期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到42篇文章
< 1 2 3 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
5G Resource Allocation Using Feature Selection and Greylag Goose Optimization Algorithm 认领 引用 被引量：1
1
作者 Amel Ali Alhussan S.K.Towfek 《Computers, Materials & Continua》 SCIE EI 2024年第7期1179-1201,共23页
In the contemporary world of highly efficient technological development,fifth-generation technology(5G)is seen as a vital step forward with theoretical maximum download speeds of up to twenty gigabits per second(Gbps)... In the contemporary world of highly efficient technological development,fifth-generation technology(5G)is seen as a vital step forward with theoretical maximum download speeds of up to twenty gigabits per second(Gbps).As far as the current implementations are concerned,they are at the level of slightly below 1 Gbps,but this allowed a great leap forward from fourth generation technology(4G),as well as enabling significantly reduced latency,making 5G an absolute necessity for applications such as gaming,virtual conferencing,and other interactive electronic processes.Prospects of this change are not limited to connectivity alone;it urges operators to refine their business strategies and offers users better and improved digital solutions.An essential factor is optimization and the application of artificial intelligence throughout the general arrangement of intricate and detailed 5G lines.Integrating Binary Greylag Goose Optimization(bGGO)to achieve a significant reduction in the feature set while maintaining or improving model performance,leading to more efficient and effective 5G network management,and Greylag Goose Optimization(GGO)increases the efficiency of the machine learningmodels.Thus,the model performs and yields more accurate results.This work proposes a new method to schedule the resources in the next generation,5G,based on a feature selection using GGO and a regression model that is an ensemble of K-Nearest Neighbors(KNN),Gradient Boosting,and Extra Trees algorithms.The ensemble model shows better prediction performance with the coefficient of determination R squared value equal to.99348.The proposed framework is supported by several Statistical analyses,such as theWilcoxon signed-rank test.Some of the benefits of this study are the introduction of new efficient optimization algorithms,the selection of features and more reliable ensemble models which improve the efficiency of 5G technology. 展开更多
关键词 Optimization ensemble learning 5G technology artificial intelligence greylag goose optimization ANOVA test
暂未订购 下载PDF
