精英学习人工蜂群算法的PID控制器参数优化

为有效求解PID控制器参数优化问题,本文提出一种精英学习人工蜂群算法.针对人工蜂群算法开发能力较弱的问题,设计一种精英学习策略,通过环形拓扑结构和遗传算法的交叉、变异、选择操作产生精英个体.进而,利用精英个体和全局最优个体构造具有精英引导和全局引导的搜索方程,平衡算法的探索能力和开发能力.通过对22个标准测试问题和PID控制器参数优化问题实验可知,精英学习人工蜂群算法具有较好的寻有能力.     

基于模糊自抗扰的塔机消摆控制方法

塔机消摆控制系统是一个非线性、强耦合的复杂系统,传统PID控制效果往往欠佳.对此,建立了一个含阻尼的塔机偏摆系统数学模型,并提出模糊自抗扰控制策略.通过自抗扰控制器对塔机回转与变幅运动进行解耦,模糊算法对自抗扰控制器各参数实施在线调整,并对解耦后的回转、变幅子系统分别进行控制.在仿真实验中,对比其他典型方法,提出的方法摆角消失速度更快,这表明在负载运动过程中,所设计控制器实时性和鲁棒性较好.     

基于特征模型的永磁同步电机非线性黄金分割自适应控制

针对永磁同步电机系统复杂难以准确建模和控制器设计不易问题,文章采用id=0的矢量控制策略,建立了永磁同步电机的二阶特征模型,经验证其动态特性能真实逼近实际模型.基于该特征模型设计了一个带有安排过渡过程且以非线性黄金分割自适应控制器为主的控制方案.通过Simulink仿真实现了该控制方案下可调参数的整定以及方案可行性的验证.最后在实际平台上验证了控制方案的有效性,实验结果表明该方案能够实现永磁同步电机的高精度控制.     

智能空间刚架的模糊自抗扰振动抑制研究

智能空间刚架作为太空望远镜支撑架是一种新型智能空间结构.为抑制刚架系统在运动过程中产生的振动,"文章提出了一种基于自抗扰控制的非线性模糊自抗扰控制理论,并设计出模糊自抗扰控制器.首先采用有限元方法计算出空间刚架的质量矩阵、阻尼矩阵和刚度矩阵,进而建立系统模型并设计出自抗扰控制器以实现对系统振动的抑制.基于普通自抗扰控制器,利用模糊推理在线整定控制器中非线性状态误差反馈的参数.该控制器不依赖于被控对象的精确数学模型,具有良好的控制性能,同时参数的在线自整定简化了调参难度.仿真实验验证了所提方法的有效性.     

全局较优解引导的人工蜂群算法

人工蜂群算法(ABC)是一种模拟蜜蜂群体寻找优良蜜源的群体智能优化算法.针对人工蜂群算法收敛速度较慢、探索能力较强而开发能力偏弱等问题,提出一种改进的蜂群算法.算法利用更多的较优蜜源位置的信息来引导采蜜蜂和跟随蜂的搜索行为.为了提高算法的全局收敛速度,通过基于混沌策略的方式生成初始化种群,并且在每一代侦察蜂阶段后对全部新蜜源进行反向再搜索.另外,每次蜜蜂邻域搜索之后,采用比较新旧蜜源的花蜜值(而非适应度值)的方法来更新蜜源位置.通过对14个标准测试函数进行仿真实验,结果表明所提出的算法能有效加快收敛速度,提高开发能力和解的精度.     

基于人工蜂群算法的非线性系统模型参数估计

将人工蜂群算法用于非线性系统模型的参数估计,通过对谷氨酸菌体生长模型的参数估计进行验证,并与人工神经网络、遗传算法和微粒群算法的优化结果进行了比较.仿真试验结果表明:人工蜂群算法对非线性系统模型的参数估计精度高于人工神经网络、遗传算法和微粒群算法的参数估计精度,为非线性系统模型参数估计提供了一种有效的途径.     

非线性0-1规划问题的蜂群算法

针对非线性0-1规划,提出采用一种智能优化算法——蜂群算法进行求解.描述了蜂群算法的实现过程,并在计算机上编程予以实现.经大量实例测试,并与其它算法进行比较,获得了满意的结果.说明了蜂群算法在解决非线性0-1规划问题上的可行性与有效性,同时具有良好的优化能力..     

嵌入差分进化算子的混合蜂群算法及其在VRPSDP的应用

针对人工蜂群算法进化速度慢、容易陷入搜索停滞的问题,通过嵌入差分进化算子,提出了一种混合蜂群算法(Hybrid Artificial Bee Colony algorithm, HABC).基本思想是:在迭代中嵌入差分进化算子,充分利用差分算法全局收敛性和鲁棒性强的特点,寻求全局最优蜜源;此外,在标准蜂群算方法基础上进行两点改进:在采蜜蜂阶段搜索策略中加入最优位置引导,提高搜索的效率;对超边界的个体重新进行变异,以增强种群的多样性.将混合算法应用于带同时送取货的车辆路径问题(VRPSDP),计算结果表明了混合算法的有效性.     

