基于多策略优化的三维无线传感器网络定位算法

在经典三维无线传感器网络定位算法中,极大似然估计法定位存在矩阵无法求逆的问题。针对此情况,提出了一种基于多策略优化的三维无线传感器网络定位算法。首先,引入Sine映射对金枪鱼群初始种群进行混沌映射,增强了初始种群的多样性及均匀性。其次,结合非线性收敛因子和自适应权重策略对金枪鱼每次位置迭代更新进行优化,避免算法陷入局部最优,进一步提升算法的搜索速度和寻优的准确性。最后,采用多策略增强金枪鱼群优化算法在三维空间中对每个未知节点位置进行计算,解决了矩阵无法求逆的情况,有效降低了待定位节点位置的计算误差。实验结果表明:新提出的定位算法、经典三维定位算法、三维加权DV-Hop定位算法与灰狼优化的三维定位算法平均定位误差分别为13%、73%、30%和17%。

基于多种策略改进的鲸鱼优化算法

针对标准鲸鱼优化算法收敛速度慢、搜索与开发不平衡、种群之间信息交流匮乏、容易陷入局部最优的问题,提出了一种改进算法。首先,采用Tent混沌映射提高初始种群的分布均匀性,并引入非线性收敛因子,提升算法前期的全局搜索和中后期局部开发的能力,协调了搜索与开发的转换机制。然后,将种群的平均位置向量引入随机搜索过程中,有效改善个体与种群之间缺乏信息交流的问题。接着,将自适应惯性权重引入位置更新公式中,以加快算法的收敛速度,提高求解精度。最后,利用柯西算子对陷入局部最优的个体进行变异扰动。通过15个基准测试函数对改进算法进行仿真实验,实验结果表明,改进后的鲸鱼优化算法具有良好的性能,并通过Wilcoxon秩和检验证明了改进算法的有效性。

基于非线性自适应比例因子的雪豹优化算法

针对雪豹优化算法在求解复杂优化问题时,存在全局勘探能力不足、寻优精度低等问题,提出一种改进的雪豹优化算法。首先,基于分段Logistic混沌映射初始化从而提高初始种群多样性;其次,引入非线性比例因子用于平衡算法的全局勘探能力和局部开发能力;然后,提出了一种差分变异策略,在第一次种群更新位置后,使用5个随机个体提高全局搜索能力和算法收敛能力,在第二次种群更新位置后,使用3个随机个体保证在求解过程的中后期也具有一定的全局勘探能力,尽可能避免陷入局部最优。通过在IEEE CEC2022基准函数测试集上测试,并与其他算法进行比较,结果表明所提出的算法在种群质量、求解精度以及算法稳定性上均有较大提升。最后将所提出的算法应用于工程优化,计算结果进一步证实了算法的强优化能力。

基于改进自适应粒子群算法的MPPT追踪系统

为优化最大功率点追踪(MPPT)技术的追踪精度和追踪时间,提出一种改进自适应粒子群算法(APSO)。对传统PSO算法进行优化,引入自适应惯性权重和非线性学习因子,使其在全局寻优-局部寻优-全局寻优状态下加速MPPT追踪,最后搭建光伏发电系统对自适应粒子群算法进行仿真验证。试验证明:相比于传统PSO算法,改进的APSO算法追踪精度更高,收敛速度更快。未遮挡环境(STC)恒温和变温下收敛速度提升了30.6%和39.2%,局部遮挡(PSC)恒温和变温下收敛速度提升了54.0%和53.7%,改进的APSO算法在PSC环境下更具优势;PSO算法最大功率稳定后占空比存在震荡现象,而APSO算法的占空比为稳定状态,提高了系统的稳定性能。

