摘要： 隨著旋轉(zhuǎn)機械設(shè)備的集成化程度不斷提高,軸承發(fā)生故障的概率以及故障診斷的難度都在增加。為了解決常規(guī)故障診斷出現(xiàn)誤報和漏報等問題,課題組在采集已清洗的軸承數(shù)據(jù)基礎(chǔ)上提出了一種新型分類預(yù)測算法。課題組通過改進(jìn)的灰狼算法來收斂支持向量機的參數(shù),并對數(shù)據(jù)集進(jìn)行訓(xùn)練優(yōu)化,以精準(zhǔn)地對軸承故障進(jìn)行判斷和預(yù)測。研究結(jié)果表明判斷精度可高達(dá)99.4%;通過與其他現(xiàn)有主流分類預(yù)測模型進(jìn)行比較,進(jìn)一步驗證了該優(yōu)化方法的優(yōu)異性。該優(yōu)化方案可以很好地應(yīng)用于SCADA等實時狀態(tài)監(jiān)測系統(tǒng)并進(jìn)行精準(zhǔn)故障分類預(yù)測。

摘要： 為解決多元變分模態(tài)分解(MVMD)經(jīng)驗參數(shù)設(shè)置對分解結(jié)果的影響,提出一種新的自適應(yīng)多元變分模態(tài)分解(AMVMD)方法并將其應(yīng)用于軸承的故障診斷方面。首先,將最小平均包絡(luò)熵(MAEE)作為適應(yīng)度函數(shù),采用灰狼算法(GWO)尋求MVMD參數(shù)的最優(yōu)解,并按照最優(yōu)參數(shù)對原始信號進(jìn)行分解。然后,計算各本征模態(tài)分量(IMF分量)的樣本熵和相關(guān)系數(shù),選取最佳模態(tài)進(jìn)行信號重構(gòu)。最后,通過Teager能量算子(TEO)對重構(gòu)信號進(jìn)行解調(diào),以增強微弱的瞬態(tài)沖擊成分并識別特征頻率。結(jié)果表明:將所提出的AMVMD與TEO相結(jié)合可以有效減少信號噪聲,提取軸承的故障特征。

摘要： 路徑規(guī)劃的目的是在有障礙物的環(huán)境中尋找可行性路徑,即從起始位置到目標(biāo)位置長度最小的無碰撞路徑。針對避障路徑規(guī)劃問題,提出基于灰狼算法的改進(jìn)方法,用于提高路徑規(guī)劃效率。改進(jìn)算法將粒子群優(yōu)化算法與灰狼算法相結(jié)合,融合二者思想改進(jìn)灰狼算法的位置更新公式,通過粒子群算法改善灰狼算法易過早收斂而陷入局部最優(yōu)以及收斂速度較低的問題。實驗結(jié)果表明,改進(jìn)算法在求取全局最優(yōu)解和收斂速度方面相較于基礎(chǔ)灰狼算法均有不同程度的提高,平均求解時間僅為基礎(chǔ)算法的89.8%,迭代次數(shù)為基礎(chǔ)算法的83%。粒子群優(yōu)化算法改進(jìn)的灰狼算法具有更加優(yōu)秀的路徑規(guī)劃性能。

摘要： 無人機復(fù)雜飛行姿態(tài)下,其鋰電池的放電電流大小會發(fā)生很大變化,難以準(zhǔn)確估算無人機剩余電量等狀態(tài)參數(shù)。針對這一問題,提出一種改進(jìn)的灰狼算法優(yōu)化粒子濾波算法(IGWO-PF),通過粒子分布進(jìn)行SOC估計。該方法中用灰狼表征粒子,通過設(shè)置狼群位置更新機制,使粒子不斷接近真實的概率分布。首先用二階戴維南等效電路構(gòu)建無人機鋰電池模型,計算出觀測方程和狀態(tài)方程。其次在無人機動態(tài)工況下,通過基于遺忘因子的最小二乘法在線完成參數(shù)辨識。然后利用IGWO-PF算法進(jìn)行無人機SOC估算。最后使用MATLAB分別對IGWOPF算法、PF算法和UKF算法在3種不同工況下進(jìn)行仿真驗證。結(jié)果表明:在3種工況下,IGWO-PF算法不僅在SOC估計結(jié)果上能很好地收斂到實際值,而且對于SOC估算誤差能控制在1%之內(nèi)比傳統(tǒng)算法誤差更準(zhǔn)確穩(wěn)定。

