基于细菌觅食算法的嵌入式机械臂角度控制器设计

进行机械臂角度控制器设计过程中,为提高机器人机械臂灵活性,降低关节角度控制误差,设计一种细菌觅食算法的嵌入式机械臂角度控制器;首先,构建机械臂动力学模型以获取机械臂的柔性特征及其关节位置,根据获取的信息确定角度控制器的硬件逻辑结构和算法;然后,使用ARM微处理器嵌入式操作系统,设计包含移动控制终端和机械臂控制端的控制器硬件结构;最后,采用细菌觅食算法优化控制器参数,并实现代码完成机器人机械臂角度的精准跟踪控制;实验结果表明:所提方法的位姿跟踪精度高达99%、物体偏移距离在0~0.2 mm之间,控制运行时间在0.33~0.78 s之间,表明所提方法的角度控制误差小、稳定性强,能够保证机械臂关节角度无超调,具有极高的机器工程应用价值。

基于细菌觅食-改进蚁群优化算法的水面无人船路径规划

为了解决水面无人船全局路径规划问题,提出了一种细菌觅食-改进蚁群优化算法(bacterial foraging-improved ant colony optimization algorithm,BF-IACOA)。相较于传统蚁群优化算法(ant colony optimization algorithm,ACOA),该算法在路径搜索策略上考虑水面无人船航行需要尽可能减少转向次数和完全规避过大转向角的约束,引入转向角启发因子,综合求解转移概率;同时引入细菌觅食算法的繁殖操作和趋化操作,改进信息素浓度的更新方式,解决传统ACOA容易陷入局部最优解和收敛速度较慢的问题。仿真结果表明,相较于传统ACOA,BF-IACOA的全局搜索能力得到较大幅度的提升,并且收敛迭代次数减少超过30%;在实际水域环境模型下,BF-IACOA可以通过14次迭代为无人船规划出全局可行路径。

改进细菌觅食算法的永磁同步电机参数辨识

应用群智能算法对永磁同步电机(PMSM)进行参数辨识后期容易进入局部最优,从而导致辨识误差大,为此提出一种融合小生境技术的改进细菌觅食算法(MBFA)。通过构建目标追踪函数,利用电机电流、电压和转速等直接测量的信号实现对电机d轴电感、q轴电感、定子电阻和永磁体磁链的快速、准确辨识;辨识过程中通过引入格型准则对目标解空间进行拟蒙特卡罗采样提高算法的全局搜索能力;基于小生境技术进行在线多种群协同搜索策略提高算法的搜索效率和寻优精度;最后通过引入一种种群实时监测和动态更新机制保证了算法在整个寻优过程的鲁棒性。仿真和实验结果表明,所提算法在参数辨识的快速性、准确性、稳定性方面均表现优越,辨识结果能够满足对永磁同步电机进行建模和仿真的精度要求。

求解路径规划问题的细菌觅食——蚁群算法

随着科技的迅速发展,蚁群算法的应用范围越来越广泛,其路径规划的速度以及路线准确度对算法要求越来越高。目前已有的蚁群算法所拥有的收敛性慢容易陷入局部最优问题,为了提高算法的准确度与速度,通过引用细菌觅食算法中的复制与趋向对其进行改进,提高此算法以期提高蚁群算法的效率及其准确率,优化全局搜索能力,并满足多种约束条件下的需求。实验结果表明:细菌觅食算法能够有效地解决一些蚁群算法上的缺陷,提高了蚁群算法的路径规划及其寻优能力且优于其他算法对蚁群算法的改进,证实了改进后的蚁群算法适应多种条件,路径求解的精度明显优于之前未改进的算法。

基于交互式细菌觅食优化算法的飞机基地维修人员调度

随着行业细分的逐步深入,航空公司将检修任务外包给基地维修服务提供商,以降低运营成本。针对外包模式下飞机基地维修人员调度问题,本文首先基于维修任务的分布式特征,结合维修服务提供商对成本控制的需求与维修人员对工作量分配公平的需求,构建调度模型。其次,提出与模型约束条件相结合的编码转换机制,基于结构重组思想以及群体内部信息交流方式设计交互式细菌觅食优化算法,并对模型进行求解。最后,基于分布式任务分配特点设计对比实验。实验结果表明,相较于原始细菌觅食优化算法、菌群优化算法、改进细菌觅食优化算法、粒子群算法、综合学习粒子群算法以及遗传算法,交互式细菌觅食优化算法具有更强的寻优能力、更高的搜索精度,以及良好的稳健性与收敛性能,能有效解决手动排班引起的耗时长、费力多等问题,提升飞机维修基地的运营效率。

基于细菌觅食算法的主动磁悬浮轴承PID控制优化

针对磁悬浮轴承系统采用传统PID控制时调节速度慢、超调量大的问题,建立了磁悬浮轴承系统模型并通过细菌觅食优化算法不断迭代优化控制参数K_(p),K_(i),K_(d)。仿真分析结果表明,与传统及粒子群优化PID控制相比,细菌觅食优化PID的超调性能更好,响应速度更快,能满足磁悬浮电动机低振动、高精度的性能要求。

