基于 HHO参数优化的SVM 变压器故障诊断方法研究∗

为了提高变电信息系统中变压器故障诊断的准确率,针对变压器故障样本较少,采用类内类间距离的可分性测度和相关性分析法确定关键特征向量,将特征向量作为支持向量机的输入样本,建立 SVM 故障分类模型.分析了哈里斯鹰优化算法 (HHO)和粒子群算法 (PSO)的优缺点,提出了基于哈里斯鹰优化算法 HHO 优化支持向量机 SVM 模型的参数.最后,通过真实变压器故障数据进行实验仿真,结果表明所提出的变电站故障诊断方法能够有效识别故障类型,具有较高的准确率和收敛速度.     

基于CHHO优化LSTM的火场环境预测模型研究

准确预测火场环境变化有助于精准掌握火情的发展趋势，保障人员的安全。由于火场环境多参数并存、耦合关系复杂，且具有时序性和非线性，难以建立准确的预测模型，因此提出了一种基于改进哈里斯鹰算法的自注意机制长短期记忆网络模型，实现了对火场环境数据的精准预测。首先，将Logistic映射策略、余弦权重因子、高斯扰动策略引入哈里斯鹰优化算法，丰富算法的种群多样性、平衡其全局探索和局部开发能力、提高算法的收敛精度。然后，利用改进后的哈里斯鹰优化算法对自注意机制长短期记忆网络模型中的超参数进行优化，基于优化后的参数对火场环境进行预测。仿真结果表明，基于改进后的哈里斯鹰优化算法的自注意机制长短期记忆网络模型拟合效果更好，具有更高的预测精度。     

基于HHO-ELM的光伏阵列故障诊断方法研究

光伏阵列长期暴露在恶劣的环境中,导致光伏组件易发生故障,从而影响光伏阵列的发电效率。在实际运行过程中,光伏阵列除发生单一故障之外,还会出现多类型的复合故障,给故障诊断加大了难度。提出了一种基于哈里斯鹰(HHO)算法优化极限学习机(ELM)的光伏阵列多类型复合故障诊断方法。用HHO算法优化ELM的权值和阈值,建立HHO-ELM故障诊断模型,并与ELM、粒子群优化算法(PSO)-ELM、正余弦优化算法(SCA)-ELM以及鲸鱼优化算法(WOA)-ELM算法进行对比。实验结果表明,对于复合故障类型,HHO-ELM模型具有更高的诊断准确率,提高了光伏阵列复合故障的识别精度。     

基于改进哈里斯鹰优化算法的有源配电网故障定位

针对改进的遗传算法、二进制粒子群算法等智能优化算法在复杂的有源配电网中故障定位的准确率不高、易于陷入局部最优、收敛速度慢以及定位时间长等问题,提出一种基于改进哈里斯鹰优化算法的有源配电网故障区段定位方法。首先,通过Tent混沌映射改善初始种群和将逃逸能量非线性化,以加快哈里斯鹰优化算法的收敛速度。其次,通过结合黄金正弦算法跳出局部最优。最后,所提方法在IEEE33节点有源配电网模型上进行了仿真测试验证,表明改进后的哈里斯鹰优化算法能很大程度地加快收敛速率,故障定位方法具有很高的容错率。     

基于HHO算法的铠装热电偶动态补偿方法研究

由于铠装热电偶的时间常数较长、动态特性差,在动态测试中会产生动态误差,往往不能满足实际测量需求。提出一种基于哈里斯鹰优化算法(Harris hawk optimization, HHO)的动态补偿模型设计方法,使用该补偿模型,改善了铠装热电偶的动态特性。采用基于高温检定炉的实验系统得到铠装热电偶的动态标定实验数据,同时使用HHO算法优化选取动态补偿模型的参数,完成动态补偿模型设计。实验表明：通过此试验系统及方法可将铠装热电偶的时间常数从37.33 s减小到1.91 s。在某些特定工作环境下,可使用此方法改善热电偶传感器的动态特性,延长其使用寿命,降低成本。     

