改进北方苍鹰算法及其在智能汽车路径规划中的应用

1

作者 匡兴红 沈佳成 《汽车安全与节能学报》 北大核心 2025年第1期148-158,共11页

针对传统北方苍鹰算法(NGO)存在易陷入局部最优值、寻优精度低、收敛速度慢等问题,提出一种多策略改进北方苍鹰算法(INGO),并应用于智能汽车的路径规划,规划了一条路径最平滑、节点最少、距离最短的汽车路径。采用佳点集分布、融合黄金... 针对传统北方苍鹰算法(NGO)存在易陷入局部最优值、寻优精度低、收敛速度慢等问题,提出一种多策略改进北方苍鹰算法(INGO),并应用于智能汽车的路径规划,规划了一条路径最平滑、节点最少、距离最短的汽车路径。采用佳点集分布、融合黄金正弦策略、Levy飞行策略、趋优反向学习、Cauchy变异策略改进北方苍鹰算法,并进行了基准测试函数对比以及智能汽车路径规划仿真。结果表明:相比其他算法,INGO算法在寻优和稳定性上具有明显优势;在2种不同地图上生成的路径最平滑,适应度最优分别下降3.7%、16.3%,节点个数最优分别下降14.3%、21.4%。 展开更多

关键词 改进北方苍鹰算法(INGO) 佳点集 黄金正弦 Levy飞行 趋优反向学习 Cauchy变异 路径规划

在线阅读 下载PDF 职称材料

基于改进北方苍鹰算法优化SVM的轴承故障诊断研究

2

作者 吴晓君 李渠伟 《机械强度》 北大核心 2025年第5期80-89,共10页

针对群智能算法优化支持向量机(Support Vector Machine,SVM)模型时容易遭遇局部最优的问题,提出一种改进北方苍鹰优化(Improved Northern Goshawk Optimization,INGO)算法,并将其应用于滚动轴承的故障诊断。通过引入基于余弦变化的自... 针对群智能算法优化支持向量机(Support Vector Machine,SVM)模型时容易遭遇局部最优的问题,提出一种改进北方苍鹰优化(Improved Northern Goshawk Optimization,INGO)算法,并将其应用于滚动轴承的故障诊断。通过引入基于余弦变化的自适应惯性权重因子以及柯西变异策略来改进北方苍鹰优化(Northern Goshawk Optimization,NGO)算法,并结合SVM构建INGO-SVM故障诊断模型。为评估改进算法的性能,首先,使用基准测试函数进行了试验,并将改进算法与现有的NGO、粒子群优化(Particle Swarm Optimization,PSO)算法、麻雀搜索算法(Sparrow Search Algorithm,SSA)等进行比较,改进算法的性能在一定程度上有所提升。然后,通过小波包分解对原始诊断信号进行特征提取并划分出10种类别,使用第3层各频段的能量作为特征向量,输入到故障诊断模型;最后,比较了改进算法与其他3种算法在优化SVM参数进行故障分类时的性能。结果表明,改进算法能够有效准确地实现不同故障的分类,准确率可达99.39%,验证了该方法的有效性和可行性。 展开更多

关键词 故障诊断 改进北方苍鹰优化算法 柯西变异策略 小波包分解 支持向量机

在线阅读 下载PDF 职称材料

改进北方苍鹰算法在立磨下摇臂结构优化的应用研究

3

作者 彭茂珲 邹帅 +1 位作者 滕家皇 黄福川 《现代制造工程》 北大核心 2025年第2期121-129,共9页

为提高立磨下摇臂结构优化的效率和精度,提出了一种基于改进北方苍鹰(INGO)算法和BP模型相结合的优化方法。首先,对下摇臂进行有限元分析;其次,针对北方苍鹰(NGO)算法易陷入局部极值和收敛速度慢的问题,利用拉丁超立方采样法、正弦余弦... 为提高立磨下摇臂结构优化的效率和精度,提出了一种基于改进北方苍鹰(INGO)算法和BP模型相结合的优化方法。首先,对下摇臂进行有限元分析;其次,针对北方苍鹰(NGO)算法易陷入局部极值和收敛速度慢的问题,利用拉丁超立方采样法、正弦余弦算法和柯西变异等策略改进NGO,接着构建INGO-BP预测模型,用于捕捉下摇臂不同结构参数与质量、最大等效应力和最大变形之间关系;最终,建立下摇臂的数学优化模型并求解得到一组最优设计变量。实验结果表明,优化后的下摇臂质量减轻了16.4%,同时最大等效应力和最大变形仍在安全范围内。与其他算法相比,INGO算法具有快速收敛和强大的优化能力;而在预测下摇臂的力学性能方面,INGO-BP模型表现出极高的精度和稳定性,为优化算法在结构优化中的应用提供了参考。 展开更多

