检索结果-南通市图书馆

包装工程 2024年第1期45卷 229-238页

作者：虎翼飞张惠珍陈曦上海理工大学管理学院上海200093

目的针对当前物流背景下普遍出现的送货公司外包、退换货频繁等问题,结合现有的碳排放政策,提出低碳背景下开放式同时送取货选址−路径模型(Low-Carbon Open Location-routing Problem with Simultaneous Pickup and Delivery Problem,LO... 详细信息

目的针对当前物流背景下普遍出现的送货公司外包、退换货频繁等问题,结合现有的碳排放政策,提出低碳背景下开放式同时送取货选址−路径模型(Low-Carbon Open Location-routing Problem with Simultaneous Pickup and Delivery Problem,LOLRPSPD),并通过改进野马算法进行求解。方法首先设计一种新的解码方式,使得原离散问题可以采用连续算法求解。之后,运用哈尔顿序列生成初始解,改进非线性进化概率因子,使用模拟二进制交叉,增加变异操作,以及精英保留、设置连续失败重新初始化等步骤,改进野马算法。最后,通过6组不同大小的算例将改进野马算法与原始野马算法、模拟退火算法、粒子群算法、遗传算法进行对比。结果针对中大型算例,改进野马算法远超原始野马算法。针对小型算例,在确保准确率的同时,改进野马算法对比各经典算法也在速度上具有优势。结论提出的LOLRPSD模型具备合理性,改进的野马算法针对选址路径问题具有较好的搜索能力。

关键词：选址路径问题开放式问题同时送取货改进野马算法元启发式算法

来源：

维普期刊数据库博看期刊

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

麦克纳姆轮农业机器人路径跟踪——基于改进野马算法

引用

农机化研究 2025年第2期 1-8+18页

作者：穆占海艾尔肯·亥木都拉郑威强新疆大学智能制造现代产业学院

针对麦克纳姆轮农业机器人在智能大棚中的路径跟踪问题，建立了运动学模型和动力学模型，设计了一种新型的双环比例微分-分数阶比例积分导数(Proportional Derivative-Fractional Order Proportional-Integral Derivative, PD-FOPID)控... 详细信息

针对麦克纳姆轮农业机器人在智能大棚中的路径跟踪问题，建立了运动学模型和动力学模型，设计了一种新型的双环比例微分-分数阶比例积分导数(Proportional Derivative-Fractional Order Proportional-Integral Derivative, PD-FOPID)控制器对全局路径进行动态跟踪控制。对于控制器参数多且整定困难的问题，首先采用帐篷映射初始化种群策略、精英主义记忆策略、动态余弦权重策略和柯西—高斯变异策略对原始野马算法进行改进，然后利用略改进野马算法(Improved Wild Horse Optimizer, IWHO)对控制器最优增益参数优化。实验结果表明：所开发的算法在探索和开发阶段方面性能优异，且PD-FOPID控制器在整定工作中表现突出。路径跟踪仿真证明，设计的双环PD-FOPID控制器比FOPID控制器更具显著的优势，能够避免动态误差累积，快速响应调整到规划路径，在提高农业大棚机器人路径跟踪控制质量方面具有巨大的潜力。

关键词：麦克纳姆轮农业机器人路径跟踪运动学模型动力学模型新型双环控制器改进野马算法

来源：

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于IWHO-EKF的高速免耕播种机播种深度监测系统研究

引用

农业机械学报 2024年第3期55卷 75-84页

作者：王淞衣淑娟赵斌李衣菲陶桂香毛欣黑龙江八一农垦大学工程学院大庆163319 黑龙江省农机智能装备重点实验室大庆163319 东北农业大学工程学院哈尔滨150030

为解决免耕播种机高速(12~16 km/h)作业时因地势起伏造成机械振动与传感器测量误差导致的播种深度监测系统精度降低,以及单一传感器监测可靠性较差的问题,研究了一种基于改进野马算法(Improved wild horse optimizer,IWHO)优化扩展卡尔... 详细信息