摘要： 對于冷、熱、電聯(lián)供綜合能源系統(tǒng)優(yōu)化問題,為了提高可再生能源利用率,故以棄風(fēng)、棄光量最小和綜合能源系統(tǒng)運行經(jīng)濟性為優(yōu)化目標(biāo),建立了含風(fēng)機、光機、燃?xì)廨啓C、燃?xì)忮仩t等綜合能源優(yōu)化模型。模型的求解使用的改進(jìn)多目標(biāo)灰狼算法,得到Pareto解集。針對綜合能源系統(tǒng)的約束較多、灰狼算法種群多樣性少、容易陷入局部最優(yōu)等方面,對算法進(jìn)行改進(jìn)。仿真結(jié)果顯示,改進(jìn)之后的算法求解速度和全局搜索性都優(yōu)于基本算法。

摘要： 針對油中溶解氣體分析法(DGA)不能有效反映變壓器的不同故障且診斷準(zhǔn)確率低的問題,通過鄰域粗糙集(NRS)對變壓器故障數(shù)據(jù)比值進(jìn)行約簡,得出一組新比值作為診斷樣本,進(jìn)而利用灰狼算法(GWO)與支持向量機(SVM)結(jié)合的模型進(jìn)行故障診斷。實驗分析表明,利用NRS對變壓器故障數(shù)據(jù)約簡能夠有效提高變壓器故障準(zhǔn)確率,同時驗證了GWO-SVM模型對于變壓器故障診斷的良好適用性。

摘要： 針對現(xiàn)有基于支持向量機(SVM)的煤與瓦斯突出預(yù)測方法存在準(zhǔn)確率低與響應(yīng)速度慢的問題,提出了一種基于改進(jìn)灰狼算法(IGWO)優(yōu)化SVM的煤與瓦斯突出危險性預(yù)測方法。采用灰色關(guān)聯(lián)熵權(quán)法分析各個影響因素對煤與瓦斯突出的影響程度,根據(jù)關(guān)聯(lián)度排序提取瓦斯壓力、瓦斯含量、瓦斯放散初速度和開采深度作為煤與瓦斯突出主控因素,將其分為訓(xùn)練集和測試集,并進(jìn)行歸一化處理;為改善傳統(tǒng)灰狼算法(GWO)種群易陷入局部最優(yōu)和尋優(yōu)速度慢的缺陷,引入越界處理機制和嵌入萊維飛行的隨機差分變異策略對GWO算法進(jìn)行改進(jìn)(即IGWO),有效提升了GWO的收斂精度與速度;采用IGWO對SVM的核心參數(shù)和懲罰參數(shù)進(jìn)行優(yōu)化,將煤與瓦斯突出的主控因素輸入到IGWO-SVM中進(jìn)行分類,并將其與實際測試集分類結(jié)果進(jìn)行對比,實現(xiàn)煤與瓦斯突出危險性預(yù)測。仿真結(jié)果表明:與基于鯨魚算法-支持向量機(WOA-SVM)、灰狼算法-支持向量機(GWO-SVM)和粒子群-支持向量機(PSO-SVM)的預(yù)測方法相比,基于IGWO-SVM的預(yù)測方法具有更高的預(yù)測精度,在提高SVM運算效率的同時滿足煤與瓦斯突出預(yù)測的精度和可靠性要求,準(zhǔn)確率達(dá)到96.67%,預(yù)測速度為5.58 s。

