控制参数的智能自整定算法

针对固定整定参数的控制器不能满足操作条件经常变化的控制系统要求的问题,给出了一种智能自整定控制算法,理论分析及仿真实验表明,当操作条件发生变时,该算法参数调整方便、适用能力强、应用范围广、响应快、调节时间短、控制效果明显优于其他智能自整定算法。     

一种模糊控制器的鲁棒自整定算法

提出一种简单并具有鲁棒性的模糊位置式加积分的控制器自整定算法。该算法采用模糊自整定的方案,它是定义在被控制量的误差ｅ和误差的变化Δｅ基础上的,可以在线实时调整输出比例因子Ｇｕ,用提出的方案与不含自整定方案的模糊控制器（简称ＦＣ）分别对一些带有滞后的二阶系统进行仿真、比较。结果表明,采用ＳＴＦＣ算法的系统响应波动性及其动态性能指标较ＦＣ方案的均有明显地改善,该算法具有鲁棒性。     

芯片封装中PID参数自整定算法研究

简单介绍PID控制原理及实际工程中的调整方法．为提高芯片封装自动化程度，根据芯片封装的特点，设计PID参数自整定算法，对相关的问题也予以阐述，能够得到较好的系统响应，最后给出实际结果．     

基于数据挖掘的IMC-PID在线自整定算法的实现

提出了利用过程历史数据自动进行数据挖掘的PID参数在线自整定算法。算法以PID回路的动态响应特性为依据,通过给定ε-不敏感损失函数、辨识信任度函数,从可行数据集中选取有效数据集,以此作为回路参数自整定的有效数据。为确保PID控制尽可能达到最佳性能和鲁棒性,提出了基于对象组进行IMC-PID参数整定的方法。算法已应用于多个生产装置上,实际的投运结果表明,这种算法具有简便易用,推广能力强等特点,是PID参数整定算法中一种切实可行的算法。     

一种参数自整定模糊预估控制器

基于史密斯预估理论和模糊控制，提出了一种参数自整定模糊预估控制器。通过在线调整PID参数，并对模糊规则进行改造，实现纯滞后系统的自适应控制。仿真结果表明：该控制器比常规预估控制和常规模糊控制对纯滞后对象有较好的适应性，明显改善了控制系统的动态性能。     

一种新的PID参数自整定方案

在常规ＰＩＤ控制器的控制参数的鲁棒整定法基础上，提出了一种新的ＰＩＤ在线整定改进方案。仿真研究结果表明，该方法不但具有良好的鲁棒性，且调整快速简单。     

基于参数自整定模糊PID算法的平地机行走速度优化控制系统设计

针对平地机作业时行进速度精度的滞后问题及控制参数,提出了基于参数自整定模糊PID算法的平地机行走速度优化控制系统,协调解决行进速度的滞后问题,并完成了将该算法应用在平地机的控制系统中.系统采用单片机作为行走速度的控制中心,为验证参数自整定模糊PID算法的有效性和可靠性,对平地机的行进速度控制进行了设定干扰信号的测试.通过Matlab软件的Simulink仿真,分析了不加PID的常规控制、PID控制、参数自整定模糊PID控制进行速度稳定控制的效果,测试显示响应时间短、响应速度较快,能够满足设计的要求.     

基于极限环法的PID快速自整定的一种实现

探讨了基于极限环法的ＰＩＤ在线快速自整定理论和实现问题,提出采用满足度－零度继电特性生成极限环,并应用自振荡自适应理论和离散Ｆｏｕｒｉｅｒ级数变换滤波算法进行临界参数估计,还引入自适应预调点概念处理自整定的安全性问题。     

一种改进的模式识别自整定PID控制方法

摘 要：针对常规PID控制器不能很好兼顾抗干扰性与鲁棒性的缺点,提出一种新的基于模式识别自整定PID控制算法。该算法对参数整定规则了进行探索和创新,并给出了具体的整定规则公式。为了实现算法在实验室水箱液位控制的应用,采用OPC技术实现了MATLAB软件与MCGS组态软件的数据实时交互。实验结果表明,该规则在MATLAB仿真和水箱液位控制应用中取得到了很好的整定效果,控制性能优于常规PID控制。     