关键词 下摇臂 改进北方苍鹰算法 BP神经网络 结构优化

在线阅读 下载PDF 职称材料

基于改进北方苍鹰算法与混合核极限学习机的齿轮箱故障诊断 被引量：1

4

作者 杜董生 王梦姣 +1 位作者 冒泽慧 赵环宇 《控制理论与应用》 北大核心 2025年第4期796-804,共9页

针对行星齿轮箱故障诊断问题,本文提出了一种基于改进北方苍鹰优化(INGO)算法与混合核极限学习机(HKELM)的行星齿轮箱故障诊断方法.首先,引入Savitzky-Golay(SG)滤波对齿轮箱原始信号进行去噪.利用时变滤波经验模态分解(TVF-EMD)将去噪... 针对行星齿轮箱故障诊断问题,本文提出了一种基于改进北方苍鹰优化(INGO)算法与混合核极限学习机(HKELM)的行星齿轮箱故障诊断方法.首先,引入Savitzky-Golay(SG)滤波对齿轮箱原始信号进行去噪.利用时变滤波经验模态分解(TVF-EMD)将去噪后的信号分解成多个本征模态函数(IMF),使用方差贡献率、相关系数和信息熵筛选出最优的IMF.将最优IMF重构后,对重构信号进行时间同步平均(TSA)去噪以减少故障诊断模型的数据计算量.将Tent混沌映射、混合正弦余弦算法和Levy飞行策略用于改进北方苍鹰优化(NGO)算法,得到一种新的INGO算法.同时,引入余弦因子以平衡正弦余弦算法的全局和局部开发能力.最后,利用INGO算法对HKELM进行优化,用以提高HKELM模型的故障诊断准确率.将所提方法应用于两个案例对模型进行检验,实验结果表明,本文所提方法具有可行性和优越性. 展开更多

关键词 混合核极限学习机 改进北方苍鹰优化算法 时变滤波经验模态分解 故障诊断

在线阅读 下载PDF 职称材料

改进北方苍鹰算法在光伏阵列中应用研究 被引量：11

5

作者 李斌 郭自强 高鹏 《电子测量与仪器学报》 CSCD 北大核心 2023年第7期131-139,共9页

针对北方苍鹰优化算法(NGO)存在收敛精度低和易陷入局部最优等问题,提出一种改进北方苍鹰算法(INGO),并应用于光伏阵列故障诊断。首先,利用Circle映射、自适应权重因子和Levy飞行策略改进了北方苍鹰优化算法,结合高斯检测机制和混合核... 针对北方苍鹰优化算法(NGO)存在收敛精度低和易陷入局部最优等问题,提出一种改进北方苍鹰算法(INGO),并应用于光伏阵列故障诊断。首先,利用Circle映射、自适应权重因子和Levy飞行策略改进了北方苍鹰优化算法,结合高斯检测机制和混合核极限学习机(HKELM)搭建INGO-HKELM故障诊断模型。其次,将INGO算法与NGO、粒子群算法(PSO)、鲸鱼算法(WOA)在测试函数上进行比较,表明在寻优能力、稳定性等方面具有优越性。然后,分析不同运行状态下光伏阵列运行特征,提出一种5维故障特征向量,作为数据的输入。最后,将4种算法分别对HKELM的核参数进行优化并实现故障分类。结果表明,所提方法能够准确地检测出光伏组件发生的异常状态,INGO-HKELM模型准确率达到93.74%,验证了所提算法的有效性和可行性。 展开更多

