灰狼优化算法

摘要： 针对倾转旋翼无人机在倾转过程中的高度控制问题,提出一种基于灰狼优化的神经网络自适应控制方法,用于一种倾转三旋翼无人机倾转过程的飞行控制。首先,建立了无人机的非线性数字仿真模型;其次,基于神经网络自适应控制方法分别设计了无人机的高度控制器和姿态控制器,并用灰狼优化算法对神经网络的参数和控制器的参数寻优;再次,设计了倾转过程中的两种高度控制方案;最后,通过数字仿真验证了本文所提出的控制方法的有效性和鲁棒性。

摘要： 针对栽植机四杆机构设计中参数选取过程复杂、求解难度较大的问题,提出一种基于混沌灰狼优化算法的栽植机四杆机构优化设计方法。首先,以四杆栽植机构为研究对象,建立以轨迹误差最小化为优化目标的数学模型。其次,在原始的灰狼优化算法中嵌入混沌初始化与扰动两种学习机制来提升多样性与跳出局部解的能力,同时设计了一种非线性自适应算子来平衡探索与开发。最后,应用所提方法对栽植机四杆机构进行了优化设计。实验结果表明,本研究方法能有效解决栽植机四杆机构优化设计问题,所设计的栽植机构具有更合理的参数尺寸和更小的运动偏差。

摘要： 针对移动机器人三维路径规划问题,提出一种基于改进灰狼优化算法的移动机器人三维路径规划方法。首先,利用超立方体抽样初始化灰狼种群,提高初始种群的质量,引入动态权重,加大最优狼比重,加快算法的收敛速度和精度;其次,提出降维-升维的地图处理方法,降低三维地图的复杂程度,加快算法的求解速度;最后,结合人工势场法,对局部未知的动态障碍物进行避障。仿真结果表明,改进算法在求解路径规划问题上具有有效性和优越性。

摘要： 以进一步提高光伏输出功率短期预测的准确性和可靠性为目标,针对传统Elman神经网络权值和阈值盲目随机的缺点以及光伏输出功率信号波动性和非平稳性的特点,提出一种基于变分模态分解(VMD)和灰狼优化算法(GWO)优化Elman神经网络的光伏输出功率短期预测模型。首先,使用Kmeans算法对原始数据按天气类型进行聚类;然后,使用VMD对每一类型天气光伏输出功率数据进行分解,分别将各分解子序列输入经GWO优化的Elman神经网络进行光伏输出功率预测;最后,将各预测结果进行叠加。实例证明:该模型的预测精度有所提升。

摘要： 为改善综合智能化光缆通信线路故障诊断的识别准确率,提出了一种使用灰狼算法优化支持向量机的综合智能化光缆通信线路故障诊断模型。首先,提取光缆线路故障信号的时域特征、频域特征和样本熵特征,之后建立综合智能化光缆通信线路故障的GWO-SVM诊断模型。与GA-SVM、PSO-SVM和DE-SVM对比发现,使用GWO-SVM模型的综合智能化光缆通信线路故障诊断精度更高和收敛速度更快,从而为综合智能化光缆通信线路故障诊断提供了新的方法。

摘要： 把控火灾的蔓延趋势是森林火灾预防的重要环节。目前针对火灾蔓延趋势的预测大多是关于蔓延模型对火线预测以及利用仿真软件对火线进行长时间离线模拟,但无论哪种预测方式都难以满足实际的火灾预防需求。卷积长短期神经网络(Convlstm)在短期的图像预测中表现出显著的优势,在此基础上加入灰狼优化算法(GWO)来优化神经网络模型的超参数,从而提高卷积长短期神经网络的整体预测效果。无人机由于机动性强,可以凭借搭载的传感器完成对真实火场信息的采集,无人机采集的红外图像数据可以通过透视变换来消除三维视觉上的偏差,最后将透视变换后的红外图像通过结合灰狼优化算法的卷积长短期神经网络完成对林火蔓延的实时预测。

摘要： 机器人的机械手广泛应用于自动化和医疗等各种工业过程,用于选择、放置和路径定位。由于这些系统是时变和非线性的,因此机械手的性能是这类系统的主要问题。针对以上问题,对机器人机械手的轨迹进行跟踪,通过灰狼优化算法得到了最优PID参数,并将该值与蚁狮优化算法得出的结果进行了比较。时域适应度函数的性能指标的仿真表明,基于灰狼优化算法的PID控制器比基于蚁狮优化算法的最优值更佳。

