基于改进麻雀搜索算法的水质模型多参数反演

水质模型参数取值对模型的模拟精度影响很大,为提高BOD-DO水质模型参数反演精度,首先在DobbinsCamp BOD-DO水质模型的基础上,以BOD和DO浓度计算值与实测值之差的加权平方和最小为目标函数,构建了Dobbins-Camp BOD-DO水质多参数反演模型;然后针对麻雀搜索算法(Sparrow Search Algorithm,SSA)求解精度低、稳定性不足和易陷入局部最优等问题,引入Sine混沌映射和对立学习、转移概率以及差分变异3个策略,分别从提高初始种群多样性、扩大搜索空间以及增强种群跳出局部最优的能力三方面对SSA算法进行改进,提出了一种多策略改进的麻雀搜索算法(Multi-strategy Improved Sparrow Search Algorithm,MISSA),并将其应用于Dobbins-Camp BOD-DO水质多参数反演模型的求解;最后通过数值实验将得到的反演结果与SSA算法、模拟退火算法、粒子群算法、遗传算法四种优化算法进行对比,并探讨了参数初值选取和观测噪声水平对反演结果的影响。结果表明:MISSA算法的计算性能明显优于对照组中的4种算法,且能显著降低初值选取对BOD-DO水质模型参数反演结果的影响,当观测数据的噪声水平不超过5%时,MISSA算法可有效提高反演结果的稳定性。该结果验证了MISSA算法在反演Dobbins-Camp BOD-DO水质模型参数的有效性,为水质模型参数求解提供有益参考。

基于麻雀搜索算法和长短期记忆神经网络的轨道交通站点客流预测

准确的短时客流预测可以为城市轨道交通的良好运营提供保障,但轨道交通的短时客流具有非线性和高随机性等特点,为了提高对短时客流的预测精度,提出将ISSA算法和LSTM模型进行组合,构建城市轨道交通短时客流预测模型.针对SSA算法收敛速度慢,容易陷入局部最优解的问题,引入黄金莱维飞行策略,通过动态调整探索者移动步长的方法,使得它在未知范围内搜索时,能够覆盖更大的范围,提高SSA算法全局搜索的能力.通过使用ISSA算法对LSTM模型的隐含层、学习率和迭代次数的神经元个数进行优化,构建ISSA-LSTM组合预测模型,用于城市轨道交通短时客流的预测.将该模型与BP、LSTM和SSA-LSTM等3种短时客流预测模型进行对比,结果表明:在针对工作日和非工作日客流的预测中,ISSA-LSTM模型预测误差最小,具有较好的预测效果.

改进麻雀搜索算法在PMSM匝间短路中应用研究

针对麻雀搜索算法(SSA)存在收敛精度低和易陷入局部最优等问题,提出了一种改进麻雀搜索算法(ISSA),并应用于PMSM匝间短路故障诊断。首先,搭建了PMSM匝间短路仿真模型,模拟了不同短路匝数比的故障。其次,对故障进行分析,提取了3个故障识别特征量。接着,利用实验平台进行不同短路匝数比的故障测试。然后,介绍了麻雀搜索算法(SSA),并利用Tent混沌映射、自适应正余弦策略和Levy飞行策略对其进行优化,生成改进麻雀搜索算法(ISSA),同时将ISSA算法与SSA算法、粒子群算法(PSO)、灰狼算法(GWO)在测试函数上进行比较,验证其在寻优能力和稳定性等方面具有优越性。紧接着,介绍了随机森林(RF)算法,并搭建了ISSA-RF的故障诊断模型。最后,将4种算法分别对RF的基本参数进行优化并实现故障分类。结果表明,所提出的改进方法能够检测出匝间短路故障及其故障严重程度,ISSA-RF模型的准确率达到98.5%,验证了该算法的有效性和可靠性。

