基于麻雀搜索优化的背景分割算法的板簧尺寸检测方法

针对复杂背景下汽车板簧轮廓特征点难以提取的问题，提出改进麻雀搜索优化的K means背景分割算法并辅以投射线激光提取待测特征点。首先，通过遍历全局像素，根据梯度阈值确定最优方向，减小向最优方向移动的步长数值，以此改进麻雀搜索优化算法，克服算法全局搜索能力弱、容易陷入局部最优的问题；其次，将麻雀搜索的感兴趣像素点作为K means算法的初始中心点，把具有相似特征的像素点聚为一类，使板簧从复杂的背景环境中分割出来，获取板簧的外形轮廓；最后，向板簧表面投射线激光辅助标记，相交于板簧轮廓，提取待测特征点。结果表明，提出的基于背景分割的汽车板簧尺寸检测方法可以提取待测特征点，且精度可达025 mm，形成在线测量数据，有利于改进生产工艺。     

融合跳距修正与麻雀搜索的改进DV-Hop算法

针对WSN节点定位中DV-Hop算法存在较大定位误差的问题,深入分析产生误差的原因,提出了一种基于跳距改进和麻雀优化DV-Hop定位算法(ISSA-DH)。该算法首先通过通信半径细化精确跳数,并添加加权修正因子来降低平均跳距的误差;然后通过估计距离和实际距离的偏差量进一步加权修正跳距;再利用改进的麻雀算法取代最小二乘法,把无线传感器的定位问题转化为求解最优问题,进而得到未知节点的位置。通过仿真,在不同的条件下ISSA-DH算法较DV-Hop算法和改进算法（DCAI DV-Hop）定位误差平均下降50.3%、34.3%,证明ISSA-DH算法能够有效减少定位误差。     

基于路径搜索的配电网多端行波故障定位算法

配电网结构复杂,多为树形辐射状分布,馈线上分支多,且网络拓扑结构经常发生改变,传统的故障定位方法很难适用于配电网的准确故障定位.提出基于路径搜索的配电网多端行波故障定位算法,首先构建一种新的配电网关联矩阵,充分表达配电网的拓扑结构;然后提出路径搜索的方法,对各末端节点间的最短路径及所经过的线路进行排列;最后综合利用多端...     

分布式生成树中限制搜索半径的定位算法研究

在分布式生成树(DST)中,针对限制TTL的DST定位算法不能有效地降低搜索时间和网络带宽使用的问题,提出了一种基于搜索半径限制的定位算法,并给出了确定搜索半径的依据.在资源均匀分布的DST中,满足条件的搜索半径可以确保搜索请求以高概率成功定位到符合条件的资源,减少了网络带宽的使用,缩短了资源定位时间。通过数学分析和实验仿真,说明基于搜索半径限制定位算法的网络带宽使用和搜索时间与网络规模无关,算法的时间复杂度为常数阶,其性能优于限制TTL的DST定位算法。     

一种新的同步搜索方案──定位搜索法

在数据复用系统中，系统的帧同步搜索时间的长短和搜索方法实现的难易是衡量系统的数据复用方案和同步搜索性能优劣的重要参数。对帧同步码分散插入的复用系统，通常有串行搜索和并行搜索两种方法，但前者的搜索时间较长，后者的实现又较为复杂。现介绍一种新同步搜索方案──定位搜索法，该方案具有搜索时间短、实现方便的优点，适用于软件实现的帧码分散插入的复用方案的同步过程。同时给出了实例。     

基于改进果蝇优化算法的雷电定位研究

定位精度是评价雷电定位系统的重要指标之一,而定位算法直接关系到探测结果的精度。针对椭球面定位传统迭代算法易于发散等缺点,引入改进果蝇优化算法(MFOA)到雷电定位计算。文中给出了果蝇优化算法(FOA)的改进方法并利用MFOA进行雷电定位——通过不断缩小雷击点与探测点之间的距离误差,最终获得雷击点坐标。文章对MFOA进行仿真验证,并利用其进行雷击定位计算。结果表明:MFOA克服了传统定位算法易于发散及FOA易陷入局部极值等问题,收敛速度更快;通过MFOA求出的雷击点与实际雷击点相距362.4 m,满足雷电定位误差,验证了该方法的有效性,为雷电定位计算提供了一种新算法。     

