期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于改进白鹭群优化算法的移动机器人路径规划
1
作者 赵正君 胡立坤 +1 位作者 蔡成杰 韦文扬 《现代制造工程》 北大核心 2025年第2期37-43,150,共8页
针对改进智能优化算法规划效率低、搜索时间长、路径较为曲折等问题,将白鹭群优化算法首次应用于移动机器人路径规划,并提出了一种基于改进白鹭群优化算法的移动机器人路径规划方法。该算法在探索阶段利用对立学习进行种群初始化,以降... 针对改进智能优化算法规划效率低、搜索时间长、路径较为曲折等问题,将白鹭群优化算法首次应用于移动机器人路径规划,并提出了一种基于改进白鹭群优化算法的移动机器人路径规划方法。该算法在探索阶段利用对立学习进行种群初始化,以降低路径搜索代价;采用正余弦算法和贪婪策略对白鹭个体位置更新予以改进,以平衡算法的局部开发和全局搜索能力;利用坐标微调策略以获得安全可靠的规划路径。在优化阶段采用垂距限值法和分段贝塞尔曲线对路径进行优化处理,以得到移动机器人的最终运动路径。仿真结果表明,该算法较对比算法路径规划效率显著提高,总体耗时更短,路径更优,能减少路径转弯次数,进而提升移动机器人的整体工作效率。 展开更多
关键词 路径规划 路径优化 白鹭群优化算法 坐标微调策略 正余弦算法
在线阅读 下载PDF
基于白鹭群优化高斯过程回归的锂电池SOH估计方法
2
作者 巫春玲 王立顶 +3 位作者 卢勇 耿莉敏 陈昊 孟锦豪 《储能科学与技术》 北大核心 2025年第6期2498-2511,共14页
锂离子电池健康状态估计直接影响锂电池系统的安全性与可靠性,是电池管理系统中的一项重要功能。针对现有数据驱动的SOH估计方法中存在的缺乏不确定性表达、训练数据与测试数据未完全解耦等问题,本工作提出了一种基于白鹭群优化与高斯... 锂离子电池健康状态估计直接影响锂电池系统的安全性与可靠性,是电池管理系统中的一项重要功能。针对现有数据驱动的SOH估计方法中存在的缺乏不确定性表达、训练数据与测试数据未完全解耦等问题,本工作提出了一种基于白鹭群优化与高斯过程回归相结合的SOH估计方法。首先,从同类电池的充电电压、电流及弛豫电压信息中提取与电池老化相关的健康特征,并通过Pearson相关分析法筛选出与电池容量相关性高的健康特征。随后,采用平方指数核函数的高斯过程回归模型进行SOH估计,采用白鹭群优化算法优化GPR模型中超参数。最后,选取同济大学数据集中的NCA和NCM两类电池数据进行实验,验证所提模型的准确性与鲁棒性。实验结果表明,所提方法能够有效提高SOH估计的精度与可靠性。对于所测电池类型中,SOH估计误差的最大RMSE和MAE分别为0.0028和0.22%,相较于传统的GPR模型,误差指标分别降低了58.82%和57.69%。此外,该方法还能够实现SOH区间精准估计,避免高估电池SOH造成的安全问题。 展开更多
关键词 锂电池 健康状态 白鹭群优化算法 高斯过程回归 区间估计
在线阅读 下载PDF
基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计 被引量:2
3
作者 卢昊 李广军 张兰春 《车用发动机》 北大核心 2024年第3期66-73,共8页
