Cost Optimization of Steel Beam-to-Column Connections using AVOA

The joint-bolt-African Vulture optimization algorithm(AVOA)model is proposed for the design of building connections to improve the stability of steel beam-to-column connections.For this algorithm,the type of steel is first determined,and the number of bolts needed by the corresponding steel type is referenced in Eurocode 3.Then,the bearing capacity of the joint can be calculated.The joint-bolt-AVOA model is established by substituting the bolt number required by the steel into the algorithm to obtain the optimal bolt number required while ensuring joint stability.The results show that the number of bolts required by the joint-bolt-AVOA model based on the stability of steel is lower than that calculated by Eurocode 3.Therefore,AVOA can effectively optimize the number of bolts needed in building connections and save resources.

基于EMD-AVOA-BP的逆变器故障诊断方法

以CRH3C型动车组逆变器中的绝缘栅双极型晶体管(IGBT,Insulated Gate Bipolar Transistor)双管开路故障为研究对象,提出了一种基于非洲秃鹫算法(AVOA,African Vultures Optimization Algorithm)和优化的反向传播(BP,Back Propagation)神经网络的逆变器故障诊断方法。在Simulink中搭建列车逆变器的控制模型,取得故障电流;采用经验模态分解(EMD, Empirical Mode Decomposition)对电流信号进行去噪和故障特征提取,再利用AVOA对BP神经网络进行优化,实现了对列车逆变器IGBT双管开路故障的诊断。与传统方法进行对比可知,该方法具有更高的精准度,在测试集中其精准度达到100%。

基于IAVOA-GRU网络的高频地波雷达电离层杂波预测

电离层杂波的精确预测对提升高频地波雷达的探测性能具有重要作用。提出了一种基于改进非洲秃鹫优化算法优化门控循环单元(Improved African Vultures Optimization Algorithm Optimization Gated Recurrent Unit,IAVOA-GRU)网络的电离层杂波预测方法。首先,依据电离层杂波的混沌特性,通过相空间重构方法对接收到的电离层杂波进行相空间重建,构建GRU网络的输入、输出样本集;然后,利用IAVOA对GRU网络的隐层节点数、迭代次数及初始学习速率3个超参数值执行优选;最后,重新训练优化后的GRU网络,并进行预测。实测结果表明,相较其他6种对比预测模型,所提出的IAVOA-GRU网络模型具有较高的预测精度和可靠性,为有效改善高频地波雷达的探测性能提供了一种思路和方法。

基于改进IAVOA-BP算法的GFRP布加固角钢极限承载力预测模型研究

针对现役输电铁塔在边坡变形等自然灾害作用下可能存在承载力不足的问题,提出采用玻璃纤维布(GFRP)对铁塔角钢进行加固,而现有复合材料加固钢结构承载力理论分析预测精度低、普适性不高。因此本文提出一种改进非洲秃鹫智能算法(AVOA)优化BP神经网络的GFRP布加固角钢极限承载力预测模型,首先引入Sobol序列、指数变换策略、多点Levy飞行策略及柯西变异扰动4种方法对原始AVOA算法优化;之后将得到的IAVOA算法优化BP算法的权值、阈值,得到IAVOA-BP预测模型;最后将角钢长细比、GFRP布层数、铺设角度、铺设长度作为输入量,加固后角钢极限承载力作为预测值并进行对比。结果表明,IAVOA-BP与AVOA-BP预测模型相比,平均相对误差下降47.61%、绝对平均误差下降47.04%、均方根误差值下降47.83%,改进后的IAVOA-BP预测模型能够较为准确的预测GFRP布加固角钢后的承载力大小。

