基于自适应遗传算法的改进PID参数优化

PID控制的控制性能取决于PID参数的设置,针对传统PID参数整定和优化过程中存在的问题进行了PID控制改进,提出了自适应遗传算法整定和优化PID参数的方法。改进PID控制将系统的综合性能控制区分为不同目标的局部性能控制,采用自适应遗传算法针对不同控制目标进行PID参数寻优,选择、交叉和变异概率的自适应改变在保持种群多样性的同时加快算法收敛。改进的PID控制和遗传算法有效提高了PID参数寻优能力,提高了控制系统的响应能力和稳定性。最后通过发动机怠速转速控制应用表明本算法的可行性和有效性。     

基于遗传算法的PID控制器优化设计

遗传算法是一种模拟自然进化而提出的简单高效的优化组合方法。本文研究了比例-积分-微分(PID)控制器优化设计的性能指标的选择问题，介绍了遗传算法的基本原理，给出了利用遗传算法进行PID控制器优化设计的步骤。同时给出了一个用遗传算法进行单环系统PID控制器优化设计的仿真实例。仿真结果表明了遗传算法应用于PID控制器优化设计的可行性和有效性。遗传算法还克服了其它方法的某些弊端。     

韦伯分布布谷鸟搜索算法颗粒粒径分布反演

韦伯分布在非线性寻优问题中具有较好的寻优精度和全局搜索能力,为此提出一种基于韦伯分布的布谷鸟搜索（WCS）算法来解决颗粒粒径分布反演的问题。使用WCS算法对服从Johnson’s S_B分布、Rosin-Rammler分布和正态分布的单峰颗粒系和双峰颗粒系进行颗粒粒径分布的反演,并分别与其他传统算法的处理结果进行比较。结果表明,WCS算法的整体效果优于人工鱼群算法和人工蜂群算法,且改进后的4种重尾分布CS算法的标准差比原CS算法提升2～3个数量级。目标函数散射光能加入噪声后,WCS算法比其他三种重尾分布的相对均方根误差值至少可降低1/2。使用小角前向散射测量系统对单峰颗粒系和双峰混合颗粒系进行实验研究,发现WCS算法的相对均方根误差比原CS算法降低约为40%。     

基于BP神经网络的PID控制器

利用神经网络和反馈控制理论, 提出了一种基于神经网络PID控制器的伺服控制系统结构. 在高精度仿真试验转台的应用中证实, 该方法避免了PID参数的整定难以匹配的问题, 减小了干摩擦对低速运动的影响. 实验表明：方法自适应能力强, 调节品质好, 具有较高的应用价值.     

PID控制器分析

介绍PID控制器的计算机仿真实验教学法。首先在Matlab中应用Simulink模块构建一个基于PID控制器的自动控制系统。然后通过仿真运行系统,对系统的动态响应曲线进行观察和比较,分析了PID控制器中比例、微分和积分各环节所起的作用。通过实验观察和分析,使学生对PID控制器各环节的作用有了直观明确的认识,取得了良好的教学效果。     

基于智能算法的冷水机组优化运行研究

以南方某机场航站楼冷源系统为研究对象,采用深度神经网络建立了两种不同类型冷水机组的运行能效模型,并将冷却水出水温度模型与冷水机组能效模型进行耦合,以冷源系统能耗最低为目标,采用布谷鸟搜索算法优化了冷源系统的运行参数、冷水机组与冷却塔的组合方式。研究结果表明：采用深度神经网络建立的冷水机组模型具有较高的精度和泛化能力,与原运行方式对比,采用布谷鸟搜索算法优化的方法在夏季典型日最高节能19.6%,具有较高的节能效果。     

基于MATLAB的参数自整定模糊PID控制器的两种设计方法

_：鉴于模糊控制技术和PID控制技术在控制领域中的重要表现,在深入学习研究二者的基础上介绍了两种在MATLAB中实现参数自整定模糊PID控制器的方法,同时对两种方法进行了分析比较：一种通过S-Function实现模糊控制对PID控制参数进行在线整定,另一种则通过完全命令行的方式实现模糊整定与PID控制的无缝连接。通过验证,二者都可以取得理想的控制效果,且第二种方法用MATLAB实现复杂的控制算法,因此得以在学校实验室控制实验上得到了完全应用。用MATLAB 实现参数自整定模糊PID控制简单直观、便于操作,是一种比较理想的控制方法。     