摘要： 目的:解决苹果近红外光谱存在大量冗余信息和苹果内部品质评价精度较低的问题,提高苹果内部品质评价的精度。方法:提出一种连续投影法的特征波长筛选与灰狼优化算法改进深度置信网络(GWO-DBN)的苹果内部品质评价模型。针对苹果光谱数据具有维度高而复杂的特点,分别对比全波段和主成分分析法、连续投影法等筛选特征波长的结果,确定苹果光谱特征波长筛选方法;针对深度置信网络(DBN)模型性能受参数设定的影响,运用灰狼优化算法(GWO)对DBN模型参数进行优化选择,提出一种连续投影法的特征波长筛选与GWO-DBN的苹果内部品质评价模型。结果:与中粒子群算法改进深度置信网络(PSO-DBN)、遗传算法改进深度置信网络(GA-DBN)和DBN相比,基于GWO-DBN的苹果内部品质评价的准确度最高。结论:GWO-DBN算法可以有效提高苹果内部品质评价的准确率。

摘要： 针对强背景噪声下的低速重载回转支承难以提取故障特征的问题,提出了一种变分模态分解(VMD)与多点最优最小熵解卷积(MOMEDA)相结合的回转支承故障诊断方法。首先,采用VMD算法对原始振动信号进行分解,从中选出峭度最优分量;其次,利用灰狼优化算法(GWO)优化MOMEDA算法中的参数T,再基于优化的MOMEDA算法增强最优分量中的故障冲击成分;最后,对处理后的最优分量进行包络谱分析,提取故障特征。与VMD-MED方法相比,所提方法能够更准确突出信号中的周期性故障冲击成分,有效提取低速重载回转支承故障特征。

摘要： 针对自动化集装箱码头上多自动引导车(AGV)的调度和路径规划问题,在考虑AGV负载以及冲突的情况下,建立了以最小化AGV能量消耗为目标的数学模型。设计了两个阶段的算法对模型进行求解,第一阶段基于任务组合分解,利用灰狼优化算法在最短路径下优化AGV调度,第二阶段对于较优的AGV调度,进一步利用基于Floyd的时间冲突预测算法对其路径进行优化,以达到预防冲突的结果。通过实验验证了不同问题规模下算法的可行性和有效性,结果表明所设计算法能有效减少编码长度,得到的结果质量、运行时间和收敛情况都优于其他算法所得,该算法能够有效地解决不同规模下多AGV的调度和预防冲突的路径规划问题,减少AGV的能量消耗。

摘要： 以自动化立体仓库出入库作业过程中堆垛机能量消耗为优化目标,建立相应数学模型.对于入库货物,同时考虑定位存储和随机存储两种入库策略,采用了一种最近邻货位选择策略对随机存储货物进行货位分配.采用了一种改进灰狼优化算法进行问题求解,种群个体采用三段式编码,每个个体代表一种可行方案.为了改善传统灰狼优化算法中存在陷入局部最优的问题,引入了Lévy飞行的种群个体更新策略以及贪心选择策略来增强算法的全局搜索能力.仿真实验结果表明,该改进灰狼优化算法在求解自动化立体仓库出入库作业能量优化调度问题的有效性.

摘要： 如何对大地电磁数据进行有效、准确度高的反演解释是大地电磁法(magnetotelluric,简称MT)的核心问题之一.对比各种线性反演方法,非线性启发式最优化算法因其不依赖初始模型,迭代精度高,收敛速度快等优点,在大地电磁资料反演解释中更具有实际意义.本文将灰狼优化算法(GWO算法)应用于大地电磁资料的反演解释。从实现过程看，GWO算法处理MT资料的容易实现，运行花费时间短;从结果看，在精度和收敛性质上，灰狼算法显示出较好的优越性。今后，灰狼算法作为一种新兴非线性反演算法，将在地球物理反演领域中被不断的完善。

摘要： 为了解决三维复杂环境下的无人机航迹规划问题,本文提出了一种基于改进GWO算法的无人机三维航迹规划方法.模拟真实的地理环境,建立了三维地形模型和禁飞区模型,构造了合理的评价函数.在改进算法中,设计了一种基于贪婪引导和变异策略的初始化方法,解决了原始GWO算法的初始化方法在三维航迹规划中效果不佳的问题;将一种非线性递减函数引入距离控制参数,解决了原始GWO算法开发能力小足的问题;设计了一种动态加权平均和静态平均混合的位置更新策略,解决了原始GWO算法位置更新策略不灵活的问题.仿真结果表明,与多种相关算法进行对比,该算法收敛速度最快且全局寻优能力最强.

摘要： 为了解决三维复杂环境下的无人机航迹规划问题,本文提出了一种基于改进GWO算法的无人机三维航迹规划方法.模拟真实的地理环境,建立了三维地形模型和禁飞区模型,构造了合理的评价函数.在改进算法中,设计了一种基于贪婪引导和变异策略的初始化方法,解决了原始GWO算法的初始化方法在三维航迹规划中效果不佳的问题;将一种非线性递减函数引入距离控制参数,解决了原始GWO算法开发能力小足的问题;设计了一种动态加权平均和静态平均混合的位置更新策略,解决了原始GWO算法位置更新策略不灵活的问题.仿真结果表明,与多种相关算法进行对比,该算法收敛速度最快且全局寻优能力最强.