基于多策略改进哈里斯鹰算法的过热汽温模型参数辨识

为了进行控制器的设计和整定参数,建立精准的过热汽温模型,获得更好的控制效果。由于哈里斯鹰算法存在易陷入局部最优和收敛精度低的问题,提出多策略优化的哈里斯鹰优化算法。在探索阶段利用Logistic混沌映射,优化种群的初始化问题,从而改善哈里斯鹰算法收敛精度低的问题;然后通过随机收缩指数函数非线性化能量方程,使得算法在寻优过程更加协调;最后引入了自适应权重因子更新猎物的位置,提高算法的准确度。通过与其他算法比较,证明了本文算法的精准度。多策略优化的哈里斯鹰优化算法应用于现场数据辨识,对某600 MW超临界机组的过热汽温系统进行辨识,验证算法的准确性和优越性。     

基于EEMD和IHHO-LSSVM滚动轴承剩余寿命预测方法的研究

针对滚动轴承剩余寿命预测准确度不高的问题,构建一种基于集合经验模态分解(EEMD)和考虑改进哈里斯鹰算法(IHHO)的最小二乘支持向量机(LSSVM)滚动轴承剩余寿命IHHO-LSSVM预测模型.首先,使用EEMD对原信号进行分解,根据峭度指标和相关系数选取合适的本征模态函数(IMF)进行重构.然后采用核主成分分析(KPCA)提取累计贡献率大于85％的主成分作为评估轴承退化性能指标.引入能量周期性递减调控机制,IHHO-LSSVM模型进行寿命预测,有效提高了HHO算法中寻找最优解的能力.通过轴承全寿命试验数据进行验证,其结果表明,该方法提取的轴承性能评估指标能够更为全面地表征轴承性能退化情况,建立的IHHO-LSSVM模型具有良好的预测效果.     

融合测距修正和哈里斯鹰优化的DV-Hop定位算法

针对传统DV-Hop定位算法在无线传感器网络节点定位时精度偏低的问题，本文提出了一种基于测距修正和哈里斯鹰优化算法的DV Hop改进算法。该算法采用多通信半径调整网络节点最小跳数，利用最小均方差和权重因子优化网络节点平均跳距，采用改进的哈里斯鹰算法替代最小二乘法进行位置计算，引入Tent混沌映射、精英群体制度和正余弦优化策略以避免算法过早陷入局部优化，通过最优解求解得到网络节点近似坐标值。仿真结果表明，在不同条件下，改进算法与传统DV-Hop算法和ABCDV-Hop算法相比能够具有更好的定位能力，节点定位误差平均下降20.13%和7.74%，定位精度较高。     

基于深度强化学习哈里斯鹰算法的路径规划

哈里斯鹰算法存在容易早熟、陷入局部最优陷阱、稳定性较差等问题。为了提升算法性能，本文提出了一种利用深度确定性策略梯度算法（DDPG）改进的哈里斯鹰算法。该改进将深度强化学习和启发式算法结合，利用深度确定性策略梯度算法训练神经网络，再通过神经网络动态地生成哈里斯鹰算法关键参数，平衡算法全局搜索和局部搜索，并赋予算法后期跳出局部最优陷阱的能力。通过函数优化和路径规划对比实验，实验结果表明，DDPGHHO算法具有一定的泛化性和优秀的稳定性，且在不同环境下均能够搜索到更优路径。     