基于VMD和AVOA-SCN的齿轮箱故障诊断

针对齿轮箱故障诊断中的故障特征提取困难和故障模式难以识别的问题,提出了一种将变分模态分解(VMD)、非洲秃鹫优化算法(AVOA)和随机配置网络(SCN)相结合的齿轮箱故障诊断方法。首先针对SCN网络权重与偏置的随机初始化会导致网络预测结果的不稳定问题,提出采用AVOA算法优化SCN网络节点权值和偏置的初始化选取方式方法用于故障的分类与识别。其次利用VMD算法将齿轮箱振动信号分解为若干本征模态分量(IMF),再用相关系数筛选IMF分量并计算其样本熵,作为特征向量,输入到用AVOA算法优化后的SCN网络中进行分类识别。实验结果表明,所提方法可以准确地识别出齿轮箱的故障模式,识别准确率达到98.33%,相比于BP、ELM、RVFL、SVM、SCN等方法具有更高的故障识别准确率。

局部遮阴下基于改进AVOA的光伏多峰MPPT控制

光伏阵列受部分遮阴影响,其功率电压特性曲线呈多峰状,导致传统最大功率点跟踪(MPPT)算法失效,因此提出了一种改进的非洲秃鹫优化算法(AVOA)运用于光伏的MPPT控制。首先,引入Tent混沌映射使种群位置更具多样性,避免过早收敛。然后,优化算法在探索和开发阶段的更新策略,减少计算力的浪费,提高寻优速率。最后,在MATLAB 2022b/Simulink环境下,应用所提算法对不同辐照情况的3组工况进行仿真。实验结果表明,在多峰MPPT控制中,该算法具有寻优效率高、收敛速度快等特点,能有效地提升复杂遮阴环境下光伏能源的利用率。

混沌自适应非洲秃鹫优化算法训练多层感知器

针对训练多层感知器(MLP)时,算法对初始值敏感、易陷入局部最优和收敛速度慢等问题,对新型启发式算法非洲秃鹫优化算法提出改进算法IAVOA。在初始化种群时引入Logistic混沌映射,增加种群的多样性;对最优秃鹫和次优秃鹫增加自适应权重系数,自动调整这两类秃鹫对普通秃鹫的引导作用;IAVOA用于MLP的训练,采用均方误差的平均值作为适应度函数寻找MLP的连接权重和偏差的最佳组合。选取4个不同复杂度的分类数据集,比较IAVOA算法与现有启发式算法对MLP训练后,MLP对数据分类的性能,仿真结果表明,IAVOA算法训练的MLP在数据分类准确率、全局搜索能力、收敛速度和稳定性方面均具有良好的性能。

基于非洲秃鹫算法优化卷积神经网络的重叠峰解析方法

利用光谱仪器检测土壤中重金属时,由于仪器分辨率较低,峰位相近元素的特征峰会产生重叠。光谱重叠峰严重影响定量分析结果的准确性,为了得到准确的重金属含量需要进行光谱重叠峰分解。提出利用非洲秃鹫算法优化卷积神经网络(AVOA-CNN)的重叠峰解析方法。首先,利用高斯函数模型模拟出150个双高斯含噪光谱重叠峰和43个三高斯含噪光谱重叠峰,选择不同小波基函数进行光谱数据去噪,以信噪比和均方根误差(root mean square error, RMSE)为评价指标,最终确定coif 3小波基函数,使用导数法进行光谱重叠峰预处理。然后,使用AVOA-CNN获得卷积神经网络(convolutional neural network, CNN)预测结果,解析结果表明:AVOA-CNN成功分解重叠峰且准确率高,双高斯光谱重叠峰和三高斯光谱重叠峰参数(峰强度,峰位,峰宽)的最大相对误差平均值分别为3.15%和5.90%。最后对比麻雀搜索算法优化CNN、CNN与AVOA-CNN,结果显示AVOA-CNN模型预测准确率最高。