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。

基于萤火虫扰动麻雀搜索算法-极限学习机的光伏阵列故障诊断方法研究

光伏阵列具有随机性、间歇性输出特点,发生故障严重影响电力系统安全运行。针对有效表征不同程度局部阴影与雨天接地故障的故障特征量缺乏的问题,分析不同故障状态下光伏阵列运行特征,提出一种新的6维故障特征向量:开路电压Uoc、最大功率点电压Um与短路电流Isc、最大功率点电流Im分别表征短路与断路故障;U-I特性曲线二阶导数零点数表征局部阴影故障,并利用遗传模拟退火算法优化的模糊C均值聚类算法(the fuzzy C-means clustering algorithm optimized by the genetic simulated annealing algorithm,GSA-FCM)验证Um、Im表征不同程度局部阴影故障的有效性;并网电流总谐波畸变率表征雨天接地故障。引入萤火虫扰动的麻雀搜索算法(sparrow search algorithm with firefly perturbation,FSSA)优化传统极限学习机(extreme learning machine,ELM),建立FSSA-ELM模型,解决传统故障诊断方法实现复杂、收敛速度慢的问题。基于现场数据驱动,建立考虑对地寄生电容的光伏系统仿真模型和实验平台,设计2种不同辐照度范围的仿真方案和实验方案进行方法验证,结果表明,FSSA-ELM模型结合ELM实现简单且FSSA收敛速度快的特点,利用6维故障特征向量,可准确识别光伏阵列故障类型。

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。

基于改进麻雀搜索算法分数阶PI的PMSM调速策略

永磁同步电机调速系统采用传统比例积分双闭环控制结构存在抗扰性能差与响应速度慢的问题。为此,文中在建立PMSM数学模型和分析传统PI参数设计方法的基础上,提出一种基于改进麻雀搜索算法分数阶比例积分的PMSM调速优化策略,通过在常规SSA中引入佳点集初始化策略和黄金正弦更新策略,解决了SSA易陷入局部最优的问题,提高了收敛速度和精度,以进一步改善PMSM调速系统的响应性能。最后通过MATLAB仿真对比结果可知,所述ISSA-FOPI调速改进策略在4种工况下具有最短的调节时间分别为1.2、0.9、9.9与12.1 ms,和最小的超调量分别为0.16%、0.16%、0.05%与0.6%,这充分体现了所述策略的有效性与优越性。

基于改进麻雀搜索算法的3DDV-Hop定位算法

针对经典3DDV-Hop算法定位精度不高的问题,提出一种基于改进麻雀搜索算法优化的改进的3DDV-Hop算法;算法首先通过多通信半径优化传感器节点之间跳数,并且在平均跳距计算过程中引入动态加权因子提高平均跳距计算精度,其次在麻雀搜索算法的基础上融合反向学习策略与萤火虫算法分别对麻雀搜索算法的种群与位置更新迭代进行优化,最后将未知节点坐标计算问题转化成改进后的麻雀搜索算法寻优问题,利用改进后的麻雀搜索算法替代最小二乘法计算未知节点坐标,进一步提高未知节点位置计算精度;经过MATLAB仿真验证,改进算法对比于经典3DDV-Hop算法和相关算法,定位精度得到有效提高。

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的微电网优化调度

针对微电网优化调度问题,提出一种混合策略改进的麻雀搜索算法。首先,将微电网优化调度问题变成多维函数优化问题,并建立约束条件。其次,利用Sin混沌序列初始化种群;然后在位置更新阶段引入学习系数和变异算子;最后引入自适应t分布和动态选择概率,来改善麻雀搜索算法的搜索能力。通过标准测试函数仿真实验和对微电网优化调度模型求解,验证了所提算法具有更高的精度和更快的收敛速度。

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。

基于改进麻雀搜索算法的无线Mesh网络信道分配优化

文章在考虑网络信道分配优化模型的约束条件时,由于缺少对资源分配公平性的约束,导致信道分配后利用率较低,优化效果有限,为此,文章提出基于改进麻雀搜索算法的无线Mesh网络信道分配优化。文章采用数学模型描述网络中的信道分配问题,构建信道分配模型,结合Mesh网络的结构与特性,设计约束条件,包括网络连通性约束、信道容量约束和资源分配公平性约束。文章通过引入新的搜索策略和局部优化机制优化麻雀搜索算法,实施模型求解得到最佳信道分配方案。实验结果表明,在文章所提研究方法的应用下,Mesh网络信道的利用率得到了很大提升。