基于改进粒子群的正交轴系三维激光扫描设备的几何参数标定研究

本文针对研发的正交轴系三维激光扫描设备几何参数标定问题，提出一种基于改进粒子群的标定算法，以解决设备装配几何误差带来的测量精度降低问题。首先，基于三维扫描设备的改进DH参数模型构建待优化几何误差参数并利用粒子群算法在约束范围内进行迭代优化以确定标定值；然后，在传统粒子群算法基础上进行了动态参数(惯性权重、学习因子的动态调整和基于整体最小二乘算法动态平面拟合的适应度函数改进)的优化以解决算法陷入局部最优的问题；最后，采用3种不同方法进行基于标准棋盘标定板的标定实验。实验结果对比分析表明：本文提出的动态平面拟合-参数改进PSO算法大幅提高了标定算法的收敛速度以及适应度计算可靠性，可以对设备进行快速标定，采用该方法标定后的设备其测量的精度也大幅提高。该标定方法为其它正交轴系的测量设备的几何参数标定提供了一种参考。     

基于轮廓角点检测的螺纹关键参数视觉测量方法

为解决现有螺纹关键参数视觉测量方法中易存在螺纹角点误检和漏检导致测量精度降低的问题,本文提出一种基于轮 廓角点检测的视觉测量方法。 首先,使用双边滤波和迭代阈值法改进 Canny 算子,提高边缘检测的精度;其次,使用双阈值 DP 算法和 Hough 变换对轮廓进行分段拟合,在保护边缘的前提下平滑轮廓,并在此基础上使用 CTAR 算法提取螺纹牙顶、牙底的 角点;最后,根据角点的位置信息实现螺纹大径、小径的测量。 实验结果表明,相对于现有使用 Canny 算子和 Harris 角点检测的 视觉测量方法,该方法能准确可靠地检测螺纹的边缘和角点,实现螺纹参数的高精度测量,螺纹大径、小径的平均测量精度分别 达到 0. 003 3 mm 和 0. 002 6 mm。     

基于多尺度熵分析与改进 SVM 的变压器故障识别

为解决传统变压器故障识别方法提取故障特征难度大、识别准确率低等问题,提出基于多尺度标准差模糊熵( SDMFE) 和哈里斯鹰算法(HHO)优化支持向量机(SVM)的故障识别方法。 首先,采用基于模糊熵的多尺度分析法量化变压器振动信号 复杂的动态特性,提取多时间尺度下的故障特征。 随后,将利用 SDMFE 获得的故障特征输入 SVM 分类器识别变压器不同的故 障。 同时,为了提升 SVM 的识别性能,引入 HHO 算法以自适应、准确地选择 SVM 参数。 最后,利用变压器实测振动信号进行 了对比试验。 与不同的信息熵、不同的优化策略和不同的分类器相比,所提方法取得 98. 56%的最高识别准确度和最好的识别 稳定性。 结果表明所提方法能够有效提取故障敏感特征和准确识别变压器故障状态。     

基于粒子群TOA室内定位的系统误差修正

到达时间（time of arrival,TOA）的测距易受多径干扰的影响而产生较大的系统误差,造成室内定位时精度变差。针对上述问题,首先分析了TOA定位中系统误差的产生及特点,而后提出一种基于粒子群优化的定位算法。算法利用测距值与所求解位置的空间约束关系建立求解域,而后应用粒子群算法求解,并通过建立关于系统误差的罚函数和适应度函数实现误差修正,并减小粒子搜索空间,加快算法收敛速度。实验表明,利用本文描述的定位算法,可以有效抑制室内定位中测距产生的系统误差,定位精度得到明显提高。     

螺纹量规三维数字化计量模型参数计算及精度分析

针对实体螺纹量规加工难、成本高、易磨损、检定工序繁琐等问题,提出了一种基于三维点云的螺纹量规数字化计量模型建立及参数计算方法。为实现实物螺纹量规数字化,首先获得其三维数字化模型,并获取模型大径、中径、小径、螺距与牙型角等关键参数。其次对模型进行单项误差与综合误差分析,得到各参数相对误差均小于5%。最终得到数字化模型各项参数的不确定度与扩展不确定度,证明螺纹量规数字化计量模型的准确性。该结果为螺纹量规数字化发展提供了研究基础,对计量行业的数字化转型具有参考价值。     

