[发明专利]一种基于人工蜂群算法结合最小二乘法的谐波检测方法

权利要求书

1.一种基于人工蜂群算法结合最小二乘法的谐波检测方法，其特征在于：包括以下步骤：

S1：在标准人工蜂群算法的基础上，向人工蜂群算法中引入Tent混沌映射进行算法改进，提出一种混沌人工蜂群CABC算法；CABC算法在整个蜂群搜索到的最优食物源基础上产生混沌序列；通过对Tent混沌映射进行改进，克服自身小周期和不稳定周期点；所述CABC算法实现步骤如下：

步骤1：在D维空间，给定迭代次数M，给定食物源总数S，每一只雇佣蜂对应一个食物源位置，雇佣蜂和观察蜂的个数相同，雇佣蜂在其领域位置产生新位置；所有的雇佣蜂将食物源位置信息共享给观察蜂；

食物源位置更新根据进行；

式中，表示迭代0次时，初始化第i个蜜源所处位置的第j维值；i＝1，2，……，S；j＝1，2，……，D；分别为第j维对应的蜜源位置的最小值和最大值，R为0和1之间的随机数；

步骤2：观察蜂根据食物源质量来确定选择食物源，并记录所选择的最优食物源位置和适应度值；

对所选雇佣蜂和观察蜂位置进行邻域搜索，根据进行位置更新，式中t为迭代次数，代表迭代第t+1次时，第i个食物源第j维的位置值，代表迭代第t次时，第i个食物源第j维的位置值；k为随机指定的个体，且k≠i；代表迭代第t次时，第k个食物源第j维的位置值；r为[-1，1]范围内的随机数；

计算出新食物源的适应度值并比较，以食物源质量更优秀的蜜源位置代替原食物源位置；

步骤3：观察蜂每一次尝试新位置后都经过贪婪选择，尝试成功则更新位置，尝试失败则保持原位置，如果尝试失败的次数超过了预设的limit值时，可以认为此食物源质量低于开采阈值；若食物源位置保持不变，那么观察蜂本轮搜索任务结束；对应的雇佣蜂抛弃该食物源且不再记忆其位置；雇佣蜂变为侦察蜂开始随机搜索新食物源位置；

步骤4：记录当前最优解及位置，算法迭代次数达到最大M次，则算法结束，输出最优食物源的适应度值；若未达到最大迭代次数，则判断全局最优食物源是否得到更新；若更新，则重复步骤2到步骤3；否则根据对常规变量进行映射变换，得到混沌变量，介于[0，1]之间，再通过对进行映射得到混沌变量最后通过将混沌变量变换为常规变量再重复步骤2到步骤3；

S2：在此CABC算法的基础上，引入改进后的Tent混沌映射，提出一种混沌改进人工蜂群CIABC算法；

S3：通过CIABC算法优化未知参数，以算法输出的最优值作为RLS算法的初始值，利用RLS算法进行参数估计，由最终更新权值得到谐波的幅值和相位。

2.根据权利要求1所述的一种基于人工蜂群算法结合最小二乘法的谐波检测方法，其特征在于：

步骤2中所述的计算出新食物源的适应度值并比较，以食物源质量更优秀的蜜源位置代替原食物源位置，其具体操作规为：

设f_i是非线性优化问题的目标函数，求解最大值时，适应度函数就是目标函数；求解最小值问题时，适应度函数为目标函数的变换形式，通过计算得到；

雇佣蜂通过比较适应度值选择更优质的蜜源，观察蜂选择食物源的规则为：

式中t＝1，2，……，M；F_i(t)为迭代第t次时第i个食物源的适应度值。

3.根据权利要求1所述的一种基于人工蜂群算法结合最小二乘法的谐波检测方法，其特征在于：

S3具体操作过程为：对谐波进行估计，首先对信号采样，采样频率满足奈奎斯特准则；采样系统的等效线性模型表示为：

Y'(k)＝H(k)·A+v(k),k＝1,2...,K，其中Y'(k)为第k次的含噪声的信号测量值，A＝[A₁A₂……A_N]^T为幅值向量矩阵，v(k)为第k次采样的相加噪声，H(k)为系统结构矩阵的第k行；系统的结构矩阵表示为：

谐波检测问题被简化为搜索最优的φ_n使得Y(k)与Y'(k)的差值趋于一个最小值，其中Y(k)＝H(k)·A，利用CIABC算法确定不同的相位信息φ_n，结合使用RLS算法进行幅值的估计。