Urban Electric Vehicle Charging Station Placement Optimization with Graylag Goose Optimization Voting Classifier 认领 引用 被引量：1
2
作者 Amel Ali Alhussan Doaa Sami Khafaga +2 位作者 El-Sayed M.El-kenawy Marwa M.Eid Abdelhameed Ibrahim 《Computers, Materials & Continua》 SCIE EI 2024年第7期1163-1177,共15页
To reduce the negative effects that conventional modes of transportation have on the environment,researchers are working to increase the use of electric vehicles.The demand for environmentally friendly transportation ... To reduce the negative effects that conventional modes of transportation have on the environment,researchers are working to increase the use of electric vehicles.The demand for environmentally friendly transportation may be hampered by obstacles such as a restricted range and extended rates of recharge.The establishment of urban charging infrastructure that includes both fast and ultra-fast terminals is essential to address this issue.Nevertheless,the powering of these terminals presents challenges because of the high energy requirements,whichmay influence the quality of service.Modelling the maximum hourly capacity of each station based on its geographic location is necessary to arrive at an accurate estimation of the resources required for charging infrastructure.It is vital to do an analysis of specific regional traffic patterns,such as road networks,route details,junction density,and economic zones,rather than making arbitrary conclusions about traffic patterns.When vehicle traffic is simulated using this data and other variables,it is possible to detect limits in the design of the current traffic engineering system.Initially,the binary graylag goose optimization(bGGO)algorithm is utilized for the purpose of feature selection.Subsequently,the graylag goose optimization(GGO)algorithm is utilized as a voting classifier as a decision algorithm to allocate demand to charging stations while taking into consideration the cost variable of traffic congestion.Based on the results of the analysis of variance(ANOVA),a comprehensive summary of the components that contribute to the observed variability in the dataset is provided.The results of the Wilcoxon Signed Rank Test compare the actual median accuracy values of several different algorithms,such as the voting GGO algorithm,the voting grey wolf optimization algorithm(GWO),the voting whale optimization algorithm(WOA),the voting particle swarm optimization(PSO),the voting firefly algorithm(FA),and the voting genetic algorithm(GA),to the theoretical median that would be expected that there is no difference. 展开更多
关键词 Electric vehicle graylag goose optimization metaheuristics optimization machine learning
暂未订购 下载PDF