一类求解箱式约束优化问题的自适应引力搜索算法

为了改进引力搜索算法求解箱式约束优化问题的性能,提出了一类自适应引力搜索算法,新算法定义了算法停滞系数,当算法陷入停滞时,可以自适应的修改引力参数,帮助算法跳出停滞状态;定义了个体相似系数,当种群陷入局部最优时,通过变异策略改善种群的多样性。数值试验结果表明,新算法有效的平衡了全局开发和局部搜索能力,具有更强的全局寻优能力,适于求解复杂优化问题。     

蚁群算法PID控制器在磨机给矿控制中的应用

磨矿过程是选矿生产中的关键环节,而其中磨机负荷是磨矿过程的一个重要参数,它与生产效率和能源消耗有密切的关系;针对选矿厂球磨机运行过程具有非线性、大滞后性和时变性的特点,常规PID控制难以得到预期的控制效果;蚁群算法是一种新兴的仿生优化算法,具有较强的鲁棒性和良好的分布式计算机制,易于与PID方法相结合;因此提出了一种基于蚁群算法的PID参数优化的控制算法,实现对球磨机给矿的稳定控制,优化后的控制器与传统PID控制相比,有较好的动态和静态性能;仿真应用结果表明,该方法的实用性和有效性,超调量减少近50%,能够使磨机的给矿控制更加稳定。     

基于模糊神经网络的自适应PID控制器

提出了一种应用于自适应PID控制器的神经网络与模糊控制相结合的算法,该算法可以有效地解决普通PID控制器依赖于对象的数学模型的缺点,可实现控制系统的在线自适应调整,可满足实时控制的要求。仿真结果表明,基于模糊神经网络整定的PID控制器具有较好的自学习和自适应性,具有较快的响应速度。     

Research on Hyper-Parameter Optimization of Activity Recognition Algorithm Based on Improved Cuckoo Search

Activity recognition methods often include some hyper-parameters based on experience, which greatly affects their effectiveness in activity recognition. However, the existing hyper-parameter optimization algorithms are mostly for continuous hyper-parameters, and rarely for the optimization of integer hyper-parameters and mixed hyper-parameters. To solve the problem, this paper improved the traditional cuckoo algorithm. The improved algorithm can optimize not only continuous hyper-parameters, but also integer hyper-parameters and mixed hyper-parameters. This paper validated the proposed method with the hyper-parameters in Least Squares Support Vector Machine (LS-SVM) and Long-Short-Term Memory (LSTM), and compared the activity recognition effects before and after optimization on the smart home activity recognition data set. The results show that the improved cuckoo algorithm can effectively improve the performance of the model in activity recognition.     

基于自适应遗传算法的SVM参数优化

针对基于遗传算法支持向量机(SVM)训练时间较长以及分类精度较网格搜索法有所降低等问题,通过重新定义遗传算法参数的寻优范围,提出一种自适应遗传算法;该算法根据网格搜索法得到遗传算法参数的最佳寻优范围,然后遗传算法在这个范围内进行参数的精确寻优,最后得到分类的结果;这样不仅可以有效缩短训练时间,而且拥有更高的分类正确率;通过UCI中的10组经典数据集的实验结果可知,自适应遗传算法较之网格搜索法、 常规遗传算法、粒子群算法在训练时间上有较大的提升,并且拥有较高的分类准确率。     

基于改进布谷鸟算法识别瞬态热传导问题的导热系数

基于改进布谷鸟算法反演瞬态热传导问题随温度变化的导热系数.采用Kirchhoff变换将非线性热传导问题转换为线性热传导问题,使用边界元法求解瞬态热传导正问题.将导热系数的反演转化为函数表达式中未知参数的反演,使用改进布谷鸟算法求解未知参数.与共轭梯度法相比,改进布谷鸟算法对迭代初值不敏感;与布谷鸟算法相比,改进布谷鸟算法迭代次数大大减少.数值算例表明对改进布谷鸟算法,增加测点数量迭代次数增加;增加鸟巢数量迭代次数减少;减小测量误差计算结果更精确,同时迭代次数更少.数值算例验证了改进布谷鸟算法反演导热系数的准确性和有效性.     

