自适应免疫粒子群算法在光伏MPPT中的应用

光伏阵列在局部遮阴条件下,其P-U特性曲线呈多峰特性,传统的最大功率点跟踪(MPPT)算法容易陷入局部最优,而无法追踪到最大功率点。粒子群(PSO)算法适用于复杂多极值的寻优问题,因而在多峰值MPPT中得到广泛应用。针对粒子群算法寻优过程中易早熟收敛至局部最优、迭代后期收敛速度慢以及精度低等问题,提出了一种自适应免疫粒子群算法。该算法对惯性权重和学习因子进行自适应调整,并且与免疫算法相结合。仿真结果表明:该算法在静态局部遮阴以及动态局部遮阴条件下,均能追踪到最大功率点,并且收敛速度更快,精度更高,稳定性更好。

基于自适应免疫算法的有源配电网故障定位

为应对大规模分布式电源(distributed generation, DG)并网给配电网故障定位带来的新挑战,提出了基于自适应免疫算法的有源配电网故障区段定位方法。基于自适应免疫算法进行故障区段定位,有效降低了在故障信息失真情况下传统免疫算法易陷入局部最优解的概率。首先,引入一种非线性自适应交叉变异算子改进策略,建立适用于分布式电源接入的自适应免疫算法函数计算模型,然后基于该算法对各节点馈线终端装置(feeder terminal unit, FTU)遥信信息进行处理,以快速准确地定位故障区段。基于MATLAB对含DG的IEEE 33节点配电网进行仿真验证,结果显示该方法显著提高了故障定位的速度和精度。

基于自适应免疫整定的机器人无标定自抗扰视觉伺服控制

研究了机器人无标定自抗扰视觉伺服控制问题.针对系统中所用的自抗扰控制器参数选取困难问题,提出了基于自适应免疫算法的自抗扰控制器参数整定方法.证明了系统中所用的非线性离散二阶扩张状态观测器稳定的充要条件,并将该条件应用在参数整定过程中.6自由度工业机器人的实验结果表明了该方法的可行性和有效性.

用于水声目标识别的自适应免疫特征选择算法

针对水声目标小样本识别中样本数目有限而特征数目不断增加,导致分类系统分类性能下降的问题,提出了一种新的自适应免疫特征选择算法(AIFSA).该算法先利用先验知识生成初始种群,接着利用交叉、变异和新的自适应免疫算子指导种群进化,每代中对分类贡献大且选择特征数目少的个体适应度值高.AIFSA具有可以利用先验知识、收敛速度快以及优化特征子集维数小的优点.提取了实测4类水声目标的多域特征,进行特征选择和分类识别仿真实验,结果表明:AIFSA可以选择有效特征子集,在特征维数下降60%的情况下,支持向量机分类器的平均正确分类率下降很小;AIFSA与标准遗传算法相比,收敛快、稳定,所得优化特征子集具有更高的正确分类率和更好的范化性能.

自适应免疫遗传算法在轮胎花纹节距参数优化中的研究

节距参数优化是低噪声轮胎花纹优化设计的关键环节,针对轮胎花纹节距参数优化寻优时易引发数据爆炸的特点,利用自适应免疫遗传算法(AIGA)的自适应策略和快速搜索能力对节距序列参数和节距比例参数进行优化分析,结果表明该算法的收敛性和效率较遗传算法和免疫遗传算法都有明显的提高,优化结果可降低轮胎花纹噪声水平,具有工程应用价值。

图像增强的自适应免疫算法

介绍了自适应免疫算法的基本原理及实现步骤 ,并将其应用到图像的增强处理中 .在传统的图像增强处理中 ,针对图像灰度分布的不同情况 ,需要定义相应的灰度变换函数 .Tubbs将图像增强处理中几种常用的非线性变换函数表示成一个归一化的非完全Beta函数 ,但确定Beta函数参数仍是一个复杂的问题 .本文利用自适应免疫算法来确定该变换函数的最佳参数值 .

基于最小二乘与自适应免疫遗传算法的小型无人直升机系统辨识

针对小型无人直升机小稳定、强耦合、非线性的特点,建立了小型无人直升机悬停状态下行动力学模型.设计了一种基于最小乘与自适应免疫遗传算法(LS-AIGA)的辨识算法,根据辨识实验的需要研制了机载微小型导航、制导与控制系统(MGNC).利用飞行实验数据,根据本文的辨识算法,对所建立模型中未知参数进行了辨识.最后对得到的模型进行了验证与分析,结果表明模型辨识数据与真实飞行实验数据匹配较好,所建立模型能够反映小型无人直升机动力学特性.