关键词 改进北方苍鹰算法 光伏阵列 故障诊断 混合核极限学习机

在线阅读 下载PDF 职称材料

改进北方苍鹰优化算法的收敛性及其性能对比分析 被引量：4

6

作者 郑新宇 李媛 刘晓琳 《计算机科学与探索》 CSCD 北大核心 2024年第12期3203-3218,共16页

针对北方苍鹰优化算法存在易陷入局部最优的问题,提出一种改进北方苍鹰优化算法(INGO)。在种群初始化阶段,引入佳点集方法映射到搜索空间,提高了种群的多样性以及避免了早熟;在位置更新阶段,加入鱼鹰局部勘探位置更新策略和自适应惯性... 针对北方苍鹰优化算法存在易陷入局部最优的问题,提出一种改进北方苍鹰优化算法(INGO)。在种群初始化阶段,引入佳点集方法映射到搜索空间,提高了种群的多样性以及避免了早熟;在位置更新阶段,加入鱼鹰局部勘探位置更新策略和自适应惯性权重因子,增强了全局勘探和局部开发能力同时提升算法的收敛速度和收敛精度;建立INGO算法的北方苍鹰捕猎过程Markov链模型,证明了全局收敛性。通过实验仿真与六种经典智能算法进行对比分析验证INGO算法的有效性,并对INGO算法进行收敛曲线和Wilcoxon秩和检验分析,实验结果表明INGO算法能够有效地避免陷入局部最优,具有较强的收敛精度和鲁棒性。为了进一步描述INGO算法的实际应用能力,将该算法成功应用于工程设计问题中,验证了INGO算法在实际应用中的有效性。 展开更多

关键词 改进北方苍鹰优化算法 佳点集 自适应惯性权重 马尔科夫链 收敛性分析

在线阅读 下载PDF 职称材料

一种SCNGO-MMPE-VMD的滚动轴承故障诊断方法

7

作者 张涛 魏彪 +2 位作者 李永健 马赫 何勇 《现代电子技术》 北大核心 2025年第12期54-60,共7页

针对滚动轴承故障诊断中种群分布不均匀及算法早熟收敛问题,提出一种SCNGO-MMPE-VMD的滚动轴承故障诊断方法。首先,利用折射反向学习方法初始化种群,并生成反向解,有效扩大搜索范围;然后,将正余弦算法(SCA)策略引入北方苍鹰优化算法(NGO... 针对滚动轴承故障诊断中种群分布不均匀及算法早熟收敛问题,提出一种SCNGO-MMPE-VMD的滚动轴承故障诊断方法。首先,利用折射反向学习方法初始化种群,并生成反向解,有效扩大搜索范围;然后,将正余弦算法(SCA)策略引入北方苍鹰优化算法(NGO)勘察阶段,通过非线性加权系数ω动态调节步长搜索因子,降低个体位置更新对局部信息的依赖,显著提高算法收敛速度与精度;最后,构建多尺度均值排列熵(MMPE)与峭度的融合指标作为适应度函数,增强故障特征敏感性。通过对不同的实测信号进行测试,结果表明,在强噪声干扰下,相较传统方法,所提方法可提前300 min(初期故障)和700 min(微弱故障)识别故障特征,验证了其工程实用性。 展开更多

