基于多策略改进蜣螂算法优化的变压器故障诊断

为了保证油浸式变压器故障诊断的可靠性,提出了一种基于多策略改进蜣螂算法(multi-strategy improved dung beetle optimizer, MIDBO)优化双向长短时记忆网络(bi-directional long short-term memory, BiLSTM)的变压器故障诊断方法。由于蜣螂算法存在全局搜索能力较差、容易陷入局部最优解的缺点,首先通过Bernoulli混沌映射、引入自适应因子和Levy飞行策略融合动态权重系数进行改进,并对其性能进行评估。然后针对BiLSTM的诸多超参数利用MIDBO进行优化,形成MIDBO-BiLSTM故障诊断模型。通过核主成分分析(kernel principal component analysis, KPCA)提取特征值,进而深入分析特征值与故障类型之间的关联性,提高模型的收敛速度。最终实验结果表明所提出的MIDBO-BiLSTM变压器故障诊断方法准确率高、泛化能力强。其准确率高达94.67%,适用于变压器的故障诊断。     

面向特征选择任务的改进蜣螂优化算法

蜣螂优化算法是一种基于蜣螂不同行为模式的新型启发式算法,与其他算法相比的收敛速度更快,逃脱局部最优的能力更强。针对蜣螂优化算法不能进行特征选择的问题,在蜣螂优化算法的基础上提出了蜣螂灰狼融合算法。该算法基于3种改进策略：精英初始化种群策略、灰狼蜣螂融合策略、运行加速策略,进一步提高蜣螂优化算法在特征选择任务上的性能,并给出了算法整体的伪代码。实验结果表明,比较其他改进型启发式算法,蜣螂灰狼融合优化算法在12个分类数据集中能够得到更高精度、更低维度的特征子集,同时兼备收敛速度、运行速度更快的优点。     

基于改进蜣螂算法的微电网优化调度研究

为了协调微电网中各分布式电源的出力,以达到微电网综合运行成本最小的目的,构建了包含风电、光伏、柴油发电机、微型燃汽轮机、燃料电池及蓄电池的微电网优化调度模型。为了克服蜣螂算法(DBO)随机初始化生成的种群个体质量不高和求解高维问题时容易陷入局部最优的缺点,将反向学习策略和自适应t分布变异运用到蜣螂算法中,提出了一种改进的蜣螂算法(IDBO),将IDBO、DBO、灰狼算法及蝙蝠算法运用到所建立的微电网优化调度模型中,并对求解结果进行分析。研究发现,在收敛速度、收敛精度和稳定性方面,IDBO均优于其他三种算法。同时,按照IDBO所求得的分布式电源出力方案,可降低微电网的综合运行成本,证明了算法改进的有效性。     

改进蚁群算法求解移动机器人路径规划

在全局静态环境下,提出一种改进蚁群算法,解决传统蚁群算法用于路径规划出现的收敛速性差、局部最优和求解质量差等不足。该算法引入障碍物排斥权重和新的启发因子到路径选择概率中,提高避障能力,增加路径选择的多样性;然后,设置局部信息素的阈值和限定范围更新局部信息素,采用交叉操作获取新路径,引入最优解和最差解,改变全局信息素的更新方式,提高全局搜索能力和解的质量,避免算法陷入局部最优。仿真结果表明,该算法能有效获得最优路径,在长度上比蚁群算法及其他算法分别减少了18%、5.7%和11%,算法迭代次数及运行时间都有所降低,提高了收敛速度和搜索能力。     

基于混沌搜索策略蝙蝠算法的输电网规划

针对输电网规划求解中存在变量多、维数高、约束条件复杂等导致难以求得全局最优解的问题,将蝙蝠算法应用于输电网规划求解当中。为避免原算法精度低、易陷入局部最优的缺点,提出在原算法基础上,通过逻辑自映射函数产生混沌序列对蝙蝠前n%适应度最优个体进行混沌优化,并建立计及线路建设费用、网损费用、输电线路走廊建设费用、N及N-1约束条件下的过负荷惩罚费用为目标函数的输电网规划模型。最终通过Matlab软件对IEEE-18和巴西南部46节点标准算例编程计算,结果验证了新算法在求解大维度输电网规划模型的可行性及高效性。     

改进QPSO和Morphin算法下移动机器人混合路径规划

为了提高机器人在复杂环境下路径规划的能力,提出了一种基于改进量子粒子群优化算法(QPSO)和Morphin算法的混合路径规划方法。利用栅格地图建立环境模型并确定起始点和目标点,通过引入自适应局部搜索策略和交叉操作对QPSO进行改进规划出一条最优的全局路径,机器人根据全局路径行走,当发现未知静态或动态障碍物立即调用Morphin算法进行局部路径规划,避开障碍物后回到原全局路径上继续行走至目标点。该混合路径规划方法的有效性和可行性通过Matlab仿真和实际应用得到很好地验证。     