基于细菌觅食优化多核支持向量机的作物生长环境控制

为了解决大规模生长环境变量所带来的计算复杂度较高的问题,采用细菌觅食优化多核支持向量机算法对农作物产量进行预测分析,从而实现作物生长环境的最优控制;首先,采用高斯核函数、多项式核函数和Sigmoid核函数组合方式建立多核支持向量机,其输入为作物生长环境,采用细菌觅食优化算法优化核函数关键参数;其次,利用多核函数的参数构建菌群进行训练,设置作物产量作为细菌觅食优化算法适应度;最后,通过菌群位置更新优化后的最优核函数参数进行多核支持向量机优化求解,获得空气温度、湿度,土壤温度、湿度等生长环境特征数据。结果表明,选择合适的多核函数组合,并合理设置细菌觅食优化算法的引力和斥力系数、迁徙概率阈值等参数,能够获得最高产量所对应的作物生长环境特征数据。

基于自适应细菌觅食算法的立体仓库货位优化

针对自升式穿梭立体仓库中穿梭车无需提升机即可实现跨层移动的运行特点,以该立体仓库模型为研究对象,进行货位优化。分别建立以提高出入库效率、货物分类存放、提高货架稳定性和平衡各巷道穿梭车工作量为优化目标的数学模型,并通过权重系数法将多目标优化函数转化为单目标优化函数。在标准细菌觅食算法的基础上,通过自适应策略对趋化步长和迁徙概率进行动态调整,提出了一种自适应细菌觅食算法,并利用该算法对货位优化数学模型进行仿真求解。仿真结果表明改进后算法的收敛速度提升,自适应改进策略有效,优化后目标函数值降低,货位优化效果显著。研究成果为立体仓库货位分配提供了一个综合、高效的优化方案,同时经立体仓库实际应用也验证了自适应细菌觅食算法的可行性和实用性。

基于细菌觅食-蚁群算法的无人车路径规划

随着目前人工智能的日渐普及,无线通信、网络传输和传感器技术等得到了长足的发展,人们对机器的自动化智能化要求越来越高。与此同时人们对无人驾驶技术需求越来越高,针对路况及各种可能会出现的异常问题缺少合理高效的路径优化,这使得对路径规划的研究有着重要的意义。对此,本文主要对现有的传统蚁群算法进行研究,同时考虑到当前传统蚁群算法的一些缺点,引用细菌觅食算法进行尝试改进,加深对这两个算法的认识,并进行归纳总结。

基于改进细菌觅食优化算法的输电网规划

针对大规模输电网规划中细菌觅食算法(BFO)容易陷入局部最优、搜索精度和后期收敛速度明显下降的问题,使用改进细菌觅食算法(IBFO)建立了基于线路建设费用、网损费用以及正常运行时的过负荷惩罚费用最低的输电网规划模型,通过对IEEE-18节点和巴西南部46节点系统的计算,验证了IBFO在求解大规模输电网规划问题时收敛更快,更易寻得全局最优解。

云自适应混合细菌觅食优化算法

针对传统细菌觅食优化算法存储量大、收敛速度慢且难以解决高维问题等缺点,通过细菌的适应度值将细菌种群分为三个层次,不同层次分别采用不同的搜索步长生成策略,由X条件云发生器自适应调整一般层次中细菌搜索步长,并引入粒子群算法思想进行细菌位置更新,提出了云自适应混合细菌觅食优化算法.由于云模型云滴具有随机性和稳定倾向性特点,提高了算法的灵活性;粒子群算法的引入提高了算法全局搜索能力,加快了算法的收敛速度.通过典型函数优化实验表明,与基本细菌觅食算法、自适应细菌觅食算法以及YSPSO相比,云自适应混合细菌觅食算法更有利于解决高维问题且具有较快的收敛速度和较高的计算精度.

采用改进细菌觅食算法的风/光/储混合微电网电源优化配置

风能和太阳能具有随机性和波动性的特点,由分布式电源、储能装置、负荷组成的微电网协调运行与控制十分复杂,对孤岛运行的微电网合理地配置电源以提高供电可靠性、经济性是微电网规划建设的一个首要问题。将改进的细菌觅食算法(bacterial foraging algorithm,BFA)应用到解决风/光/储混合的全年孤岛运行的微电网电源优化配置问题中,建立了计及设备投资成本、运行和维护成本、燃料成本、环保折算成本的微电网电源优化配置模型,以年风速、气温、光照强度作为输入,根据不同的用户供电可靠性和备选电源要求,得到微电网电源的类型及其容量的最优方案,结果表明改进的细菌觅食算法具有全局最优搜索能力强、寻优速度快的特点。该方法可以全面评估各种分布式电源的经济性,根据微电网建设地点的气象条件、投资成本等降低微电网电源的冗余投资,满足用户定制的多样化可靠性要求。

