摘要
为解决鸽群优化(PIO)算法易陷入局部最优、收敛速度慢的问题,提出了一种改进的鸽群优化(IPIO)算法。将全局搜索能力较强的天牛须搜索(BAS)算法融入到指南针算子中,在地标算子中引入混沌扰动策略来提高算法的局部搜索精度。利用测试函数对改进算法进行性能测试,并提出奇异值分解—无迹卡尔曼滤波(SVD-UKF)参数整定的适应度函数,将经改进算法优化后的参数应用到机车黏着控制系统中。仿真结果表明:改进算法具有更强的全局搜索能力和更高的搜索精度,经参数整定后的SVD-UKF具有良好的滤波估计效果。
- 出版日期2022
- 单位兰州交通大学; 上海应用技术大学; 机电工程学院; 株洲九方装备股份有限公司