关键词 正余弦算法 滚动轴承 故障诊断 改进北方苍鹰优化算法 多尺度均值排列熵 变分模态分解

在线阅读 下载PDF 职称材料

基于INGO-SVM的输电铁塔地脚螺栓螺母缺失无损检测方法 被引量：1

8

作者 刘阳 张璐 +3 位作者 吴德强 周青 张川 王彦海 《高压电器》 北大核心 2025年第2期130-140,共11页

为了无损检测埋置于混凝土中的输电铁塔地脚螺栓有无螺母缺失缺陷,保障输电线路安全运行,文中提出了一种基于改进北方苍鹰优化算法(improve northern goshawk optimization,INGO)优化的支持向量机(support vector machine,SVM)分类检测... 为了无损检测埋置于混凝土中的输电铁塔地脚螺栓有无螺母缺失缺陷,保障输电线路安全运行,文中提出了一种基于改进北方苍鹰优化算法(improve northern goshawk optimization,INGO)优化的支持向量机(support vector machine,SVM)分类检测方法(INGO-SVM):首先,通过Cubic混沌映射与小孔成像反向学习策略增加北方苍鹰优化算法(northern goshawk optimization,NGO)种群的多样性,并在优化初始解的同时增加种群的搜索区域,使算法尽可能的找到潜在的最优解并分析优化效果;其次,将INGO应用于SVM的核心参数寻优,得到分类模型;最后,将螺杆直径、保护层厚度、垫板厚度以及电磁无损检测得到的磁场强度作为输入量,输出地脚螺栓螺杆上螺母个数,判断缺陷类型;实验结果表明,相较于SVM,提出的INGO-SVM模型在输电铁塔地脚螺栓螺母缺失分类中的均方根误差、平均相对误差以及平均绝对误差分别降低了31.7%、60.7%、68.9%,验证了该方法解决地脚螺栓螺母缺失无损检测分类问题的有效性。 展开更多

关键词 输电铁塔地脚螺栓 螺母缺失缺陷 改进北方苍鹰优化算法 支持向量机 电磁无损检测

在线阅读 下载PDF 职称材料

INGOA结合LSTM的自来水混凝投药预测模型

9

作者 张庭源 张长胜 +3 位作者 张健忠 田海勇 毛辉 丁鑫 《兰州大学学报(自然科学版)》 北大核心 2025年第2期222-230,共9页

为解决自来水厂混凝投药量的控制问题,提出一种基于改进的北方苍鹰优化算法(INGOA)结合长短期记忆神经网络(LSTM)的混凝投药预测模型.为均衡NGOA的全局勘探和局部开发能力,根据种内竞争机制,加强算法的局部持续开发能力,引入柯西-高斯... 为解决自来水厂混凝投药量的控制问题,提出一种基于改进的北方苍鹰优化算法(INGOA)结合长短期记忆神经网络(LSTM)的混凝投药预测模型.为均衡NGOA的全局勘探和局部开发能力,根据种内竞争机制,加强算法的局部持续开发能力,引入柯西-高斯变异增加算法在局部最优值及其邻域附近的逃逸能力,提升算法的全局优化能力;利用基于Bernoulli混沌的自适应权重加快算法收敛速率.用Pearson相关系数法降低模型的输入维度,通过INGOA优化LSTM网络,得到最优参数组合策略,建立INGOA-LSTM非线性混凝投药量预测模型.对某自来水厂的数据进行训练和测试,结果表明,与LSTM及传统的预测模型相比,INGOA-LSTM模型效果最佳,在各项指标中均取得较优的性能,均方根误差为82.2μg/L,平均绝对误差为13.9μg/L,平均绝对百分比误差为0.29%. 展开更多

关键词 混凝投药预测 长短期记忆神经网络 改进的北方苍鹰优化算法 种内竞争机制 Bernoulli混沌权重

在线阅读 下载PDF 职称材料

基于INGO-RF的边坡稳定性预测模型

10

作者 石峻峰 周琳 +1 位作者 任宇联 王志鹏 《安全与环境学报》 北大核心 2025年第4期1380-1390,共11页

为提高边坡稳定性的预测精度以预防边坡失稳事故发生,提出了一种基于改进北方苍鹰算法优化随机森林(Improved Northern Goshawk Optimization algorithm optimized Random Forest, INGO-RF)的边坡稳定性预测模型。首先,根据413个边坡案... 为提高边坡稳定性的预测精度以预防边坡失稳事故发生,提出了一种基于改进北方苍鹰算法优化随机森林(Improved Northern Goshawk Optimization algorithm optimized Random Forest, INGO-RF)的边坡稳定性预测模型。首先,根据413个边坡案例,选取重度γ、黏聚力c、内摩擦角φ、边坡角α、边坡高度H和孔隙压力比ru作为主要预测特征指标。其次,由于传统随机森林模型存在超参数问题,采用最佳值引导、减法优化器、柯西变异和动态调整搜索策略的INGO算法优化随机森林(Random Forest, RF)模型超参数。最后,与5种不同算法相比,所设计的INGO算法在8个测试函数中展现出更优的参数寻优能力和收敛速度;与5种不同预测模型相比,所设计的INGO-RF模型的各项评估指标均优于其他模型,该模型在训练集和测试集中的准确率分别为99.1%和91.2%,且发现γ是影响边坡稳定性的最敏感特征。研究表明,INGO-RF预测模型为边坡稳定性预测提供了一种新思路。 展开更多

