基于蜻蜓算法的飞行器自抗扰控制器设计

针对飞行器复杂环境下强耦合、非线性和气动参数变化剧烈的问题,提出一种基于蜻蜓算法的自抗扰控制器设计方法。首先建立复杂环境下飞行过程三通道的数学模型,采用扩张状态观测器估计系统的状态和总扰动,并对观测到的干扰进行补偿,采用蜻蜓算法整定优化自抗扰控制器的参数,最后通过六自由度仿真进行验证。结果表明,优化后的控制器参数具有更好的控制精度,在气动参数拉偏的情况下也具有较好的控制效果。

蜻蜓算法优选小麦粉蛋白质近红外建模校正集

为优选小麦粉蛋白质近红外建模校正集,在传统K/S(Kennard/Stone)方法划分的初始校正集基础上采用二进制蜻蜓算法(binary dragonfly algorithm,BDA)挑选代表性样品,建立小麦粉蛋白质含量偏最小二乘回归(partial least square regression,PLSR)模型,并用预测集检验评估模型的稳定性及预测性能。结果表明:BDA挑选出的最佳校正集样品数量为30个,所建模型的预测决定系数(R_(p)^(2))为0.9564,预测标准偏差(root mean square errors of prediction,RMSEP)为0.2781,与传统K/S划分的100个初始校正集的建模效果(R_(p)^(2):0.9388,RMSEP:0.3294)相比,R_(p)^(2)提高了1.87%,RMSEP降低了15.57%。10次BDA实验优选出校正集的平均数量为30.2个,且所建10个模型蛋白质含量预测效果均优于初始校正集建模。综上,BDA算法可以优选出数量少、具有代表性的校正集样品,建立的小麦粉蛋白质PLSR模型稳定性好、预测精度高,可为小麦粉品质近红外检测分析提供一种高效的校正集优选方法。

基于改进蜻蜓算法的磁齿轮复合电机控制研究

针对磁齿轮复合电机双转子结构在无接触传动时出现振荡和超调的问题,提出了一种基于改进蜻蜓算法(improved dragonfly algorithm,IDA)的双闭环PI(proportional integral,比例积分)参数自整定矢量控制方法。针对DA在收敛速度和收敛精度等方面存在的不足,分别在算法寻优的前期、中期和后期引入Tent映射、改进权重系数和差分优化算法,并在其适应度函数上增加可抑制振荡和超调的惩罚项,使算法的收敛速度和收敛精度得到明显提高。采用PI、DA-PI和IDA-PI三种控制方法对磁齿轮复合电机进行控制仿真和实验,结果表明,在IDA-PI控制下电机转速的超调量和稳态误差最小,动态响应速度最快,证明了所提策略的有效性。研究结果为不同拓扑结构磁齿轮复合电机的控制提供了参考。

求解逆运动学的多策略蜻蜓算法

蜻蜓算法(Dragonfly Algorithm,DA)是一种新型群智能算法,存在求解精度不高、收敛速度慢、优化不稳定等不足.基于此,提出了一种多策略改进的蜻蜓算法(Multi-strategy Improved Dragonfly Algorithm,MIDA).首先通过Logistic混沌映射改善算法的初始种群,使算法能更快锁定最优解区域;其次融合共生生物搜索算法(Symbiotic Organisms Search,SOS)来增加个体间的信息交流;最后采用了余弦扰动避免蜻蜓算法过早陷入局部最优解,并且采用正交实验验证该算法的可行性.通过12个基准函数和求解逆运动学这一实际应用来验证MIDA的有效性.结果表明,MIDA在函数优化方面遥遥领先,在求解逆运动学问题中,优化效果比其他对比算法高10%~35%.

