基于改进布谷鸟搜索算法的光伏最大功率点跟踪策略

实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足。针对这一问题,提出一种基于布谷鸟搜索算法(cuckoo search algorithm, CS)和电导增量法(conductivity increment method, CI)结合的光伏MPPT算法,在算法前期利用布谷鸟搜索算法将大步长和小步长交替使用使得全局搜索能力增强,找到全局最大功率点所处区域附近;在后期,采用步长小、控制精度高的CI进行局部寻优,快速准确地锁定到最大功率点。在MATLAB/Simulink中搭建仿真模型,并与原始布谷鸟搜索算法和粒子群优化(particle swam optimization, PSO)算法进行比较。仿真结果表明,将CS与CI结合的算法使得收敛速度更快,精度更高,稳定状态时功率曲线的波动更小。

混合CS算法的DE算法

为解决基本差分进化算法的缺陷,利用布谷鸟搜索(CS)算法寻优能力强的优点,在DE每次完成选择操作后,不直接进入下一次迭代,而是引入CS算法,继续进行搜索,这样就增加了粒子的搜索活力,从而得到一种新的差分进化算法。经过对6个标准测试函数的大量实验计算表明,该算法能有效克服DE算法的缺陷,使寻优精度有较大改进。将算法应用于求解非线性方程组问题,给出了数值算例。

基于改进布谷鸟算法的风光储联合供电系统储能容量优化配置研究

在风光储联合供电系统中,科学的配置储能元件的容量,分配不同储能元件之间的容量比,具有非常深远的意义。通过分析蓄电池和超级电容器的特性,提出基于该两类元件的混合储能系统及其能量分配策略,根据全生命周期(LCC)理论,以储能费用最小为目标,以蓄电池输出功率和系统负荷缺电率等指标为约束条件,建立储能容量优化模型。提出了自适应布谷鸟搜索算法,并用于求解某风光储联合供电系统的储能优化问题。算例结果分析显示,采用文中所述的能量分配策略和改进的布谷鸟算法可以有效降低储能系统成本,验证了模型及算法的正确性。

一种用于液压伺服系统位置跟踪的混合模型预测控制器设计

为了提高液压伺服系统对目标位置的跟踪准确度,设计一种用于液压伺服系统位置跟踪的混合模型预测控制器。首先,通过对液压伺服系统建模,分析其组成结构,建立液压缸与伺服阀的运动学模型。然后,对传统模型预测控制器的工作状态进行分析,获取其对应的线性时不变模型。并在传统模型预测控制器的基础上,利用通过布谷鸟搜索算法改进的PID控制器,设计了混合模型预测控制器。最后,利用所设计的混合模型预测控制器,对阶跃、方波以及不规则信号产生的目标位置轨迹进行了跟踪测试。测试结果显示:所设计的混合模型预测控制器不仅能够跟踪多种信号产生的目标位置轨迹,而且跟踪准确度较高、波动性较小;混合模型预测控制器在跟踪阶跃、方波以及不规则信号产生的目标位置轨迹时,相比传统模型预测控制器的跟踪结果,最大偏离度分别减小了6.77%、17.39%、19.64%,说明所设计的混合模型预测控制器能够控制液压伺服系统对目标位置进行良好的跟踪。

基于CS-HRVM的网络流量预测

为了获得更加理想的网络流量预测结果,准确刻画网络流量的变化趋势,提出一种基于布谷鸟搜索算法优化组合核相关向量机的网络流量预测模型(CS-HRVM)。首先针对网络流量的混沌特性,采用相空间理论建立网络流量的多维学习样本,并采用组合核函数构建相关向量机,然后将学习样本输入到相关向量机中进行训练,并采用布谷鸟搜索算法对模型参数进行优化,从而建立网络流量预测模型,最后采用仿真实验对模型性能进行仿真对比实验。结果表明,CS-HRVM获得了比其他网络流量预模型更高的预测精度,而且可以对含噪网络流量进行准确预测。