A Computational Multi-Output Soft Sensing Framework for Sinter Quality Prediction Using Feature Selection and Hierarchical SVR Optimization 认领 引用
3
作者 Zhenhua Yang YifanLi +2 位作者 Aimin Yang JieLi Tao Xue 《Computer Modeling in Engineering & Sciences》 SCIE EI 2026年第5期899-919,共21页
Sinter quality prediction in iron ore sintering is a challenging computational modeling problem because of highly nonlinear process behavior,strong cross-variable interactions,and disturbances caused by changing opera... Sinter quality prediction in iron ore sintering is a challenging computational modeling problem because of highly nonlinear process behavior,strong cross-variable interactions,and disturbances caused by changing operating conditions.This study develops a data-driven multi-index soft-sensing framework for sinter quality prediction by combining feature selection and hierarchical model optimization.An improved binary Greylag Goose Optimization algorithm is first employed to identify a compact subset of informative variables,reducing redundancy and multicollinearity in the original process data.A hierarchical two-stage Greylag Goose Optimization strategy is then designed to optimize the hyperparameters of a support vector regression model through coarse-to-fine search,balancing global exploration and local refinement in the parameter space.The proposed framework is validated on three key sinter quality indices under consistent data partitioning and equal optimization budgets.Experimental results show that the method achieves coefficients of determination of 0.975,0.985,and 0.986 for yield,drum index,and RDI+3.15respectively,indicating strong predictive capability and robust generalization.Comparative experiments demonstrate that the proposed framework outperforms several representative baseline methods in terms of prediction accuracy and fitting performance.In addition,ablation analysis confirms the contribution of the hierarchical optimization mechanism to the overall model performance.The proposed framework offers an effective computational approach for multi-index quality modeling,online prediction,and intelligent decision support in complex industrial systems. 展开更多
关键词 Data-driven modeling multi-index quality prediction support vector regression feature selection Greylag Goose Optimization hierarchical optimization
暂未订购 下载PDF
基于GOOSE-VMD的GaN HEMT器件应力波检测与分析 认领 引用 被引量：4
4
作者 王洪金 常珊 +3 位作者 何赟泽 耿学锋 邓堡元 刘松源 《电子测量与仪器学报》 CSCD 北大核心 2024年第10期78-87,共10页