基于改进非洲秃鹫算法优化极限学习机的船舶运动预测

针对船舶运动预测模型精度不高而造成预测结果误差大的问题,提出一种利用改进非洲秃鹫优化算法(IAVOA)优化模型参数的极限学习机(ELM)预测模型,对船舶运动状况进行预测。在初始化种群时引入Circle混沌映射,增加种群的多样性;加入自适应算子,调整两类秃鹫对其他秃鹫的指引作用,提升算法的收敛速度和解的质量。利用IAVOA优化的ELM模型对船模水池试验运动数据进行预测,并采用均方根误差和平均绝对误差评判该预测模型,与现有其他启发式算法优化ELM模型比较,所提出的IAVOA-ELM具有更优的预测精度和泛化能力。

基于双重动态调整的改进非洲秃鹫优化算法

针对非洲秃鹫优化算法(African vulture optimization algorithm, AVOA)多样性低、探索开发能力不平衡、易发生早熟的现象,提出了一种基于双重动态调整的改进非洲秃鹫优化算法(improvement African vulture optimization algorithm, IAVOA)。改进后的算法分为3个部分,通过引入混沌映射初始化种群,以确保种群在前期寻优中具有较高的多样性;加入动态调整因子来确定当前最优个体,用来平衡前期探索与后期开发的能力;针对AVOA中饥饿率的变化情况加入动态调整的高斯扰动,用于防止早熟问题的发生,提高最终解的质量。改进后的算法在9个标准测试函数上进行测试。结果表明,该算法表现出更佳的求解性能。

基于非洲秃鹫优化算法的模糊投资组合优化研究

实际投资组合中金融资产的收益和风险普遍存在不确定性。引入模糊变量,采用下半方差作为风险度量方式,建立均值-下半方差模糊投资组合优化模型,并采用非洲秃鹫优化算法进行求解。选取2018年1月至2023年1月期间十只股票的周收盘价数据进行实证研究,并与粒子群优化算法、蝴蝶优化算法、黑猩猩优化算法和鲸鱼优化算法等四种仿生智能优化算法进行比较。研究结果表明,非洲秃鹫优化算法能够有效求解均值-下半方差模糊投资组合优化模型,能为投资者的实际投资决策提供有价值的参考。

基于VMD-AVOA-LSSVM模型的月降水量预测研究

为寻求新型耦合模型来提高月降水量预测的效率,以最小二乘支持向量机(LSSVM)为基础,先基于变分模态分解(VMD)进行月降水序列的分解降噪得到分量,再使用新型非洲秃鹫优化算法(AVOA)优化模型参数,以各个分量为输入构建了VMD-AVOA-LSSVM月降水量预测模型。该模型在华北平原5个典型站点的试验结果表明,与其他对照模型相比,VMD-AVOA-LSSVM模型的综合性能最好;训练误差为R_(RMSE)=4.250 mm/月、M_(MRE)=68.028%、R^(2)=0.995;检验误差为R_(RMSE)=5.593 mm/月、M_(MRE)=64.320%、R^(2)=0.993,说明所提出的VMD-AVOA-LSSVM模型可为相关水资源管理提供参考。

基于小波分解的AVOA-DELM月径流时间序列预测模型及应用

为提高月径流时间序列预测精度,提出小波分解(WD)-非洲秃鹫优化算法(AVOA)-深度极限学习机(DELM)组合预测模型,并应用于云南省丫勒水文站月径流预测。利用WD对月径流时序数据进行分解,以获得更具规律的子序列分量;通过AVOA优化DELM隐含层神经元数,建立WD-AVOA-DELM模型对各子序列分量进行预测,将预测结果加和重构得到最终月径流预测结果。同时构建基于支持向量机(SVM)、BP神经网络两种预测器的WD-AVOA-SVM、WD-AVOA-BP、AVOA-DELM、AVOA-SVM、AVOA-BP作分析对比模型。结果表明:WD-AVOA-DELM模型对丫勒水文站月径流预测的平均绝对百分比误差为3.02%,预测误差远小于WD-STOA-SVM、WD-AVOA-BP模型,预测精度较AVOA-DELM、AVOA-SVM、AVOA-BP提高1个数量级以上,具有较好的预测效果。WD能科学降低径流序列的复杂性,提高预测精度;AVOA能有效优化DELM关键参数,提高DELM网络性能。

