基于IBA-KELM模型的TCT光伏阵列故障诊断研究

针对光伏阵列的开路故障、短路故障、老化故障和局部阴影故障,提出了一种基于核极限学习机KELM(kernel extreme learning machine)的光伏阵列故障诊断方法,并采用改进的蝙蝠算法IBA(improved bat algorithm)对核极限学习机模型的参数进行优化来提高模型的诊断准确率。为避免蝙蝠算法陷入局部最优并加快在参数寻优过程中的收敛速度,引入Levy飞行策略并在速度更新公式中引入指数递减的惯性权重。通过全连接TCT(total-crosstied)结构光伏阵列的故障数据验证表明,与BA-KELM,PSO-KELM、PSO-ELM模型相比,IBA-KELM模型在参数优化过程中收敛速度更快,优化后模型诊断精度也更高。

基于改进蝙蝠算法的齿槽转矩优化

本研究从降低表贴式永磁电机的齿槽转矩出发,以24槽4极电机为例,基于能量法对齿槽转矩的产生机理进行解析分析,确定以极弧系数、气隙长度、磁极偏心距、永磁体厚度、槽开口宽度为优化参数组合,通过田口法从上述参数中筛选出对优化目标影响比重较大的参数并通过响应面拟合出相关的数学模型,应用具有Lévy飞行特征的蝙蝠算法求取该数学模型的最小值。利用有限元软件对最优解的电机模型进行仿真实验,结果表明:电机的齿槽转矩降低了82.16%,效率提高了1.6%,转矩脉动降低了8.2%。

基于改进Levy特征蝙蝠算法的光伏MPPT研究

针对传统MPPT算法存在收敛速度慢和易陷入局部极值的问题,在分析Levy飞行特征蝙蝠算法优化原理与局限性的基础上,提出了一种利用随机数动态迭代更新参数的改进方法。为了避免算法后期种群多样性减弱而陷入局部极值,动态调整算法中的音强衰减系数和频率增强系数的值,从而对适应度值进行扰动。利用MATLAB/Simulink在不同光照强度条件下对3种MPPT算法的最大功率点追踪进行测试,结果表明改进后的蝙蝠算法的追踪时间更短、追踪效果更好。

一种基于Lévy飞行轨迹的蝙蝠算法

针对新型元启发式蝙蝠算法存在收敛速度慢、求解精度低的现象,文中提出一种基于Lévy飞行轨迹的蝙蝠算法.该算法具有易跳出局部最优,收敛速度快且求解精度高等特点.通过对12个典型的测试函数进行仿真实验,结果表明该算法是有效、可行的,且在求解高维空间问题中也表现出优越的逼近性能.

基于改进蝙蝠算法的红外光谱特征选择

特征选择是红外光谱定性与定量分析中的重要环节之一。为了解决传统特征选择方法可调参数多、收敛速度慢、精度低、易早熟等不足,对基本蝙蝠算法进行了离散化改进以适用于离散优化问题,同时结合Lévy飞行搜索策略,提出了一种新型的红外光谱特征选择算法。采用三个红外光谱数据集对提出的算法进行了验证,同时与遗传算法、模拟退火算法、无信息变量消除法等进行了比较分析。实验结果显示,该方法可以快速地搜索到全局最优值,能有效地提高波长选择的准确性和稳定性,被选择的波长物理、化学意义明确,采用选择的特征波段建立的定量模型优于用全谱建立的模型。同时,三个不同相态、不同光谱范围的数据集表明,所提出的算法具有较大的适用范围与实用价值。

具有Lévy飞行特征的蝙蝠算法

针对基本蝙蝠算法易早熟、收敛精度低等不足,在分析蝙蝠算法优化机理和局限性的基础上,从算法仿生原理入手,采用Lévy飞行搜索策略更为真实地模拟蝙蝠的捕食行为,取代原有算法的速度和位置更新方式,充分利用Lévy飞行会产生较大跳跃这种不均匀随机游走的特性,有效避免局部极值的吸引.通过标准测试函数对所提算法进行仿真测试,结果表明所提算法有效克服了原算法易早熟、收敛精度低等缺陷,在寻优精度和全局收敛性能方面明显优于基本蝙蝠算法和粒子群优化算法,是解决复杂函数优化问题的一种有效工具.

