基于自适应混合引力搜索算法的混沌系统参数辨识

针对混沌系统未知参数的辨识问题,结合人工蜂群搜索算子和混沌优化策略,提出一种自适应混合引力搜索算法,并应用于混沌系统未知参数的优化辨识.利用混沌序列初始化种群以增强搜索初期的遍历性,基于人工蜂群搜索算子进行变异操作以提高算法的局部寻优能力,依据粒子的性能对进化过程中的万有引力系数进行自适应调整,有效避免了早熟收敛,提高了算法的整体寻优性能.以测试函数和典型混沌系统为例进行仿真实验,结果证明该算法具有良好的全局探测和局部开发能力,与遗传算法、粒子群算法、量子粒子群算法和引力搜索算法比较,其对混沌系统参数的估计具有相对较高的辨识精度和收敛速度,算法的有效性得到了验证.

基于引力搜索RBF神经网络的机车齿轮箱故障诊断

为解决神经网络结构及参数的优化选择问题,以提高机车齿轮箱故障诊断的精度,提出一种基于引力搜索RBF神经网络的机车齿轮箱智能故障诊断方法。基于高斯RBF神经网络建立机车齿轮箱故障诊断模型,采用减聚类算法确定RBF神经网络结构,并结合混沌优化策略及人工蜂群搜索算子提出自适应混合引力搜索算法对故障诊断模型进行优化求解,避免了参数选择的盲目性。采用国际标准测试数据集对该方法进行分类性能测试,结果表明其分类精度明显优于经GA算法、SPSO算法、QPSO算法和GSA算法优化的RBF神经网络。将该方法应用于机车齿轮箱故障的诊断,应用实例验证了该方法的有效性。

一种考虑网络能效优化的队列管理方法

针对网络数据传输过程中传输速率慢、网络能耗高等问题,本文基于混合引力搜索算法HGSA提出了一种队列管理方法.该方法首先给出了网络能效评价指标,以此衡量网络的有效信息容量和传输速率.同时利用混合引力搜索算法来对队列管理方法进行优化.最后通过数学仿真,分析了队列长度、数据包大小等对网络能效的影响,结果证明了该方法具有较好的适应性.

考虑电动汽车充电失败的联合微电网优化策略

为减少微电网的运行成本和电动汽车用户充电成本,降低电动汽车的充电失败率和缺充电量。文章建立了基于住宅区微电网和工业园区微电网的联合微电网模型。利用蒙特卡洛法随机产生电动汽车的出行时间,将电动汽车作为分布式电源并入联合微电网,建立了基于充电紧迫度、放电裕度的电动汽车有序充放电的模型。将引力搜索算法和粒子群优化算法优势互补,提出了一种基于线性递减权重的混合粒子群引力搜索算法,并利用其对模型进行求解。算例结果表明,基于线性递减权重的混合粒子群引力搜索算法有更快的收敛速度和全局搜索能力;通过充电紧迫度、放电裕度对电动汽车的充电方式、放电量进行控制,充电失败率、充电成本均明显将低;将电动汽车并入联合微电网后,减少了柴油机的工作时间和从大电网的购电量,降低了联合微电网的运行成本。