基于双模糊PID控制策略的风力发电机组变桨系统研究

针对风速测量不精确、变桨距控制参数不确定性及风机模型的复杂非线性等问题,提出双模糊PID变桨距控制算法。该算法在不需要建立精确模型的前提下,在风机并网前利用模糊PID控制策略在线整定风机转速,在达到额定功率时再次利用模糊PID控制策略在线对变桨距控制参数进行最优调整。以设计双模糊PID变桨距控制器为基准,从响应速度、控制精度及算法稳定性方面,通过Matlab仿真验证改进的PID算法的效果。仿真结果表明,在全风速范围内,相对于风速仪测量风速及传统的PID变桨距控制算法,改进后的双模糊PID算法测量精度更高,预期效果更好,有效提高了变桨距系统的控制效果。     

一种具有无扰切换功能的位置型自抗扰控制器数字实现

介绍了一种位置型自抗扰控制器(Active Disturbance Rejection Control,ADRC)的数字实现.根据线性一阶和二阶自抗扰算法的计算原理,提出自抗扰控制器无扰切换的具体逻辑实现方法,使得控制方式转换过程可以平滑进行,避免对系统造成额外干扰.通过C语言的实现形式,测试所提出的数字型自抗扰控制算法基本闭环控制功能,并证明所提出的位置型自抗扰控制器可以实现ADRC/PID/手动模式之间的无扰切换.仿真结果表明了该位置型控制器在过程控制平台中应用的有效性和可实现性.     

糖尿病血糖调节自抗扰控制器设计

糖尿病是一种由于胰岛素分泌功能受损导致的血糖浓度过高的疾病.利用胰岛素泵向人体释放胰岛素是一种有效的治疗糖尿病的手段.针对胰岛素-血糖调节问题,提出了一种自抗扰控制器设计方法.首先,介绍胰岛素-血糖调节的Bergman最小模型.其次,将Bergman最小模型转化为积分器串联型系统并设计自抗扰控制器.然后,利用奇异摄动理...     

基于自抗扰控制的制导与运动控制一体化设计

针对机动目标的拦截问题,将自抗扰控制的思想用于制导与运动控制一体化设计.其中,基于自抗扰控制的制导律产生在目标机动的情况下使视线角速度快速趋于零所需的制导律;而基于自抗扰控制的运动控制律可以在非线性不确定动态情况下实现所需加速度,从而保证快速有效地完成拦截任务.进一步分析所设计方案对制导与运动控制一体化设计的适用性,并通过计算机仿真验证该方案的有效性.     

非线性0-1规划问题的元胞灰狼优化算法

针对非线性0-1规划求解问题,基于元胞自动机原理和改进的灰狼算法,提出一种元胞灰狼优化算法.首先,为了避免基本灰狼算法种群分布的随机性问题,利用佳点集理论对灰狼种群进行初始化,增强算法种群的多样性,提高算法的全局收敛速度;其次,针对基本灰狼算法的开发和探索能力平衡能力差的问题,利用自适应精英学习策略分别对算法中的参数α、灰狼与猎物的距离进行修正,实现灰狼算法的全局搜索速度和开发探索能力的最优均衡性;最后,将元胞自动机的演化规则与次优解β灰狼位置以及第三优解δ灰狼位置进行更新,利用元胞及其邻居增强搜索过程的多样性和分布性,实现灰狼算法的全局优化能力;并选用14个典型的非线性0-1规划问题算例进行仿真解算,并将解算结果与其它算法进行比较,结果表明:该算法对大规模复杂问题求解的平均运行时间少10%左右,且具有较快的收敛速度、较多的最优解集和较好的全局寻优能力.     

基于偏最小二乘变换与Kriging模型的全局优化方法

针对传统Kriging模型在多变量(高维)输入全局优化中因超参数过多而引发收敛速度慢,精度低,建模效率不高问题,提出了基于偏最小二乘变换技术和Kriging模型的有效全局优化方法.首先,构造偏最小二乘高斯核函数;其次,借助差分进化算法寻找满足期望改进准则最大化条件的新样本点;然后,将不同核函数和期望改进准则组合,构建四种有效全局优化算法并进行比较;最后,数值算例结果表明,基于偏最小二乘变换的Kriging全局优化方法在解决高维全局优化问题方面相比于标准的全局优化算法在收敛精度及收敛速度方面更具优势.     