基于麻雀搜索算法的区域微电网多目标协同优化调度

当前的区域微电网多目标协同优化调度矩阵一般为单向的处理形式,虽然能够实现简单的调度优化目标, 但是对于调度范围存在一定的限制,导致交互功率降低,为此提出对基于麻雀搜索算法的区域微电网多目标协同优化 调度方法的设计与验证分析.根据实际优化调度需求及标准的变化,先进行约束条件的设置,同时测算出对应的目标 函数.采用多阶的模式,扩大实际的调度范围,并设计多阶并网协同运行调度矩阵,以此为基础,构建麻雀搜索算法 下微电网协同优化调度模型,并采用横纵交叉的处理方式实现优化调度.经过６:００、１２:００、１８:００以及２４:００４个时 刻的调度研究,在麻雀搜索算法的辅助下,优化完成之后,微电网的交互功率逐渐保持平稳,并未出现较为明显的波 动,交互功率基本控制在７０kW 以下,说明此种调度优化方式的针对性较强,调度的效率较高,可以确保微电网在 运行的过程中保持平稳,具有实际的应用价值.     

基于RSSI的改进质心定位算法

为提高无线传感器网络三角形质心定位算法的精度,提出一种基于RSSI的改进质心定位算法.首先,分析传统基于RSSI的三角形质心定位模型,发现单个锚节点测距误差较大会导致盲节点的定位精度受到影响,因此采用4点进行定位来降低单个锚节点权重;其次,改进的质心定位算法选择根轴相交组成的区域作为定位参考区域,将该区域的质心位置作为待测盲节点位置;最后,采用仿真实验对比算法的精确度和稳定性,实验结果表明,相比于传统算法,改进算法定位精度更高,而且定位误差波动更小.     

基于SR-CKF的相对方位多机器人协同定位算法

针对单移动机器人在探索未知复杂环境时,存在鲁棒性较差、效率较低等问题以及现有多机器人协同定位算法实时性较差、数值不稳定和定位精度较差等缺陷,提出基于平方根容积卡尔曼滤波的相对方位多机器人协同定位算法。通过建立机器人运动方程和观测方程,利用相对方位作为测量值,进一步得到多机器人协同定位的动态模型。在更新过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度。仿真结果表明:相比基于相对方位的EKF、UKF协同定位算法,本文提出的协同定位算法均方根误差降低了87.04%和52.10%,运行时间比UKF协同定位算法减少了1.45%,表明该算法在协同定位性能上更优越。     

基于正交对立学习的改进麻雀搜索算法

针对麻雀搜索算法种群多样性少,局部搜索能力弱的问题,本文提出了基于正交对立学习的改进型麻雀搜索算法(OOLSSA)。首先,在算法中引入正态变异算子,丰富算法种群多样性;其次,利用对立学习策略,增强算法跳出局部最优的能力;然后,在加入者更新之后引入正交对立学习机制,加快算法的收敛速度;最后,基于15个基准测试函数与6个传统优化算法和2个改进型算法进行仿真实验、非参数Friedman检验以及算法平衡能力进行分析,评估OOLSSA算法寻优性能。仿真结果证明,OOLSSA与其余8种算法相比,算法的探索开发能力以及收敛速度都表现良好。     

基于改进麻雀搜索算法的微网容量优化配置

为得到微电网中各微电源的最佳容量配比,满足负荷的出力需求,本文针对含风光柴储的并网型微电网,以综合运行成本最低为目标函数,以分布式电源出力及污染物排放量为约束条件,建立容量优化配置模型。采用折射反向学习机制、差分变异交叉选择策略及动态步长因子改进标准麻雀搜索算法对模型进行求解,并与鲸鱼优化算法、差分算法、灰狼算法、麻雀搜索算法进行对比。选取宁夏地区两个典型日进行算例分析,所求成本较其他4种算法分别降低3.05%、4.12%、8.46%及1.13%。仿真结果表明所提模型具有合理性,且改进的SSA具有良好的寻优能力。     

WSN中基于改进麻雀搜索算法的多目标覆盖优化

针对无线传感器网络中(Wireless Sensor Networks, WSNs)节点随机部署造成覆盖不充分问题,提出了一种改进麻雀搜索-覆盖率增量(Improved Sparrow Search Algorithm - Increment of Coverage Ratio, ISSA-ICR)算法。首先,ISSA针对探索者向原点收敛的问题,改进探索者位置更新方式,避免算法陷入局部最优解;其次,在算法迭代阶段引入以迭代次数为自由度参数的 t 分布扰动以及探索者-追随者数量动态调整策略,平衡算法全局和局部搜索能力;再次,采用随机回归的越界处理策略,合理处理个体越界重定位问题,并确定节点待部署位置;最后,基于ICR策略构建节点调度优化模型以确定最终部署位置。仿真结果表明,与麻雀搜索算法、标准粒子群优化算法及自适应虚拟力扰动麻雀搜索算法相比,ISSA-ICR节点覆盖多目标优化算法分别提升了目标区域4.96%、8.81%及3.84%的覆盖率,使节点分布更均匀,同时减少了节点移动距离。     

