基于改进麻雀搜索算法的PID参数整定系统设计

PID参数整定是PID控制中的一个关键步骤,常规的PID控制在一定程度上已被淘汰。为改善PID控制的效果和精度,文中将黄金正弦策略与精英反向学习策略相结合,提出一种改进的麻雀搜索算法。用23个标准函数对所提出的新方法进行了验证,实验结果证明了新方法的有效性。利用改进的麻雀搜索算法对PID控制参数进行了优化,并对该方法进行了仿真分析。结果表明,采用该方法进行PID参数整定时,其具有更好的稳定性、更高的精度和更好的性能。

基于改进蜜獾优化算法的地铁避障机器人路径规划

提出一种改进蜜獾优化算法(IHBA),用来解决地铁避障机器人的路径规划问题。首先,引入精英反向学习策略,增加算法的全局搜索能力,提高算法跳出局部最优的能力和收敛性;其次,采用栅格法对环境建模,设置起点和终点,模拟构建简单的地铁站局部环境地图;再次,实验对比多种智能算法,证实改进算法能用最短的时间获得最短路径,避障效果良好。

基于混合麻雀算法改进反向传播神经网络的短期光伏功率预测

精准地预测短期光伏发电功率,是提高光伏电站运行效率、保障光伏并网后安全稳定运行的关键。因此,提出了一种基于精英反向学习策略并结合Metropolis准则的混合麻雀搜索算法(hybrid sparrow search algorithm,HSSA)改进反向传播神经网络(back propagation neural network,BPNN)的预测模型。首先采用皮尔逊相关系数公式选择与光伏输出相关性最好的气象特征集作为模型的输入,避免冗余的气象因子影响光伏输出。再利用欧式距离公式计算时序相似度来选取训练集,以提高训练集的可靠性。最后,使用HSSA-BPNN的权阈值建立预测模型,并利用新疆某光伏电站的实际数据进行实验分析。分析结果表明,与BPNN、粒子群算法(particle swarm algorithm,PSA)-BPNN、麻雀搜索算法(sparrow search algorithm,SSA)-BPNN相比,混合麻雀搜索算法(hybrid sparrow search algorithm,HSSA)-BPNN模型具有良好的适应性、较好的预测性能。

改进海鸥算法优化DELM的入侵检测方法研究

针对深度极限学习机DELM的输入权重和隐藏层偏置的随机初始化,从而影响入侵检测性能的问题,提出基于改进海鸥算法优化DELM的入侵检测方法ESCSOA-DELM.先运用精英反向策略初始化海鸥算法,再用改进正余弦算法和精英反向策略更新精英海鸥位置,以此对DELM的输入层权重和隐藏层偏置参数优化.通过标准测试函数,分析比较ESCSOA与SOA、GWO、PSO算法,验证了ESCSOA算法改进的有效性.基于天然气管道入侵数据集的实验结果表明,ESCSOA-DELM模型在准确率、误报率、漏报率、F1和ROC曲线等评价指标上优于其他模型,体现了较理想的入侵检测性能.

基于改进灰狼算法优化长短期记忆网络的光伏功率预测

为提高光伏发电功率预测的准确性,提出一种基于改进自适应因子与精英反向学习策略的改进灰狼算法(IGWO),用以优化长短期记忆网络(LSTM)预测模型。利用IGWO优化LSTM全连接层参数,建立IGWO-LSTM组合模型预测光伏功率,具有较好的收敛速度与求解效率,也可有效避免局部最优解。最后基于常州某光伏发电站实时数据进行仿真,实验结果表明IGWO-LSTM相对于LSTM光伏功率预测更具准确性。

基于含水率补偿模型的柔性温度传感器设计

文中针对柔性温度传感器的测量精度受含水率影响较大的问题,提出一种带有含水率补偿模型的柔性温度传感器设计方案。首先,以石墨烯为导热填料,以聚乙烯醇和丙烯酰胺为基体制备了柔性温度传感器。其次,根据多组含水率条件下柔性温度传感器的实测数据,采用一种改进鹰栖息优化BP神经网络模型对含水率变化引起的误差进行补偿,以提高传感器测量精度。最后,基于STM32单片机及LabVIEW给出测量系统的设计方案,并对整个系统进行调试。结果表明:所提方案可以较显著地降低柔性温度传感器的测量误差,具有准确、可靠、可持续监控等优点。