基于改进 Dijkstra算法的机器人路径规划研究

针对传统 Dijkstra算法搜索时间长、计算复杂度高等问题,文章提出一种有效的改进路径的算法.首先采用 MATLABRoboticToolbox,根据 DenavitＧHartenberg (DＧH)参数建立平面机器人操作臂模型,并利用 MonteCarlo (蒙特卡洛)点云建立避障工作空间。其次,通过改进 Dijkstra算法在点云空间进行路径规划,并进行仿真实验。实验验证了该算法具有空间占用小、路径规划短、搜序效率高等优势。     

基于改进A∗算法的仓库物料车路径规划

生产实践证明,高效率的企业生产离不开生产物流的支持.仓库内的物料配送是生产物流系统的重要组成 部分,由于仓库内部复杂的障碍环境,往往难以合理规划其配送路线.如果能够合理规划仓库内的配送路线,就可以 提高配送环节的效率,有助于提高生产效率.以改进的A?算法在仓库物料配送路径规划中的应用为研究对象,首先 分析仓库物料配送路径规划的环境,其次采用栅格法模拟仓库下的环境,完成对障碍物环境下的配送仿真实验.分析 A?算法的搜索原理,并通过融合改进的A?算法与动态窗口(Dynamicwindowapproach,DWA)算法,设计融合算 法,改进后的融合算法将具有更优秀的路径规划能力,在仓库复杂环境下物料配送的路径规划更合理.MATLAB ２０１８b仿真环境下的对比实验表明,融合算法能有效减小搜索范围,提升搜索效率,同时也能合理规避静态障碍物和 动态障碍物,从而获得更优秀的路径规划效果.     

基于混合粒子群算法的在线检测路径规划

针对加工中心在线检测中的路径规划问题,采用基于全局规划与局部优化相结合的策略,将光学寻优算法、遗传算法、混沌优化与基本粒子群算法结合,提出了一种新型混合离散粒子群算法,并将其用于检测路径的全局规划。首先简述了在线检测路径规划的原理及检测数据的获取,然后介绍了混合粒子群算法的原理、步骤及其流程,最后对算法进行了仿真研究,并且与蚁群算法进行了对比分析。经仿真验证,该算法具有搜索精度高、收敛速度快、稳定性好等优点,有较好的实际应用价值。     

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。     

基于视觉的自主机器人障碍识别与路径规划

障碍物的识别与行走路径的规划是机器人实现自主移动的必要手段。本文基于深度相机提出一种由深度连续性与彩色特征点融合的障碍识别方法,通过深度相机获取物体的空间位置信息,映射到已有的地图中,构建障碍物空间。又提出一种PRM-D*的路径规划方法,先使用改进的随机概率路线图(PRM)完成整体路径规划工作,再根据相机识别的障碍物,设置局部地图,使用基于图搜索的D*算法进行局部动态规划,完成动态避障任务。通过实验,所提障碍物识别方法即使在昏暗的室内环境中,其对障碍物的检测准确率也大于80%,常规环境检测准确率高于95%,具有较好的鲁棒性与实时性;PRM-D*的路径规划方法在缩短总体规划时间的同时,确保了路径规划的成功率,单次动态规划时间小于0.02 s,具有良好的动态避障性能。     

改进萤火虫算法在路径规划中的应用

为了保证移动机器人路径规划的解的多样性,提出了小生境萤火虫算法(NFA)。首先,根据环境特点,建立合理的路径规划模型,将萤火虫算法(FA)的目标函数设置为移动步数,并重新设计了亮度公式、初始化方式和萤火虫移动方式;其次,在FA的基础上,引入小生境技术,并在小生境种群间加入共享信息。仿真实验表明,NFA一次运行可得到多个最优路径。相比FA,NFA的移动步数和目标函数均值分别减少了7.14%、6.76%,萤火虫亮度均值增加了8.33%;相比GA,NFA的移动步数和目标函数均值分别减少了7.14%、9.79%。结果表明NFA在算法性能上更优。     

基于改进学生心理优化算法的无人机路径规划

针对标准学生心理优化算法(student psychology based optimization,SPBO)在解决无人机路径规划中遇到的搜索能 力欠缺、陷入局部最优等问题,提出一种改进学生心理优化算法的无人机三维路径规划。首先,为增强无人机的局部搜索能 力,引入人为划分小组和分层学习方式,对学生心理优化算法中的学生群体进行更新处理。其次,为解决无人机陷入局部最 优问题,借鉴蜜獾算法(honey badger algorithm,HBA)中的挖掘搜索机制来跳出局部搜索。最后,通过 MATLAB仿真实验 结果表明,改进学生心理优化算法(ISPBO)的平均路径长度减少了0.1275 km、代价平均值降低了1.94%和标准差减少了84.07%,验证了ISPBO具有更强的寻优能力和更好的稳定性。     

