基于改进灰狼算法的啤酒灌装PID液位控制

目的 针对啤酒罐装液位控制存在的变负荷、多模态、PID参数整定难的问题,提出一种基于改进灰狼算法的PID参数整定方法,以提高啤酒生产的工作效率。方法 对灰狼算法进行改进,使用欧式距离变化率动态调整收敛因子,平衡算法的全局搜索能力;引入动态自适应权重因子,提高算法的优化速度和精度;与基本灰狼算法比较并用测试函数验证改进算法的性能。结果 仿真结果表明,改进后的灰狼算法在收敛速度和精度上提升效果显著;改进灰狼算法整定的PID参数的上升时间为1.9s,调节时间为5.12 s,超调量为3.78%。结论 与基本灰狼算法对比,改进灰狼算法对啤酒灌装液位PID参数进行整定,调节时间快,超调较小,可以更好地满足啤酒生产的控制要求。     

带爆炸算子的粒子群优化算法

粒子群优化算法(PSO)在应用中极易陷入局部最优并且后期收敛速度较慢。针对这两个问题,分析标准粒子群优化算法的收敛特性,利用粒子群算法的惯性权重来保证算法的全局寻优能力,提出的局部搜索策略是在两次迭代过程中粒子位置突变较大时融合爆炸算子提高粒子的局部开采能力,极大的改善算法后期的收敛速度。通过典型的函数优化实验验证,改进算法在寻优能力、寻优精度、收敛速度等方面都有较好性能。是平衡粒子探索和开采能力的高效算法。     

基于支持向量机和改进蚁群算法的移动机器人路径规划

针对传统蚁群算法(ACO)收敛速度慢、全局搜索能力不佳、易陷入局部最优、路径不光滑及不安全等缺点,本文提出一种将改进的蚁群算法和非线性支持向量机(SVM)结合的移动机器人路径规划算法。对传统蚁群算法引入两个角度信息,增加算法的朝向性,克服局部最优问题;信息素挥发因子随迭代次数自适应调整,加快全局搜索能力和收敛速度。在此基础上结合高斯径向基核最小二乘支持向量机,采用提出的改进蚁群算法获得支持向量机的惩罚系数和核函数宽度,利用径向基核函数和决策函数在改进蚁群算法的路径转向位置处训练优化,得到平滑及安全的路径。仿真结果表明,提出的算法不但可以有效提高收敛速度和精度,而且使得路径光滑且安全。     

基于改进萤火虫算法的有限元模型修正

针对标准萤火虫算法后期收敛速度慢、收敛精度低、易陷入局部最优解的问题,提出了参数自适应策略的改进萤火虫算法,建立了基于改进萤火虫算法的有限元模型修正方法。通过隔代随机吸引度因子扩大了算法搜索路径,提升了算法遍历性,避免计算陷入局部最优;通过自适应步长因子使得算法寻优过程中能随迭代次数逐渐减少随机搜索范围,从而提高收敛速度。单、多峰测试函数计算结果表明,改进算法显著提高了收敛速率与收敛精度;简支梁数值算例与某刚构桥实桥有限元模型修正结果表明,简支梁参数最大误差由初始的66.7%降低至修正后的1.08%,刚构桥频率最大误差由14.47%降低至3.25%。所提方法具有良好的更新精度,适用于大型复杂结构的有限元模型修正。     

包装生产线的操作臂轨迹规划的一种优化方法

目的 为提高仓库存储、包装生产领域操作臂运动效率,提出一种基于混合优化的鲸鱼算法（MAIWOA）来求解操作臂始末2点运动过程中时间最优值。方法 首先是通过混沌算法优化初始化种群;其次,提出一种对勾函数和包围收缩学习机制来帮助算法跳出局部收敛;然后利用改进的反向树形拓扑结构来提高种群探索的多样性;采取改进收敛因子和自适应权重机制来平衡前中期的全局探索能力和后期的收敛性。结果 该算法在收敛速度和收敛精度上均有可观的提升。将该算法应用到五次多项式插值关节运动时间最优求解上取得了很好的效果,关节1、2、3的运动时间由20 s分别缩减到了9.642 5、9.2515、10.787s,效率分别提高了51.79%、53.74%、46.07%。结论 将MAIWOA应用到一般性操作臂轨迹规划上,可提高生产线上操作臂的执行效率。     

