基于改进麻雀搜索算法的变电构架优化方法

为了解决变电构架设计中的优化问题,采用改进麻雀搜索算法对其进行优化设计。在基本麻雀搜索算法中引入Circle混沌映射,以提高种群的多样性和算法的全局搜索能力;引入萤火虫算法对麻雀搜索算法进行扰动更新,使其易于跳出局部最优。建立尺寸优化的数学模型,采用罚函数法处理约束条件。先将改进后的算法用于典型桁架算例分析,证明其稳定性与有效性,再将其用于变电构架的优化设计,结果表明,采用改进后的麻雀搜索算法能够有效提升变电构架的优化效果。

改进麻雀搜索算法下机械臂轨迹规划

针对数控加工机器人的工作抖动问题,考虑机床工作精密度、时间、能耗指标,提出一种时间寻优的改进麻雀搜索优化算法。使用D-H参数构建机械臂数学模型,在MATLAB环境下对已建立模型进行仿真分析,利用3-5-3多项式插值法对机械臂空间轨迹路线分析,并提出麻雀搜索算法优化方案,对比传统算法及改进后机械臂关节速度及加速度曲线,明确优化后算法高效性,对比其他优化算法,确定机械臂时间最优解。研究结果表明,改进麻雀搜索算法粒子收敛速度提升43%,最优解收敛精度提升8%,机械臂轨迹规划用时明显缩短,轨迹规划达到预期,有效提高算法收敛效率及求解精度。

基于改进麻雀搜索算法的病患分配调度

在突发性公共卫生事件爆发时,大量的病患群体与有限的医疗资源供给会形成急剧的冲突,影响疫情防控救治效率。为满足患者就诊需求,提高医疗资源使用效率,文章以最小化平均收治时间、最小化最大收治时间为优化目标建立数学模型,在麻雀搜索算法中引入正余弦搜索策略使产生的个体具有多样性,对最优群体加入t分布扰动策略避免算法陷入局部最优。文章采用麻雀搜索算法、改进麻雀搜索算法、量子粒子群算法分别求解文章提出的数学模型,并将结果进行对比分析。以Y市为例,将Y市划分为9个人口区域,6家医院,进行病患分配调度的仿真实验研究。文章提出的数学模型可以准确描述大流行病期间患者就诊问题,所提算法可快速给出病患救治分配方案,让病患在较短的时间内获得相应救援,同时也可避免具有传染性的疫情进一步扩散。

基于改进麻雀搜索算法和支持向量机的边坡稳定性

边坡失稳是由多种因素共同作用的结果,常规的数学模型难以准确预测。为提高边坡稳定性预测精度,采用多策略融合改进麻雀搜索算法(improved sparrow search algorithm,ISSA)优化支持向量机(support vector machine,SVM),进而建立边坡稳定性预测模型(ISSA-SVM模型)。将重度、黏聚力、内摩擦角、边坡角、边坡高、孔隙压力比6项因素作为输入特征,将边坡稳定性状态作为输出结果,进而预测边坡稳定性。选取中外工程实例建立边坡数据库,将ISSA-SVM模型与SSA-SVM模型进行对比分析,通过灰色关联度分析法(grey relation analysis,GRA)进行敏感性分析。结果表明:ISSA-SVM模型预测精度更高、泛化能力更强,黏聚力和内摩擦角是对边坡稳定性最为敏感的因子。所提ISSA-SVM模型不仅能够准确地预测边坡稳定状态,还可以为其他领域相关问题提供参考。

改进麻雀搜索算法优化BP神经网络的短时交通流预测

针对BP神经网络预测短时交通流量过于依赖初始参数的问题,提出一种基于改进麻雀搜索算法(ISSA)来优化BP神经网络的短时交通流预测模型(ISSA-BP)。针对标准麻雀搜索算法(SSA)易收敛于原点,容易陷入局部最优等问题,对麻雀群体中的发现者和部分加入者的位置更新公式分别进行改进,改进后的发现者将基于搜索维度的大小和当前最优值的位置来进行全局搜索,部分加入者将根据其与最优位置之间的距离来进行全局搜索。通过实验对BP,PSO-BP,SSA-BP,ISSA-BP 4种短时交通流预测模型的预测效果进行对比分析,结果显示,ISSA-BP短时交通流预测模型的误差最小,ISSA-BP模型相较BP模型在MAE评价指标上的预测精度提升了48.85%,有着更好的预测精度。