第三代功率半导体器件—氮化镓高电子迁移率晶体管器件(GaN HEMT)以其耐压耐温的优异特性在电力电子与通讯电子领域广泛应用。GaN HEMT器件通常工作在高温大功率等严苛的外部条件下,为了避免其突然失效对电力电子设备的正常运行产生影响... 第三代功率半导体器件—氮化镓高电子迁移率晶体管器件(GaN HEMT)以其耐压耐温的优异特性在电力电子与通讯电子领域广泛应用。GaN HEMT器件通常工作在高温大功率等严苛的外部条件下,为了避免其突然失效对电力电子设备的正常运行产生影响,对其进行主动实时的状态检测有着极其重要的意义。通过在不同温度和漏源电压条件下设计并进行重复性实验,提取分析GaN HEMT器件开通和关断瞬间产生应力波能量的变化来探讨温度和漏源电压对GaN HEMT器件的影响。针对器件应力波采集过程中易受噪声干扰的问题,提出一种基于GOOSE鹅优化算法的变分模态分解(VMD)的应力波去噪算法。实验结果表明,所提出的GOOSE-VMD信号处理方法能够在最大程度保留应力波信号特征的同时取得良好的降噪效果;器件应力波能量与漏源电压具有良好的正相关关系;器件应力波能量随着温度升高而减小,但当温度升高至82.05℃之后,应力波能量随着温度升高而增大。 展开更多
关键词 GaN HEMT 应力波 变分模态分解 鹅优化算法 温度 漏源电压
暂未订购 下载PDF
基于GOOSE通信的地铁多变流器智能优化控制方法研究 认领 引用 被引量：5
5
作者 何斌 杜贵府 郑子璇 《都市快轨交通》 北大核心 2022年第2期42-49,共8页
当前地铁线路各牵引所变流器独立运行,无法实现实时信息交互、精准调整和协调控制。为解决这一问题,提出基于GOOSE通信的地铁多变流器智能优化控制方法。基于GOOSE通信网络搭建多变流器分层控制结构,以系统网损最小和钢轨电位幅值最小... 当前地铁线路各牵引所变流器独立运行,无法实现实时信息交互、精准调整和协调控制。为解决这一问题,提出基于GOOSE通信的地铁多变流器智能优化控制方法。基于GOOSE通信网络搭建多变流器分层控制结构,以系统网损最小和钢轨电位幅值最小为目标,提出基于NSGA-II算法的多变流器双目标优化控制算法。搭建地铁牵引供电系统动态潮流仿真平台进行仿真验证,结果表明:基于GOOSE通信的多变流器智能优化控制方法能够实现多个变流器的动态管理和协调控制,降低线路网络损耗以及钢轨电位。与传统的无通信优化控制相比,多变流器智能优化控制方法能够实时优化各变流器的输出特性,实现线路节能、安全运行的目标。 展开更多
关键词 城市轨道交通 GOOSE通信 多变流器协调控制 智能优化
暂未订购 下载PDF
基于GOOSE技术与模糊算法的智能继电保护方案设计 认领 引用 被引量：8
6
作者 姜伊欣 《电子设计工程》 2018年第4期145-149,共5页
通用面向对象的变电站事件(GOOSE)是IEC61850标准定义的一种报文传输机制,其特点是报文交换和传输的快速性,可应用于继电保护领域。采用GOOSE机制后继电保护将减少大量二次电缆的铺设工作,减少了回路提高了经济性,并且继电保护可靠性、... 通用面向对象的变电站事件(GOOSE)是IEC61850标准定义的一种报文传输机制,其特点是报文交换和传输的快速性,可应用于继电保护领域。采用GOOSE机制后继电保护将减少大量二次电缆的铺设工作,减少了回路提高了经济性,并且继电保护可靠性、速动性以及运行检修能力得到提升。因此,对将GOOSE机制应用于继电保护领域的工程研究具有现实意义。本文将GOOSE技术与变电站保护技术结合研究设计了继电保护方案。仿真数据表明,该方案可以实现相应的技术目标,同时系统抗干扰能力强,稳定可靠。 展开更多
关键词 GOOSE 继电保护 变电站 模糊算法 稳定
暂未订购 下载PDF
SM3算法在GOOSE报文中的安全应用 认领 引用 被引量：4
7
作者 曾献煜 刘飘 +2 位作者 冯瑞珏 李志锋 杨树丰 《广西电力》 2021年第4期38-43,共6页
本文针对GOOSE报文在进行数据传输过程中存在电力信息泄露和遭受恶意篡改的风险,引入可进行数字签名验证的国密SM3算法应用于GOOSE报文。在确保数据安全性的同时满足信息的实时性,通过从OpenSSL函数库将SM3算法移植入FCU2302+1043A嵌入... 本文针对GOOSE报文在进行数据传输过程中存在电力信息泄露和遭受恶意篡改的风险,引入可进行数字签名验证的国密SM3算法应用于GOOSE报文。在确保数据安全性的同时满足信息的实时性,通过从OpenSSL函数库将SM3算法移植入FCU2302+1043A嵌入式控制单元中,并结合gmssl编译工具开发测试界面,性能测试分析表明,加密小文件时,加密耗时维持在20 ms左右,加密大文件时,加密耗时与文件大小呈线性增长关系,最终仍可满足电力系统大信息流的基本需求。 展开更多
关键词 SM3算法 GOOSE报文 消息摘要算法 变电站通讯安全 信息安全
暂未订购 下载PDF
基于Goose LDW-PSO的管壳式换热器优化设计 认领 引用 被引量：3
8
作者 杜雪平 陈贵冬 +1 位作者 曾敏 王秋旺 《工程热物理学报》 EI CAS 北大核心 2010年第4期679-681,共3页
管壳式换热器在工业中的应用越来越广泛,对于设计者和使用者来说使其费用最小化是一个很重要的目标。本文以最小化管壳式换热器的总费用为优化目标,提出了运用基于雁群启示的惯性权重线性下降粒子群优化算法(Goose LDW-PSO)对其进行优... 管壳式换热器在工业中的应用越来越广泛,对于设计者和使用者来说使其费用最小化是一个很重要的目标。本文以最小化管壳式换热器的总费用为优化目标,提出了运用基于雁群启示的惯性权重线性下降粒子群优化算法(Goose LDW-PSO)对其进行优化设计。为了验证这种方法的有效性,用Goose LDW-PSO对管壳式换热器进行了优化设计,并与原始设计结果进行了比较。比较结果表明,虽然管子数目增加,但是换热器的总费用比传统方法少了很多。 展开更多
关键词 管壳式换热器 优化设计 粒子群优化算法
暂未订购 下载PDF
基于改进GOOSE算法的VMD体征信息研究 认领 引用 被引量：4
9
作者 刘贵 徐曦 +1 位作者 许中华 谭奥成 《传感器与微系统》 CSCD 北大核心 2024年第9期26-29,共4页