基于改进粒子群算法的微网优化运行

微网作为分布式电源并网的一种有效途径,其优化运行成为研究的重要课题之一。在多方利益的权衡下,考虑了经济成本、环境成本、网损和节点电压偏差等多个运行指标对微网的优化运行进行建模;引入精英反向学习策略和最劣粒子排斥法对粒子群算法(particleswarmoptimization,PSO)进行改进,并将其用来解决多目标多约束的微网优化运行问题,在搜索过程中对当前最优粒子进行混沌扰动,以加强局部探索能力,提高粒子跳出局部最优解的能力。在相同的条件下,分别用改进前后的算法求解所建立的微网优化运行模型,优化结果验证了改进后算法的优越性。

海鸥算法的改进及其在工程设计优化问题中的应用

【目的】本文研究海鸥算法求解最优化问题时存在的收敛速度慢、易陷入局部最优等缺点。【方法】首先融合Fuch混沌映射与精英反向学习策略来初始化海鸥种群,提高种群质量;其次根据余弦函数改进自身行为的特征参数A,将海鸥算法的线性搜索非线性化;最后通过加入莱维飞行机制增加海鸥飞行的随机性,对算法进一步优化。【结果】通过9个基准测试函数和3个工程设计优化问题对I-SOA(Improved-Seagull Optimization Algorithm)性能进行测试,实验结果表明:对于9个基准测试函数,I-SOA算法比标准SOA、PSO、GA算法在寻优精度和收敛速度上都要优越,尤其在求解f7、f9时均求得理论最优解0;对于3个工程设计优化问题,I-SOA算法相比于标准SOA算法寻优精度和收敛速度优势明显,相比于其他群智能优化算法的最优值,适应性和稳定性更强。【结论】I-SOA算法在基准测试函数和工程设计优化问题中均有优异的表现,证实了海鸥算法改进的有效性。

基于改进麻雀算法的深度信念网络短期光伏功率预测

为进一步提高光伏发电预测精度,提出了一种改进麻雀算法(ISSA)优化深度信念网络(DBN)的预测模型。首先,为提高麻雀算法的收敛速度和避免陷入局部最优,将精英反向学习策略和Metropolis准则引入麻雀算法用于初始化SSA种群和改进SSA更新策略。其次为提高DBN模型的性能,运用ISSA对DBN模型的权值进行优化选择,同时为避免冗余的气象因子影响光伏输出,采用最大相关信息系数的特征选择法(NFCBF),选择与光伏输出相关性最好的气象特征向量作为模型输入;基于NFCBF法选好的特征向量,采用一种结合欧氏距离和灰色关联度的综合相似指数法,选择相似日作为训练集。最后建立ISSA-DBN预测模型,并利用新疆某光伏电站的实际数据进行实验分析。结果表明在训练集的选择方法相同的情况下,与DBN模型、PSO-DBN模型、SSA-DBN模型相比,ISSA-DBN的平均绝对百分比误差指标在晴天仅为3.69%,晴转多云天为5.23%,雨天为9.53%,预测精度均高于其他三种模型。由此验证了ISSA-DBN模型良好的预测精度。

基于ISSA模型的矿井通风系统优化

矿井通风系统对矿井安全生产起着重要作用,为了确保矿井通风系统的安全,必须要有良好的通风系统来保障空气的流通和新鲜空气的供应。笔者以矿井通风系统能耗最小为目标,建立改进麻雀算法,对矿井通风系统网络进行优化,使矿井通风系统达到最优状态,提高通风系统的效率,降低运营成本,同时保障通风系统的安全运行,确保工作人员的人身安全。通过仿真试验表明,该方法可行有效,具有一定的精度,为矿井通风安全提供了一种实时有效的技术手段。