多策略鼠群优化算法的无人机三维航迹规划

针对在复杂电力检测环境中无人机三维航迹规划问题,提出一种基于跳跃式自适应小孔成像反向学习鼠群优化(JAPRSO)算法的无人机三维航迹规划方法。JAPRSO算法引入了Sobol序列初始化种群以增强种群多样性;引入了非线性自适应因子实现动态权衡局部开发和全局搜索能力;嵌入了跳跃式围捕猎物机制以避免算法陷入局部最优;同时,引入跳跃式自适应小孔成像反向学习追赶猎物机制以提高算法的全局寻优能力。仿真结果表明:所提出的路径规划方法寻优性能优于RSO算法、灰狼优化(GWO)算法,金枪鱼群优化(TSO)算法和海鸥优化(SOA)算法,能够有效地躲避威胁区,快速获得航迹代价最小的安全可行航迹,可适用于求解电力检测方面的无人机三维航迹规划问题。

基于非线性动力学模型的PMLSM自适应趋近律滑模位置控制

为了解决摩擦力、定位力、参数失配和外部扰动等不确定性因素影响永磁直线同步电动机(PMLSM)位置跟踪性能的问题,提出基于非线性动力学模型的自适应趋近律滑模控制(ARLSMC)方法。由于定位力和摩擦力是系统中主要的非线性动力学因素,且其模型参数会随PMLSM动子位置而变化,因此设计基于非均匀有理B样条(NURBS)函数的精确模型,为电机控制系统设计提供模型基础。其次,设计ARLSMC方法抑制不确定性因素对系统的影响,ARLSMC中所采用的自适应趋近律可以随位置误差大小实时变化,能够在提高收敛速度的同时减小系统抖振,提高位置跟踪精度。为进一步增强系统对于不确定性的鲁棒性,设计滑模扰动观测器(SMDO)实时估计扰动值并将估计值前馈补偿到ARLSMC的控制律。最后,通过仿真和实验验证本文方法在提高PMLSM伺服系统的位置跟踪性能和鲁棒性能方面的可行性和有效性。

改进自适应惯性权重粒子群算法及其在核动力管道布置中的应用

[目的]旨在研究非线性自适应惯性权重粒子群优化算法,实现船用核动力一回路系统管道路径的布置优化设计。[方法]根据船用核动力一回路系统的管道布局设计特点,建立一回路系统的管道布局空间模型、约束条件和评价函数;基于管道节点数量,提出一种粒子群优化(PSO)算法的新型定长编码方法,然后结合该编码方法建立方向引导机制;在此基础上,针对粒子群优化算法易陷入局部最优解、收敛速度慢的缺点,结合辅助线性变化的学习因子,提出一种基于非线性自适应惯性权重的改进粒子群优化算法;将改进粒子群优化算法与协同进化算法相结合,提出一种用于求解分支管道布局问题的协同进化粒子群优化算法,以用于核动力一回路系统的管道布局优化。[结果]仿真结果显示,所提的改进算法与标准算法相比收敛速度提高了40%~50%,不仅能够得到更好的管道布局效果,还解决了标准粒子群优化算法容易陷入局部最优解的问题。[结论]研究成果可为船用核动力一回路系统管道布置的优化设计提供有益的参考。

融合多策略的黄金正弦黑猩猩优化算法

针对黑猩猩优化算法(Chimp optimization algorithm,ChOA)存在收敛速度慢、精度低和易陷入局部最优值问题,提出一种融合多策略的黄金正弦黑猩猩优化算法(Multi-strategy golden sine chimp optimization algorithm,IChOA).引入Halton序列初始化种群,提高初始化种群的多样性,加快算法收敛,提高收敛精度;考虑到收敛因子和权重因子对于平衡算法勘探和开发能力的重要作用,引入改进的非线性收敛因子和自适应权重因子,平衡算法的搜索能力;结合黄金正弦算法相关思想,更新个体位置,提高算法对局部极值的处理能力.通过对23个基准测试函数的寻优对比分析和Wilcoxon秩和统计检验以及部分CEC2014测试函数寻优结果对比可知,改进的算法具有更好的鲁棒性;最后,通过2个实际工程优化问题的实验对比分析,进一步验证了IChOA在处理现实优化问题上的优越性.