基于自适应免疫算法的电力系统无功优化

针对电力系统无功优化问题,提出了根据各个抗体之间的距离测度自动调节参数的自适应免疫算法(adapted immune algorithm,AIA)．该算法在群体多样度的基础上,调节选择率α、克隆半径r和突变半径R,在快速收敛和保持群体多样性以避免陷入局部最优解之间进行优化．算例表明:自适应免疫算法使计算速度和收敛性均达到最优;对于IEEE14节点系统,与遗传和免疫算法相比,该算法的收敛效果提高8％,计算时间缩短55 s;与改进的免疫算法相比,其收敛效果提高2％,计算时间缩短O．5 s;对于IEEE118系统,与遗传和免疫算法相比,该算法的收敛效果提高5％,时间减少分别为493 s和336 s;与改进的免疫算法相比,其收敛效果提高3％,计算时间缩短26 s．

基于可行解搜索和自适应免疫算法的配网重构

为提高配网重构的计算速度及效率,将自适应免疫算法(adaptive immune algorithm,AIA)用于配网重构;在此基础上结合GENOCOPⅢ(genetic algorithm for numerical optimization of constrained problems)算法对AIA进行改进,提出了对不可行解进行修复的AINOCOP(adaptive immune algorithm for numerical optimization of constrained prob-lem)算法用于配网重构,该方法综合了AIA的双层优化特点以及GENOCOPⅢ的可行解搜索方法;在基因的编码技术上,基于启发式规则,采用方便的十进制编码策略.将多种方法用于69节点系统的配网重构计算,GA、IA、AIA和AINOCOP的平均迭代次数分别为300、30、25次和12次,连续运算50次,AIA和AINOCOP在50代内可得到最优解的次数分别为8次和15次.

一种自适应免疫遗传算法及其在系统辨识和参数优化中的应用

基于遗传算法与免疫系统的机理,提出了一种自适应免疫遗传算法(AIGA).该算法定义了选择、扩展与突变等操作,通过对选择比例、扩展半径、突变半径的约束和参数的自适应调节,提高了算法的全局与局部搜索能力.同时,将AIGA用于系统辨识以及PID参数的优化中,进行了仿真实验,取得了较好的结果,证明了该方法的有效性.

基于自适应免疫算法和预测-校正内点法的无功优化

针对电力系统无功优化问题,将自适应免疫算法(adaptive immune algorithm,AIA)和预测-校正内点法相结合,提出了一种新的混合优化算法.先利用AIA进行大范围全局寻优,找到候选最优点,把它作为内点法的初始可行点,再通过预测-校正内点法在初始可行点的邻域内进行局部的确定性搜索,提高解的精度和速度;在此基础上,根据对偶间隙的变化过程,提出了对中心参数及相应障碍参数的改进选择方法,有效地避免了数值振荡,使计算精度及收敛速度均得到明显改善.将上述方法用于IEEE14节点系统,计算时间为2.0 s,优化后网损下降2.27%;而用于IEEE118节点系统,计算时间为322 s,优化后网损下降14.29%.这表明本文所提出的算法在计算速度和精度上较其他方法均有明显改进.

基于自适应免疫遗传算法的真空退火炉变参数PID温度控制系统

真空退火炉退火温度的精确控制是一个典型的非线性、大时滞、大惯性、存在强交叉耦合、时 变的复杂的控制问题,常规的PID控制器很难实现对退火温度的精确控制．本文以神经网络建立的真 空退火炉模型为控制模型,利用自适应免疫遗传算法全局搜索获取最优的可变PID参数的方法,解决 了真空退火炉退火温度精确控制的问题;应用结果表明,该温度控制系统优于传统的PID控制系统,并 具有良好的可靠性、自适应性和鲁棒性．

一种基于自适应免疫算法的优化设计方法

提出了一种新的机械优化设计方法———自适应免疫算法,该算法以种群的方差和熵作为结束条件,能自动调节优化参数。使用该算法对QAY50全地面起重机的转向梯形进行了优化设计,优化结果表明,该算法在保证全局收敛的同时提高了局部搜索能力,证实了算法的有效性。

基于自适应免疫遗传算法的边缘检测

为了使检测的图象边缘结构定位好 ,并且产生连续的精细边缘 ,同时能滤除边缘图象中的噪声干扰 ,基于费用函数最小化方法 ,提出了一种自适应免疫遗传算法用于图象的边缘检测 .为了保持群体中个体的多样性 ,同时加快算法的收敛速度 ,该算法中交叉、变异和免疫算子采用了自适应变化而非固定的概率 ,同时免疫算子采用了几何形式的退火选择方案 .由于该算法能够有效地利用局部边缘结构的一些先验知识和特征信息制作成免疫疫苗 ,其局部搜索能力较经典的遗传算法有很大的提高 .该方法用于灰度图象时产生了令人满意的检测效果 。