球面折反射成像的内螺纹螺距视觉测量系统

为了实现内螺纹参数的非接触、自动化在线测量,本文以通孔螺母和盲孔螺母为检测对象,提出了一种基于球面折反射全景成像原理的内螺纹螺距参数的机器视觉测量系统。系统采集经球面折反射得到的图像,随后分割出完整的内螺纹区域;采用对比度受限的自适应直方图均衡化算法提高图像对比度,并采用中值滤波与双边滤波的组合来保护螺纹边界信息;再使用Zernike矩边缘检测算法确定每条螺纹的亚像素边缘;最终,基于折反射成像理论计算得到内螺纹螺距尺寸。与计量用螺纹综合测量机的螺距测量值进行了对比,实验结果表明该系统的平均测量误差为0.018 5 mm,满足工业生产中内螺纹螺距精度的要求,检测效率高,可用于内螺纹在线视觉检测。本研究为圆柱形内壁尺寸测量和缺陷检测提供了一种参考方案。     

基于蜣螂算法优化的 DV-Hop 定位算法

针对无线传感器网络中传统DV-Hop(distance vector-hop)算法定位误差大的问题,提出了一种基于蜣螂算法优化的DV-Hop定位算法。首先使用双通信半径的方式细化节点间跳数,并使用最小均方误差准则计算锚节点的平均跳距,将改进后的平均跳距的平均值当做每个未知节点的平均跳距,最后引入权重因子优化适应度函数,使用蜣螂优化算法代替三边测量法进行坐标计算。仿真结果表明,所提算法比经典DV-Hop算法平均定位误差提升了55.69%、59.61%和67.59%,误差方差提升了52.41%、45.58%和36.87%,具有良好的定位精度和较好的稳定性。     

高心墙堆石坝大场景视频监控网络覆盖NCHHO优化

覆盖率和成本是衡量高心墙堆石坝视频监控网络部署优劣的重要指标。然而,现有研究缺乏对建设成本的综合考虑,且常用的视频监控网络覆盖优化求解方法存在收敛速度慢、易陷入局部最优等不足。针对上述问题,本文提出一种高心墙堆石坝大场景视频监控网络覆盖改进哈里斯鹰优化模型——非线性混沌哈里斯鹰优化（nonlinear chaotic Harris hawks optimization, NCHHO）模型。首先,提出表征视频网络部署成本的单位摄像头重复采样率指标,并基于集合覆盖理论构建以覆盖率和单位摄像头重复采样率最大为目标的视频监控网络覆盖优化模型。其次,利用混沌序列和非线性能量更新策略改进哈里斯鹰算法的种群初始化和搜索过程,提高算法的收敛速度、避免陷入早熟,并利用其求解视频监控网络覆盖优化模型。实例验证了改进哈里斯鹰算法在视频监控网络部署优化中的有效性和优越性,本研究得到的优化方案覆盖率和重复采样点比例分别为99.98%和60.3%,相比经验方案提高了13.8%和23.2%,显著优化了视频监控效果。     

改进GA-SVM的湿度传感器温度补偿研究

针对地面遥测自动气象站采用的HMP-45D湿度传感器测量准确度易受温度影响的问题,通过改进遗传算法(GA)的适应度函数、选择、交叉、变异操作优化支持向量机(SVM)的惩罚函数、径向基核函数、不敏感损失函数,利用不同温湿度条件下的多组实测数据,建立了温度补偿模型,并与传统的SVM回归模型补偿结果对比分析。实验结果表明,利用GA-SVM模型进行温度补偿最大误差绝对值为0.1367%,比传统SVM温度补偿模型提高了2.8351%,GA-SVM算法克服了传统SVM补偿算法补偿精度低、处理速度慢的问题,具有全局寻优能力强、收敛速度快、补偿精度高的特点,能够有效地对湿度传感器进行温度补偿。