摘要： 為提高無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合精度,降低網(wǎng)絡(luò)能耗,延長網(wǎng)絡(luò)生存時間,提出基于改進(jìn)灰狼算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法(IGWOBPDA)。首先為平衡灰狼算法全局與局部搜索能力提出改進(jìn)控制參數(shù)和動態(tài)權(quán)重更新位置的改進(jìn)灰狼方案,利用改進(jìn)灰狼算法對BP神經(jīng)網(wǎng)絡(luò)初始閾值和初始權(quán)值進(jìn)行優(yōu)化以解決數(shù)據(jù)融合中BP神經(jīng)網(wǎng)絡(luò)對初值敏感、易陷入局部最優(yōu)的問題;其次考慮到無線傳感網(wǎng)實際傳輸節(jié)點能耗和分簇情況,提出基于節(jié)點剩余能量參數(shù)和節(jié)點密度參數(shù)的分簇方案,通過調(diào)整參數(shù)的權(quán)重因子來適應(yīng)網(wǎng)絡(luò)數(shù)據(jù)融合傳輸過程中的實際情況。仿真實驗結(jié)果表明,對比BPNDA算法和GAPSOBP算法,IGWOBPDA算法在不同數(shù)據(jù)集下有更好的數(shù)據(jù)融合精度和更快的收斂速度,并且能有效地減少數(shù)據(jù)傳輸量,降低節(jié)點能耗,延長網(wǎng)絡(luò)生存時間,在不同網(wǎng)絡(luò)規(guī)模下保持穩(wěn)定性。

摘要： 針對傳統(tǒng)評估指標(biāo)不能合理評估算法性能的問題,提出基于TOPSIS法的群智能優(yōu)化算法性能排序方法。該方法定義了7項表示群體智能算法性能的指標(biāo),給出了指標(biāo)的計算模型。通過對數(shù)據(jù)的分析可以得出三種算法在不同測試函數(shù)中每個單屬性下的排名,不同的排名反映了算法的不同性能上的優(yōu)劣。利用TOPSIS方法對不同算法綜合性能進(jìn)行計算排序。仿真結(jié)果表明該方法可以應(yīng)用于不同算法的評估,研究工作為群智能優(yōu)化算法的工程應(yīng)用提供了理論依據(jù)。

摘要： 如何利用移動節(jié)點實現(xiàn)覆蓋的最大化并減少能量的使用是研究無線傳感器網(wǎng)絡(luò)的一個重要方向?；贑ircle映射,改進(jìn)了萊維飛行策略;結(jié)合能量位置融合機制,用優(yōu)化后的灰狼算法對無線傳感器網(wǎng)絡(luò)覆蓋問題進(jìn)行求解。首先,引入的Circle映射大幅改善了狼群的多樣性,從而能實現(xiàn)更加有力的搜索;其次,改進(jìn)后的萊維飛行策略平衡了不同時期對全局搜索和局部尋優(yōu)的需求,一定程度上加快了搜索進(jìn)程,提高了收斂速度;最后考慮能量和位置的交融,每個個體不再單一考慮位置,而是結(jié)合一部分能量因素來進(jìn)行移動。仿真結(jié)果表明,未考慮能量受限的改進(jìn)后的灰狼算法較基本灰狼算法覆蓋率有所提升,和其他文獻(xiàn)中的算法相比,也具有更高的收斂速度和覆蓋率。在考慮能量受限以后,不但保證了覆蓋率,還延長了節(jié)點壽命。

摘要： 針對傳統(tǒng)方法預(yù)測最小混相壓力準(zhǔn)確性相對較低的問題,提出了一種將灰狼算法(GWO)與最小二乘支持向量機(LSSVM)相結(jié)合的新模型(GWO-LSSVM模型).基于Pearson關(guān)聯(lián)性分析,該模型選取油藏溫度、C5+分子量、揮發(fā)組分摩爾分?jǐn)?shù)、中間組分摩爾分?jǐn)?shù)為自變量,最小混相壓力為因變量.基于36個最小混相壓力(MMP)實驗數(shù)據(jù)優(yōu)化模型參數(shù),并利用其他的15個MMP數(shù)據(jù)測試了模型的準(zhǔn)確性.結(jié)果表明:GWO-LSSVM模型訓(xùn)練數(shù)據(jù)的絕對平均相對偏差(從RD)為2.21％,測試數(shù)據(jù)的AARD為3.60％.最后,采用杠桿方法,進(jìn)行了全部實驗數(shù)據(jù)的異常點測試,僅診斷出有1個實驗數(shù)據(jù)為異常點.該研究為C02-原油MMP預(yù)測提供了一種新方法.