关键词 安全工程 边坡稳定性 可视化分析 改进北方苍鹰优化算法 随机森林 预测模型

在线阅读 下载PDF 职称材料

基于INGO-SWGMN混合模型的超短期风速预测研究 被引量：6

11

作者 付文龙 章轩瑞 +2 位作者 张海荣 傅雨晨 刘兴韬 《太阳能学报》 EI CAS CSCD 北大核心 2024年第5期133-143,共11页

为提高超短期风速预测的精度,提出一种融合变分模态分解(VMD)、相空间重构、改进的北方苍鹰优化算法(INGO)和共享权重门控记忆网络(SWGMN)的超短期风速混合预测模型。首先,考虑到风速的强波动性会对预测带来不利影响,采用VMD对风速时间... 为提高超短期风速预测的精度,提出一种融合变分模态分解(VMD)、相空间重构、改进的北方苍鹰优化算法(INGO)和共享权重门控记忆网络(SWGMN)的超短期风速混合预测模型。首先,考虑到风速的强波动性会对预测带来不利影响,采用VMD对风速时间序列进行分解,得到一系列相对平稳的子序列。然后对各子序列分量进行相空间重构,得到相应的相空间矩阵。接着针对长短期记忆网络(LSTM)训练时间较长和权重参数较多的问题,提出一种SWGMN对各子序列分量建立预测模型。同时,为提高模型预测性能,提出一种INGO对SWGMN模型的两个超参数进行寻优,得到最优参数组合。最后累加各子序列预测值,得到最终风速预测结果。实验结果表明,在单步预测和多步预测中,所提方法的平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)、决定系数R2分别为0.1828 m/s、0.2263 m/s、4.5481%、0.987和0.2429 m/s、0.3107 m/s、6.1113%、0.976,相较于传统方法具有更高的预测精度和预测效率。 展开更多

关键词 风速 预测 深度学习 变分模态分解 共享权重门控记忆网络 改进的北方苍鹰优化算法

在线阅读 下载PDF 职称材料

基于多任务学习组合模型的万能式断路器故障诊断方法

12

作者 王钰洁 赖冬明 +2 位作者 王立军 陈仁祥 何家乐 《高电压技术》 2025年第5期2394-2403,共10页

针对万能式断路器的振动信号存在个体样本差异性、噪声干扰和分类器的参数难以确定等问题,提出一种基于多任务学习组合模型的万能式断路器故障诊断方法。首先,使用多元变经验模态分解(multivariate variational mode decomposition,MVMD... 针对万能式断路器的振动信号存在个体样本差异性、噪声干扰和分类器的参数难以确定等问题,提出一种基于多任务学习组合模型的万能式断路器故障诊断方法。首先,使用多元变经验模态分解(multivariate variational mode decomposition,MVMD)对振动信号进行分解并获取满足阈值要求的模态分量(intrinsic mode functions,IMFs),精准地对其进行时域和频域特征提取,减少噪声干扰和信号差异性造成的影响;再利用核主元分析(kernel principal component analysis,KPCA)算法对特征数据集进行降维;对比不同特征提取方法并验证MVMD-KPCA有效性与优势。用改进北方苍鹰优化(improved northern goshawk optimization,INGO)算法对核极限学习机(kernel extreme learning machine,KELM)的参数进行寻优,提升KELM的分类性能。最后,将降维的特征数据集输入INGO-KELM等模型中进行对比。结果表明:MVMD-KPCA方法在处理复杂、非线性数据集时表现出色,MVMD-KPCA与INGO-KELM相比于其他对比模型,此模型对万能式断路器的平均诊断精度能到达99.83%,具有更强的预测能力和稳定性。 展开更多

关键词 万能式断路器 故障诊断 多元变经验模态分解 改进北方苍鹰优化算法 核极限学习机

在线阅读 下载PDF 职称材料