基于粒子群遗传算法的泊车系统路径规划研究

针对智能停车库自动导引运输车(automated guided vehicle,AGV)存取车路径规划问题,提出了一种基于粒子群和遗传算法的动态自适应混合算法.在标准粒子群算法和遗传算法的基础上,通过引入动态自适应调整策略分别对惯性权重系数、学习因子以及交叉变异概率公式进行了优化.在进化初期,通过在惯性权重系数和学习因子之间建立动态联动关系来实现对粒子速度和位置的实时有效更新;在进化后期,通过引入自适应遗传算法的交叉、变异操作来增强混合算法的全局搜索能力,提高算法的进化速度和收敛精度.为验证混合算法的可行性和有效性,选用MATLAB软件对其进行仿真测试.仿真测试结果显示,与禁忌搜索算法、蚁群算法以及遗传算法相比,混合算法表现出较强的全局搜索能力和较好的收敛性能,表明混合算法可行和有效.     

基于改进狮群算法的汽轮机热耗率模型预测

针对汽轮机热消耗率模型难以精准预测的问题,提出一种基于改进的狮群算法和快速学习网综合建模的方法。首先,针对传统狮群算法易早熟收敛以及在迭代后期寻优速度缓慢导致算法陷入局部最优的缺陷,通过引入禁忌搜索、非线性扰动因子以及黄金正弦策略进行改进;其次,对改进后的狮群算法进行数值验证,结果证明其具有更高的收敛精度和收敛速度;最后,采用某热电厂汽轮机的运行数据建立汽轮机热消耗率预测模型,并将改进狮群算法优化的快速学习网对其进行热耗率预测,将实验结果与其他优化策略进行对比验证,实验结果表明,基于改进狮群算法的快速学习网预测模型具有更高的泛化能力,提高了汽轮机热耗率的预测精度。     

求解约束优化问题的改进布谷鸟搜索算法

为了提高约束优化问题的求解精度和收敛速度,提出求解约束优化问题的改进布谷鸟搜索算法。首先分析了基本布谷鸟搜索算法全局搜索和局部搜索过程中的不足,对其中全局搜索和局部搜索迭代公式进行重新定义,然后以一定概率在最优解附近进行搜索。对12个标准约束优化问题和4个工程约束优化问题进行测试并与多种算法进行对比,实验结果和统计分析表明所提算法在求解约束优化问题上具有较强的优越性。     

基于改进Jaya算法和组合相关函数的结构损伤识别

针对Jaya算法计算精度差、收敛速度慢、易陷入局部最优而提前收敛等问题，为提高算法的性能，引入Hammersley序列初始化、Lévy飞行搜索、经验学习策略得到改进Jaya算法。计算加速度响应互相关函数的所有组合，得到组合相关函数，在此基础上提出基于改进Jaya算法和组合相关函数的结构损伤识别方法。利用随机激励下多自由度体系模型验证该识别方法的有效性，并讨论不同的优化算法、噪声等级、采样频率、采样时间、数据点数、传感器数量、模型误差等因素对识别结果的影响。研究结果表明：与遗传算法和Jaya算法相比，改进Jaya算法可以更好地平衡全局搜索和局部搜索，加快收敛速度，提高识别精度；改进Jaya算法和组合相关函数的损伤识别方法在20%噪声下仍然可以准确识别结构刚度损伤位置和程度。     

基于IALO算法的蓄电池参数辨识

合理的等效电路模型及准确的模型参数对蓄电池荷电状态(SOC)的准确估计具有重要影响。针对蓄电池三阶Thevenin等效电路模型,基于改进蚁狮优化算法,提出了一种模型参数辨识方法。引入混沌Logistic映射初始化,使初始化群体遍及解空间,有利于寻找全局最优解;引入自适应惯性权重加随机柯西变异策略,有效提高了算法收敛速度;引入精英反向学习策略,有效提高了群体的多样性,避免算法陷入局部最优解。5个测试函数的测试结果表明:相比于蚁狮优化算法、粒子群算法与樽海鞘优化算法,改进蚁狮优化算法收敛速度更快,精度更高。对蓄电池三阶Thevenin等效电路模型进行参数辨识,结果表明:改进蚁狮优化算法相比蚁狮优化算法具有更高的辨识精度。     