本文中依靠60 GHz调频连续波(FMCW)毫米波雷达,通过改进的GOOSE算法,在种群初始化阶段结合Tent混沌映射,在探索阶段运用Levy飞行策略提升算法的全局搜索能力。然后,通过改进的GOOSE算法去应用到变分模态分解(VMD)中,得到k和α最优值。对... 本文中依靠60 GHz调频连续波(FMCW)毫米波雷达,通过改进的GOOSE算法,在种群初始化阶段结合Tent混沌映射,在探索阶段运用Levy飞行策略提升算法的全局搜索能力。然后,通过改进的GOOSE算法去应用到变分模态分解(VMD)中,得到k和α最优值。对GOOSE算法的改进提高了呼吸心率的检测的精度。最后,该实验结果表明:利用改进的GOOSE优化算法对VMD算法进行参数自适应优化,通过对信号的重构后分析,有效地去除了噪声分量,提高了分解效率。 展开更多
关键词 GOOSE算法 变分模态分解 Tent混沌映射 Levy飞行策略 呼吸 心率
暂未订购 下载PDF
基于多模态特征融合的有源配电网故障区段定位方法 认领 引用 被引量：1
10
作者 程江洲 刘雨林 +1 位作者 刘颂凯 邓海峰 《电工电能新技术》 CSCD 北大核心 2026年第4期78-90,共13页
针对含高渗透率分布式电源的配电网中接地故障特征微弱、潮流方向复杂、传统方法难以精确定位故障区段的问题,本文提出一种基于多模态特征融合的有源配电网故障区段定位方法。首先,采用经鹅群(GOOSE)算法优化的变分模态分解对一维故障... 针对含高渗透率分布式电源的配电网中接地故障特征微弱、潮流方向复杂、传统方法难以精确定位故障区段的问题,本文提出一种基于多模态特征融合的有源配电网故障区段定位方法。首先,采用经鹅群(GOOSE)算法优化的变分模态分解对一维故障电流信号进行分解、去噪与重构,并利用格拉姆求和场(GASF)将重构信号转换为二维图像;其次,由引入高效通道注意力(ECA)机制的ConvNeXt和1D-CNN构成互补双通道模型,以挖掘二维图像和一维电流的深层特征;最后,将双通道输出特征向量拼接,通过ECA对融合特征动态加权,经Softmax输出区段定位结果。仿真实验表明,所提方法在改进的IEEE-33节点配电系统中定位总体准确率、精确率、召回率、F1值分别达到98.26%、98.28%、98.27%、98.20%;在极端噪声条件下准确率仍能够维持94%以上;在模型对比、消融实验和泛化能力测试中多模态特征融合方法表现出显著优势。 展开更多
关键词 多模态 分布式电源 故障区段定位 通道注意力 鹅群算法 格拉姆求和场
暂未订购 下载PDF
基于混沌增强多策略大鹅优化算法的机器人全局路径规划 认领 引用
11
作者 刘俊毅 付青 《信息与控制》 CSCD 北大核心 2026年第1期132-149,共18页
针对新兴的大鹅优化算法(GOOSE)在全局搜索能力上存在不足、易陷入局部最优的问题,提出了一种改进的GOOSE算法(IGOOSE)。IGOOSE通过融合混沌映射和精英反向学习策略提升种群多样性,从而增强全局搜索能力;采用非线性正弦Alpha控制函数以... 针对新兴的大鹅优化算法(GOOSE)在全局搜索能力上存在不足、易陷入局部最优的问题,提出了一种改进的GOOSE算法(IGOOSE)。IGOOSE通过融合混沌映射和精英反向学习策略提升种群多样性,从而增强全局搜索能力;采用非线性正弦Alpha控制函数以避免早熟收敛,同时引入混沌随机Lévy飞行策略来提升高维搜索效率。为平衡局部和全局搜索能力,IGOOSE结合改进的柯西逆累积分布函数与黄金正弦策略,加快了算法的收敛速度并提升了局部开发能力;此外,通过最优爆炸粒子策略有效避免陷入局部最优,并通过去冗余点策略进一步优化路径规划。仿真实验结果显示,IGOOSE算法在2维平面长度和3维飞行路径中表现出显著优势:相比GOOSE,最短路径长度缩短了6.31%,平均路径长度减少了7.53%,稳定性提升了34.72%,验证了其在复杂环境中的实用性。 展开更多
关键词 路径规划 大鹅优化算法 融合混沌映射 Lévy飞行策略 柯西逆累积分布
暂未订购 下载PDF
基于GO-VMD与CNN-GRU转子故障诊断 认领 引用
12
作者 郗涛 刘方宇 王莉静 《组合机床与自动化加工技术》 北大核心 2026年第6期175-180,共6页
故障诊断是工业智能化的关键技术,通过实时监测、数据分析和预测性维护来提升设备可靠性、生产安全和资源利用效率。然而,在转子的故障诊断中,往往会存在样本数据量较少、单传感器无法获得完整信息和诊断精度较低等问题。因此,提出了一... 故障诊断是工业智能化的关键技术,通过实时监测、数据分析和预测性维护来提升设备可靠性、生产安全和资源利用效率。然而,在转子的故障诊断中,往往会存在样本数据量较少、单传感器无法获得完整信息和诊断精度较低等问题。因此,提出了一种鹅优化算法(GO)-变分模态分解(VMD)的特征扩充方法,由于VMD性能受限于关键参数的选择,因此通过GO优化算法对其进行寻优,提升算法的鲁棒性。在此基础上,构建基于特征级融合的卷积(CNN)-门控循环神经网络(GRU)模型进行故障诊断,通过CNN分别提取各IMF分量的局部空间特征,再通过GRU捕获融合特征的时序依赖关系,这种特征级融合策略通过CNN-GRU的协同作用增强了模型对故障特征的识别能力。实验结果表明,优化后的模型准确率达到98.61%,较单一特征处理方法提升3.2%,验证了基于VMD多分量特征融合的CNN-GRU模型能有效提升转子故障的识别精度。 展开更多
关键词 故障诊断 变分模态分解 门控循环神经网络 鹅优化算法
暂未订购 下载PDF
基于在线顺序极限学习机模型的锂离子电池健康状况预测 认领 引用 被引量：2
13
作者 郑启达 赵谡 +3 位作者 汪彪 赵孝磊 王亚林 尹毅 《电力工程技术》 CSCD 北大核心 2026年第2期51-59,共9页