基于蜻蜓算法优化随机森林回归的粮食产量预测研究

为有效提升粮食产量预报的精确性,利用RFR算法进行粮食生产预测的问题,建立了基于DA-RFR技术的粮食生产预测模型、叶节点的样本数以及候选特征的子集等关键参数影响较大的问题。粮食产量作为DA-RFR的输出,建立DA-RFR粮食预测模型。与GA-RFR、PSO-RFR和RFR相比,DA-RFR能够有效提高粮食产量预测的精度,其训练集和预测集的预测精度分别高达2.14%和2.03%,为保障国家粮食安全、进一步提高规划的科学性,为行政机关进行政策制定工作提供有力支持。

基于改进模糊聚类并行蜻蜓算法的无人水面艇航迹规划

对无人水面艇(Unmanned Surface Vessel,USV)航迹规划问题进行研究,提出了一种基于改进模糊聚类并行蜻蜓算法的无人水面艇航迹规划方案。首先,构建基于航距、能耗、航迹弯折度、航行安全度评价指标和网格坐标转换的USV航迹规划模型,在确保航行安全、降低问题求解维度的同时,最大限度地提高航迹平滑度和降低航行距离与能耗。其次,设计改进模糊聚类并行蜻蜓算法(Improved Fuzzy Clustering Parallel Dragonfly Algorithm,IFDDA),利用改进的并行模糊聚类算法,自适应确定蜻蜓静态邻域规模,以提高种群样本多样性;引入非线性进化因子,动态调整算法权重因子,以平衡算法局部搜索和全局搜索。最后,采用IFDDA算法对USV航迹规划模型进行求解,经典测试函数和具体航迹规划实例仿真结果表明,IFDDA具有良好的复杂高维函数优化性能,相比于其它航迹规划算法,基于IFDDA得到航程缩短了约(7.3~55.2)%、能耗降低了约(17.1~56.5)%。

基于亚群和差分进化的混合蜻蜓算法

针对蜻蜓算法(DA)存在开发能力弱、种群多样性低、易过早收敛至局部最优等问题,提出一种基于亚群和差分进化的混合蜻蜓算法(HDASDE)。首先,对基本蜻蜓算法进行改进:融入混沌因子和有目的的莱维飞行来提升蜻蜓算法的寻优能力,并提出混沌跃迁机制加强基本蜻蜓算法的勘探能力;其次,在差分进化(DE)算法的基础上引入反向学习加强DE算法的开发能力;再次,利用亚群策略提高算法跳出局部最优的能力,设计了一种动态双亚群策略将整个种群划分为动态变化的两个亚群;然后使用动态亚群结构将改进蜻蜓算法和改进DE算法进行融合,融合后的算法具有较好的全局勘探能力以及较强的局部开发能力。最后,将HDASDE应用于13个典型的复杂函数优化问题和三杆桁架的设计优化问题,并与原始的DA、DE算法以及其他元启发式优化算法进行对比。实验结果表明,HDASDE在所有13个测试函数中优于DA、DE、人工蜂群(ABC)算法;在12个测试函数中优于粒子群优化(PSO)算法;在10个测试函数中优于灰狼优化(GWO)算法。并且,在三杆桁架的设计优化问题中效果较好。

二进制蜻蜓算法-直接校正算法优选标样集在小麦粉蛋白质近红外模型传递中的应用

为了实现小麦粉蛋白质含量近红外分析模型的传递,探究二进制蜻蜓算法(Binary Dragonfly Algorithm,BDA)与直接校正算法(Direct Standardization,DS)相结合构成的BDA-DS算法挑选标样集对模型传递结果的影响。以棱光S450光栅型近红外光谱仪为主机,NeoSpectra Micro傅里叶变换型近红外光谱仪为从机,采集了126个小麦粉的近红外光谱,用偏最小二乘回归法建立了主机近红外光谱与小麦粉蛋白质的关联模型。经BDA-DS算法模型传递后,主机模型对从机样品预测决定系数为0.9812,预测标准偏差为0.1838,从机与主机的光谱集合平均马氏距离由22.34下降到1.40,均接近于主机模型精度水平。该研究同时与采用Kennard/Stone(K/S)挑选标样集再结合DS构成的传统K/S-DS算法进行了对比,结果表明:相对于K/S-DS算法,BDA-DS算法挑选出较少的标样集就能表征仪器的差异,有效地提高了主机模型对从机样品的预测精度,为近红外模型传递提供了一种更加有效的标样集选择方法。

