基于卷尾猴搜索算法的永磁同步电机速度控制系统

针对永磁同步电机(Permanent magnetic synchronous motor, PMSM)在工业应用中抗扰动能力不足的问题,提出一种卷尾猴搜索算法(Capuchin search algorithm, CapSA)用于优化线性自抗扰控制器(Linear active disturbance rejection control, LADRC)参数(CapSA-LADRC)。采用LADRC控制器替代PI控制器;利用CapSA算法整定LADRC参数,使其超调明显减小、抗扰动能力增强、系统稳定性增强;通过Matlab仿真对比分析PI控制器、LADRC控制器、CapSA-LADRC控制器的控制效果。仿真结果验证了CapSA-LADRC的收敛性和有效性。

基于增强卷尾猴搜索算法的分布式电源定容选址方法

在新能源特征和分布情况的影响下,大规模的分布式电源(Distributed Generator,DG)与电动汽车(Electric Vehicle,EV)接入电网,使得电网的结构和运行方式发生了根本性变化。为了提高DG的利用率,降低电网波动,以配电网的年综合成本最小为目标函数,在节点电压、支路功率等安全约束的条件下,建立包含EV充电的配电网DG定容选址的规划模型,并提出一种增强卷尾猴搜索算法对模型进行求解。该算法将野马优化算法中领导者选择的社会行为对传统卷尾猴搜索算法进行改进,以避免出现陷入局部最优的情况。最后对IEEE-33节点典型配电网系统进行仿真计算,并与其他算法结果进行比较,验证本文提出的算法的优越性。

基于MVMD-CapSA-DBN的工业多元负荷分类研究

针对多元电力负荷数据时间序列非平稳性、时序相关性和非线性等特性,为掌握电力负荷的变化规律和发展趋势,实现对电力负荷的科学管理,将工业多元负荷有功功率作为原始数据,提出MVMD-CapSA-DBN负荷分类模型.首先,利用改进停止准则的变分模态分解(Variational Mode Decomposition,VMD)将数据分解,得到较为平稳的多个数据分量;之后,提取各分量能量值作为特征;最后,将0~1标准化的数据作为特征向量,输入经卷尾猴搜索算法(Capuchin Search Algorithm,CapSA)优化参数后的深度置信网络(Deep Belief Nets,DBN)信号分类.实验证明,可实现对工业多元负荷数据的有效分类,整体准确率在88.89%左右,部分负荷分类准确率可达100%.

基于CapSA-VMD的螺母质量判定方法

当数控伺服压力机压装定位螺母时,需要依据采集的数据信号对其进行质量判定,而数据信号极易受复合噪声的影响从而导致螺母误判。针对在复合噪声干扰下信号包络特征难以提取且VMD中参数难确定问题,提出一种结合卷尾猴搜索算法优化VMD参数,有效重构数据信号的方法。首先,选取MCCI为目标优化函数。其次,对复合信号进行自适应模态分解,借助排列熵算法和相关系数筛选出含噪低的分量进行信号重构。然后,以模拟和实测信号为样本,借助RMSE、SNR的具体数值做客观对比,分别经EMD、CEEMDAN、CapSA-VMD方法的重构信号做直观对比。结果表明,CapSA-VMD分解后不含虚假分量,去噪效果显著优于另外二者,螺母质量检测的准确率高达97.8%,研究结果可为压装定位螺母的复合信号去噪,提高包络线阈值判定准确率提供有益的参考。

改进型卷尾猴搜索算法及光伏电池参数辨识

针对新型卷尾猴搜索算法存在初始卷尾猴分布、静态惯性系数及跟随者位置更新策略制约其全局开采与局部勘测能力的问题,探讨改进型算法及其在光伏电池参数辨识中的应用。算法设计中,利用Logistic混沌映射初始化卷尾猴种群;引入灰狼优化的捕食策略和柯西变异扩大卷尾猴觅食范围,且借助S型函数自适应调节惯性权重,增强全局搜索能力。模型设计中,将光伏电池双二极管结构模型扩展为四二极管模型,进而获得多参数待定的二极管参数辨识模型。比较性的数值实验表明,改进型卷尾猴搜索算法求解基准函数优化及参数辨识问题时,在最优解的搜索能力、寻优效率以及参数辨识效果等方面具有明显优势,且对复杂优化问题的解决具有较好潜力。