融合反向学习和黄金正弦的改进粒子群算法

提出一种融合反向学习和黄金正弦的改进粒子群算法。通过反向学习策略优化初始种群的质量,提高算法的收敛速度;结合黄金正弦算法优化位置更新公式,并通过双面镜理论处理边界外的粒子,使粒子在搜索空间内分布更均匀,增强算法的搜索能力;利用柯西变异的方法对全局最优粒子的位置进行扰动,提高粒子跳出局部最优的能力。对8个测试函数进行实验,并与其他的五种算法进行比较,结果表明,本文改进之后的粒子群优化算法有着更快的收敛速度和更高的寻优精度。

改进PSO算法在电力系统动态无功优化中的应用

传统的无功优化是对电网络在一种具体工况下进行的无功优化,但对于新能源大规模接入的电力系统,电网络情况复杂多变,每个时段的运行工况各有不同。提出一种以1 h为时间颗粒度的动态无功优化,将1 h内的电网络运行状况看作近似不变,再对该小时内的电网络参数进行静态无功优化。对于传统粒子群(PSO)算法的改进,应用混沌初始化并结合反向学习策略生成PSO算法的初始种群来优化初始种群让算法加速收敛,应用非线性策略和黄金正弦算法搜索策略对惯性权重公式、学习因子和位置更新公式进行改良提升算法的搜索效率,再融合遗传算法(GA)使种群多元化进而跳出局部最优,将传统PSO算法和改进PSO算法应用于IEEE30节点进行仿真对比,检验改进的有效性。

基于蝙蝠优化算法的智能机器人路径规划方法

为了解决智能机器人规划路径时,由于未能获取机器人信号目标强度,路径规划存在适应度值低和规划时间长的问题,提出基于蝙蝠优化算法的智能机器人路径规划方法。建立机器人模型并获取机器人目标信号强度,利用粒子群算法搜索机器人移动目标,结合蝙蝠算法和黄金正弦算法获取种群平均位置,通过分阶段搜索流程,实现机器人移动路径规划。结果表明:所提方法的路径规划时间仅为2.0 s,适应度达到了24.1,不可行解个数为零,该方法有效提高了适应度值,降低了规划时间,具备可行性和实际应用价值。

基于FFRLS和GSAPF的锂电池剩余电量估计

新能源汽车的稳定运行依赖于锂电池的剩余电量估计。对此,提出一种基于遗忘因子递推最小二乘法(FFRLS)和黄金正弦粒子滤波算法(GSAPF)的锂电池剩余电量估计方法。这一方法在使用递推最小二乘法对锂电池进行参数辨识的基础上,引入遗忘因子,通过遗忘因子重新分配旧数据和新数据的权重,从而减少递推最小二乘法的数据饱和现象,并且联合黄金正弦粒子滤波算法对锂电池进行剩余电量估计。试验结果表明,这一方法具有较高的精度。

粒子群优化算法在齿轮箱振动信号去噪中的应用

以振动频谱分析和粒子群优化算法为主要理论依据,以风力涡轮机齿轮箱为例,提出一种基于一维加速搜索算法和粒子群优化的齿轮箱振动信号去噪方法。利用一维加速搜索算法缩减搜索范围,应用粒子群优化算法提升优化效果,对切比雪夫带通滤波器和Morlet小波滤波器的设计参数进行优化,并对齿轮箱故障振动信号进行滤波处理。仿真实验结果表明,此方法能够实现快速有效滤波去噪,适用于齿轮箱实时故障诊断的研究,具有一定的理论研究价值和实践应用价值。

基于GSASO的局部阴影下光伏最大功率追踪

光伏系统在局部阴影遮挡条件下其输出功率会大幅度减少,同时其光伏功率特性曲线出现多峰现象,其最大功率追踪过程的复杂性也会加大。将黄金正弦(Golden-SA)作为局部优化算子嵌入到原子搜索优化算法(ASO)中,解决其收敛速度较慢并且容易陷入局部最优的缺陷;构造出一种新的算法——黄金正弦原子搜索优化算法(GSASO),原子个体通过黄金正弦操作与最优个体进行充分的信息交流,能够更加快速准确地收敛到最大功率点。设置了多种光照情况进行仿真,将其与原子优化算法和粒子群方法进行对比,结果表明,所提出的方法在局部遮阴环境条件下能准确快速地跟踪最大功率点。