基于K-means SMOTE和IDBO-RF岩爆烈度等级预测模型

为解决岩爆数据集不均衡和模型参数寻优困难等问题,提出1种基于K-means SMOTE与改进蜣螂算法优化随机森林(random forest,RF)的预测模型。首先,分析岩爆发生机理构建指标体系;其次,使用K-means SMOTE算法对岩爆数据集进行均衡化处理,采用Robust标准化消除量纲;最后,引入Tent混沌映射和非线性递减策略组合改进蜣螂优化(improved dung beetle optimizer,IDBO)算法,寻优RF超参数,建立岩爆烈度等级预测模型(IDBO-RF)并与其他模型对比验证其有效性。研究结果表明:数据均衡处理后,各模型准确率提高10.85%~16.02%;设计的IDBO-RF预测模型平均准确率约为94.37%,较RF、GWO-RF、DBO-RF模型分别提高约7.76百分点、1.69百分点、1.11百分点;IDBO-RF预测模型准确率最高约为96.43%,优于RF、GWO-RF、DBO-RF模型。研究结果可为解决岩爆预测问题提供一定参考。

基于IDBO-LSSVM的输电线路覆冰厚度预测模型

针对输电线路受多种气象因素影响导致覆冰厚度预测精度低的问题,提出基于改进蜣螂优化(improved dung beetle optimizer,IDBO)算法优化最小二乘支持向量机(least square support vector machine,LSSVM)的输电线路覆冰厚度预测模型。首先,使用皮尔逊相关系数(Pearson correlation coefficient,PCC)计算输电线路覆冰厚度与不同气象因素之间的相关性,选择具有高相关性的气象因素以确定输入变量;其次,通过引入Halton序列、Levy飞行策略和T分布扰动来改进蜣螂优化(dung beetle optimizer,DBO)算法;最后,使用IDBO算法寻优LSSVM参数:调节因子、核函数宽度,提高模型预测精度。以某地输电线路历史监测数据为样本,将IDBO-LSSVM的输电线路预测结果与其他7种预测模型进行比较,发现平均绝对误差分别降低了约27%、36%、25%、23%、24%、44%和39%。该研究证实了基于IDBO-LSSVM的输电线路覆冰厚度预测模型可以有效提高预测精度。

基于IDBO-PID的联合收获机割台控制系统

该研究专注于提升无人农场联合收获机在复杂地形作业时,割台高度控制的精确性与响应速度。首先,提出了一种基于双倾角传感器的高度检测补偿方法,通过最小二乘法拟合建立割台倾角与高度的相关模型,相关系数0.9958,显著提高测量准确性。随后,引入群智能算法优化的PID控制策略,利用Bernoulli混沌映射、粒子群算法(PSO)、t分布扰动改进蜣螂优化算法,解决了传统PID控制的精度低和响应慢等问题。基于这些优化,IDBO-PID控制器在仿真对比中相较于DBO-PID和传统PID,具有更优的响应速度和稳定性。试验验证表明,改进的控制策略使割台的上升速度达到0.44m/s、下降速度达到0.32m/s,并且高度误差控制在0.02m内,满足作业需求。

基于DBO-ELM的污水处理过程软测量建模

针对污水处理过程中出水生化需氧量(Biochemical Oxygen Demand,BOD)等水质参数受其它环境因素的影响较大,难以建立准确测量模型等的问题,提出一种基于改进蜣螂算法(Improved Dung Beetle Optimizer,IDBO)优化极限学习机(Extreme Learning Machine,ELM)的方法对污水出水BOD浓度进行预测。首先,选用随机森林算法(Random Forest Algo-rithm,RFA)对筛选出与BOD相关性较高的因子作为软测量模型的输入变量;其次,引入Tent混沌映射增加DBO算法的种群多样性等问题,利用IDBO算法来优化确定ELM权值分配,以提高ELM网络的预测精度;最后,将设计的IDBO-ELM软测量模型应用于污水处理仿真平台中,并与不同预测模型进行对比。结果表明:论文所设计的IDBO-ELM预测模型得到更高的预测精度和更稳定的网络结构。

改进蜣螂算法优化LSTM的光伏阵列故障诊断

为提高光伏阵列故障诊断精度,提出一种基于变分模态分解VMD(variational mode decomposition)和改进蜣螂算法IDBO(improved dung beetle optimizer)优化长短期记忆LSTM(long short-term memory)网络的光伏阵列故障诊断方法。首先,针对蜣螂算法DBO(dung beetle optimizer)收敛精度低且易陷入局部最优的问题,提出一种融合Levy飞行策略、T分布扰动策略及多种群机制的IDBO算法,通过与DBO、麻雀搜索算法、鲸鱼优化算法寻优测试对比,证明IDBO算法的优越性,再与LSTM结合搭建IDBO-LSTM故障诊断模型。其次,为充分挖掘故障特征,利用VMD提取故障数据多个层面的特征分量,作为IDBO-LSTM模型输入量。最后,实验对比结果表明,该方法的故障诊断准确率达到98.34%,优于其他5种模型,证明了所提方法的可行性及优越性。

改进蜣螂优化算法的汽车旋转分配盘减速机优化设计

为解决汽车旋转分配盘减速机的体积大及传动效率低的问题,采用改进蜣螂优化(improved dung beetle optimizer,IDBO)算法进行优化设计。首先,引入Circle混沌映射初始化种群序列,使初始化蜣螂种群分布更均匀;其次,引入多向学习策略更新无障碍模式下滚球蜣螂的个体位置以跳出局部最优解,扩大搜索范围;同时利用自适应t分布变异扰动来更新蜣螂位置,提高算法的全局搜索能力和局部搜索能力,使之快速收敛;最后以减速机总体积及传动功率损耗最小为目标,采用IDBO对其进行优化设计。结果表明,使用IDBO算法优化后减速机体积减小44%,传动损耗功率降低28%,相比于其他智能优化算法,该算法优化结果更优。