针对锂电池健康状况预测精度不高以及模型不能实现在线更新的问题,文中提出基于在线顺序极限学习机(online sequential extreme learning machine,OSELM)模型的锂电池健康状况预测方法。首先,从锂离子电池历史充放电数据中获取与电池容... 针对锂电池健康状况预测精度不高以及模型不能实现在线更新的问题,文中提出基于在线顺序极限学习机(online sequential extreme learning machine,OSELM)模型的锂电池健康状况预测方法。首先,从锂离子电池历史充放电数据中获取与电池容量相关度高的健康因子,通过鹅算法优化OSELM(记作GOOSE-OSELM)提高模型的预测精度,同时引入柯西逆累积分布算子和正切飞行算子对鹅算法进行改进,提高模型全局优化能力和收敛速度,形成计算速度快且能在线更新的算法模型。然后,将改进鹅算法优化OSELM(记作IGOOSE-OSELM)的预测结果与GOOSE-OSELM、OSELM、反向传播(back propagation,BP)神经网络、鲸鱼算法优化最小二乘支持向量机(whale optimization algorithm-least squares support vector machine,WOA-LSSVM)进行对比,结果显示,在3个电池数据集中IGOOSE-OSELM的拟合优度值均超0.997,均方根误差都小于0.0045。最后,利用牛津电池数据集和NASA电池数据集对模型的泛化能力加以验证,结果表明IGOOSE-OSELM模型能够准确预测电池的健康状况,模型具有较高的鲁棒性和适应性。 展开更多
关键词 电池健康状态 在线顺序极限学习机(OSELM) 鹅优化算法 收敛速度 泛化能力 鲁棒性
暂未订购 下载PDF
基于改进VMD和CNN-Attention的行星齿轮箱故障诊断方法研究 认领 引用 被引量：1
14
作者 周帅 赵凤强 +3 位作者 杨晨昊 江永强 欧志伟 邹佳胜 《大连民族大学学报》 CAS 2026年第1期20-26,39,共7页
针对行星齿轮箱振动信号成分复杂、时变性强等特性导致特征提取困难的问题,提出了一种融合变分模态分解(Variational Mode Decomposition,VMD)、卷积神经网络和注意力机制的行星齿轮箱故障诊断方法。通过鹅优化算法对VMD的关键参数进行... 针对行星齿轮箱振动信号成分复杂、时变性强等特性导致特征提取困难的问题,提出了一种融合变分模态分解(Variational Mode Decomposition,VMD)、卷积神经网络和注意力机制的行星齿轮箱故障诊断方法。通过鹅优化算法对VMD的关键参数进行寻优,根据最佳参数组合分解原始信号得到若干模态分量;利用相关系数筛选有效分量并计算排列熵,构建特征向量集;将特征向量集输入基于注意力机制的卷积神经网络模型中完成故障诊断工作。利用该方法对行星齿轮箱实验数据进行分析,其平均诊断准确率达到97.13%,高于极限学习机和支持向量机等传统故障诊断模型,结果表明该方法是准确、有效的。 展开更多
关键词 融合变分模态分解 行星齿轮箱 卷积神经网络 鹅优化算法 故障诊断
暂未订购 下载PDF
融合价格波动的鹅饲料配比算法研究 认领 引用
15
作者 王树晟 赵兴堂 +4 位作者 沈延锋 王广超 张亚群 陆浩峰 于家峰 《德州学院学报》 2026年第2期37-42,共6页
在禽类养殖产业中,饲料成本占总成本的60%~70%,其配比方案直接影响经济效益与动物健康。然而,因原料价格波动频繁,传统静态优化模型难以保障方案的稳定性。通过对比线性规划(LP)、遗传算法(GA)、粒子群优化(PSO)、模拟退火(SA)4种优化... 在禽类养殖产业中,饲料成本占总成本的60%~70%,其配比方案直接影响经济效益与动物健康。然而,因原料价格波动频繁,传统静态优化模型难以保障方案的稳定性。通过对比线性规划(LP)、遗传算法(GA)、粒子群优化(PSO)、模拟退火(SA)4种优化算法在鹅养殖动态价格场景下的性能差异,探索成本最优且抗风险能力强的鹅饲料配比策略。具体实验时,结合蒙特卡洛模拟生成包含季节性波动与极端事件(价格在基准值基础上上下浮动30%)的60组价格进行试验。选择成本均值、标准差、营养约束达标率及计算耗时等作为评价指标。实验结果表明,在原料种类(n)方面,建议n15时选择GA;针对价格波动性,当标准差σ0.3时切换至PSO;对于包含多营养指标耦合约束的配方问题选择GA;在稳定性需求方面,若要求配方变动率低于5%,则优先选择SA。研究充分考虑饲料价格、营养等因素,融合多种算法模型,对比研究了不同模型对鹅饲料配比算法的影响,为鹅饲料配方优化提供了理论和方法依据。 展开更多
关键词 鹅饲料配方 线性规划 遗传算法 粒子群优化 模拟退火
暂未订购 下载PDF
基于改进鹅优化算法的无人机路径规划方法研究 认领 引用
16
作者 张育玮 韩朝怡 +1 位作者 赵茹 程永喜 《测控技术》 2026年第4期20-29,共10页
针对无人机路径规划中群智能优化算法存在的路径冗长、平滑性不足和收敛稳定性不足等问题,提出一种基于改进鹅优化算法GOOSE的无人机路径规划方法GOOSE_DE。该算法结合Sobol序列和反向学习策略来优化初始种群,采用双向信息交互机制和解... 针对无人机路径规划中群智能优化算法存在的路径冗长、平滑性不足和收敛稳定性不足等问题,提出一种基于改进鹅优化算法GOOSE的无人机路径规划方法GOOSE_DE。该算法结合Sobol序列和反向学习策略来优化初始种群,采用双向信息交互机制和解质量的智能选择用以平衡全局探索与局部优化,分阶段调整策略与种群多样性的互补以及动态调整差分权重和交叉概率则增强了算法的搜索能力,避免陷入局部最优。将所提算法与麻雀搜索算法(Sparrow Search Algorithm,SSA)、K均值灰狼优化(K-Means Grey Wolf Optimization,KMGWO)算法、异质改进动态多群体粒子群优化(Heterogeneous Improved Dynamic Multi-Swarm Particle Swarm Optimization,HIDMSPSO)算法、高级差分进化(Advanced-Differential-Evolution,ADE)算法和GOOSE进行对照,结果表明GOOSE_DE在标准测试函数上具备良好的收敛精度和稳定性。在20×20和30×30栅格地图的路径规划中,发现GOOSE_DE与其他5种算法相比,平均路径长度最短,鲁棒性较强且平滑性较优,充分验证了该方法在路径优化、平滑性改进和鲁棒性提升方面的性能。 展开更多
关键词 路径规划 鹅优化算法 差分进化算法 分阶段自适应策略 参数优化
暂未订购 下载PDF
A Novel Real-time Optimization Methodology for Chemical Plants 认领 引用 被引量：1
17
作者 黄静雯 李宏光 《Chinese Journal of Chemical Engineering》 SCIE EI CAS CSCD 2012年第6期1059-1066,共8页