摘要： 为了解决三维复杂环境下的无人机航迹规划问题,本文提出了一种基于改进GWO算法的无人机三维航迹规划方法.模拟真实的地理环境,建立了三维地形模型和禁飞区模型,构造了合理的评价函数.在改进算法中,设计了一种基于贪婪引导和变异策略的初始化方法,解决了原始GWO算法的初始化方法在三维航迹规划中效果不佳的问题;将一种非线性递减函数引入距离控制参数,解决了原始GWO算法开发能力小足的问题;设计了一种动态加权平均和静态平均混合的位置更新策略,解决了原始GWO算法位置更新策略不灵活的问题.仿真结果表明,与多种相关算法进行对比,该算法收敛速度最快且全局寻优能力最强.

摘要： 为了解决三维复杂环境下的无人机航迹规划问题,本文提出了一种基于改进GWO算法的无人机三维航迹规划方法.模拟真实的地理环境,建立了三维地形模型和禁飞区模型,构造了合理的评价函数.在改进算法中,设计了一种基于贪婪引导和变异策略的初始化方法,解决了原始GWO算法的初始化方法在三维航迹规划中效果不佳的问题;将一种非线性递减函数引入距离控制参数,解决了原始GWO算法开发能力小足的问题;设计了一种动态加权平均和静态平均混合的位置更新策略,解决了原始GWO算法位置更新策略不灵活的问题.仿真结果表明,与多种相关算法进行对比,该算法收敛速度最快且全局寻优能力最强.

摘要： 为了解决三维复杂环境下的无人机航迹规划问题,本文提出了一种基于改进GWO算法的无人机三维航迹规划方法.模拟真实的地理环境,建立了三维地形模型和禁飞区模型,构造了合理的评价函数.在改进算法中,设计了一种基于贪婪引导和变异策略的初始化方法,解决了原始GWO算法的初始化方法在三维航迹规划中效果不佳的问题;将一种非线性递减函数引入距离控制参数,解决了原始GWO算法开发能力小足的问题;设计了一种动态加权平均和静态平均混合的位置更新策略,解决了原始GWO算法位置更新策略不灵活的问题.仿真结果表明,与多种相关算法进行对比,该算法收敛速度最快且全局寻优能力最强.

摘要： 本发明涉及一种基于灰狼优化算法的重载列车能耗优化方法，根据列车牵引力曲线、列车制动力曲线、列车运行阻力曲线确定列车理想运行曲线；根据列车理想运行曲线构建列车总能耗模型并设置约束条件，然后运用改进的灰狼优化算法确定列车总能耗模型的最优解，从而确定各工况的最优速度，得到最优的速度曲线。本发明对重载列车的上下坡进行了系统的分析，根据上下坡进行相对的能量计算，能量的计算方法更加的准确。同时，本发明对传统灰狼算法改进，采用新型非线性收敛因子的灰狼算法对重载列车进行能耗优化分析，引入了反向学习策略、变异算子等，减少了算法发生早熟收敛的概率，提高了能耗优化分析精度。

摘要： 本发明公开了提出一种基于改进灰狼优化算法的无源时差定位系统优化布站方法，将无源时差定位系统的布站问题转化为求解目标函数的最小值问题，以无源时差定位系统为基础建立优化布站模型，用改进后的灰狼优化算法对该模型进行求解，求解的基本流程为：建立无源时差定位系统最优化布站模型，用M‑GWO算法对该模型进行求解，使模型目标函数值最小时的基站位置即为定位系统的最优布站位置。本发明用于求解无源时差定位系统对目标区域更高精度的布站位置，可以求取任意布站范围内的最优布站位置，具有普适性。

摘要： 本发明公开了一种基于改进灰狼优化算法的区域负荷频率分数阶PID优化控制方法，首先，基于IEEE标准搭建了两区域负荷频率控制模型；其次，设计了分数阶PID控制器，并采用灰狼优化算法GWO对分数阶PID控制器参数进行了优化；最后，在基于IEEE标准搭建的两区域负荷频率控制模型上进行仿真验证，仿真结果表明，经过灰狼优化算法GWO优化的分数阶PID控制器，在区域负荷频率控制中表现出更强的鲁棒性和稳定性，当系统发生扰动时，能够缩短频率恢复时间，提高系统的动态性能。