多根非线性方程组求解的探路者灰狼算法

针对传统算法在多根非线性方程组求解时依赖初始值的选定,求解个数不完全,求解精度不高的问题,提出了一种结合探路者算法的灰狼优化算法 (PGWO)。由于灰狼优化算法存在后期收敛速度慢等问题,结合了探路者算法,根据探路者中跟随者的更新机制对灰狼个体的位置进行改变,进而平衡算法的全局搜索和局部搜索能力。通过 9 组多根非线性方程组的仿真实验结果和其他群智能算法进行比较,实验结果表明 PGWO 算法提高了多根非线性方程组求解的精度,在求解个数上得到明显提升,进而说明了算法的有效性。     

螺旋式布料机输送量的精确预测

目的 针对预制构件所需布料机输送的混凝土质量问题,以螺旋输送量预测为目标,构建一种以工艺因素和结构因素为输入量的改进灰狼算法优化BP神经网络的输送量预测模型。方法 通过EDEM对布料机输送过程进行仿真模拟,把输送速率和平均质量流率作为正交实验的2种评价标准,并用极差法和矩阵分析法求出螺旋布料机各因素对两标准的影响顺序,并通过混沌种群初始化、步长更新公式及自适应收敛因子的方法改进灰狼算法收敛速度慢和限于局部最优解的问题。结果 通过改进灰狼算法优化BP神经网络的权值和阈值,优化后的输送量预测结果的平均绝对百分误差为8%、决定系数为0.95,比其他实验对比组的输送量模型预测值误差更小。结论 研究可为预制构件的定量布料提供混凝土设定目标值。     

基于改进蝗虫优化算法的光伏电池模型参数辨识

针对蝗虫优化算法容易陷入局部最优、收敛精度不足等缺点,提出一种改进蝗虫优化算法。将混沌算法与蝗虫优化算法融合,对蝗虫优化算法进行混沌初始化,改善初始种群质量;再引入差分进化算法的差分策略,通过变异、交叉和选择过程,维持种群的多样性,增大算法跳出局部最优的可能性,从而使算法能搜索到更好的解;在个体更新部分引入了粒子群算法的思想,以当前的最优个体为目标进行个体位置更新,加快算法寻优速度。将改进蝗虫优化算法用于多晶硅太阳能电池模型参数的辨识中,并通过与其它智能优化算法的比较,验证了改进蝗虫算法辨识太阳能电池参数的有效性和优越性。通过实验验证了改进蝗虫优化算法在不同光照下对太阳能电池参数的辨识效果。     

改进樽海鞘群优化K-means算法的图像分割

目的 针对樽海鞘群算法寻优精度低、易陷入到局部最优,以及K-means算法进行图像分割容易被初始聚类中心干扰等缺点,提出改进樽海鞘群优化K-means算法的图像分割。方法 首先利用Circle映射来对樽海鞘种群进行初始化;其次引入莱维飞行到领导者和追随者位置更新公式中,使得樽海鞘种群的多样性得到提高,克服算法陷入到局部最优。最后,对改进樽海鞘群算法先采用8个基准函数进行性能测试;再将改进樽海鞘群算法优化K-means进行图像分割。结果 改进算法在寻优精度、稳定性、收敛速度以及跳出局部最优的本领得到了提高。同时,改进樽海鞘群优化K-means算法进行图像分割,有效地提高了图像分割质量。结论 改进算法改善了原始樽海鞘群算法的寻优精度低、易陷入到局部最优的缺点,很好地优化了K-means算法对图像进行准确分割,在图像分割领域具有一定的参考意义。     

分散式自适应主动隔振控制算法研究

针对主动隔振中次级通道耦合会影响传统FXLMS算法稳定性问题,提出一种分散式解耦优化控制算法。主要是更新控制滤波器系数时忽略作动器与非临近传感器间的耦合,将多通道控制系统简化为多个并联的单通道控制系统,能降低算法运算量。但在一定程度上也会降低系统的收敛速度,为此,在辨识矩阵的估计模型中引入了作动器与非临近传感器之间的反馈补偿因子。仿真和试验结果表明,该算法可有效降低运算量,提高收敛速度和控制精度,双频线谱激励控制效果显著,振动衰减分别可达24.5 dB和12.4 dB。