混合布谷鸟算法求解绿色流水车间调度问题

为协同考虑经济因素和环境因素,求解了优化目标为最小化最长完工时间和碳排放总量的多目标置换流水线车间调度问题(MOPFSP)。提出了一种混合布谷鸟算法(HCS)求解2台机器以上的MOPFSP问题。采用LOV规则将HCS算法中的个体从实数向量转换成工件排序,使其可在MOPFSP的解空间中进行搜索;设计了一种自适应步长控制因子,用于控制算法进化阶段的搜索范围;提出一种多邻域局部搜索,用于对HCS算法全局搜索发现的优质解区域进行细致搜索。由于融合了基于布谷鸟算法的全局搜索和多邻域局部搜索,故HCS算法可有效求解MOPFSP。仿真实验和算法对比验证了HCS算法求解MOPFSP的有效性。

基于HCS-GNN模型的ORP传感器故障诊断

针对生物氧化预处理过程中氧化还原电位(ORP)传感器常见故障,通过详细分析该工艺中影响ORP的因素,提出一种混合布谷鸟搜索(HCS)算法与灰色神经网络(GNN)相结合的传感器故障诊断方法。即采用HCS算法对GNN模型参数进行优化,建立ORP非线性预测模型,将ORP预测结果与实际测量值相比较得到残差,分析残差的变化趋势,最终实现对ORP传感器的故障诊断。仿真结果表明,HCS-GNN模型具有较高的预测精度,能够有效地完成对ORP传感器的故障诊断。

机械传动电机轴承故障信号诊断仿真研究

传统经验模态分解(EMD)存在模态混叠,难以充分提取故障特征,原始支持向量机(SVM)、相关向量机(RVM)诊断方法核函数存在选取不灵活、结构复杂导致识别效率低的问题,提出了一种结合变分模态分解(VMD)样本熵和混合布谷鸟改进M-RVM的机械传动电机轴承故障诊断新方法。首先,对故障信号进行VMD分解得到多个子序列;然后,筛选其中的有效分量提取样本熵组成故障特征向量;最后,将特征向量输入基于混合布谷鸟算法优化的M-RVM故障诊断模型,达到对电机运行状态准确识别的目的。仿真结果表明,所提方法实现了电机轴承故障状态的准确诊断。与传统分析诊断方法相比,该方法轴承故障识别诊断性能得到提高,对实际工程应用具有重大意义。

基于局部搜索策略的混合自适应布谷鸟算法

为了提高布谷鸟算法的搜索精度和全局收敛速度,提出一种基于局部搜索策略的混合自适应布谷鸟算法。在该改进算法中,每个当前解的周围随机产生一个局部种群,利用正余弦算子的局部寻优能力得到局部最优解,并用局部最优解替换当前解,以提高局部搜索精度;同时采用自适应发现概率和搜索步长替代布谷鸟算法中的固定发现概率和搜索步长,以提高算法的全局收敛速度。对25个经典高维基准函数进行实验表明,所提算法在收敛速度和求解精度上优于布谷鸟算法,通过将其应用于拉压弹簧、三杆桁架设计和0-1背包问题,验证了算法的有效性。

改进布谷鸟算法优化混合核LSSVM的卷烟销售量预测

为了提高卷烟销售量预测精度,提出了基于一种改进布谷鸟算法(MCS)优化混合核最小二支持向量机(LSSVM)的卷烟销售量预测模型(MCS-LSSVM)。收集卷烟销售量数据,并构建LSSVM学习样本,然后混合核函数的LSSVM对样本进行训练,并采用改进布谷鸟算法对混合核函数参数进行优化,最后建立卷烟销售量预测模型,并用于某卷烟公司卷烟销售的预测。结果表明,相对于对比模型,ICS-LSSVM模型获得了更优的建模效果和更高的预测精度。

基于离散布谷鸟搜索算法的拆卸序列规划方法

文章提出一种基于离散布谷鸟搜索算法的拆卸序列规划性方法,该方法以赋权拆卸混合图模型为理论基础,并以此为基础建立了可拆卸条件。首先,建立离散布谷鸟搜索算法和拆卸序列规划之间的映射关系;其次,基于最优拆卸方向分层筛选顶点集合组成初始种群;再次,利用离散Levy飞行对鸟巢位置进行变换,利用离散巢寄生行为进行鸟巢的局部调整。在达到最大迭代次数后,对属性值比较好的几个鸟巢进行解码并判断可行性,最终得到最优可行拆卸序列。以管路模型为例,分别利用离散布谷鸟搜索算法、遗传蝙蝠算法和粒子群优化算法进行了拆卸序列规划。经过比较后发现,该方法求解出的拆卸序列质量较高。

一种改进的相关向量机算法

在相关向量机模型的基础上,通过组合高斯核函数和柯西核函数构造混合核函数,利用布谷鸟算法对混合核函数的参数进行优化选择,建立基于布谷鸟算法的混合核函数相关向量机模型.并将其应用到油路诊断中,通过吸油油路的油压和低压油路的油压判断油路中是否存在漏油等故障.实验表明,该改进算法较相关向量机算法具有更好的分类准确率.