基于社会学习自适应细菌觅食算法的互联电网AGC最优PI/PID控制器设计

AGC控制器的参数对电网频率控制的动态性能具有重要影响。不合适的控制器参数将可能使得电网在遭遇较大的负荷扰动时失去频率稳定。针对互联电网AGC控制器参数优化整定问题,提出了一种基于社会学习自适应细菌觅食算法的最优PI/PID控制器设计方法。该方法将社会学习机制及自适应步长策略引入到标准细菌觅食算法中,通过改进细菌寻优过程中的趋化、群聚及繁殖等操作,提高算法的收敛速度及寻优精度。建立两区域互联电网AGC系统仿真模型,采用所提算法优化整定其PI/PID控制器参数。仿真结果验证了所提方法的有效性。

改进细菌觅食算法求解柔性作业车间调度问题

针对柔性作业车间调度问题的NP难特性,提出一种改进的细菌觅食优化算法。采用集成法策略同时求解柔性作业车间调度问题的机器分配和工序调度子问题。将细菌个体表示为工序串,建立问题和算法的映射关系;分别针对普通细菌个体和当前最优个体设计了多重趋化操作,以增强算法的局部搜索能力;复制操作设置繁殖阈和死亡阈,以提高对历史经验的继承程度;迁移/驱散操作中,结合改进的LPT启发式规则,提出带倾向性的迁移/驱散操作方式。采用正交试验对算法的重要参数进行了优化配置,通过搜索算子优化效果对比实验证明了正交试验的结论;进行了收敛性能对比实验,证明算法具有优秀的全局开发能力和局部探索能力;典型算例实验结果表明,该算法能够有效求解柔性作业车间调度问题。

基于细菌觅食趋化算子的PSO算法

PSO算法是模拟鸟群觅食的一种解决优化问题的仿生算法,为了避免其在优化过程中过快陷入局部极值的缺陷,提出一种新的基于细菌觅食趋化算子PSO算法。结合细菌觅食算法的局部搜索优势,将其趋化思想引入到PSO算法中。通过典型函数优化测试表明,该算法可以有效弥补PSO算法精度不高、容易陷入局部最优的缺陷。新算法是一种全局优化算法,适用于解决复杂特别是多峰不规则的函数优化。

基于改进细菌觅食算法的微网鲁棒经济调度

可再生能源出力的随机性和波动性给微电网经济运行优化带来较大困难。采用鲁棒优化理论将常规微电网经济运行优化模型中的不确定性因素加以处理,构建了计及可再生能源、储能装置和热电联产系统的微电网经济运行鲁棒优化模型;通过改进常规细菌觅食算法中复制操作和驱散操作,有效兼顾了个体寻优过程中寻优速度与寻优深度。算例分析表明,改进算法能够有效求解本文所提模型,在保证微电网可靠运行的前提下,所提方法能够实现各微源动态经济调度,有效降低微电网运行成本。

基于细菌觅食行为的分布估计算法在预测控制中的应用

为增强分布估计算法(EDA)的局部优化能力,将细菌的觅食(BF)行为,即细菌的趋化性运动引入到分布估计算法中,提出一种基于细菌觅食行为的分布估计算法BF-EDA.通过8个Benchmark函数来测试算法性能,并与常规EDA、粒子群优化(PSO)和HPSO-TVAC算法进行实验比较,结果表明BF-EDA算法在优化解的质量和收敛速度方面具有较好的性能.进一步,为克服传统的基于梯度信息优化方法的缺点,将BF-EDA应用于预测控制的非线性滚动优化阶段,以优化求解被控系统的最优控制序列.曲线跟踪实验结果表明,基于BF-EDA的预测控制算法具有良好的控制品质.

一种具有量子行为的细菌觅食优化算法

为改善细菌觅食优化(BFO)算法中群体信息共享机制,增强算法的全局搜索性能,该文将细菌个体放在量子空间中描述,根据细菌群体信息建立量子化的势能阱模型,通过蒙特卡洛随机采样完成繁殖操作,使得细菌群能对整个空间进行搜索。针对BFO算法中趋化步长一致的缺陷,该文提出了一种动态缩进控制策略,在保证算法收敛性的同时大大增加了个体全局寻优的几率。标准测试函数的仿真结果表明,所提出算法具有精度高、成功率大、全局寻优性能强的特点。

细菌觅食算法在图像压缩中的应用

基于传统反向传播(back propagation,BP)网络,提出一种结合细菌觅食算法(bacterial fora-ging algorithm,BFA)的改进型BP网络(BFA-BP),并将其用于图像压缩.为克服传统BP网络容易陷入局部极小值的缺点,算法引入BFA特有的复制和驱散操作,以提高网络收敛速度,加强全局寻优能力.对标准测试图像进行仿真实验表明,该算法能有效提高重建图像质量.

采用改进细菌觅食算法的含分布式电源配电网动态重构

为了提升配电网运行的经济性与分布式电源的利用率,提出了一种兼顾经济性与电能质量的含分布式电源的配电网动态重构方法。本文建立以网络损耗最小、开关操作次数最少为优化目标的运行费用模型,并对网络损耗和电压偏差两个系统运行性能指标进行归一化处理,形成配电网运行综合性指标。通过设定该指标的最大标准差,进而确定重构时段。最后采用改进细菌觅食算法求解该模型。通过以IEEE33节点系统为例进行仿真计算,仿真结果表明了本文所提方法的可行性和有效性。