蜻蜓算法优化的高斯过程回归对锂电池健康状态预测

针对锂电池健康状态(SOH)估算精度低、高斯过程回归(Gaussian process regression,GPR)容易陷入局部最优和收敛速度慢的问题,采用蜻蜓算法(dragonfly algorithm,DA)对GPR的超参数进行寻优,实现锂电池非线性衰退的精确估算。将提取的健康因子作为输入特征,利用DA-GPR算法建立锂电池退化模型对NASA电池数据集SOH进行预测。首先,分别采用B0005、B0006和B0007电池前75次循环作为训练集,剩余90次循环作为测试集,其结果均方根误差(RMSE)不超过0.147;其次,为了验证DA-GPR在小样本条件预测的准确性,分别选取B0005前10次循环和前30次循环作为训练集,其余作为测试集,其中前10次循环作为训练集的RMSE值为1.7563,前30次循环作为训练集的RMSE值为0.15071;最后,为了验证DA-GPR的泛化性,选择B0006和B0007作为训练集,B0005作为测试集,其RMSE值为0.7744。

基于蜻蜓算法的分布式电源并网容量优化配置

为解决分布式能源的优化配置问题,提高配电网运行的经济性和稳定性,提出了一种基于蜻蜓算法的分布式电源并网容量优化配置方法。以配电网网损最小为目标函数,建立了基于蜻蜓算法的分布式电源优化配置模型,根据DG接入数量的不同设置三种场景进行仿真分析,采用蜻蜓算法对目标函数进行优化。仿真结果表明,在配电网中配置一定数量的DG后,配电网网损明显降低,且随着接入DG个数的增加,配电网网损进一步减小,当系统配置3个DG时,配电网网损由DG接入前的202.76 kW降低至22.89 kW,降幅高达88.71%,同时系统节点电压、支路损耗和支路电流等指标均得到了明显改善,验证了所提DG并网容量优化配置方法的正确性。

基于增强个体信息交流的蜻蜓算法

提出一种基于增强个体信息交流的蜻蜓算法(EIDA)。针对基本蜻蜓算法存在的不足,EIDA引入三种策略:贪婪策略、平衡策略和组合策略。贪婪策略的核心在于充分利用上下代优秀个体的信息,提高收敛速度;平衡策略用于个体从全局搜索向局部开发过渡,使算法更稳定;组合策略则用于增强局部开发能力,提高解的精度。八个典型复杂函数的仿真测试表明,EIDA的全局搜索能力强,收敛速度快,求解精度高。

改进蜻蜓算法及其在特征选择中的应用

为合理应用生产制造中产生的数据,分析和挖掘出数据中的关键特征和潜在信息,以帮助企业提高效率、降低成本,提出一种改进的蜻蜓算法,并将其用于特征选择。算法在继承蜻蜓算法良好收敛性的基础上,引入局部序列浮动后向选择机制,在增加算法的全局搜索能力的同时提高了算法的求解精度。在标准复杂数据集上对该算法与其他特征选择算法进行仿真对比与分析,并将其应用在半导体生产线上进行验证。实验结果表明,所提算法无论是在标准数据集上还是实际工程问题上,均表现出良好的全局搜索能力与发展潜力。

基于蜻蜓算法优化ELM的电能质量扰动诊断与识别研究

针对极限学习机预测结果易受其初始化输入权值和偏置值的影响,提出一种DA算法优化ELM的电能质量扰动诊断和识别模型。选择5种电能质量扰动信号为研究对象,研究结果表明,与GA_ELM、PSO_ELM和ELM相比,本文提出的算法DA_ELM可以有效提高电能质量扰动识别的准确率,为电能质量扰动诊断和识别提供新的方法和途径。

基于聚类和探测精英引导的蜻蜓算法

针对蜻蜓算法(DA)收敛速度慢、收敛精度低、全局搜索能力差等不足,提出新的蜻蜓优化算法.利用tent混沌初始化种群并对种群进行K-Means++聚类,根据聚类的结果分别对种群个体进行反向学习和高斯变异以增强种群的多样性,提高搜索效率.引入非线性自适应因子加快收敛速度,使用探测精英引导策略增强算法跳出局部收敛的能力.引入平方散列探测增加收敛精度.将该优化算法应用于8个典型复杂函数优化问题,并与原蜻蜓算法,以及其他仿生计算算法对比,实验结果表明该改进算法具有良好的全局收敛性和寻优精度.