为了提高锂电池荷电状态(SOC)估计的精度,提出了一种基于动态遗忘因子递推最小二乘法和改进粒子滤波算法相结合的锂电池SOC估计方法。针对固定遗忘因子递推最小二乘法在电池参数辨识中难以同时保持快速收敛和稳定性的问题,引入动态遗传... 为了提高锂电池荷电状态(SOC)估计的精度,提出了一种基于动态遗忘因子递推最小二乘法和改进粒子滤波算法相结合的锂电池SOC估计方法。针对固定遗忘因子递推最小二乘法在电池参数辨识中难以同时保持快速收敛和稳定性的问题,引入动态遗传因子,以模型辨识值和实际值的残差为变量构建修正公式,实现遗忘因子动态调整。为了改善粒子滤波(PF)的粒子多样性丧失问题,采用白鹭群优化算法(ESOA)对粒子滤波算法进行优化。仿真结果表明,基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计误差始终保持在0.3%以内,平均绝对误差和标准差为0.15%和0.17%,与其他算法相比具有更好的精度和稳定性。 展开更多
关键词 锂电池 电池荷电状态(SOC) 动态遗忘因子 递推最小二乘法 白鹭群优化算法 粒子滤波
在线阅读 下载PDF
基于迭代SGMD与改进MOMEDA的滚动轴承微弱故障诊断
4
作者 王富珂 高丙朋 蔡鑫 《组合机床与自动化加工技术》 北大核心 2024年第12期145-150,157,共7页
针对强背景噪声下滚动轴承故障特征微弱的问题,提出一种基于迭代辛几何模态分解(ISGMD)与改进多点最优最小熵解卷积调整(IMOMEDA)相结合的故障诊断方法。首先,利用ISGMD对故障信号进行分解并基于综合指标选取最优分量;其次,根据多点峭... 针对强背景噪声下滚动轴承故障特征微弱的问题,提出一种基于迭代辛几何模态分解(ISGMD)与改进多点最优最小熵解卷积调整(IMOMEDA)相结合的故障诊断方法。首先,利用ISGMD对故障信号进行分解并基于综合指标选取最优分量;其次,根据多点峭度谱确定MOMEDA的故障周期,利用白鹭群优化算法(ESOA)对滤波器长度进行自适应寻优,通过IMOMEDA对最优分量进行解卷积处理;最后,对解卷积处理后的信号进行包络谱分析,提取故障特征频率完成故障诊断。仿真及实验分析结果表明,所提方法能有效提取强背景噪声下的滚动轴承微弱故障特征信息。 展开更多
关键词 滚动轴承 迭代辛几何模态分解 改进多点最优最小熵解卷积调整 综合指标 白鹭群优化算法 故障诊断
在线阅读 下载PDF
基于IESOA-BP的滚动轴承故障诊断 被引量:1
5
作者 张炎亮 回彦静 王研迪 《电子测量技术》 北大核心 2024年第14期35-41,共7页
在机械设备故障诊断中,输入特征向量的差异会影响诊断精度,为了提高智能制造模式下滚动轴承故障诊断的准确性和可靠性,提出一种基于变分模态分解(VMD)和时频域熵的故障特征提取结合改进的白鹭群算法(IESOA)优化BP神经网络的故障诊断方... 在机械设备故障诊断中,输入特征向量的差异会影响诊断精度,为了提高智能制造模式下滚动轴承故障诊断的准确性和可靠性,提出一种基于变分模态分解(VMD)和时频域熵的故障特征提取结合改进的白鹭群算法(IESOA)优化BP神经网络的故障诊断方法。首先,借助变分模态分解,成功解决模式混叠的问题;其次,提取各模态分量的时域香农熵和频域频谱熵构造故障特征向量,作为故障诊断模型的输入;再次,引入霍尔顿序列初始化白鹭种群,增强白鹭群优化算法的全局寻优能力,构建改进的白鹭群算法以优化BP神经网络(IESOA-BP),最后用美国凯斯西储大学轴承数据集进行仿真;研究结果表明,VMD加时频域熵表征故障特征信息更丰富;相较于传统BP、PSO-BP、SSA-BP、ESOA-BP、SCESOA-BP等方法,IESOA-BP方法在滚动轴承故障诊断方面表现出更高的分类准确率和更好的稳定性。 展开更多
关键词 故障诊断 白鹭群优化算法 变分模态分解 霍尔顿序列 滚动轴承
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部