基于混沌粒子群优化算法的异结构混沌反同步自抗扰控制

针对一类连续时间异结构混沌系统, 利用自抗扰控制很强的鲁棒性, 提出了一种异结构混沌系统反同步的自抗扰控制策略.针对所设计的自抗扰控制器参数较多, 难以整定的问题, 提出了应用混沌粒子群优化算法对控制器进行参数寻优设计. 以Lorenz系统和Chua系统两个异结构混沌系统为例进行仿真验证, 由仿真结果可知, 该方法可以实现异结构混沌系统较快的反同步控制, 且具有很强的抗干扰能力. 关键词： 异结构混沌系统反同步 自抗扰控制器 混沌粒子群优化算法 参数寻优     

一类不确定离散混沌系统的自抗扰控制器与小脑神经网络并行优化控制

针对一类受扰不确定离散非线性混沌系统,提出了基于免疫动态微粒群优化策略的ADRC与CMAC神经网络并行控制方法(ADRC-CMAC).ADRC控制器抑制系统扰动,保证系统的稳定性;CMAC神经网络控制器实现前馈控制保证系统的控制精度和响应速度.利用动态免疫微粒群算法对ADRC-CMAC并行控制器参数进行全局优化.实验结果表明该控制方法具有较快系统的响应速度,较好的抗干扰能力,控制精度高. 关键词： 自抗扰控制器 小脑神经网络 并行控制 混沌系统     

基于自抗扰控制器的力矩电机伺服系统控制

自抗扰控制器能将被控对象的内、外“总扰动”进行估计并用前馈补偿的方法将其抵消,适于力矩电机因直接驱动所带来干扰的补偿与控制。针对测量噪声对线性自抗扰控制器观测器带宽的限制,提出了二阶线性自抗扰的相似结构,并结合三阶积分链式微分器对其效果进行了对比仿真验证。力矩电机的控制仿真实验表明,与二阶线性自抗扰算法相比,基于相似结构的改进的力矩电机控制,能在有测量噪声情况下兼顾系统跟踪精度、突加负载时抗扰动性与抗噪性。     

机动平台光电跟踪系统的自抗扰控制研究

针对机动平台光电跟踪系统跟踪目标需具备较强动态抗扰能力的问题,提出了一种将包含了非线性跟踪微分器、扩张状态观测器、非线性状态误差反馈三个环节的结构完整的自抗扰控制器用于光电跟踪伺服系统的速度环的思路。针对某单轴稳定转台设计了二阶自抗扰控制器,并进行了仿真研究。结果表明,该控制器对外扰变化及系统模型不确定性具有良好的鲁棒性和适应性,且能有效抑制系统中存在的非线性因素的影响。     

基于自抗扰技术的无人机自主避障研究

摘要：随着无人机民用化的持续加速, 其应用场景越来越复杂, 自主避障技术成为拓宽应用领域的技术瓶颈. 自主避障技术的突破, 无疑成为无人机更大规模应用必要条件. 自抗扰控制器技术, 是发扬PID控制技术的精髓并吸取现代控制理论思想归纳探索而来. 自抗扰控制器具有的不依赖被控对象精确模型、算法简单、参数易于调节的特点, 使其适合作为无人机自主避障的控制算法来应用. 针对无人机避障中位置给定阶跃信号幅值较大且幅值不定的情况, 传统PID控制器快速性不能很好满足要求且需要重复调节参数, 而自抗扰控制器则具有更好的鲁棒性. 为了更好的实现无人机自主避障, 设计了基于自抗扰控制器的外环位置控制器, 对基于自抗扰的无人机自主避障系统进行仿真和实验研究, 并与传统双环PID控制器进行对比分析, 结果证明外环控制器采用自抗扰控制器的无人机自主避障系统的可行性.     