永磁同步电机伺服系统的有限时间位置控制

研究了永磁同步电机伺服系统的位置跟踪问题.利用反馈线性化的思想,对永磁同步电机的数学模型进行分析,实现了电机模型的精确线性化和解耦.首先,将永磁同步电机位置跟踪系统采用反馈线性化技术变换为两个线性子系统,分别对其设计相应的基于连续状态反馈线性化的有限时间控制器,并设计了有限时间负载观测器来观测估计外部负载扰动.对永磁同步电机位置跟踪的闭环系统进行了稳定性的分析.与对应的渐近稳定控制的方案相比,基于有限时间的控制方案实现了永磁同步电机对期望信号的有限时间跟踪,获得了更好的动态响应和抗扰动性能.仿真结果表明了该控制方案的有效性.     

混合遗传算法收敛性分析

针对遗传算法爬山能力弱但合局搜索能力强的特点 ,本文将遗传算法嵌入到基入传统优化的拟下降算法中 ,并对算法的拟下降步骤做了一定的改进 ,使得整个算法具有全局收敛性 .本文采用马尔可夫的观点进一步证明了算法的全局收敛性 ,并用极难优化的测试函数给出了数值算例 ,证明了本文算法为一种可行的全局优化算法 .     

求解柔性作业车间调度的动态群智能优化算法

针对柔性作业车间调度问题,提出一种新型两阶段动态混合群智能优化算法.算法初始阶段采用动态邻域的协同粒子群进行粗搜索,第二阶段提出了基于混沌算子的蜂群进行细搜索,既增强了种群多样性,又提高了算法搜索精度,实现了全局搜索与局部搜索能力的有效平衡.针对柔性作业车间调度问题特点,采用独特的编码方式和位置更新策略来避免不合法解的产生.最后将此算法在不同规模的实例上进行了仿真测试,并与最近提出的其他几种具有代表性的算法进行了比较,验证了算法的有效性和优越性.     

区间自适应遗传算法优化无约束非线性规划问题

针对无约束非线性规划传统优化方法存在的问题,将区间自适应遗传算法引入无约束非线性规划优化中,算法可以利用当前进化信息,自适应移动搜索区间,找到全局最优解,故可缩短搜索区间长度,提高编码精度,降低算法计算量,解决了传统遗传算法处理优化问题时,给定区间必须包含最优解这一问题,这也是本算法有别于其他优化算法的独特优势,为某些最优解所在区间难以估计的无约束非线性规划问题的优化提供了一条有效可行的途径.系统阐述了区间自适应遗传算法的原理,给出了算法优化无约束非线性规划问题的步骤,以MatlabR2016b仿真方式对算法进行了实例测试,结果表明,方法是一种计算稳定、正确、有效、可靠实用的无约束非线性规划优化方法.     

基于改进二进制人工蜂群的BP神经网络并行集成学习算法及其应用研究

BP神经网络算法具有寻优效率不高、易发生早熟且最终求解精度不够等特点,针对以上问题,文章提出一种基于改进二进制人工蜂群算法(Improved Binary Artificial Bee Colony Algorithm)的BP神经网络并行集成学习算法(IBABC-BP).首先,文章构建以高斯变异函数作为概率映射函数的离散二进制人工蜂群算法(IBABC),分析证明了算法的有效性,并通过在4个Benchmark标准测试函数上证明了其寻优精度和收敛速度较其他4种改进人工蜂群算法均有大幅提高;其次,将改进的二进制人工蜂群算法(IBABC)用于训练BP神经网络,设计了IBABC-BP并行集成学习算法;最后,将IBABC-BP算法用于雾霾评估预测,以合肥地区的雾霾历史数据作为仿真数据.实验结果表明,IBABC-BP算法在寻优精度和收敛速度上较原始BP算法、人工蜂群ABC-BP算法、遗传GA-BP算法等算法有明显的提升,可以有效地提高雾霾评估预测的准确性.     

求解全局优化问题的改进蝙蝠算法[英文]

蝙蝠算法(BA)是一类基于试探技巧的群智能优化算法,该算法已被广泛用于诸多领域问题的求解.本文提出一个改进的蝙蝠算法NIBA.在算法中,为了加强蝙蝠算法的局部和全局搜索能力,提出了三个改进策略.首先,为了改进蝙蝠的局部搜索能力,在当前最优解处给出了一个新的搜索方程.其次,为了改进算法的全局搜索能力,平衡算法的开发能力和探索能力,算法吸收并改进了和声搜索机制.最后,为了进一步提高NIBA算法的搜索能力,在当前最优解处,算法采用了混沌搜索机制.为了验证算法的性能,针对18个标准测试函数进行了数值实验.与其它算法的比较结果显示,NIBA算法具有更好的稳定性,且效率更高.