In this paper, a novel approach termed process goose queue (PGQ) is suggested to deal with real-time optimization (RTO) of chemical plants. Taking advantage of the ad-hoc structure of PGQ which imitates biologic natur... In this paper, a novel approach termed process goose queue (PGQ) is suggested to deal with real-time optimization (RTO) of chemical plants. Taking advantage of the ad-hoc structure of PGQ which imitates biologic nature of flying wild geese, a chemical plant optimization problem can be re-formulated as a combination of a multi-layer PGQ and a PGQ-Objective according to the relationship among process variables involved in the objective and constraints. Subsequently, chemical plant RTO solutions are converted into coordination issues among PGQs which could be dealt with in a novel way. Accordingly, theoretical definitions, adjustment rule and implementing procedures associated with the approach are explicitly introduced together with corresponding enabling algorithms. Finally, an exemplary chemical plant is employed to demonstrate the feasibility and validity of the contribution. 展开更多
关键词 real-time optimization chemical plants process goose queue multi-layer process goose queue
暂未订购 下载PDF
Harnessing greylag goose optimization for efficient MPPT and seven-level inverter in renewable energy systems 认领 引用
18
作者 K.Rajaram R.Kannan 《Energy Storage and Saving》 EI 2025年第2期133-147,共15页
Owing to the significant increase in energy consumption,contemporary power systems are transitioning to a new standard characterized by enhanced access to renewable energy sources(RESs).RESs require interfaces to regu... Owing to the significant increase in energy consumption,contemporary power systems are transitioning to a new standard characterized by enhanced access to renewable energy sources(RESs).RESs require interfaces to regulate the power generation.Maximum power point tracking(MPPT)is a technique employed in solar photovoltaic(PV)systems to modify operational parameters to ensureoptimal extraction of power from solar panels.MPPT operates under fluctuating conditions such as sunlight intensity and temperature.An inverter is a device that transforms a direct current into a sinusoidal alternating current.A multilevel inverter(MLI)can be utilized for RESs in two distinct modes:power-generating mode(stand-alone mode)and compensator mode(STATCOM).Limited research has been conducted on the optimization of controller gains in response to variations in a single phase load,particularly reactive load variations,across several scenarios.This load may exhibit an imbalance;hence,a more robust optimization