基于改进麻雀搜索算法的农田节水灌溉路径自动规划方法

传统农田节水灌溉路径在规划中,按照农田坐标进行依次灌溉,导致灌溉路径的重复性较高,因此提出基于改进麻雀搜索算法的农田节水灌溉路径自动规划方法。首先对农田需水量等参数进行计算,然后运用麻雀搜索算法初步构建灌溉路径,然后基于农田参数构建相应的灌溉模型,最后实现农田节水灌溉路径自动规划设计。实验中,将两种方法对比,实验组的灌溉路径自动规划方法能够减少路径的重复性,提供一条适应环境参数的自动规划路径。

基于改进麻雀搜索算法优化LSTM网络的城市轨道交通短时客流预测

准确预测城市轨道交通短时客流,对于制定客流组织方案、合理分配运输资源等具有重要意义。针对短时客流预测精度问题,提出一种基于改进麻雀搜索算法(ISSA)优化长短时记忆神经网络(LSTM)的短时客流预测方法。首先,在麻雀搜索算法的基础上,引入混沌映射与柯西变异,提出ISSA算法,用于提升麻雀搜索算法的全局搜索与局部寻优能力,克服标准麻雀算法易陷入局部最优值的问题。其次,利用ISSA算法对LSTM神经网络的学习率、迭代次数、第一隐层节点数和第二隐层节点数这四个关键参数进行寻优。最后,以寻优结果重构LSTM神经网。利用广州某地铁站自动检票系统(AFC)采集的客流数据,对ISSA-LSTM模型的有效性进行验证。实验结果表明:该模型的均方根误差、平均绝对误差,平均绝对百分比误差和决定系数分别为4.8306、5.1435、1.5445%、99.1117%。ISSA-LSTM模型的预测效果均优于MLP模型、LSTM模型和SSA-LSTM模型。本文提出的ISSA-LSTM模型可有效降低神经网络参数对于预测精度的影响,提高预测精度,同时也对城市轨道交通运营管理服务精度进行提升。

基于多策略改进麻雀搜索算法的铸铜转子感应电动机优化

铸铜转子技术在提高感应电动机效率的同时会使电机起动性能变差,通过调整定、转子槽形结构参数可使集肤效应和磁饱和得到改善,同时提高起动性能。但感应电动机优化是一个多变量强耦合的规划问题,若选用所有的槽形结构参数做优化变量会导致计算时间过长且易陷入局部最优。为此,采用LASSO模型筛选对起动性能和效率影响大的槽形结构参数,实现优化变量的降维。在优化方法方面提出了多策略融合的改进麻雀搜索算法(ISSA),并通过基准函数实验验证改进的有效性。以提高电动机起动性能和效率为目标,以电机性能满足IE4标准为约束,将上述方法应用于两台铸铜转子感应电动机优化实例中,并分别从定子槽形结构参数优化、转子槽形结构参数优化及定转子槽形结构参数同时优化3个方向进行分析。为了说明所述方法的有效性,将ISSA与循环遍历法及其他仿生算法的优化结果进行了对比。最后,建立了电动机的仿真模型,对改进前后电动机的起动性能、损耗和磁通密度进行仿真分析。

基于改进麻雀搜索算法优化BN的变压器故障诊断研究

针对变压器故障诊断准确率低和稳定性差的问题,文中提出了一种改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断方法。首先,通过计算互信息建立最大支撑树并进行定向处理得到贝叶斯网络初始结构即初始种群。然后,在算法中引入一种新的合作机制和正弦余弦算法,提高算法收敛速度和全局搜索能力,并利用油中溶解气体分析,创建基于改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断模型。最后,为了证明所提方法的优越性,将所提的方法与现有变压器故障诊断方法进行对比。结果表明,文中所提出的方法故障诊断率最高,可以更精准地对变压器进行故障诊断。

不平衡样本下基于变异麻雀搜索算法和改进SMOTE的变压器故障诊断方法

针对麻雀搜索算法同质化严重和变压器故障样本不平衡导致分类效果不佳的问题,提出了变异麻雀搜索算法优化支持向量机(variation sparrow search algorithm-support vector machine,VSSA-SVM)和改进合成少数过采样技术(improved synthetic minority over-sampling technique,ISMOTE)的变压器故障诊断方法。首先使用Tomek Link对数据集进行去噪,引入中心偏移权重(center offset weight,COW)改进SMOTE算法对不平衡数据集的少数类样本进行合成,得到平衡化处理后的变压器故障数据集。然后,基于变异的思想,构建VSSA-SVM的变压器故障诊断模型。最后,在413例油浸变压器的油中溶解气体分析(dissoived gas anaiysis,DGA)数据上,使用PSO-SVM、SSA-SVM和VSSA-SVM模型进行诊断,诊断结果分别为81.45%、88.71%和96.77%,同时与SMOTE-NND、SVM SMOTE、Borderline-SMOTE、SMOTE以及原始数据集方法相比,ISMOTE分别提升了3.22%、4.03%、6.45%、7.52%、11.29%。结果表明,该文所提方法能准确判别变压器的故障状态,有效解决故障数据不平衡导致分类精度低的问题,具有一定的工程实用价值。