基于反向变异麻雀搜索算法的微电网优化调度

针对麻雀搜索算法寻优过程中可能陷入局部最优,导致收敛速度下降的不足,提出一种反向变异麻雀搜索算法（TSSA）,利用反向学习策略对优势个体的选择和自适应t分布变异的扰动特性,改进算法的搜索能力。以综合运行成本最低为目标建立了微电网优化调度模型,利用反向变异麻雀搜索算法进行优化求解与分析。对比仿真实验结果表明此改进算法可行有效,且具有更好的全局搜索能力,在收敛速度、寻优精度和稳定性上优于多种算法,能为微电网调度提供合理建议,使微电网获得更佳的综合效益。     

麻雀搜索算法的 PMSM 固定时间无模型滑模控制

针对永磁同步电机(permanent magnet synchronous motors, PMSM)调速系统的易受外部负载扰动的影响,提出了一种基于改进麻雀搜索算法的PMSM固定时间无模型滑模控制策略。在转速环输入输出超局部模型的基础上构建了固定时间滑模速度控制器,设计了固定时间扰动观测器估计超局部模型的未知扰动,并通过前馈补偿的方式削弱未知扰动对调速系统带来的不利影响,提高调速系统的抗干扰能力,利用李雅普诺夫函数证明了速度控制器和观测器的固定时间收敛性。由于控制器参数较多且会影响系统性能,为了准确获取参数,提出了改进的麻雀搜索算法对控制器的参数进行优化。实验结果显示,本文提出的控制方案与PI控制相比较,有效解决了超调问题,稳定时间加快了22.8%,加载时转速变化减少了75%,表明本文提出控制方案的有效性。     

基于麻雀搜索算法改进的YOLOv7-ECA-SSA 模型的车辆检测

为解决复杂背景下小目标车辆检测存在的误检、漏检等现象,创新性提出一种改进YOLOv7网络的目标检测算法。首先,为解决小目标车辆存在次要信息干扰问题,将高效通道注意力(ECA)机制融于YOLOv7模型的主干网络特征层,通过自适应学习来增强目标区域信息权重占比,抑制无关信息;其次,为解决神经网络检测模型训练的超参数随机经验设定性问题,将麻雀搜索算法(SSA)对检测模型训练超参数进行优化,通过内外双循环迭代方式,快速收敛出全局最优学习率,进而得到最优组的权重信息,最终提高小目标车辆检测精度。实验结果表明,基于结构优化、超参数优化的YOLOv7-ECA-SSA检测模型在BDD100K数据集上的检测精度为79.01%,比原始模型提高了5.38%,具备更好的小目标车辆检测性能。     

基于ISSA优化SVM的变压器故障诊断研究

针对传统的变压器故障诊断方法准确率较低的问题,提出了改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化支持向量机(SVM)的变压器故障诊断方法。首先引入动态反向学习因子对种群进行优化选择以提高麻雀搜索算法(SSA)全局寻优能力,其次用ISSA优化SVM的核函数参数和惩罚系数,建立基于油中溶解气体分析(DGA)的ISSA算法优化SVM的故障诊断模型。然后采用核主成分分析法(KPCA)对故障数据进行非线性降维。将经过KPCA处理后的数据输入ISSA-SVM进行故障诊断。并与灰狼算法-支持向量机(GWO-SVM),粒子群算法-支持向量机(PSO-SVM)诊断结果进行对比。结果表明,ISSA-SVM故障诊断率为92%,比GWO-SVM, PSO-SVM,SSA-SVM分别提高了10.67%、8%、5.33%,可以更精准的预测变压器运行状态。     

基于改进麻雀搜索算法的大型海上风电场电缆布置优化

考虑多个设计变量和成本因素后,大型海上风电场电缆布置优化问题呈现出高复杂度特点。为此,提出一种基于改进麻雀搜索算法的电缆布置优化方法。首先,以电缆全寿命周期总成本为目标函数,考虑实际工程需求提出约束条件,建立电缆布置优化模型。然后,结合鸡群优化算法和Prim算法来改进麻雀搜索算法,对海上风电场的电缆连接拓扑、电缆型号和变电站位置同时进行优化。最后,进行实例分析,验证模型的可行性和改进算法的有效性。结果显示,全寿命周期模型可以全面评估电缆布置的经济性。相比于原算法,改进麻雀搜索算法的寻优能力有较大提升,且相对于文献中的改进算法具有结构简单、效率高和优化稳定性强的特点,适用于大型海上风电场电缆布置优化问题。