动物飞行的空气动力学

昆虫、鸟和兽(蝙蝠)的飞行是由作用于其上的气动力所决定的。了解这些力的产生机制和规律,是研究相关动物的比较生理学、行为学、生态学及进化的基础,也能为发展新型飞行器提供仿生学指导。本文介绍了近二十余年来该领域的主要研究进展,并讨论未来发展趋势和需要开展的工作。文中依次讨论了昆虫、鸟类和蝙蝠拍动飞行的空气动力学机理;最后提出了今后5~10年的工作建议。

基于Lévy飞行特征的蝙蝠算法及其在WSN定位中的应用

针对蝙蝠算法收敛易早熟、收敛速度慢等不足,提出一种改进的基于Lévy飞行特征自适应的蝙蝠算法。采用Lévy飞行策略取代原算法中蝙蝠飞行速度和位置的更新方式,充分利用Lévy飞行的重尾效应,有效避免局部最优值的吸引,加快了收敛速度,达到寻优能力和搜索能力的平衡。在无线传感器网络自身定位应用中,把定位问题转换为一个全局优化问题,使用改进的算法进行定位计算。通过Zigbee平台的实验表明,改进后的算法在不同空间位置的定位精度更高,收敛速度更快。算法实现条件简单、精度高,具有较高的实际工程应用价值。

采用机动飞行的蝙蝠算法

针对基本蝙蝠算法存在着易陷入局部最优、后期收敛速度慢等问题,提出了采用机动飞行的蝙蝠优化算法。该算法中每只蝙蝠根据其当前在群体中位置的优劣情况选择不同的飞行模式,处于较优位置的蝙蝠选择机动飞行模式,随机变轨逐步向群体最优位置靠近捕获猎物;而处于较差位置的蝙蝠选择非机动飞行方式,随机移动捕获猎物。为表明所提出算法的有效性和正确性,通过九个典型的基准函数优化实验测试,实验结果表明,该算法具有较好的优化精度和较好的全局搜索能力。

基于改进蝙蝠算法的软件缺陷预测模型

软件缺陷预测模型因为软件规模持续扩大以及安全性要求越来越高,变得越来越重要。支持向量机(SVM)模型突出优点是它具有较强的非线性分类能力,所以在软件缺陷预测应用非常广泛。但是,SVM模型缺乏有效的方法来确定最佳参数,以至于不能达到理想的准确度。所以,提高SVM模型的参数,提高SVM模型的软件缺陷预测能力成为了研究热点。蝙蝠算法是一种启发式搜索算法,它模型简单,易于实现,但是却易陷入局部最优,因此采用加入莱维飞行的蝙蝠算法对SVM模型的参数选择进行优化。为了测试这个新模型的性能,仿真实验使用了一些软件缺陷预测的公共数据集,然后将结果与传统的启发式算法进行比较。实验结果表明,LBA-SVM模型的分类能力优于其他方法。

一种带有期望因子的蝙蝠算法

面对经典蝙蝠算法(BAT ALGORITHM,BAT)容易过早收敛、收敛效果差的问题,提出一种带有期望因子的新型蝙蝠算法,将蝙蝠的觅食行和L′evy飞行特征相结合来模拟蝙蝠的捕食过程,并在迭代公式中加入期望因子,进而采用全新的更新频率、速度、位置的方式,再利用L′evy的飞行特性使得该新型算法更容易趋向目标最优值。通过标准测试函数对其提出的算法进行仿真测试,并与布谷鸟搜索算法、粒子群算法、基本蝙蝠算法相比较。仿真结果表明该算法增强了原算法的收敛精度以及寻找最优目标的能力,性能明显优于其他3种算法,是一种优化高度非线性、复杂函数问题的有效手段。

基于二次飞行和随机扰动的改进蝙蝠算法

针对基本蝙蝠算法存在着不易跳出局部寻优、搜索精度低等问题,提出了二次飞行和随机扰动的改进策略.每只蝙蝠对自身位置进行随机扰动后,对上代速度采用自适应学习权重,使蝙蝠能够趋好避坏地进行飞行搜索;为了保证种群多样性,对种群中最差的一部分蝙蝠进行惩罚,舍弃对上代速度的学习,进行二次飞行搜索,提高算法的全局搜索能力.通过对七个典型不同类型的基准函数进行实验测试,结果表明了改进策略对算法的优化精度和全局搜索能力有很大的提高,使改进的算法拥有更好的的收敛速度和寻优精度.

一种基于蝙蝠算法的新型小波红外光谱去噪方法

针对传统的小波去噪方法容易产生信号振荡和丢失特征信息等问题,提出了一种基于蝙蝠算法的新的有效的红外光谱去噪方法。该方法创新性地运用蝙蝠算法优化了小波阈值和估计因子。其基本思想是,首先在解空间中随机生成一定规模的个体,然后根据向当前最优个体学习的方法进行速度更新,从而实现位置更新;同时,由于Levy飞行搜索策略会产生较大跳跃,利用这种不均匀、随机游走的特性可以实现对整个解空间的搜索,从而避免陷入局部极值点。CO气体红外光谱去噪实验的结果表明,利用蝙蝠算法对各个分解层的阈值和估计因子进行优化后,信噪比为84.184,均方误差为0.0006。由于更有针对性地保留了光谱信号中的特征信息并剔除了无用的噪声信息,该方法可以提高后续定性和定量分析的精度。

