基于改进狼群算法的AGV路径规划

针对自动引导小车(automated guided vehicle, AGV)全局最优路径的求解问题,文章利用栅格法对环境进行建模,提出一种基于改进狼群算法(improved wolf pack algorithm, IWPA)的AGV路径规划方法。该算法采用混沌映射形成初始种群,增加种群多样性;对探狼游走行为引入随机策略,扩大搜索范围;对头狼的选择引入Metropolis准则,增强算法跳出局部最优能力;改进猛狼奔袭策略,提高算法后期寻优效率。通过8个典型测试函数的仿真实验结果表明,改进的算法在寻优速度和精度上均有较大的提高。将改进的算法应用于路径规划仿真实验,结果表明,相比于传统狼群算法,改进的狼群算法在解决AGV路径规划问题上更有效。     

基于改进狼群算法的移动机器人路径规划

为了获取机器人全局最优路径,文章提出一种基于改进的狼群算法移动机器人路径规划。首先运用栅格法对机器人环境进行建模;然后提出一种改进的狼群算法,该算法提出并行游走机制,进一步提高探狼的局部搜索能力;构建智能奔袭行为,提高猛狼自适应调节能力;提出向心围攻策略,使得算法收敛到全局最优。6类测试函数的仿真结果表明,改进的算法在局部搜索能力和自适应调节能力更强、收敛精度更高、收敛速度更快。移动机器人路径规划的仿真实验所涉及到的参数较多,文章利用Taguchi方法的三因素三水平正交试验法选取了最佳的参数组合。最后将改进的狼群算法和狼群算法都进行路径规划的仿真实验,结果表明,改进的算法在解决机器人路径规划问题上更有效。     

基于高斯过程和改进教与学优化算法的甲醇合成转化率软测量

针对高斯过程软测量建模过程中,常用的共轭梯度法难以完成高维协方差矩阵的超参数确定等问题,引入了教与学优化算法(TLBO)对高斯过程的训练过程进行了优化,提高了模型训练速度。并对基本的教与学优化算法做出了相应的改进:一是改进了算法的"学生阶段";二是增加了"课外阅读阶段",提高了算法的性能。将这一建模方法应用于甲醇合成转化率测量中,结果表明,该方法具有较好的估计精度。     

基于改进蚁群算法的HMM参数估计

针对隐马尔可夫模型(HMM)的传统参数估计方法容易陷入局部最优,对初始参数值要求较高且会出现过耦合现象,为了提高模型的鲁棒性和识别性能,提出一种基于改进蚁群算法的HMM参数训练估算法(HMM-ACO).该算法根据信息素的变化实现全局搜索,较好地解决了迭代算法易发生的局部陷阱问题.与其他全局优化算法相比,该算法识别精度有较大提高.实验表明,利用HMM-ACO算法训练的隐马尔可夫模型具有较好的分类识别性能.     

基于改进狼群算法的多机协同目标分配研究

为充分发挥战机集群整体作战优势以得到最优目标分配方案,采用改进狼群算法对战场态势模型进行求解.通过保证算法的寻优效率,引入次头狼概念对狼群的召唤与围攻行为做出改进,并对狼群算法的更新机制做出了优化,提高算法的全局寻优能力.仿真结果表明,所提方法能快速准确地寻找到最优目标函数值,且在一定程度上改善了传统狼群算法易陷入局部...     

基于改进狼群算法的边坡极限平衡稳定性分析方法研究

危险滑面的确定与安全系数计算是岩土工程边坡稳定性分析中的经典问题,搜索效率与稳定性系数精度的好坏直接关系到边坡稳定的准确把握与工程决策.首先基于边坡数值模拟计算的应力场,对经典的狼群算法进行改进,采用Python语言编程实现了一种新滑面搜索方法,有效解决了传统搜索方法易陷入局部极限值的缺点,并且可以搜索非圆弧滑面.然后借助一个经典算例和一个工程算例,对方法的可靠性进行了验证与分析.结果表明：改进狼群滑面搜索算法能够轻松高效地得到边坡的最危险滑移面和最小安全系数,潜在滑面与工程推测的滑弧非常接近,相较于传统算法,具有较高的收敛精度和可靠性.研究结果可为边坡稳定性分析提供新的思路和方法.     