一种自适应免疫优化的无迹粒子滤波器

针对无迹粒子滤波(UPF)在较偏观测时的退化现象及重采样带来的粒子枯竭问题,提出一种自适应免疫优化的无迹粒子滤波算法(AIO-UPF)。该算法在重采样过程中,利用免疫算法在亲和度与浓度调节机制下的全局寻优能力和多样性特征,通过引入自适应阈值因子δ的Metropolis准则,使得粒子集能够有效地分布于高似然区域,提高了粒子的多样性和有效性,从而较好地抑制了在较偏观测时的粒子退化问题。仿真结果表明,AIO-UPF的性能优于传统UPF及标准粒子滤波,在状态估计精度上比传统UPF提高了27%左右。

改进的自适应免疫遗传算法在图像增强中的应用

针对传统图像增强方法中图像细节丢失、图像对比度不明显以及方法普适性差等缺点,提出了一种自适应免疫遗传算法用于图像增强。该算法与传统遗传算法的不同在于引入免疫算子抑制优化过程中出现的退化现象,根据个体适应度自适应调整遗传算子的概率值和基因变异位数,从而增强了种群多样性,提高了算法快速性和全局收敛性。实验结果表明:基于该算法的图像增强具有图像细节清楚、对比度强、方法普适性强等优点。

基于自适应免疫计算的网络攻击检测研究

互联网与生俱来的开放性和交互性的特征,导致攻击者能利用网络的漏洞对网络进行破坏。网络攻击一般具有隐蔽性和高危害性,因此有效地检测网络攻击变得极为重要。为了解决大部分检测算法只能检测一类网络攻击且检测延迟高等问题,提出了一种基于自体集密度自动划分聚类方法的阴性选择算法,简称DAPC-NSA。该算法采用基于密度的聚类算法对自体训练数据进行预处理,对其进行聚类分析,剔除噪声并生成自体检测器;然后根据自我检测器生成非我检测器,同时利用自我检测器和非我检测器来检测异常。文中最后进行了模拟入侵检测实验,结果表明,相比于其他检测算法,该算法不仅能同时检测6种攻击,具有较高的检测率和较低的误测率,而且检测时间短,能达到实时检测的目标。

多目标无功优化的向量评价自适应免疫粒子群算法

为了克服粒子群算法在高维复杂问题寻优时容易陷入局部搜索的现象,提出了一种自适应免疫粒子群算法。该算法利用引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子,从整体上达到系统的最佳控制方案。并将基于目标向量的个体评价方法与自适应免疫粒子群算法相结合,提出了基于向量评价的自适应免疫粒子群算法(vector evaluated adaptive immune particle swarm optimization,VEAIPSO)来解决多目标无功优化问题。通过引入静态电压稳定指标,建立了以系统有功损耗最小、节点电压偏移量最小及静态电压稳定裕度最大为目标的多目标无功优化模型。IEEE30和IEEE118节点系统算例仿真结果表明,该算法能有效地解决多目标无功优化问题,并具有良好的收敛稳定性和较高的寻优精度。

基于自适应免疫算法的网站广告分配优化

如何优化网站广告分配,实现网站运行商和广告客户收益的双赢,是网站广告分配问题的关键。针对网站广告的特点,本文提出了一个基于混合定价策略的网站广告资源配置优化模型,将其建模为一个最大化网站总收益的约束优化问题,并通过自适应免疫克隆算法进行求解。自适应特性主要表现在:根据亲和度动态分配记忆单元和一般抗体单元,从而将全局搜索和局部搜索有效结合起来,有效提高了求解精度和收敛速度。同时,根据网站广告分配问题特点,设计了其它相关的免疫算子,如编码、克隆变异、克隆选择。仿真结果表明,算法有效平衡了网站广告客户和网站运营商的利益,求解结果更加实用。

自适应免疫遗传算法及其在区域电力系统最优备用容量计算中的应用

充分利用区域互联电力系统在紧急情况下可以互相支援互为备用的特点,建立了区域电力系统的最优备用容量数学模型,该模型采用基于最小发电成本函数和最小网损函数组成的归一化最小综合经济成本作为目标函数。针对问题的具体特点,运用自适应免疫遗传算法求解最优备用容量,利用图论中的最大支撑树概念,采用自动产生可行解的编码策略对染色体进行编码,以及交叉、变异概率的自适应选取,在IEEE30节点测试系统上的仿真结果验证了所提模型的合理性、所提方法的可行性。