摘要： 本发明涉及一种基于灰狼优化算法的重载列车能耗优化方法，根据列车牵引力曲线、列车制动力曲线、列车运行阻力曲线确定列车理想运行曲线；根据列车理想运行曲线构建列车总能耗模型并设置约束条件，然后运用改进的灰狼优化算法确定列车总能耗模型的最优解，从而确定各工况的最优速度，得到最优的速度曲线。本发明对重载列车的上下坡进行了系统的分析，根据上下坡进行相对的能量计算，能量的计算方法更加的准确。同时，本发明对传统灰狼算法改进，采用新型非线性收敛因子的灰狼算法对重载列车进行能耗优化分析，引入了反向学习策略、变异算子等，减少了算法发生早熟收敛的概率，提高了能耗优化分析精度。

摘要： 本发明公开了提出一种基于改进灰狼优化算法的无源时差定位系统优化布站方法，将无源时差定位系统的布站问题转化为求解目标函数的最小值问题，以无源时差定位系统为基础建立优化布站模型，用改进后的灰狼优化算法对该模型进行求解，求解的基本流程为：建立无源时差定位系统最优化布站模型，用M‑GWO算法对该模型进行求解，使模型目标函数值最小时的基站位置即为定位系统的最优布站位置。本发明用于求解无源时差定位系统对目标区域更高精度的布站位置，可以求取任意布站范围内的最优布站位置，具有普适性。

摘要： 本发明提供了一种灰狼优化算法中搜索阶段的优化方法及系统，方法通过根据计算的先后顺序将灰狼优化算法中的搜索阶段划分为第一阶段及第二阶段；在第一阶段中将当前灰狼优化算法中的狼群按排序后的适应度进行分组，并对各分组分别进行搜索迭代计算，得到作为第二阶段的初始状态的第一搜索结果；对狼群进行搜索计算，得到第二搜索结果；系统包括阶段划分模块、初始处理模块及优化搜索模块。本发明解决了原灰狼优化算法前期全局搜索能力弱且后期收敛速度慢的问题，优化了灰狼优化算法在搜索阶段的全局搜索能力，并使算法在全局搜索能力和局部搜索能力之间达到一个平衡，提高了后续计算的收敛速度，保证了计算过程的效率及计算结果的准确性。

摘要： 一种基于改进灰狼优化算法的差异代谢物分析方法及系统，包括以下步骤：一，获取数据源，其中数据源包括离子的质谱信号数据，对数据进行整合；二，通过哈希算法在数据源获取每个离子所需分析的信息；三，将获取离子的质谱信号数据进行组间对比分析，并根据学生t检验算法以及用户需求的离子评判标准，筛选出所需分析的离子；四，使用改进灰狼优化算法对差异离子进行选择；五，获取差异离子数据，并使用KNN方法进行分类模型建模；六，计算分类模型的混淆矩阵、ROC曲线、AUC面积指标，向用户展示差异分析结果。

摘要： 本发明公开了一种基于灰狼优化算法的LSTM预测模型的旋转设备预测诊断方法，包括以下步骤：S1、对旋转设备的振动信号进行提取；S2、利用Hilbert‑Huang模型对步骤S1提取的振动信号进行分析；通过EMD将旋转设备的振动信号分解成若干个IMF；S3、计算振动信号与其IMF的相关系数，选择表征劣化特征的敏感IMF，将表征劣化特征的敏感IMF选出作为预测模型的数据输入；S4、采用LSTM模型对劣化敏感的IMF进行预测；S5、采用灰狼优化模型对LSTM模型的参数进行优化，动态更新预测值。本发明利用LSTM模型对旋转设备进行故障预测，再利用灰狼模型对LSTM模型的网络参数进行滚动优化，并动态更新预测值，可以有效的提升预测经过的精度，保证函数在全局最优解处收敛。

摘要： 本发明提供了一种基于改进灰狼优化算法的入侵检测特征选择方法，利用柯西变异和Levy飞行对狼群进行扰动，跳出局部最优，提高全局搜索的能力，进而得到最佳特征子集，提高入侵检测的准确率。本发明在灰狼种群初始化时，使用Logistic混沌映射，提高初始灰狼种群的质量，提高算法挖掘能力；在灰狼种群更新时进行扰动，一定程度上弥补了陷入局部最优的缺点，提升全局搜索能力；最终训练出特征数较少的最佳特征子集，带入测试集后，得到的检测准确率更高。

摘要： 本发明公开了一种基于改进灰狼优化算法的RBF神经网络的锂离子电池SOH估计方法，其步骤包括：1、采集待测电池历史数据，2、基于充电电压曲线和增量容量曲线提取特征，3、构建改进RBF神经网络，并基于所述训练集，采用改进灰狼优化算法优化网络中的参数，4、基于训练好的模型进行SOH估计。本发明能解决传统RBF神经网络难以跟踪电池SOH全局线性变化和容易陷入局部最优的问题，从而能提高模型对锂离子电池SOH的估计精度。