摘要： 本發(fā)明涉及無線電磁波傳播及超寬帶室內(nèi)定位領(lǐng)域，具體涉及融合可計算誤差地圖和灰狼優(yōu)化的超寬帶室內(nèi)定位算法，其包括包括以下步驟：S1.將待定位室內(nèi)地圖根據(jù)UWB信號穿墻數(shù)量劃分成多個區(qū)域及細(xì)粒度網(wǎng)格，并根據(jù)所提出的每個區(qū)域的測距誤差公式計算出每個UWB基站與每個網(wǎng)格中心坐標(biāo)之間的測距誤差模型，從而形成每個UWB基站的誤差地圖；S2.基于細(xì)粒度網(wǎng)格結(jié)合灰狼優(yōu)化算法設(shè)置初始狼的坐標(biāo)，利用改進(jìn)的灰狼優(yōu)化算法對UWB標(biāo)簽的位置進(jìn)行準(zhǔn)確估計。本發(fā)明有效提升了超寬帶室內(nèi)定位技術(shù)在室內(nèi)復(fù)雜環(huán)境中的定位精度。

摘要： 一種基于改進(jìn)灰狼優(yōu)化算法的差異代謝物分析方法及系統(tǒng)，包括以下步驟：一，獲取數(shù)據(jù)源，其中數(shù)據(jù)源包括離子的質(zhì)譜信號數(shù)據(jù)，對數(shù)據(jù)進(jìn)行整合；二，通過哈希算法在數(shù)據(jù)源獲取每個離子所需分析的信息；三，將獲取離子的質(zhì)譜信號數(shù)據(jù)進(jìn)行組間對比分析，并根據(jù)學(xué)生t檢驗算法以及用戶需求的離子評判標(biāo)準(zhǔn)，篩選出所需分析的離子；四，使用改進(jìn)灰狼優(yōu)化算法對差異離子進(jìn)行選擇；五，獲取差異離子數(shù)據(jù)，并使用KNN方法進(jìn)行分類模型建模；六，計算分類模型的混淆矩陣、ROC曲線、AUC面積指標(biāo)，向用戶展示差異分析結(jié)果。

摘要： 本發(fā)明公開了一種基于改進(jìn)灰狼算法的發(fā)電機勵磁系統(tǒng)參數(shù)辨識算法，包括：建立空載狀態(tài)下勵磁系統(tǒng)的原模型和實際系統(tǒng)模型；通過改進(jìn)灰狼算法對進(jìn)入線性區(qū)的實際系統(tǒng)模型進(jìn)行辨識，得到線性部分參數(shù)；將所述線性部分參數(shù)輸入實際系統(tǒng)模型；通過改進(jìn)灰狼算法對進(jìn)入非線性區(qū)的帶入線性部分參數(shù)后的實際系統(tǒng)模型進(jìn)行辨識，得到非線性部分參數(shù)。在灰狼算法基礎(chǔ)上，提出收斂因子非線性遞減策略與灰狼分群輪換追趕策略，增強了狼群的種群多樣性，改善了算法易陷入局部最優(yōu)的不足點。將灰狼算法應(yīng)用于勵磁系統(tǒng)參數(shù)的辨識，并通過改進(jìn)灰狼算法有效地實現(xiàn)了勵磁系統(tǒng)參數(shù)的辨識，辨識結(jié)果證明改進(jìn)灰狼算法在辨識精度與穩(wěn)定性都優(yōu)于傳統(tǒng)灰狼算法。