approach must be used to address this problem.This study presents a control system that incorporates an optimized auxiliary MPPT controller for a seven-level inverter.The system uses a sophisticated greylag goose optimization(GGO)random search algorithm combined with the MPPT technique.The main objective is to create a system that enhances performance under diverse and imbalanced loading scenarios by utilizing sophisticated optimization techniques that determine the optimal switching angles for a seven-level inverter.This approach aims to eliminate specific harmonics and achieve a low total harmonic distortion(THD).The inverter THD output voltage was used as the objective function,and the proposed method is particularly beneficial in agricultural settings.The proposed MPPT-based seven-level invertersystem was simulated using MATLAB.The proposed GGO algorithm achieved a minimal THD of 1.95%,surpassing methods such as salp swarm optimization(6.14%),artificial neural networks with fuzzy logic(5.9%),hybrid global selective algorithm(GSA)selective harmonic elimination(7.7%),and genetic algorithms with particle swarm optimization(10.84%),demonstrating its exceptional efficacy in improving power quality. 展开更多
关键词 Maximum power point tracking(MPPT) Multilevel inverter(MLI) Total harmonic distortion(THD) Greylag goose optimization(GGO) Phaseopposition disposition(POD)
软土地基变形高精度估算研究 认领 引用
19
作者 刘玉超 樊仕远 +1 位作者 冯亮 马名亮 《建筑机械》 2026年第2期233-238,共6页
为得出软土地基变形最优估算模型,文章基于软土地基沉降和侧向位移的实测数据,以双向长短期记忆神经网络模型(BiLSTM)和卷积神经网络模型(CNN)构建的组合模型(CNNBiLSTM)为基础,采用鹅优化算法(GOOSE)、黑翅鸢优化算法(BKA)、鸽群优化算... 为得出软土地基变形最优估算模型,文章基于软土地基沉降和侧向位移的实测数据,以双向长短期记忆神经网络模型(BiLSTM)和卷积神经网络模型(CNN)构建的组合模型(CNNBiLSTM)为基础,采用鹅优化算法(GOOSE)、黑翅鸢优化算法(BKA)、鸽群优化算法(PIO)对CNN-BiLSTM模型进行优化,得到GOOSE-CNN-BiLSTM模型、BKA-CNN-BiLSTM模型、PIO-CNNBiLSTM模型,实现软土地基变形的高精度估算,并将计算结果与传统的Asaoka法、曲线拟合法进行了比较,获得了以GOOSE-CNN-BiLSTM模型为主的软土地基变形高精度估算模型。 展开更多
关键词 软土地基变形 双向长短期记忆神经网络模型 卷积神经网络模型 鹅优化算法
暂未订购 下载PDF
基于GGO-KD-KNN算法的下肢步态识别研究 认领 引用 被引量：1
20
作者 李传江 丁新豪 +2 位作者 涂嘉俊 李昂 尹仕熠 《上海师范大学学报（自然科学版中英文）》 2025年第2期141-145,共5页
为了提高下肢步态识别的准确性和效率,针对K最近邻(KNN)算法参数调节困难的问题,提出了一种基于灰雁优化-K维树-K最近邻(GGO-KD-KNN)算法的下肢步态识别方法.首先,利用表面肌电信号(sEMG)采集下肢肌肉活动信息,并将信号划分为5个步态阶... 为了提高下肢步态识别的准确性和效率,针对K最近邻(KNN)算法参数调节困难的问题,提出了一种基于灰雁优化-K维树-K最近邻(GGO-KD-KNN)算法的下肢步态识别方法.首先,利用表面肌电信号(sEMG)采集下肢肌肉活动信息,并将信号划分为5个步态阶段.然后,进行sEMG去噪,并提取时域和频域特征.接着,用GGO算法基于灰雁群体行为进行启发式优化,优化KNN算法的K值和距离度量,并通过适应度迭代寻找最优解.实验结果表明,通过GGO算法优化的步态识别精度达到了98.23%,标准差为0.264,相较于其他常用算法,基于GGO-KD-KNN算法的步态识别方法展现出更高的分类准确率和稳定性,为下肢智能辅助装置的研究和开发提供了有力的理论支持. 展开更多
关键词 下肢步态识别 表面肌电信号(sEMG) 灰雁优化-K维树-K最近邻(GGO-KD-KNN)算法 分类优化
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 3 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