针对传统灰狼优化(grey wolf optimization,GWO)算法在求解并网模式下微电网优化调度模型时存在种群分布不均以及易陷入局部最优等问题,对传统灰狼优化算法进行改进。首先,在传统灰狼优化算法基础上引入Tent混沌映射进行种群多样性初始...针对传统灰狼优化(grey wolf optimization,GWO)算法在求解并网模式下微电网优化调度模型时存在种群分布不均以及易陷入局部最优等问题,对传统灰狼优化算法进行改进。首先,在传统灰狼优化算法基础上引入Tent混沌映射进行种群多样性初始化,克服随机初始化导致的搜索空间覆盖不均的问题;其次,结合余弦函数在[0,π/2]的函数变化特点,提出基于余弦函数的非线性收敛因子调节策略,采用具有全局探索与局部开发能力的平衡算法提升寻优精度。针对储能系统频繁充放电导致寿命衰减的问题,通过量化储能系统频繁充放电造成的寿命损耗成本,建立计及光伏维护成本、电网交互成本及储能寿命损耗折算成本的经济优化调度模型。利用改进灰狼优化算法求解优化调度模型,并与其他优化算法进行对比,仿真结果表明:相较于传统定时充放电策略和常规能量分配方案,所提方法在晴天和阴天场景下均展现出更优的经济性,验证了所提的改进灰狼优化算法能够更好地实现并网模式下交流微电网灵活经济运行,为高比例可再生能源接入的微电网系统提供了兼顾经济性与实用性的优化调度新思路。展开更多
针对桥梁检测车伸缩臂结构的轻量化问题,文中以最小结构质量为目标,提出一种改进灰狼算法(Ameliorated Grey Wolf Algorithm, AGWO)。根据问题特征建立了伸缩臂结构的数学模型,针对灰狼算法的缺陷,引入混沌策略和反向学习生成灰狼初始种...针对桥梁检测车伸缩臂结构的轻量化问题,文中以最小结构质量为目标,提出一种改进灰狼算法(Ameliorated Grey Wolf Algorithm, AGWO)。根据问题特征建立了伸缩臂结构的数学模型,针对灰狼算法的缺陷,引入混沌策略和反向学习生成灰狼初始种群,提高初始解的质量,同时,将自适应步长加入到灰狼算法的优化过程中,提高算法的收敛速度,并在满足可靠性的前提下,使其达到轻量化的效果。最后,应用有限元分析,检验了改进后算法的可行性,得出优化后的质量减小了18.33%,对实际工程结构的设计有指导意义。展开更多
模块化机器人可重构为不同的拓扑,从而具备多样的工作能力以应对复杂多变的任务需求,如何求取具备所需工作能力的机器人最优拓扑是充分发挥模块化机器人重构特性的关键。为解决这一问题,本文提出了一种基于灰狼优化算法(Grey wolf optim...模块化机器人可重构为不同的拓扑,从而具备多样的工作能力以应对复杂多变的任务需求,如何求取具备所需工作能力的机器人最优拓扑是充分发挥模块化机器人重构特性的关键。为解决这一问题,本文提出了一种基于灰狼优化算法(Grey wolf optimizer,GWO)的模块化机器人拓扑优化方法。首先,针对模块化机器人构建运动链表征,并基于旋量法和牛顿-欧拉法完成运动学/动力学建模。然后,基于运动链表征设计拓扑决策变量,考虑机器人的模块数量、最大关节驱动力矩和灵巧性设计目标函数,引入交叉、变异概念改进灰狼优化算法,建立拓扑优化模型并求解。最后,针对两个实验求解所对应的最优拓扑,对比验证了该算法能有效求取模块化机器人最优拓扑。展开更多
为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首...为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首先,运用互信息算法进行输入数据的变量选择,以消除冗余变量。其次,通过互补集合经验模态分解和改进的小波阈值算法对筛选后的数据进行特征重构,旨在降低数据中的噪声干扰并完成输入变量的特征优化。随后,结合改进的Tent混沌映射、非线性递减因子、动态权重策略和差分进化算法对标准灰狼优化算法进行混合优化,以确定双向长短期记忆神经网络的最优超参数组合,并引入注意力机制以挖掘数据中的关键时序信息,最终构建出一种新型的短期光伏功率预测模型。仿真实验表明,相较于最小二乘支持向量机、长短期记忆网络和双向长短期记忆网络,所提模型在晴天、多云、阴天和降雨等不同工况下的均方根误差平均分别降低了12.45%、7.95%和5.37%,显示出优秀的预测性能、良好的泛化能力和潜在的工程应用价值。展开更多
为了研究钢轨的化学成分、入口温度、环境温度,以及风冷时风压、风速等参数对热处理钢轨性能的综合影响,进一步解决钢轨热处理后设定精度低的难题,开发了一种基于灰狼算法优化深度极限学习机(grey wolf optimization deep extreme learn...为了研究钢轨的化学成分、入口温度、环境温度,以及风冷时风压、风速等参数对热处理钢轨性能的综合影响,进一步解决钢轨热处理后设定精度低的难题,开发了一种基于灰狼算法优化深度极限学习机(grey wolf optimization deep extreme learning machine,GWO-DELM)的钢轨热处理性能预测模型.先采用深度极限学习机(DELM)构建出工艺模型,而后,针对深度极限学习机中初始权值随机确定而引起的预测结果准确度较低的问题,利用灰狼优化算法(GWO)对初始权值进一步确定.结果表明:该模型在预测不同规格钢轨的抗拉强度时,95.80%以上样本点的预测误差集中在-20~20 MPa,在预测踏面布氏硬度时,95.73%以上样本点的预测误差集中在-8~8;与传统模型相比,GWO-DELM具有更优异的预测精度及泛化能力,可应用在热轧钢轨风冷处理的性能预测上,为热处理参数的选择提供参考.展开更多