基于ACS-DE的混合式直线力电机结构优化研究

混合式直线力电机是直驱式电液伺服阀的重要执行器件,其驱动力为直驱式电液伺服阀提供了故障恢复功能,为其稳定运行提供了安全保障。因此,提升其驱动力对混合式直线力电机的优化设计具有重要的意义。首先本文分析了电机结构和工作原理,根据优化目标和约束条件确定了混合式直线力电机结构优化问题的优化函数。其次本文改进了布谷鸟搜索算法的局部搜索阶段和全局搜索阶段,提出了基于混合差分进化的自适应布谷鸟搜索算法(ACS-DE),通过与原始CS算法的实验对比,证明了改进的有效性。最后通过与其他传统智能优化算法的实验对比,证明了ACS-DE拥有更快的计算速度与更优的求解精度,并且与初始结构的电机相比,驱动力可提升一倍以上。

车载复合电源模糊能量管理策略优化设计

针对电动汽车复合电源模糊能量管理,传统模糊控制依赖专家经验存在精度不高、自适应性弱等不足,设计了一种基于改进布谷鸟搜索算法(ICS)优化的模糊控制方法;在Matlab/Simulink平台上建立车载复合电源模糊控制器,采用ICS算法对模糊控制器中的隶属度函数参数进行优化,然后将其嵌入到Advisor软件中复合电源电动汽车模型进行仿真与分析;结果表明,与传统模糊控制相比较,该方法能更好发挥超级电容性能优势,减缓了电池输入、输出功率且整车能耗经济性得到提升。

基于改进CS算法的二维Ostu快速图像分割

针对应用布谷鸟搜索算法进行二维Ostu分割时计算时间长、效率低、易陷入局部最优的问题,提出了基于改进布谷鸟搜索算法的二维Ostu快速图像分割方法。通过引入逐维更新与整体更新相结合的混合维度更新策略,对布谷鸟搜索算法进行修正,以方差可调的正态分布进行步长有区分的整体邻域搜索,提高了算法的搜索精度与效率,解决了二维Ostu图像分割效率低的问题。实验结果表明,与穷举法、布谷鸟算法相比,改进算法图像分割效率最高,效果最好。

融合改进布谷鸟搜索算法和DRNN的非线性系统辨识

针对非线性系统的辨识问题,引入了对角回归神经网络模型.为了对辨识模型进行优化,设计了一种新的杂交操作策略,并将该策略引入到布谷鸟搜索中,获得改进的布谷鸟搜索算法(hCS).通过对12个典型测试函数的数值寻优实验,结果表明,所提出的算法与基本的布谷鸟算法相比,其解的精度有了明显的提高.将所提出的算法用于2个非线性系统神经网络辨识模型的优化,仿真结果表明hCS优化的模型拟合精度更高.

考虑碳限额的制造/再制造混合系统生产优化决策

针对碳限额交易机制下制造/再制造混合系统生产决策问题,以最大化总利润和最小化碳排放量为目标,考虑客户需求差异以及碳减排技术投入成本和收益的影响,建立多周期产品制造/再制造混合系统生产决策优化模型.根据模型特点,结合多种群协同进化思想,设计一个多种群混合布谷鸟算法(multi-population hybrid cuckoo search,MPHCS)进行求解.提出一种自定义偏好随机游走策略,增加优秀个体对全局搜索的影响,以优秀个体指导种群进化,实现各子种群信息共享;采用自适应公式更新步长,防止陷入局部最优;同时引入基于Logistic映射的混沌搜索,用于对MPHCS算法全局搜索发现的优质解区域进行精细搜索,提高局部搜索能力.最后通过实例仿真验证了所提出模型和算法的合理性和有效性.