基于改进麻雀搜索算法优化RBF神经网络的光伏阵列故障诊断

针对传统BP神经网络在光伏阵列故障诊断时受初始权值阈值的影响,易导致全局搜索过程陷入局部最优这一问题,提出了一种基于改进麻雀搜索算法优化RBF神经网络(ISSA-RBF)的光伏故障诊断方法。首先,利用Matlab建立光伏阵列故障仿真模型,提取出故障诊断模型的特征参数;其次,融入Levy飞行和自适应权重φ对麻雀搜索算法进行改进,用优化后的算法建立ISSA-RBF故障诊断模型;最后,与传统BP和SSA-RBF模型进行对比验证,实验结果表明,ISSA-RBF模型在故障诊断精度上达到94.8%,可以有效诊断光伏阵列的故障类型。

基于改进麻雀搜索算法的光伏功率短期预测

为提高光伏输出功率预测精度、保证电网的优化调度和稳定运行,提出一种改进麻雀搜索算法(SSA)的光伏输出功率预测模型。首先,对实验平台收集到的历史数据进行分析,得到关键气候影响因素;然后,用经验模态分解和主成分分析法对数据进行维稳和降维处理;并建立改进麻雀搜索算法的BP神经网络预测模型;最后,进行实例验证。结果表明,该预测模型在敛散精度方面有所提升。

基于改进麻雀搜索算法优化深度学习网络超参数的短期风电功率预测

提出了一种CNN-Attention-BiGRU网络模型,以及采用ISSA优化网络模型超参数的短期风电功率预测方法。首先,设计CNN-Attention-BiGRU深度学习网络,利用CNN-Attention提取数据特征,再利用BiGRU对时间序列的预测;然后,采用ISSA优化CNN-Attention-BiGRU网络超参数,提高模型的预测精度;最后,采用甘肃省某风电场数据集进行验证该预测方法,结果表明,该预测模型有效地提高了预测精度和输出结果的稳定性。

改进麻雀搜索算法的智能车路径规划研究

针对麻雀搜索算法存在的收敛速度慢和容易陷入局部最优等缺点,提出了一种改进的麻雀搜索算法。首先,使用ICMIC混沌映射函数初始化种群,提高种群多样性,以此来增强麻雀种群在未知环境的探索能力。其次,对麻雀算法位置更新公式进行修改,对位置更新公式进行优化,提高算法的收敛速度。最后,设计3个不同的栅格地图,将改进后的麻雀搜索算法与原始算法在此地图中进行路径规划对比,验证改进麻雀搜索算法的性能。实验结果表明:改进后的麻雀搜索算法在智能车路径规划问题中有着更好的表现,具有更快的收敛速度和更好的寻优能力。

基于改进麻雀搜索算法的直流微电网容量优化配置

为了提高风-光-储直流微电网的经济性和稳定性,进行系统容量优化配置的研究。首先,基于提出的风-光-储-网运行调度策略,以年平均综合成本和功率偏差率为目标函数,考虑系统安全稳定运行作为约束条件,构建风-光-储直流微电网的容量优化配置模型。然后,针对麻雀搜索算法求解具有非零解的优化配置模型容易陷入局部最优及收敛精度不足的问题,提出融合Tent混沌、螺旋搜索、Levy飞行策略和变异扰动的改进麻雀搜索算法,并利用4种标准测试函数将提出的改进算法与普通的麻雀搜索算法、粒子群算法和鲸鱼优化算法进行对比分析。最后,以潜江大数据中心为应用对象进行算例分析,验证模型和算法的可行性和有效性。