电机温度时滞耦合系统自抗扰控制仿真研究

电机温度过高会造成绝缘性能老化,电机安全性能下降。电机控制系统是典型的非线性系统,电机温度也因此具有时滞性和耦合性的特点,难以建立准确的数学模型。传统的方法对电机温度的控制精度较差,从而导致电机温度失控。为此,提出基于BP神经网络自抗扰控制算法的电机时滞耦合关系下温度控制方法。将BP神经网络与PID控制方法相结合建立电机温度网络自抗扰控制器模型,利用梯度下降法修正电机温度控制器模型的权值系数,从而实现了BP神经网络自抗扰控制器参数的实时调整。实验结果表明,利用BP神经网络自抗扰算法进行电机时滞耦合关系下温度调整,能够有效提高控制的精确度,缩短了控制过程中的时间延时。     

基于自抗扰控制的超导储能变流器设计北大核心CSCD

超导磁储能(SMES)是一种以电磁能的形式储存电能的装置,在提高电力系统稳定性、改善电网电能质量、平滑间歇性能源出力等方面具有广阔的应用前景.本文针对现有SMES控制中存在的不足,将自抗扰控制引入SMES的功率控制方案中.首先介绍了自抗扰控制器的一般设计方法;然后结合SMES的数学模型设计了SMES双闭环自抗扰控制方案;最后在MATLAB/simulink环境中进行仿真,对比了采用传统PI控制和自抗扰控制时SMES的动态性能.仿真结果表明,在功率参考值突变、系统参数变化等工况下,本文所提方法克服了传统PI控制器对SMES功率控制的缺陷,能够快速、无超调地对SMES功率进行控制,并能有效抑制扰动的影响.     

基于自抗扰算法的“动中通”系统控制策略

动中通”(SOTM)伺服控制系统通常采用三闭环PID控制策略进行控制器的设计;然而,由于系统扰动和系统时变性参数的存在,传统PID算法难以保证“动中通”系统稳定、可靠地工作;针对传统控制策略的弊端,建立了“动中通”系统数学模型,并提出了一种基于自抗扰(ADRC)算法的双闭环控制策略;仿真实验表明,基于ADRC的双闭环控制策略不仅具有更快的响应速度和更高的控制精度,还有更强的鲁棒性,能有效地弱化系统扰动的影响,满足“动中通”系统的功能需求。     

基于混沌系统互扰的流密码设计

提出了一种新的流密码设计方案,利用两个混沌系统产生的序列进行序列值和控制参数的互扰,得到新的密钥流序列.对互扰序列和Logistic序列进行NIST测试,证明新的流密码设计方案产生的互扰序列的密码学特性要好于单一混沌系统产生的密钥流序列;提出适用于混沌伪随机序列稳定性测试的k错近似熵定义,并将其应用于测试互扰序列及Logistic序列,结果显示,互扰序列的稳定性要好于Logistic序列.将互扰序列用作图像的加密和解密,仿真结果显示,互扰序列能够有效且安全地掩盖明文信息. 关键词： 混沌系统 互扰序列 密钥流     

基于量子粒子群算法的混沌系统参数辨识

针对混沌系统参数辨识问题, 在基本群智能算法粒子群优化算法的基础上, 提出量子粒子群算法, 测试函数证明了算法具有良好的全局优化能力. 进而将其应用于混沌系统参数辨识问题, 将参数辨识问题转化为多维函数空间上的优化问题. 通过对平衡板热对流典型混沌系统Lorenz系统进行研究, 并与基本算法和遗传算法比较. 仿真实验证明, 算法的有效性, 对混沌理论的发展有着非常重要的意义. 关键词： 量子粒子群算法 混沌系统 系统辨识     