基于自适应步长和莱维飞行策略的改进狼群算法

群智能启发算法在解决大规模分布式问题方面有许多优势。针对传统狼群算法易陷入局部最优和精度不高等缺陷,笔者在分析狼群特点的基础上,提出一种基于自适应性步长和莱维飞行搜索策略的改进狼群算法。首先,通过自适应步长的合理变化,提高搜索精度;其次,采用莱维飞行的搜索策略,在算法后期扩大搜索范围,提高算法的全局搜索能力。最后,为了验证该算法性能,通过仿真实验和实际案例进行了测试,与其他改进方法进行比较。测试结果表明,所提出的改进狼群算法在收敛速度、精度及稳定性方面都有明显优势。     

基于改进狼群算法的井下排水采气超声速喷嘴优化

相比于超声速喷嘴,传统板孔喷嘴雾化效果不佳、携液能力不强。采用改进狼群优化算法,利用计算流体力学数值模拟,对超声速喷嘴的外形进行了优化设计,以期提高井下排水采气效率。研究结果表明,改进狼群优化算法,具有高效的全局寻优能力。优化后的超声速喷嘴喉部靠后,扩张段曲率增大,产生的高强度正激波,能够增强气流中液滴流动的不平衡性,提高喷嘴的雾化效果,加速后的气流具有更好的携液能力,对于气动法排水采气具有一定的工程指导价值。     

基于WVD改进算法的跳频信号参数估计

针对平滑伪维格纳分布(SPWVD：Smoothed Pseudo Wigner Ville Distribution)在跳频信号参数估计中存在的分辨率下降和运算量过大等问题,提出基于STFT(Short-Time Fourier Transform)与WVD(Wigner-Ville Distribution)的联合算法(STFT-WVD),实现了跳频周期、跳变时刻和跳频频率等参数的盲估计。在参数估计的过程中,STFT WVD算法有效地抑制了WVD的交叉干扰项,保持了WVD较高的时频分辨率,在运算量上和WVD相近,没有增加运算的复杂程度。仿真实验证明,STFT-WVD比SPWVD具有更好的整体性能,在信噪比优于－1 dB时,能得到更为精准的估计值。     

基于改进粒子群优化算法的混沌系统参数估计

提出了一种改进的粒子群优化算法用于解决混沌系统的参数估计问题,从粒子种群的初始化、惯性权重调整策略、差分变异进化、粒子位置与飞行速度的越界处理、局部变尺度深度搜索5个方面对标准粒子群算法进行综合改进,合理有效平衡了算法的全局探索能力与局部开发能力.基准函数测试表明了该算法的全局搜索能力、可靠性及搜索速度都有很大改善,有效克服了标准粒子群算法的早熟收敛现象.以Lorenz混沌系统为例进行仿真实验,结果验证了所提方法的有效性.     

基于改进微粒群算法的非线性系统模型参数估计

将改进微粒群优化算法用于非线性系统模型参数估计,并通过对三种典型的非线性系统模型参数估计进行验证。实验结果表明:改进微粒群优化算法参数估计精度高,是一种有效的参数估计方法。     

基于狼群算法的轮毂电机故障诊断方法

针对电动汽车复杂多变的行驶工况及轮毂电机特殊的运行环境极易影响车辆行驶安全的问题,研究一种有效的轮毂电机故障诊断方法非常重要.由于单一特征参数传递的信息往往具有局限性,提出了一种基于狼群算法的多特征参数融合诊断方法.基于常见的故障诊断用特征参数在轮毂电机不同运行状态下Weibull分布的重合程度,选取多个灵敏度高的特征参数,然后通过狼群算法对多个特征参数融合,最后根据多特征参数融合信息的Weibull分布诊断其是否有故障及故障程度.搭建了轮毂电机漏电故障试验系统,进行了漏电故障试验.结果表明,基于狼群算法的多特征参数融合诊断方法可以有效识别区分轮毂电机的电气故障.     