基于改进麻雀搜索算法的平面度误差评定方法

针对在平面度误差最小区域评定过程中易出现陷入局部最优、收敛速度慢和精度低的问题,提出了一种基于改进麻雀搜索算法(ISSA)的平面度误差评定方法。首先,采用具有更好遍历性的Kent混沌映射代替传统的Logistic混沌映射生成初始化种群,以增强算法的全局搜索能力;然后,应用一种基于光学透镜成像原理的反向学习策略以避免算法无法跳出局部最优;选用经典测试函数验证了ISSA算法的有效性,相对于SSA能够取得更好的寻优效果;最后,应用该方法对平面度误差进行评定,并与引用的其它方法进行比较。实验结果表明:基于ISSA算法的平面度误差评估方法用时0.4884 s能够解得最小包容平面,与应用SSA算法相比减少了0.3705 s,其计算精度与应用最小二乘法、遗传算法和粒子群算法的平面度误差评定方法相比分别减小了18.0325μm、2.3325μm、6.1325μm。基于ISSA算法的平面度误差评估方法在优化效率、求解质量、计算精度和稳定性上均有优势,可应用于三坐标测量机等形位误差测量仪器。

基于改进麻雀搜索算法-BP神经网络的电缆接头线芯温度间接测量方法

电缆接头线芯温度实时监测对提升电缆线路载流量和安全运行有重要意义。针对目前测温方法适用性不强、精度低且抗干扰能力弱的问题,提出了一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化反向传播神经网络(back propagation neural network, BPNN)的温度反演间接测量方法。首先引入帐篷(Tent)混沌映射、自适应T分布变异、生产者数量和搜索空间动态调整混合策略对SSA进行改进,然后用改进后的SSA优化BP神经网络超参数。最后通过不同工况下的接头仿真与试验数据,结合自回归滑动平均模型(auto regressive moving average model, ARMA)对表面测温数据进行降噪,基于线路负荷及表面温度对接头线芯温度进行反演,并与粒子群优化算法(particle swarm optimization, PSO)-BP、SSA-BP、灰狼优化算法(grey wolf optimizer, GWO)-BP反演效果进行对比。结果表明改进模型的平均绝对误差不超过0.5℃,反演精度更高,能够实现对电缆接头运行状态的实时有效监测。

改进麻雀搜索算法的AGV路径规划

针对仓储环境中无人导引车(AGV)搬运货物的路径规划问题,提出一种基于改进的麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)的方法。使用虫口混沌序列取代种群的初始化随机分布,提高初代解的丰富性和均衡性,从而解决种群分布集中、搜索空间不够大等问题;通过在发现者中引入时变权重因子,在前期不断拓展搜索区域,在后期提升收敛效率,协调整体与局部的开发拓展能力;通过反向学习策略对种群进行扰动,防止算法后期种群单一和陷入局部最优。结果表明,ISSA在路径长度、拐角次数以及迭代次数方面均优于原算法和蚁群算法;在相同的环境模型下,ISSA在路径长度和拐角次数方面均优于文献算法。

基于改进麻雀搜索算法的摄像机标定优化方法

目前一些摄像机标定方法,比如DLT标定法、Tsai标定法和张正友标定法,都有着简单且易标定的优点,但也存在着标定精度低、鲁棒性差等缺点。为了有效地解决这些问题,在麻雀搜索算法的基础上考虑其与鸟群算法相结合,提出了一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)对目标摄像机进行标定。首先,利用MATLAB对标定板进行预拍摄;其次,利用MATLAB软件中自带的标定工具箱对采集的图像进行预标定,得到初始的摄像机内外参数;然后,构建平均重投影误差的适应度函数,并用ISSA对构建的平均重投影误差的适应度函数进行优化,利用适应度函数的优化对内外部参数进行优化;最后,与基于麻雀搜索算法、天牛须搜索算法(BAS)的摄像机标定方法进行实验对比,发现基于ISSA、SSA和BAS的摄像机标定方法的平均重投影误差分别为0.002 9 pixel、0.004 9 pixel和0.003 7 pixel,说明ISSA算法相对于另外两个算法在标定精度上有着一定的提升,且稳定性与鲁棒性都有所提高。

基于改进麻雀搜索算法的多无人机任务分配

针对异构多无人机任务分配不合理、速度慢的问题,在经典麻雀搜索算法的基础上引入Logistics混沌初始化,并利用Pareto最优解求解多目标优化问题,加快算法前期的求解速度并避免算法陷入局部最优。利用多种算法研究同一场景下的无人机完成目标任务,通过改变其数量并进行任务分配,使用改进麻雀搜索对算法结果进行对比,结果表明改进麻雀搜索算法在解决多无人机任务分配时的速度和精度都有明显提高。