基于Bloch球面搜索的量子粒子群优化算法

通过分析量子势阱粒子群优化算法的设计过程,提出一种基于Bloch球面搜索的量子粒子群优化算法.首先用基于Bloch球面描述的量子位描述粒子,用泡利矩阵建立旋转轴,用Delta势阱模型计算旋转角度,用量子位在Bloch球面上的绕轴旋转实现搜索.然后用Hadamard门实现粒子变异,以避免早熟收敛.这种旋转可使当前量子位沿着Bloch球面上的大圆逼近目标量子位,从而可加速优化进程.仿真结果表明,该算法的优化能力优于原算法.     

一种改进人工蜂群的分数阶PID控制器优化算法

摘 要：针对分数阶PID控制器参数整定过程参数多复杂性大,传统靠经验试凑的方法不易实现且优化效果差的问题,提出了一种改进的人工蜂群算法,实现分数阶PID控制器参数的整定.该算法通过改进人工蜂群算法中搜索方程,并引入一个淘汰机制,对分数阶控制器参数进行群智能搜索,将搜索到的参数送至分数阶PID控制器中反复迭代,以带有权值的误差绝对值积分指标（AIE）作为人工蜂群寻优的目标函数,最后得出控制器.本文以非线性系统为被控对象,经过实例仿真,验证了该算法实现的控制器比传统整数阶控制器和未改进的人工蜂群算法实现的分数阶控制器的动态性能和稳态性能都有所提高,在超调、上升时间、振荡性方面都优于未改进算法.     

布谷鸟搜索的润滑脂特征红外光谱波段优选技术

针对润滑脂分类,提出了基于布谷鸟搜索的红外光谱波段筛选方法,有效剔除了易受噪声等环境影响的红外光谱区域、实现了对庞大光谱数据进行特征选择和降维处理、通过筛选光谱最优波段建立了更加准确高效的润滑脂分类模型。以三类不同稠化剂润滑脂的红外光谱数据为研究对象,采用主成分分析法(PCA),对不同波段的红外光谱数据进行压缩,以提取的红外光谱主要成分作为输入,润滑脂稠化剂类别作为输出,通过布谷鸟搜索法(CS),对主要成分权重和分类核参数进行准确度寻优训练,建立分类识别预测模型。对所建立的模型再进行分类准确性测试,得到模型测试结果准确度,建立红外光谱波段和测试准确度之间的联系,得到润滑脂最优类别识别模型和最优分类波段。对所建立的模型再进行分类准确性测试,结果显示：经过布谷鸟搜索法训练加权后的主要特征呈现明显聚类现象,可以得到分类核,实现对润滑脂种类的准确识别;在搜索过程中提供了区分不同润滑脂的推荐波段和特征峰,使对润滑脂的正确鉴别概率由全波段建立分类模型的94.44%提高到筛选后特征波段建立分类模型的100%,并减少了运算时间、提高了搜索运行效率。     

基于主从交互式萤火虫群优化算法的船舶航向分数阶PID控制

为了改善船舶航向控制的效果,本文首次运用了分数阶PID控制方法,并提出一种新的主从交互式萤火虫优化算法,以优化控制器参数,使得达到控制性能指标最优的目标。根据船舶动力学模型,以船舶实际参数作实验,实验结果表明经过FA优化的分数阶PID控制器,比PSO算法具有更好的控制性能。通过敏感性分析验证了算法求出的FOPID参数具有鲁棒性,当系统参数大幅度变化时不需要重新设置。证明了经萤火虫算法优化的分数阶PID控制器能够更好地满足船舶航向控制的需求。     

模拟退火算法在无端偏振控制器中的应用

构造了由四个相移范围在0~2π的电光晶体波片组成的偏振控制器,利用模拟退火法作为其反馈控制算法.仿真计算表明,该偏振控制器是无端的,在较优的控制参量下,其输出的偏振态是稳定的,光强波动小于1%.对于四波片偏振控制器,模拟退火算法的控制参量研究表明,为得到较佳的控制效果,可把内外循环次数各限制为3次,以减少处理器时间;其初温T0应取在0.1附近;温度更改常数p宜取在0.2左右;状态产生常数s对输出的稳定性影响最大,仿真说明设在 0.005~0.01间为好.