基于SGDM优化IWOA-CNN的配电网工程造价控制研究

为了控制配电网工程项目的成本,需准确预测配电网工程造价,本文提出一种基于带动量因子的随机梯度下降(stochastic gradient descent with momentum factor, SGDM)优化的改进鲸鱼算法-卷积神经网络工程造价预测模型。首先,考虑回路数、杆塔数、导线、地形、地质、风速、覆冰、导线截面、混凝土杆、塔材、绝缘子(直线)、绝缘子(耐张)、基坑开方、基础钢材、底盘和水泥对配电网工程造价的影响,建立了非线性函数关系;采用SGDM优化器改进的卷积神经网络对函数进行逼近,并用贝叶斯方法优化卷积神经网络的超参数;利用改进的鲸鱼算法(improved whale optimization algorithm, IWOA)优化卷积神经网络,找出卷积神经网络的最优学习率。数值算例表明,新模型预测效果较好,并提出相应的控制策略。

基于改进火烈鸟搜索算法的移动机器人路径规划

为改善火烈鸟搜索算法(FSA)在路径规划中易陷入局部误区的问题,提出改进FSA(IFSA)用于移动机器人路径规划。该算法引入自适应Sigmoid非线性因子实现种群动态调整,平衡了算法的全局搜索与局部搜索;同时,嵌入自适应混合精细分级的觅食位置更新方式,增强算法局部寻优能力;进一步提出随机镜面反射学习(RSRL)机制并应用于算法种群逐维学习,提高算法的寻优效率与精度。实验结果表明:IFSA能够快速获取最短路径,寻优能力优于其他算法,具有较强的稳定性和鲁棒性。

Variable universe stable adaptive fuzzy control of nonlinear system

A kind of stable adaptive fuzzy control of nonlinear system is implemented using variable universe method. First of all, the basic structure of variable universe adaptive fuzzy controllers is briefly introduced. Then the contraction-expansion factor that is a key tool of variable universe method is defined by means of integral regulation idea, and a kind of adaptive fuzzy controllers is designed by using such a contraction-expansion factor. The simulation on first order nonlinear system is done. Secondly, it is proved that the variable universe adaptive fuzzy control is asymptotically stable by use of Lyapunov theory. The simulation on the second order nonlinear system shows that its simulation effect is also quite good. Finally a useful tool, called symbolic factor, is proposed, which may be of universal significance. It can greatly reduce the settling time and enhance the robustness of the system.

强跟踪-容积卡尔曼滤波在弹道式再入目标跟踪中的应用

对于具有一定机动能力的弹道式再入目标跟踪问题,稳定性好、鲁棒性强、收敛精度高的估计方法是保证跟踪精度的关键。针对再入运动模型和测量体制的强非线性以及目标机动引起的滤波精度下降问题,提出一种将强跟踪滤波(STF)和基于三阶球面-向径容积规则的容积卡尔曼滤波(CKF)相结合的强跟踪-容积卡尔曼滤波(STCKF)。通过将强跟踪算法中的自适应渐消因子引入到滤波时间更新和测量更新方程中,在线实时调整滤波增益矩阵,能有效避免模型失准造成的滤波性能下降,使该算法兼具CKF滤波精度高和STF鲁棒性强的优点。通过数学仿真表明,改进后的STCKF可以实现对具有机动的弹道式再入目标的高精度跟踪,相对于CKF精度提高50%,并且具有更强的鲁棒性和自适应能力。

未知测量噪声方差的平方根高阶容积Kalman滤波

针对非线性系统中测量噪声统计特性未知导致滤波精度不高或发散的问题,提出了一种自适应平方根高阶容积卡尔曼滤波(high-degree cubature Kalman filter,HCKF)算法。采用QR分解、Cholesky因子更新和高效最小二乘法等矩阵分解技术设计了一种平方根HCKF算法(SHCKF),提高了滤波算法的数值稳定性,减小了状态估计误差。引入Sage-Husa估计器在线估计未知测量噪声的方差,进一步提高了SHCKF的估计精度,扩大了算法的应用范围。通过几个计算机仿真实验表明,与标准的HCKF算法相比,新算法具有更好的估计精度,尤其是在测量噪声统计特性不确定的场景下。

基于UD分解的自适应扩展集员估计方法

用于非线性椭球估计的扩展集员算法在实际应用中存存着数值稳定性差、计算复杂度高以及滤波器参数难以选择等问题.本文提出了一种基于UD分解的自适应扩展集员估计算法,用于解决非线性系统时变状态和参数的联合估计和定界问题.新算法将UD分解与序列更新和选择更新策略结合起米,改进了传统扩展集员算法的数值稳定性和实时性能;同时,对滤波器参数进行自适应选择以进一步降低计算复杂度并达到次优估计结果.仿真实验表明了该算法的有效性和鲁棒性.