基于蜻蜓算法和支持向量机的变压器故障诊断

电力变压器作为电力系统中变换电压、输送电能、分配电能的重要电力设备,其运行状态直接影响到电网的运行安全。为了提高故障诊断的准确率,提出了一种基于蜻蜓算法(dragonfly algorithm,DA)和支持向量机(support vector machine,SVM)的变压器故障诊断方法。利用蜻蜓算法DA对SVM分类器参数进行优化且以SVM分类预测准确率最大为其适应度函数。变压器故障诊断实例仿真结果分析表明:基于蜻蜓算法的DA-SVM支持向量机的变压器故障诊断与交叉验证法CV-SVM,基于遗传算法的GA-SVM,基于粒子群算法的PSO-SVM相比较,在变压器故障诊断中具有故障诊断准确率高,全局寻优能力强,收敛速度快,且稳定性好的优越性。

基于随机替换和混合变异的蜻蜓算法

针对基本蜻蜓算法(dragonfly algorithm,DA)容易陷入局部最优、收敛速度慢及寻优精度低等缺陷,提出了基于随机替换和混合变异的蜻蜓算法(dragonfly algorithm based on random substitution and hybrid mutation,DASM)。首先,利用混沌映射提升初始解的质量;其次,引入中心点随机替换策略,从而提高算法收敛速度;最后,通过对种群个体进行变异操作,从而跳出局部最优,提高算法收敛精度。仿真实验结果表明,提出的改进算法相比基本蜻蜓算法和部分改进算法,有较好的寻优性能。

基于蜻蜓算法的微电网多目标优化调度

可再生清洁型新能源能量的随机波动会影响主电网的稳定性,然而有效的能量优化管理能提高供电的可靠性和经济性。文章主要对含有风、光、蓄、柴和微电网并网模式下的典型日优化调度。利用蜻蜓算法从发电成本和环境污染角度对模型进行优化,并将粒子群算法得到的典型日各个时段出力构成图和发电成本进行比较。对比结果表明证明了所建立的模型的切实性和蜻蜓算法相对粒子群算法应用在微电网优化方面的优越性。

基于蜻蜓算法和最小二乘支持向量机的矿井突水水源判别

对矿井突水水源的准确判别对于矿井安全生产有着重要的意义。本文提出采用基于蜻蜓算法和最小二乘支持向量机相结合的矿井突水水源预测方法,以Na^++K^+、Ca^2+、Mg^2+、Cl、SO4^2、HCO3等6种水中离子作为矿井突水水源模型的识别因素,利用收集的水样数据对最小二乘支持向量机进行训练和测试,研究结果表明基于蜻蜓算法和最小二乘支持向量机判别模型的计算结果与实际结果一致,而且具有良好的判别能力,其对提高矿井突水水源判别的准确性有着一定的借鉴意义。

基于衰变三分扰动蜻蜓算法的医学图像配准

针对基本蜻蜓算法因进化运动不稳定,从而引发收敛速度减慢等不足,提出衰变扰动方法和三分扰动方法,采用衰变扰动方法提升基本蜻蜓算法的寻优能力,采用三分扰动方法增强蜻蜓群体的富集性,进而提出一种衰变三分扰动蜻蜓算法。针对基本Powell算法依赖于初始点和易陷入局部极值等不足,采用衰变三分扰动蜻蜓算法对Powell进行优化,将其用于医学图像配准优化技术中,采用互信息作为评价标准,提出一种衰变三分扰动蜻蜓算法优化Powell的医学图像配准方法。通过仿真实验表明,该方法提高了医学图像配准的精度和鲁棒性。

基于蜻蜓算法分数阶PI的PMSM矢量控制优化

针对永磁同步电机双闭环矢量控制系统中整数阶PI控制器存在动态响应速度慢、鲁棒性不强的问题,提出一种采用蜻蜓算法与分数阶PI控制相结合,对系统的转速外环和电流内环进行参数离线整定的方法。将待优化参数看作是蜻蜓在搜索空间中搜寻食物源的最优个体所处的空间位置,并利用误差性能指标ITAE作为其目标适应度函数。分别对传统工程经验整定整数阶PI、蜻蜓算法整定整数阶PI、蜻蜓算法整定分数阶PI和粒子群算法整定分数阶PI的电机调速性能进行仿真和实验对比。结果表明,蜻蜓算法优化的分数阶PI控制器具有提高系统的动态响应性能,减小超调量和增强鲁棒性的优势,证明了优化策略的优越性。