摘要： 本發(fā)明公開了一種基于增強灰狼算法的統(tǒng)一電能質(zhì)量調(diào)節(jié)器容量的優(yōu)化方法。本發(fā)明根據(jù)增強的灰狼算法確定UPQC系統(tǒng)的最佳容量，在保證電能質(zhì)量前提下，使得系統(tǒng)同時滿足經(jīng)濟性。通過MATLAB仿真驗證了所提出的策略和相應(yīng)控制方法的實用性。它既能處理串聯(lián)變壓器的額定功率，又能處理功率變換器的額定功率。同時通過加入權(quán)重系數(shù)，使得UPQC系統(tǒng)更加具有經(jīng)濟性，也使優(yōu)化過程更加完整和準(zhǔn)確。此外，采用的雙重控制策略直接利用參考電源電流和負(fù)載電壓，而不是傳統(tǒng)UPQC控制策略中采用并聯(lián)補償電流和串聯(lián)注入電壓。這使得從實施控制到實現(xiàn)目標(biāo)的過程更加直接。

摘要： 基于改進(jìn)灰狼算法的機器人關(guān)節(jié)摩擦模型參數(shù)辨識方法，屬于電機系統(tǒng)辨識領(lǐng)域，包括建立空載狀態(tài)下機器人關(guān)節(jié)的摩擦模型；建立適應(yīng)度函數(shù)；初始化種群，輸入種群規(guī)模、問題維度、最大迭代次數(shù)；從量程下限逐步增大機器人關(guān)節(jié)轉(zhuǎn)速，測量機器人關(guān)節(jié)在該轉(zhuǎn)速下勻速轉(zhuǎn)動時的輸出力矩；通過改進(jìn)灰狼算法，對機器人關(guān)節(jié)摩擦模型進(jìn)行辨識，得到模型參數(shù)。改進(jìn)灰狼算法中的鄰居效應(yīng)策略提高灰狼算法的局部搜索能力、隨機分散策略提高灰狼算法的全局搜索能力、協(xié)同進(jìn)化機制平衡灰狼算法的探索和開發(fā)能力。本發(fā)明將灰狼算法應(yīng)用于機器人關(guān)節(jié)摩擦模型的辨識，并通過改進(jìn)灰狼算法有效地實現(xiàn)了摩擦模型的辨識，提高了辨識精度、收斂速度和穩(wěn)定性。

摘要： 本發(fā)明提供一種基于灰狼算法的船舶動力定位自抗擾控制方法，包括：建立慣性坐標(biāo)系與船體坐標(biāo)系，并構(gòu)建船舶的運動學(xué)和動力學(xué)數(shù)學(xué)模型；建立船舶動力定位自抗擾控制系統(tǒng)；設(shè)計灰狼算法；將設(shè)計的灰狼算法嵌入船舶動力定位自抗擾控制系統(tǒng)中，并通過設(shè)計的灰狼算法選取最優(yōu)的參數(shù)。本發(fā)明技術(shù)方案解決了動力定位系統(tǒng)中自抗擾控制器參數(shù)難以整定的技術(shù)問題，提高了控制器的控制效果，同時，優(yōu)化后的控制器在保證控制精度和速度的同時，減少了速度變化頻率，從而減少了舵偏擺動的頻率，降低了動力裝置機械結(jié)構(gòu)的損害，且在遭遇外界突增的擾動時偏移量更小，控制器反應(yīng)更加靈敏，并且能夠更快的回到期望位置，增強了動力定位系統(tǒng)抵抗外界擾動的能力。

摘要： 本發(fā)明公開了一種基于自適應(yīng)灰狼算法的頻率選擇表面設(shè)計方法及系統(tǒng)，該方法針對頻率選擇表面結(jié)構(gòu)優(yōu)化問題，以頻率選擇表面在中心工作頻率的濾波效果作為目標(biāo)，建立了以節(jié)點為基礎(chǔ)的頻率選擇表面單元優(yōu)化模型，然后采用自適應(yīng)灰狼算法與模型結(jié)合進(jìn)行求解，并基于該方法開發(fā)了頻率選擇表面設(shè)計系統(tǒng)；與傳統(tǒng)的FSS優(yōu)化方法相比，本發(fā)明具有更大的優(yōu)化范圍且克服了傳統(tǒng)FSS設(shè)計效率低、質(zhì)量差和依賴經(jīng)驗等缺陷，通過本發(fā)明實現(xiàn)FSS單元從設(shè)計需求到成品的自動化設(shè)計，提高了FSS的設(shè)計效率。