一种自整定最优PI控制器

提出了一种实用有效的 PI自整定控制器 .该控制器引入两个连续的继电反馈实验 ,从而辨识出一个在复平面的重要频段上能很好地反映实际过程对象的二阶加纯滞后模型 ,并基于鲁棒性能指标和积分误差指标最优确定 PI参数 .该自整定控制器对于多数的被控对象都能获得满意的控制效果 .仿真结果表明了该控制器的有效性和适应性     

修正半单纯形法

对ＡＸ＝ｂ这种形式约束的线性规划问题，给出了直接用旋转运算求出初始基可行解的一种改进半单纯形法，可降低运算量和计算机的存储量。     

一种改进的单纯变维数算法

给出了一种新的向量标号法。在此基础上改进了ＶａｎｄｅｒＬａａｎ－Ｔａｌｍａｎ算法。对于连续函数，算法可以从研究的区域中任意点起始，从而产生一条线到解的分段线性路径，最后证明了算法的收敛性。     

人工神经网络与动态搜索的机组组合算法

为了使机组达到最优组合,减少运行成本,研究了基于修正BP人工神经网络与动态搜索的快速算法在机组组合中的运用．采用修正Levenberg-Marquardt算法训练BP神经网络,并针对该算法占用内存大的缺点,提出了减少内存占用量的修正．由此,根据负荷预测曲线,应用修正BP人工神经网络产生机组的预开停计划,在此基础之上,针对预计划中某些机组状态不确定的阶段,应用动态规划法进行全局调整以确定机组的状态组合．实验数据表明,所提出的算法与传统的动态规划算法相比,可以在有效地减少时间与内存的占用量的前提下,有效地避免动态规划法中的维数灾的问题．     

针对向量量化的一种新的计算机体系结构

图像压缩需要快速编码，并行处理技术是一种高效的图像压缩技术。向量量化是一种很有前途的压缩方法，并且非常适合并行处理。提出了一种新的向量量化并行处理结构，该结构能明显减少通信延迟。     

MIMD机器上流水化BP算法的实现

神经网络训练过程中的高昂计算代价是有待克服的一个主要困难。作者把前馈多层神经网络的相继各层看做流水线的相继步骤，从而提出了一个在ＭＩＭＤ机器上实现的并行ＢＰ算法来提高误差反传递算法的效率。文章的最后，对ＢＰ算法的并行实现进行了分析，理论分析结果显示，多种神经网络结构都可有效地并行化。     

BFGS修正算法在前馈神经元网络学习中的应用

介绍了拟牛顿公式中BFGS修正算法和Wolf-Powell不精确线性搜索准则所具有的全局收敛,分析了将该算法应用到前馈神经元网络的训练学习中存在局部最优的原因。     

再谈不等式自动发现与判定程序agl2010的改进和应用

对不等式自动发现与判定程序agl2010的功能进行了若干改进,通过15个具体实例演示了程序的强大功能;利用agl算法得到了一类三角形几何不等式最佳系数的估算方法;结合Bottema软件的xprove命令,得到了一种带约束条件不等式自动发现的设计方案;通过建立数据限制函数,实现了一类变元取值范围受限制条件不等式的自动发现和自动加强,从而拓展了包括Fan Ky不等式在内的一大批不等式类型;最后提出2个有趣的不等式问题.     

一种新的群智能算法：植物胞群算法

基于植物在生长过程中具有向阳性,从而使整棵植物与阳光接触面积最大这一自然现象,提出一种新的群智能算法——植物胞群算法。该算法包括五个步骤：初始化植物细胞群、确定最强光照位置、分配生长素、计算生长速度、更新植物细胞群。仿真实验把植物胞群算法和粒子群算法、蜂群算法、狼群算法作对比,对12个测试函数测试,验证了植物胞群算法的有效性,仿真结果表明植物胞群算法寻优能力最强,能够有效避免早熟并跳出局部最优解,具有良好的全局搜索能力。     

一种新的求补算法

阐述了已有的求补运算算法的潜在统一性,了单边求补算法,sharp算法与德．摩根律是等效的算法,不相交的sharp算法是递归算法的一个特例,提出了否定树的概念,给以否定树为基础的解决SOP型函数求补运算的更快的算法。     

机器鼠走迷宫的优化路径算法及实践

提出了对树型迷宫的优化路径算法,用坐标法解决了“死胡同”的处理和最短路径的判断与选择问题,用PIC16F877单片机完成电路的设计与制作。