自耦PID控制器

针对比例-积分-微分(Proportional-integral-differential,PID)控制器的整定问题,提出了自耦PID (Self-coupling PID,SC-PID)控制方法.该方法将系统动态和内外不确定性定义为总和扰动,从而将非线性不确定系统变换为线性不确定系统,进而构建了总和扰动反相激励下的误差动态系统,据此设计了SC-PID控制律模型和整定规则,进而设计了自适应速度因子(Adaptive speed factor,ASF)模型.数值仿真结果表明,SC-PID具有快的响应速度、高的控制精度、良好的抗总和扰动鲁棒性等诸多优点.SC-PID整定规则为现有PID整定结果的技术评估与技术升级提供了科学的理论依据,在国防和工业控制领域具有广泛的应用价值.

基于遗忘因子最小二乘的自适应学习控制

针对一类含未知时变参数的满足线性增长条件的离散非线性系统,提出一种有限时间区间的轨迹跟踪参数自适应迭代学习控制(Iterative learning control,ILC)方案,讨论了该算法的收敛性以及利用遗忘因子提高收敛速度的问题。该方法利用离散时间自适应控制中的遗忘因子最小二乘法,在迭代域上构造新的参数自适应更新律和控制律,同时利用类Lyapunov函数证明跟踪误差在时间域上的逐点收敛、迭代域上的渐近收敛。给出两个仿真例子说明提出的参数自适应律与控制方法的有效性。

自适应主从式并行遗传算法在区间非线性规划问题求解中的应用

讨论了区间参数非线性规划问题.通过引入决策风险因子的概念,提出了一种不确定性非线性规划的一般命题形式.为求解该命题形式,提出一种自适应主从式并行遗传算法,该算法可以满足大规模优化问题的求解实时性要求,具有全局收敛性能.相对于常规主从式并行遗传算法,该算法通过动态调整从机的计算负荷,有效地解决了从机间计算负荷不均衡分布的问题.仿真结果表明了该自适应主从式并行遗传算法的可行性.*

6-TPS并联机构非线性PID自适应控制

为了对并联机构实施闭环控制,设计了6自由度动平台的位形检测装置,并以动平台的位形误差及其微分、积分构造系统被控制量。针对并联机构普遍存在难以准确表示的非线性因素的问题,提出预估校正法,分析这些因素对机构性能的影响,确定它们可能的形式,从而将它们处理成具有可变参数的因素。利用动平台的位形误差和可变参数的预估误差构造李雅普诺夫函数,以机构系统满足稳定性条件为准则,导出可变参数的预估值和机构输入的自适应控制律,使系统具有自动调节结构参数的能力和渐近稳定的动态性能。

函数链神经网络在打印机非线性校正中的应用

为了实现激光打印机非线性的自动校正,使用函数链神经网络对其非线性进行估计。研究了函数链神经网络的阶数和学习因子对其收敛性的影响。由于激光打印机的非线性非常严重,采用分段处理法,并根据收敛情况自动调整学习因子的大小。通过对比多组实验结果可知,函数链神经网络的收敛精度和速度都得到了显著提高。应用到激光打印机的非线性校正中,取得了很好的效果。

一种改进的灰狼优化算法

为了克服标准灰狼优化(GWO)算法寻优精度不高,难以在收敛速度和避免陷入局部最优之间取得平衡等问题,提出了一种改进的灰狼优化(IGWO)算法.该算法采用非线性收敛因子策略和自适应调整策略来提高寻优精度和加快收敛速度.选取10个基准函数对IGWO算法进行验证表明,IGWO算法的优化精度和收敛速度显著优于标准GWO算法和其他元启发式算法,因此本文提出的IGWO算法在求解最优参数方面具有良好的应用价值.