为提升光伏电站的发电量预测精度,提出一种基于改进松鼠搜索算法优化支持向量机回归的光伏发电量预测模型。首先提出适用支持向量机回归作为基础预测模型,然后提出一种改进的松鼠搜索算法对SVR中参数进行寻优,最后在测试ISSA寻优性能后,构建发电量预测模型,仿真结果证明本文所提模型的预测效果较好,为相关研究也起到参考作用。

基于小波包分解与相空间重构的SSA-ELM水文时间序列预报模型

针对水文时间序列非线性、多尺度等特征,提出基于小波包分解(WPD)和相空间重构的松鼠搜索算法(SSA)-极限学习机(ELM)预报模型,并应用于云南省上果水文站月径流和月降水量预报。首先利用WPD对径流和降水时序数据进行分解,并采用Cao方法对各子序列分量进行相空间重构;其次简要介绍SSA原理,通过各分量训练样本构建目标函数,利用SSA对目标函数进行寻优,并与鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、粒子群优化(PSO)算法的寻优结果进行比较;最后利用SSA、WOA、GWO、PSO算法寻优获得的ELM输入层权值和隐含层偏值建立SSA-ELM、WOA-ELM、GWO-ELM、PSO-ELM模型及未经优化的ELM模型对各子序列分量进行预报,将预报结果加和重构得到最终预报结果。结果表明:SSA对各分量目标函数的寻优效果优于WOA、GWO、PSO算法,具有更好的寻优精度。SSA-ELM模型对月径流、月降水量预报的平均相对误差、平均绝对误差、圴方根误差、预报合格率分别为5.32%和3.84%、0.078 m3/s和0.169 mm、0.103 m3/s和0.209 mm、97.5%和95.8%,预报精度优于WOA-ELM等其他模型。