基于改进麻雀搜索算法的大型海上风电场电缆布置优化

考虑多个设计变量和成本因素后,大型海上风电场电缆布置优化问题呈现出高复杂度特点。为此,提出一种基于改进麻雀搜索算法的电缆布置优化方法。首先,以电缆全寿命周期总成本为目标函数,考虑实际工程需求提出约束条件,建立电缆布置优化模型。然后,结合鸡群优化算法和Prim算法来改进麻雀搜索算法,对海上风电场的电缆连接拓扑、电缆型号和变电站位置同时进行优化。最后,进行实例分析,验证模型的可行性和改进算法的有效性。结果显示,全寿命周期模型可以全面评估电缆布置的经济性。相比于原算法,改进麻雀搜索算法的寻优能力有较大提升,且相对于文献中的改进算法具有结构简单、效率高和优化稳定性强的特点,适用于大型海上风电场电缆布置优化问题。

改进麻雀搜索算法在WSNs覆盖优化中的应用

针对无线传感器网络(WSNs)中随机部署传感器节点而造成节点覆盖率低的问题,提出基于改进麻雀搜索算法(SSA)的覆盖优化方法。首先,利用反向学习策略初始化种群,使种群具有多样性;其次,利用鲸鱼算法中的随机搜索策略改进麻雀算法中发现者的更新方式,提高麻雀种群的全局搜索能力;最后,利用萤火虫算法对麻雀个体进行扰动更新,避免算法陷入局部最优。通过实验结果分析,改进后的算法在优化过程中提升了收敛速度和网络覆盖率,从而改善了网络的整体性能。

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。

多策略改进的麻雀搜索算法及应用

针对麻雀搜索算法收敛速度慢、精确度不高、易陷入局部最优等问题,文中提出了一种融合多策略改进的麻雀搜索算法(improved sparrow search algorithm based on multiple strategies,ISSAMS)。通过引入Circle混沌映射初始化种群,增加种群的多样性,提高全局搜索能力;利用正余弦搜索策略,更新发现者的位置,选择最佳位置,增强局部搜索能力,避免陷入全局最优;加入萤火虫扰动更新最优个体位置,寻找可行解,提高局部搜索能力和寻优速度。为了验证算法改进的有效性,选取5个基准函数进行仿真实验,其中3个基准函数为单峰函数,2个为多峰函数,并与遗传算法、灰狼算法、粒子群算法和麻雀搜索算法比较。通过仿真实验结果表明基于多策略改进后的麻雀搜索算法具备跳出局部最优解能力,收敛速度更快,同时精确度更高,在对比其他4种算法后其总体性能更好。通过将该改进应用到优化BP神经网络的阈值和权值中,对比未改进的麻雀搜索算法优化的BP模型,其误差降低了14.73%,并且与另外3种算法优化的BP模型对比,其基于多策略改进的麻雀搜索算法优化模型的平均绝对百分比误差是最低的,效果最好,进一步验证了该改进算法的有效性。

基于改进麻雀搜索算法的电动汽车充电站规划

电动汽车充电站的布局需要考虑投资者的长远效益和建设成本,以及用户的体验与经济性。针对电动汽车充电站选址规划问题,提出考虑时空分布的充电需求分布预测方法,建立充电负荷模型,结合Floyd最短路径算法,利用起点终点(origin-destination,OD)矩阵进行外出轨迹模拟,在充电需求预测的时空分布基础上,以充电站成本和用户路途所耗时间最小为目标函数建立充电站选址规划模型。采用改进的麻雀搜索算法对问题进行求解,在传统麻雀搜索算法寻优进程中引入折射反向学习机制进行初始化,在跟随者更新时引入柯西变异策略,实验结果表明该算法具有较优的性能。通过算例分析可知,采用所提算法进行充电站布局规划具有可行性、有效性和经济性。