基于粒子群优化的混沌系统比例-积分-微分控制

基于比例-积分-微分(PID)控制算法的简单性和实用性,但对于复杂非线性系统控制时参数的难以确定问题,运用集群智能中的改进粒子群算法进行PID控制器的优化,并应用于若干混沌系统的控制.对Hénon混沌、Duffing混沌、六辊UC 轧机混沌、Nagumo-sato神经元混沌、Chen氏混沌以及永磁同步电动机混沌的控制进行了仿真研究.研究结果表明： 用PID进行混沌系统的输出反馈控制是有效的,从而拓宽了PID控制的应用范围; 用简单方法控制复杂混沌系统是完全可能的,对混沌系统的控制具有较好的参考价值; 粒子 关键词： 混沌 比例-积分-微分控制 粒子群优化算法     

车载光电稳定跟踪平台自抗扰伺服系统设计

为了提高光电稳定跟踪平台伺服性能,针对车载光电稳定平台的扰动特点,依据自抗扰控制算法的分离特性,提出一种含有积分补偿项的自抗扰控制伺服系统,系统对指令信号安排过渡过程,即采用最速控制方案。实际摇摆测试结果表明:设计的自抗扰控制伺服系统既保证了车载光电稳定平台稳定误差为0.129 mil（1）,又提高了平台的自动跟踪性能,是一种可应用在稳定跟踪平台系统中的理想控制器。     

基于改进粒子群优化算法的混沌系统参数估计方法

估计混沌系统的未知参数是混沌控制与同步中必须解决的关键问题.利用群集智能的新进展粒子群优化算法(PSO)的全局搜索能力，从初始粒子群的产生、目标函数的处理的角度改进PSO，将改进的PSO引入混沌系统参数估计和在线估计.仿真试验表明，改进算法具有良好的适应性、较高的收敛可靠性及精度，对信号叠加噪声的情形也具有较高的鲁棒性，是混沌系统参数估计的一种成功算法. 关键词： 混沌系统 参数估计 在线估计 粒子群优化算法     

基于粒子群算法和OGY方法的混沌系统混合控制

利用引导混沌轨道的基本原理,将模拟鸟群寻食过程的粒子群算法用于混沌控制,提出了基于粒子群算法引导混沌轨道的新方法,在此基础上利用混沌参数小扰动控制方法（OGY方法）,把混沌系统稳定到不动点.以Hnon混沌系统为例,仿真表明此方法实现混沌控制有良好效果. 关键词： 混沌控制 粒子群算法 OGY控制 引导轨道     

基于粒子群优化算法的自适应图像分割方法

提出了一种基于粒子群优化算法的图像分割新方法。粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域缩短了寻找阈值的时间。将PSO用于基于改进的最佳加权熵阈值法的图像分割中,试验结果表明,该方法不仅能够避免陷入局部极值,而且其速度得到了明显的改善,是一种有效的图像分割新方法。     

基于PSO和模糊划分熵的水下图像分割

在水下环境中,由于存在着水体对光线的吸收以及照明不均等原因,水下图像具有信噪比低、边缘模糊等特点。如果直接使用传统的分割方法,对水下图像进行处理后的效果较差。传统的基于最大熵原理的阈值法尽管能实现某些特定的分割任务,但是其时效性较差。而粒子群算法(PSO)是一类随机全局优化技术,该算法简单易实现,可调参数少。因此将群体智能中的粒子群优化算法应用到图像分割中。新方法在重新定义模糊熵的基础上,根据最大熵原理,利用粒子群算法来搜索分割阈值。相对于传统的利用穷举法来搜索分割阈值的算法,新方法大大减少了计算时间,提高了效率。通过对水下图像处理实验证明,该算法对简单背景的图像分割是有效的,和传统分割方法相比,具有更强的自适应性和抗噪性能。     

基于混沌蚂蚁群算法的Lorenz混沌系统的参数估计

通过构造一个适当的适应度函数，首先将混沌系统的参数估计问题转化为参数的寻优问题，之后利用混沌蚂蚁群算法的全局优化搜索能力对这个问题进行求解.以典型的Lorenz混沌系统为例进行了数值模拟.实验数值仿真结果表明，使用该方法可以对混沌系统的未知参数进行有效地估计.