摘要： 本發(fā)明是一種基于改進(jìn)灰狼算法優(yōu)化的繼電器壽命預(yù)測方法，包括步驟1獲取建立訓(xùn)練樣本所需的材料性能參數(shù)；步驟2將需要優(yōu)化的初始權(quán)值和初始閾值獲得的父代種群中狼位置的取值進(jìn)行初始化；步驟3：采用灰狼算法優(yōu)化，不斷地對父代種群進(jìn)行迭代更新，直到滿足停止條件，此時獲得的代種群中狼最優(yōu)位置的取值；步驟4：建立BP神經(jīng)網(wǎng)絡(luò)，通過將不同結(jié)果的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行對比，得出最優(yōu)模型；步驟5：將灰狼算法提取到的重要信息作為BP神經(jīng)網(wǎng)絡(luò)的輸入，通過吸合時間和超程時間作為輸入量和輸出量，建立電磁繼電器的壽命預(yù)測模型；步驟6：通過計算均方根誤差，將實際值與測試值進(jìn)行對比，清晰地表示預(yù)測精度。本發(fā)明計算速度快且預(yù)測精度高。

摘要： 正確的保護定值整定計算對于繼電保護設(shè)備快速準(zhǔn)確動作尤為重要，傳統(tǒng)人工整定計算方法在大規(guī)模復(fù)雜電網(wǎng)中存在計算復(fù)雜、效率低下、難以綜合考慮所有保護配合情況等缺點。隨著計算機技術(shù)迅猛發(fā)展，現(xiàn)將群體智能優(yōu)化算法同繼電保護整定計算結(jié)合起來，相較于傳統(tǒng)人工整定計算提高了大規(guī)模復(fù)雜電網(wǎng)的整定計算的效率和準(zhǔn)確度。本發(fā)明公開了一種基于離散灰狼算法的繼電保護定值優(yōu)化方法，將離散化灰狼算法應(yīng)用于繼電保護定值優(yōu)化，求解使整定時間最短、整定阻抗最優(yōu)、不滿足約束情況最少的適應(yīng)度值，提高了尋優(yōu)效率，加快了收斂速度，能快速準(zhǔn)確的求得大規(guī)模復(fù)雜電網(wǎng)的整定值。

摘要： 本發(fā)明提出了一種改進(jìn)多目標(biāo)灰狼算法的無線充電系統(tǒng)參數(shù)優(yōu)化方法。本發(fā)明首先對磁諧振式無線充電系統(tǒng)進(jìn)行數(shù)學(xué)建模，推導(dǎo)出關(guān)于傳輸效率和功率密度的解析表達(dá)式，構(gòu)建優(yōu)化目標(biāo)模型和約束條件；對多目標(biāo)灰狼算法進(jìn)行改進(jìn)，利用反向精英學(xué)習(xí)策略生成初始種群，引入非線性自適應(yīng)權(quán)重改進(jìn)灰狼位置更新公式，采用對數(shù)控制因子改進(jìn)收斂因子曲線，有效提高了算法的收斂精度和收斂速度；以優(yōu)化目標(biāo)模型最小化作為優(yōu)化目標(biāo)，結(jié)合約束條件，通過改進(jìn)后的多目標(biāo)灰狼算法進(jìn)行優(yōu)化求解，得到無線充電系統(tǒng)的最優(yōu)參數(shù)。本發(fā)明避免了傳統(tǒng)無線充電系統(tǒng)參數(shù)優(yōu)化過程中，多次進(jìn)行有限元仿真造成的計算資源的浪費，同時也提高了系統(tǒng)的傳輸效率和功率密度。