融合三步平滑与改进RRT算法的无人机路径规划

为解决路径规划领域中原始RRT所具有规划时间长、路径不平滑、路径代价大的缺点,本文先在原始RRT算法的基础上加入了动态步长策略以及嵌入了Dijkstra算法对效率进行改进,然后在得到的路径上分别加入下样本平滑、上样本平滑和关键点平滑对路径平滑度和路径代价进行改进。MATLAB实验表明,本文算法在规划时间上较传统RRT提升45%左右,较Astar、RRTstar、GA算法有着分别30%～70%不等的领先;在路径长度方面,本文算法较传统RRT有着近40%的提升,相较其他算法也有着不同程度的领先。由此可以得出,本文所提方法,可以较好地应用于路径规划。     

基于ISMA的多点遍历路径规划方法

针对移动机器人在遍历多目标点的路径规划中存在路径较长且不平滑等问题,本文提出一种基于ISMA的多点遍历路径规划方法。首先,结合Singer映射和小孔成像反向学习策略改进标准黏菌算法(SMA);然后初步构建地图,使用ISMA规划路径,以确定三角网格最大边长的最优值;最后,基于三角网格最大边长的最优值重新构建三角网格地图,使用ISMA生成路径,并通过B样条函数对路径进行光滑处理,提升路径平滑度。基准函数测试结果表明,ISMA收敛速度更快,寻优精度更高。三角网格地图上的路径规划实验表明：ISMA规划的路径长度和平滑度明显优于SMA、SSA和WOA,与SMA、SSA和WOA相比,在较复杂的场景中ISMA生成路径的长度依次减少了6.31%、18.76%和19.74%,验证了ISMA方法的有效性。     

改进A*算法的移动机器人全局路径规划

针对A*算法在移动机器人路径规划存在搜索效率低,路径斜穿障碍物顶点,路径拐弯多等问题。提出一种改进的A*算法,首先在A*算法的邻域扩展中采用避免斜穿障碍物顶点的策略;再引入障碍物因素对评价函数进行指数加权,减少不必要的搜索,提高A*算法的效率和灵活性,使算法偏向于选择障碍物较少的路径;最后使用三次优化折线的策略,加入障碍物安全距离,减少路径上的冗余节点和拐弯。使用MATLAB进行实验仿真,结果表明,在20 m×20 m、40 m×40 m、60 m×60 m栅格地图环境下,改进A*算法较传统A*算法,搜索时间分别减少70.12%、84.31%、91.44%,扩展节点分别减少53.77%、71.20%、74.30%,路径累计拐弯角度分别减少70.48%、76.31%、82.18%,改进A*算法能够有效的提高移动机器人路径规划的效率,路径更为平滑和安全,且在复杂环境中优势更为明显。     

基于改进蛇优化算法的无人机路径规划研究

为提高无人机在复杂山区环境中飞行的可靠性和安全性,提出了一种改进蛇优化算法的无人机路径规划方法。首 先,结合数字高程信息和复杂地形威胁构建了无人机环境模型和山峰威胁模型;其次,提出改进蛇优化算法,将传统蛇优化算 法与元胞自动机进行融合用于无人机路径规划,并引入小生境技术和最优局部抖动,避免算法陷入局部最优,提高全局搜索 能力;最后,在3种场景下进行仿真实验验证所提方法的有效性。实验结果表明,所提方法在3种复杂场景下平均路径长度分 别为2.201、1.801 和2.187 km, 平均收敛时间为14.8、13.9和14.9 s, 与其他路径规划算法相比具有良好的优越性,且所生 成的路径对真实无人机运行具有良好的实际效果。     

基于改进A*算法的无人机路径规划研究

针对传统A*算法在无人机路径规划时效率低下、路径点存在大量冗余,且路径转折较多的缺点,提出一种基于双向机制的改进A*算法。首先引入双向搜索机制,分别以对向搜索的起点作为终点,然后判断终点位于起点的象限进行双定向搜索,从而提高搜索效率。最后引入路径平滑策略,将双定向搜索获取的初始路径进行平滑处理,减少冗余路径点和转折点。通过MATLAB平台对传统A*算法和改进A*算法进行对比实验,实验结果表明,相比于传统A*算法,提出的改进A*算法,路径规划时间平均减少了61.61%,路径点平均减少了83.09%,路径转折点平均减少了46.97%,能够有效提高无人机工作效率,生成平滑路径。