基于FA-MVEMD的Φ-OTDR系统模式识别研究

为了增强相位敏感光时域反射仪(Φ-OTDR)系统对不同扰动事件的识别能力,提出了一种基于快速自适应多元经验模态分解(FA-MVEMD)样本熵和非洲秃鹫算法优化支持向量机(AOVA-SVM)的光纤振动信号模式识别算法。光纤振动信号经FA-MVEMD分解后得到若干多元本征模态函数(IMF),通过计算与原始信号的相关系数,筛选出相关系数大于0.1的有效分量并计算其样本熵作为信号的特征,最后利用AOVA-SVM分类模型进行识别。实验结果表明,相比于其他SVM分类模型,AOVA-SVM的分类准确率更高,对6种事件的平均分类准确率达到了97.5%,实现了Φ-OTDR系统模式识别的既定目标,具有实用价值。

一种改进的非洲秃鹫算法

针对非洲秃鹫优化算法(African Vultures Optimization Algorithm,AVOA)收敛速度慢、种群多样性损失、易陷入局部最优的缺点,提出一种改进的非洲秃鹫优化算法(Improved African Vulture Algorithm,IAVOA)。首先,在全局探索阶段融入正余弦算法思想同时引入非线性惯性因子协调算法全局和局部的开掘能力,并加快收敛速度。其次,引入自适应t分布和差分变异,拓展局部探索能力,使种群中陷入局部极值的个体有能力跳出陷阱继续搜索。最后,通过基准函数对算法的各项性能指标进行评估。结果表明改进策略能够克服AOVA的不足,提升算法的收敛速度、寻优精度和寻优稳定性。同时,将IAVOA应用于两个电力系统经济调度问题取得了令人满意的成果,进一步验证了IAVOA在实际寻优问题上应用的可行性。

基于改进非洲秃鹫优化算法的图像阈值分割研究

针对非洲秃鹫算法(AVOA)全局搜索能力不足与局部搜索策略冗杂的缺点,提出一种改进非洲秃鹫算法(β-PAVOA)。算法采用分段线性混沌映射(PWLCM)初始化种群,增强种群多样性。引入β分布与基于饥饿率的搜索策略,增强算法全局搜索能力。改进原算法局部搜索策略,帮助算法及时跳出局部最优。通过8个测试函数验证算法的有效性,并将其应用于二维Otsu图像阈值分割模型。实验结果表明,在测试函数上,β-PAVOA相比较于非洲秃鹫算法(AVOA)、金豺狼优化算法(GJO)、灰狼算法(GWO)、鲸鱼优化算法(WOA)和粒子群算法(PSO)有着更好的精度与收敛速度;在二维Otsu图像阈值分割模型上,β-PAVOA在搜到最优解的情况下收敛速度也仍然领先,这也证明了改进算法的有效性。

基于AVOA-XGBoost模型的岩爆预测研究

为了安全高效地开采矿产资源,提出一种AVOA-XGBoost模型来预测岩爆烈度.依据初步选取的6个评价指标收集了326个岩爆案例,并采用Boruta算法和合成少数类过采样技术(SMOTE)进行特征筛选和解决类不平衡问题.经过预处理后的数据集通过分层抽样被划分为训练集(80%)和测试集(20%),分别用于训练和测试模型,结果表明:非洲秃鹰优化算法(AVOA)可以高效地确定XGBoost算法的超参数;与现有的智能模型相比,该模型的准确率优异,Kappa系数为0.92,且较单一的XGBoost模型表现出更优的收敛速度;对特征的重要性分析发现岩石的弹性能量指数对模型的贡献最大.最后,将模型应用于三山岛金矿工程案例,验证了AVOA-XGBoost模型在岩爆预测中的有效性和实用性.