文摘针对传统灰狼优化(grey wolf optimization,GWO)算法在求解并网模式下微电网优化调度模型时存在种群分布不均以及易陷入局部最优等问题,对传统灰狼优化算法进行改进。首先,在传统灰狼优化算法基础上引入Tent混沌映射进行种群多样性初始化,克服随机初始化导致的搜索空间覆盖不均的问题;其次,结合余弦函数在[0,π/2]的函数变化特点,提出基于余弦函数的非线性收敛因子调节策略,采用具有全局探索与局部开发能力的平衡算法提升寻优精度。针对储能系统频繁充放电导致寿命衰减的问题,通过量化储能系统频繁充放电造成的寿命损耗成本,建立计及光伏维护成本、电网交互成本及储能寿命损耗折算成本的经济优化调度模型。利用改进灰狼优化算法求解优化调度模型,并与其他优化算法进行对比,仿真结果表明:相较于传统定时充放电策略和常规能量分配方案,所提方法在晴天和阴天场景下均展现出更优的经济性,验证了所提的改进灰狼优化算法能够更好地实现并网模式下交流微电网灵活经济运行,为高比例可再生能源接入的微电网系统提供了兼顾经济性与实用性的优化调度新思路。
文摘针对桥梁检测车伸缩臂结构的轻量化问题,文中以最小结构质量为目标,提出一种改进灰狼算法(Ameliorated Grey Wolf Algorithm, AGWO)。根据问题特征建立了伸缩臂结构的数学模型,针对灰狼算法的缺陷,引入混沌策略和反向学习生成灰狼初始种群,提高初始解的质量,同时,将自适应步长加入到灰狼算法的优化过程中,提高算法的收敛速度,并在满足可靠性的前提下,使其达到轻量化的效果。最后,应用有限元分析,检验了改进后算法的可行性,得出优化后的质量减小了18.33%,对实际工程结构的设计有指导意义。
文摘模块化机器人可重构为不同的拓扑,从而具备多样的工作能力以应对复杂多变的任务需求,如何求取具备所需工作能力的机器人最优拓扑是充分发挥模块化机器人重构特性的关键。为解决这一问题,本文提出了一种基于灰狼优化算法(Grey wolf optimizer,GWO)的模块化机器人拓扑优化方法。首先,针对模块化机器人构建运动链表征,并基于旋量法和牛顿-欧拉法完成运动学/动力学建模。然后,基于运动链表征设计拓扑决策变量,考虑机器人的模块数量、最大关节驱动力矩和灵巧性设计目标函数,引入交叉、变异概念改进灰狼优化算法,建立拓扑优化模型并求解。最后,针对两个实验求解所对应的最优拓扑,对比验证了该算法能有效求取模块化机器人最优拓扑。
文摘为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首先,运用互信息算法进行输入数据的变量选择,以消除冗余变量。其次,通过互补集合经验模态分解和改进的小波阈值算法对筛选后的数据进行特征重构,旨在降低数据中的噪声干扰并完成输入变量的特征优化。随后,结合改进的Tent混沌映射、非线性递减因子、动态权重策略和差分进化算法对标准灰狼优化算法进行混合优化,以确定双向长短期记忆神经网络的最优超参数组合,并引入注意力机制以挖掘数据中的关键时序信息,最终构建出一种新型的短期光伏功率预测模型。仿真实验表明,相较于最小二乘支持向量机、长短期记忆网络和双向长短期记忆网络,所提模型在晴天、多云、阴天和降雨等不同工况下的均方根误差平均分别降低了12.45%、7.95%和5.37%,显示出优秀的预测性能、良好的泛化能力和潜在的工程应用价值。
文摘为了研究钢轨的化学成分、入口温度、环境温度,以及风冷时风压、风速等参数对热处理钢轨性能的综合影响,进一步解决钢轨热处理后设定精度低的难题,开发了一种基于灰狼算法优化深度极限学习机(grey wolf optimization deep extreme learning machine,GWO-DELM)的钢轨热处理性能预测模型.先采用深度极限学习机(DELM)构建出工艺模型,而后,针对深度极限学习机中初始权值随机确定而引起的预测结果准确度较低的问题,利用灰狼优化算法(GWO)对初始权值进一步确定.结果表明:该模型在预测不同规格钢轨的抗拉强度时,95.80%以上样本点的预测误差集中在-20~20 MPa,在预测踏面布氏硬度时,95.73%以上样本点的预测误差集中在-8~8;与传统模型相比,GWO-DELM具有更优异的预测精度及泛化能力,可应用在热轧钢轨风冷处理的性能预测上,为热处理参数的选择提供参考.
文摘为了同时优化质子交换膜燃料电池(proton exchange membrane fuel cells,PEMFC)系统的效率和输出功率,文章首先建立PEMFC系统的机理模型,并分析系统效率和输出功率特性;其次针对传统灰狼算法(grey wolf optimizer,GWO)的初始化种群不均匀和易出现早熟收敛的问题,引入佳点集种群初始化策略和非线性收敛因子策略,并由此提出一种改进多目标灰狼优化算法(multi-objective grey wolf optimizer,MOGWO),有效改善了灰狼算法的搜索精度和收敛性能;然后针对改进多目标灰狼优化算法求得的Pareto最优解集,使用TOPSIS评价法得出逼近理想解的最佳解,确定PEMFC系统的最佳运行条件;最后对所提出的MOGWO算法进行仿真验证,结果表明该算法能够有效提高PEMFC系统在实际运行中的输出功率和系统效率。