基于改进EM算法的分布式MIMO系统联合参数估计

鉴于采用最大似然算法估计分布式多天线系统的信道增益与频偏存在多维优化使计算复杂度高的缺陷,以及采用期望最大化（EM）算法存在收敛速度慢、对初值依赖性大的不足,而期望条件最大化（ECM）算法用一系列计算简单的CM步来代替一个复杂的M步,弱化了初值对收敛性的影响.综合考虑ECM算法与最大似然（ML）估计算法来优化EM的收敛过程,提出了一种高效稳定的EM算法.该算法在CM步取得频偏的更新值后,通过ML的结果来更新信道增益.仿真结果表明：该算法对初值的依赖性较低、计算简单且稳定性高,结合空间选择期望最大化（SAGE）方法后能大幅提高收敛速度,且所得估计值的均方误差（MSE）能够逼近Cramer-Rao界（CRB）.     

甲醇合成塔管板有限元分析及优化

借助ANSYS软件,对甲醇合成塔的7种工况进行应力分析和安全评定,并通过改变管板与壳体连接过渡圆角对管板进行优化分析.结果表明,最大等效应力均出现在几何形状不连续处;热应力是影响管板应力的主要应力,由于热应力的影响,含温度载荷的工况等效应力数值较大;对7种工况进行应力评定,评定结果均为合格;并针对工况5通过改变过渡圆角半径进行优化,明显改善了管板的应力分布状况.所得结论对甲醇合成塔的应力评定和优化分析有一定的参考价值.     

基于改进莱维飞行的狼群算法及其在翼型气动优化设计中的应用

智能种群算法在翼型气动优化领域获得越来越多的关注。提出了一种基于改进莱维飞行的狼群算法,并对其寻优性能进行了测试和验证。为平衡算法的局部搜索和全局搜索能力,将局部搜索性能强但易早熟的狼群算法与莱维飞行相结合,在增加收敛速度的同时,保证算法的全局搜索能力。为克服原始莱维飞行效率低、精度差的缺陷,引入高斯核函数自适应调节莱维飞行的搜索步长,以增加其搜索效率;引入四元法,以增加其搜索精度;通过标准测试函数和标准翼型气动优化设计算例验证,表明改进算法在优化效率和全局寻优能力方面均优于原始算法。     

基于改进差分进化算法的超临界水氧化动力学参数估计

为了准确地估计反应动力学参数,提出一种改进差分进化算法(MDE),能根据算法搜索进展情况而自适应地确定变异率,使算法在初期保持个体的多样性,避免早熟;在后期逐步降低变异率,保留优良信息,避免最优解遭到破坏,增加搜索到全局最优值的概率。与传统的差分进化算法(DE)相比较,MDE算法的离线性能和在线性能都有较大的改进,搜索到全局最优解的概率获得较大提高,对算法参数的敏感性低。将MDE算法应用于2-氯苯酚在超临界水中氧化反应动力学参数的估算,获得模型的拟合相对误差绝对值之和比文献报道值降低了14.2%。     

基于改进蜂群算法的项目反应理论混合模型参数估计

基于混合项目反应理论模型, 实现了对客观题组和主观测试组成项目结构的模型构建, 并给出一种改进人工蜂群算法实现该混合模型的参数估计. 在模拟数据上通过与Winbug的对比结果验证了利用改进人工蜂群算法估计混合模型参数的有效性.     

基于空间交替广义期望最大化算法的信道参数估计的改进

在大规模多输入多输出(multiple-input multiple-output, MIMO)系统中,空间交替广义期望最大化(space-alternating generalized expectation-maximization, SAGE)算法可以精准有效地估计出信道参数信息,从而被广泛使用。针对SAGE算法两种初始化方法均无法处理信道中多条径的时延相等或接近时,低功率径无法估计出来的情况,提出了一种在估计子径时将功率低于一定阈值的径作为噪声消除掉的SAGE优化方法。在仿真阶段,首先对SAGE算法的两种初始化方式进行了分析与比较;接着对比了改进后的SAGE算法与原算法的性能差异。仿真结果表明,改进后的SAGE算法能够较好地估计出原被噪声淹没的径,提高参数估计精度,并且加快迭代收敛速度。