为解决免耕播种机高速(12~16 km/h)作业时因地势起伏造成机械振动与传感器测量误差导致的播种深度监测系统精度降低,以及单一传感器监测可靠性较差的问题,研究了一种基于改进野马算法(Improved wild horse optimizer,IWHO)优化扩展卡尔曼滤波器(Extended Kalman filter,EKF)中关键参数Q_(sigma)、R_(sigma1)、R_(sigma2)、R_(sigma3)的多传感器数据融合算法(IWHO-EKF)的高速免耕播种机播种深度监测系统。首先,建立以激光、超声波与角度传感器为多传感器监测单元的播种深度监测模型;其次,通过卡尔曼滤波算法对3个单一传感器分别滤波;最后,提出一种加入莱维飞行与高斯变异的IWHO-EKF算法,将滤波后的3个单一传感器进行数据融合,从而解决机械振动干扰与传感器测量误差降低的问题,同时充分发挥多传感器融合信息,确保免耕播种机高速作业时实现高精度、高可靠性播种深度实时监测。为验证其优越性,通过IWHO-EKF算法与单一传感器监测、单一传感器滤波和WHO-EKF算法进行仿真对比试验与田间试验。仿真试验表明:基于IWHO-EKF的高速免耕播种机播种深度监测算法平均绝对误差为0.073 cm,均方根误差为0.090 cm,相关系数为0.983,实现了高精度监测,且精度相较于传感器原始监测值、滤波值与WHO-EKF算法均显著提升。田间试验结果表明:基于IWHO-EKF算法的高速免耕播种机播种深度监测系统相较于3个单一传感器监测值,平均绝对误差和平均均方根误差分别降低0.063 cm和0.067 cm,同时平均相关系数提升0.027,该系统能够提高播种深度监测系统的精确性和可靠性。

关键词：高速免耕播种机播种深度监测系统改进野马算法扩展卡尔曼滤波器数据融合

来源：

维普期刊数据库博看期刊

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于IWHO-CNN-ATT-LSTM的超短期风电功率预测研究

基于IWHO-CNN-ATT-LSTM的超短期风电功率预测研究

引用

作者：王晨曦辽宁工程技术大学

学位级别：硕士

风力发电存在不稳定、易受环境干扰、难以并入电网等问题,准确高效的进行风电功率预测对于风电场和电网的稳定运行非常重要,本文提出一种基于格兰杰因果检验优选特征和改进野马算法(IWHO)优化融合注意力机制的卷积-长短期记忆神经网络(C... 详细信息

风力发电存在不稳定、易受环境干扰、难以并入电网等问题,准确高效的进行风电功率预测对于风电场和电网的稳定运行非常重要,本文提出一种基于格兰杰因果检验优选特征和改进野马算法(IWHO)优化融合注意力机制的卷积-长短期记忆神经网络(CNN-ATT-LSTM)的风电功率预测方法。首先,定性分析了气象因素与风电输出功率的关系、研究了风电输出功率异常的原因,并对风电站的历史数据进行数据预处理,通过引入格兰杰因果检验的方法得出了影响风电发出功率的因素,为后续的预测模型建立打下基础。然后,针对实际风电场数据中各因素关系复杂、存在明显的时序特征等问题,本文结合CNN对数据特征提取能力强和LSTM对时序特征学习能力突出的特点,引入注意力机制,构建了CNNATT-LSTM组合模型,通过与传统深度学习模型进行对比分析,结果表明CNN-ATT-LSTM模型在风电功率变化平稳和波动较大时的预测效果均优于其他模型,验证了本文模型的优越性。其次,针对神经网络模型超参数难以确定的问题,提出改进野马算法优化CNN-ATT-LSTM的风电功率预测模型。针对传统野马算法的不足之处,利用Cubic序列混沌映射、非线性收敛因子、Levy飞行和小波变异策略对野马算法进行改进,通过对10种标准函数的寻优结果进行对比分析,验证了IWHO的优越性。最后,为验证模型的有效性,将通过格兰杰因果检验的优选特征作为模型的输入,建立多种风电功率预测模型,通过对比分析,结果表明IWHO-CNN-ATT-LSTM风电预测模型精确度最高,同时其稳定性也最好,体现了本文方法在风电功率预测中的有效性,为风电功率预测研究提供了一种可靠的方法。该论文有图58幅,表23个,参考文献64篇。

关键词：风力发电功率预测格兰杰因果检验卷积神经网络长短期记忆神经网络注意力机制改进野马算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：