犬蝠取食对叶榕果实的行为和相互适应关系研究

在西双版纳地区,观察和测量了对叶榕(Ficus hispida)的结果特点、果实特征以及取食该果实的犬蝠(Cynopterus sphinx)的形态特征,并通过飞行笼实验考察了对叶榕果实提供的视觉和嗅觉信息及犬蝠取食时视觉和嗅觉的应用情况.结果表明:犬蝠利用视觉系统能成功地分辨出完整和破碎的果实,每小时访问完整果实的次数为(15.5±1.61)次,访问浆状果实的次数为(10.5±1.45)次;在访问有果实和没有果实的盒子时,每小时访问前者的次数为(37.4±7.62)次,显著高于后者(1.1±0.88)次.对叶榕果实的生物和生态学特征与犬蝠的行为学特征建立起了较好的相互适应性.

求解聚类问题的异构蝙蝠算法

为解决蝙蝠算法在较高精度要求下收敛速度慢且易于陷入局部最优等缺陷问题,在蝙蝠算法框架基础上,利用具有良好随机性的Lévy飞行来增强算法的全局搜索能力,结合单纯形法提高算法在局部开采时的性能,提出一种异构的蝙蝠算法。对聚类问题进行解的映射表示并且进行仿真实验。实验数据表明,该算法求解精度高、收敛速度快,具备有效性和可行性,为解决聚类问题提供了可参考的求解算法。

基于改进蝙蝠算法的微电网优化研究

为了协调微电网中各微电源的优化调度,文中研究了涵盖光伏、风电、储能、燃气轮机和燃料电池的分布式电源,在微电网并网与孤岛运行条件下,建立了以发电费用和污染物处罚费用最低的目标函数,并采用了具有Lévy飞行特征的蝙蝠算法求得一个调度周期内各个分布式电源的最优出力及总运行成本,最后将仿真结果与基本蝙蝠算法的结果相比较,从而验证了该文所研究的优化模型及改进后算法的可行性。

基于蝙蝠算法的花粉算法改进

针对花粉算法(FPA)易陷入局部最优,收敛速度慢,收敛精度不高等缺陷,将蝙蝠算法(BA)引入到花粉算法中,优化花粉配子初始位置,建立基于蝙蝠算法的花粉算法(BA-FPA).为了验证改进后的BA-FPA算法收敛性能优于基本FPA算法和BA算法,任意选取6个标准测试函数进行测试.结果表明,BA-FPA的收敛速度、收敛精度等性能都优于标准FPA和BA.

一种改进的自适应混合型蝙蝠算法

针对基本蝙蝠算法(BA)存在的寻优精度不高,易出现早熟收敛等缺陷,本文提出了一种改进的自适应混合型蝙蝠算法(YSBA).首先,该算法舍弃了速度这一参数,简化了计算;其次,加入位置收缩因子β,用来控制与约束蝙蝠的位置,平衡蝙蝠算法中局部和全局搜索,提高算法的寻优精度,最后,重新设置了响度A和脉冲频率r的计算方法,此方法可以也可以避免陷入局部最优.最后通过11个典型的基准函数优化试验,与基本蝙蝠算法(BA)以及采用机动飞行的蝙蝠算法(MFBA)相比,发现改进的自适应混合型蝙蝠算法能够解决局部过分搜索的问题,避免陷入局部最优值,具有较高的计算精度.

带有高斯变异的Lévy飞行改进蝙蝠算法

提出一种带有高斯变异的Lévy飞行特征的改进蝙蝠算法(GMBA).该算法中,每只蝙蝠根据当前位置的优劣程度选择不同的飞行方式,位置较差的采用Lévy飞行,位置较好的逐步向群体最优位置移动;最后在算法满足变异条件时,应用高斯变异策略,从而在一定程度上避免了算法陷入局部最优,并能获得高精度的解.结果显示,GMBA的优化性能有了显著的提高.

基于蝙蝠飞行的仿生智能卫星编队管理策略

卫星编队构型的保持对编队任务实施至关重要,针对高精度卫星编队控制策略复杂不易于实现的问题,提出了一种基于蝙蝠飞行的仿生智能编队管理策略.首先分析了编队动力学和图论理论,总结自然界中蝙蝠群体的行为规律,给出了蝙蝠飞行数学模型,以此设计了编队虚拟中心用于衡量卫星编队整体效益和局部效益,进而给出了仿生编队管理策略,算法清晰实用.最后,应用卫星编队算法对对卫星编队构型进行控制仿真验证,实现了高精度、低能耗的稳定控制.