基于小波包分解-非洲秃鹫优化算法-深度极限学习机的水文预报模型及其应用

针对水文序列多尺度、非线性、非平稳性特点,将小波包分解(WPD)与非洲秃鹫优化算法(AVOA)—深度极限学习机(DELM)相结合,建立WPD-AVOA-DELM组合预测模型,利用AVOA优化DELM输入层权值、隐含层偏值或隐含层神经元数,分别建立WPD-AVOA-DELM^(1)(优化DELM输入层权值、隐含层偏值)、WPD-AVOA-DELM^(2)(优化DELM隐含层神经元数)模型,利用WPD将云南省革雷站水文序列分解为8个子序列分量,对各子序列分量进行预报,将预报结果加和重构得到最终预报结果。结果表明,WPD-AVOA-DELM^(1)、WPD-AVOA-DELM^(2)模型对革雷站月径流、月降水量、年径流、年降水量预报的平均相对误差分别为1.86%、8.82%、0.79%、0.52%和1.97%、8.30%、0.92%、0.71%,预报精度远高于单一模型AVOA-DELM^(1)、AVOA-DELM^(2)、AVOA-SVM,高于组合模型WPD-AVOA-SVM,具有更好的预报效果。可见WPD能科学降低水文序列的复杂性,提高预报精度;AVOA能有效优化DELM关键参数,提高DELM网络性能。

Dual degree branched type-2 fuzzy controller optimized with a hybrid algorithm for frequency regulation in a triple-area power system integrated with renewable sources

The uncertainties associated with multi-area power systems comprising both thermal and distributed renewable generation(DRG)sources such as solar and wind necessitate the use of an efficient load frequency control(LFC)technique.Therefore,a hybrid version of two metaheuristic algorithms(arithmetic optimization and African vulture’s optimization algorithm)is developed.It is called the‘arithmetic optimized African vulture’s optimization algorithm(AOAVOA)’.This algorithm is used to tune a novel type-2 fuzzy-based proportional–derivative branched with dual degree-of-freedom proportional–integral–derivative controller for the LFC of a three-area hybrid deregulated power system.Thermal,electric vehicle(EV),and DRG sources(including a solar panel and a wind turbine system)are con-nected in area-1.Area-2 involves thermal and gas-generating units(GUs),while thermal and geothermal units are linked in area-3.Practical restrictions such as thermo-boiler dynamics,thermal-governor dead-band,and genera-tion rate constraints are also considered.The proposed LFC method is compared to other controllers and optimizers to demonstrate its superiority in rejecting step and random load disturbances.By functioning as energy storage ele-ments,EVs and DRG units can enhance dynamic responses during peak demand.As a result,the effect of the afore-mentioned units on dynamic reactions is also investigated.To validate its effectiveness,the closed-loop system is subjected to robust stability analysis and is compared to various existing control schemes from the literature.It is determined that the suggested AOAVOA improves fitness by 40.20%over the arithmetic optimizer(AO),while fre-quency regulation is improved by 4.55%over an AO-tuned type-2 fuzzy-based branched controller.

基于非洲秃鹫优化算法改进的密度峰值聚类

密度峰值聚类算法是一种自动寻找簇中心的新型快速搜索算法。针对其截断距离的不确定和一步式分配策略不稳健等缺陷,本文提出一种基于非洲秃鹫优化算法改进的密度峰值聚类算法。通过准确率(accuracy,Acc)这一评价指标建立优化问题的目标函数,利用非洲秃鹫优化算法强大的寻优能力对不确定的截断距离dc进行优化,降低了人为取值的不准确性;其次,根据数据集密度均值将其划分为高低不同的密度区域,对不同区域采用不同的分配策略,针对高密度区域内的数据点采用与原密度峰值聚类相同的分配方法,对低密度区域内数据点则根据其k近邻数量进行聚类;最后,将该算法在合成和真实数据集上进行实验验证,算法的聚类性能有了很大的提升,且对密度差异性较大的数据集划分也更加精确。