Optimization for PID controller of cryogenic ground support equipment based on cooperative random learning particle swarm optimization

Cryogenic ground support equipment (CGSE) is an important part of a famous particle physics experiment — AMS-02. In this paper a design method which optimizes PID parameters of CGSE control system via the particle swarm optimization (PSO) algorithm is presented. Firstly, an improved version of the original PSO, cooperative random learning particle swarm optimization (CRPSO), is put forward to enhance the performance of the conventional PSO. Secondly, the way of finding PID coefficient will be studied by using this algorithm. Finally, the experimental results and practical works demonstrate that the CRPSO-PID controller achieves a good performance.     

张弦梁结构的优化设计方法研究

利用神经网络的强大映射功能,采用拟满应力法分析杆件截面变量的离散性,同时与遗传算法相结合而构成的一种新型组合优化方法．经平面张弦粱结构算例优化分析表明,计算速度快捷、有效可靠且能够满足工程精度要求。     

IMPROVED GENETIC ALGORITHM TO OPTIMAL PORTFOLIO WITH RISK CONTROL

1IntroductionAlog-optimalinvestimentportfoliowithoutriskconstraintshasbeenintroducedandsystem-aticallystudiedinChapter15ofCoverandl'homas[11.Themodelcanbediscribedasfol-.lows:Astockmarketisrepresentedasavectorofstocksx=(X,,X,,..',X.)',X,>o,i=1,2,.-',m,wheremisthenumberofstocksandthepricerelativeXirepresentstheratiooftheclos-ingpriceofthecurrentbusinessdaytotheprevi-ousday.LetF(x),x=(x,,x2,..',x-)'eR"bethejointdistributionofvectorX.Aportfoliob=(b,,bs,..',b,)',b,>o,i=l,2,..',m,Zb,=1istheall…     

两自由度并联机器人的RBF神经网络辨识自适应控制

针对平面两自由度五杆并联机器人的轨迹跟踪问题,提出了一种基于RBF神经网络的自适应PID控制方法.该控制方案利用RBF神经网络自适应学习辨识并联机器人系统的未知非线性动态,可以在线调整PID控制参数以实现高精度控制.仿真结果显示该控制策略可以精确实现对于并联五杆机器人的轨迹跟踪控制,该方法的自适应性和跟踪性能均优于传统的PID控制.     

基于微遗传算法的超宽带天线(阵)优化

为满足天线的不同设计要求,提高设计效率,采用时域有限差分法（FDTD）,并与微遗传算法（MGA）结合,用于超宽带天线的优化设计.分析表明,用微遗传算法比遗传算法收敛快.以TEM喇叭天线为例证明了该方法的有效性.用FDTD分析了超宽带电磁脉冲经同轴线馈电在平行板传输线和超宽带天线中的传输过程,得到了天线的时域信息.由天线的时域信息计算天线的性能参数,再用归一化的性能参数构造适应度函数,最后用微遗传算法优化天线结构.     

IIR数字滤波器设计的搜寻者优化算法

为进一步提高无限冲击响应(IIR)数字滤波器的性能,提出了一种基于搜寻者优化算法(SOA)的IIR数字滤波器设计方法.SOA基于模拟人的随机搜索行为,由利用位置变化评价得到的经验梯度确定搜索方向,由采用简单模糊规则的不确定性推理确定搜索步长,通过搜寻者在搜索空间的位置更新,实现对优化问题的求解.2个典型设计实例的仿真结果表明,与差分进化算法(DE)和3种改进的粒子群算法(PSO)相比,SOA具有较好的全局寻优能力和较快的收敛速度,能有效地应用于IIR数字滤波器的没计.     

基于遗传算法的列车端部桁架优化设计

为实现列车端部桁架优化设计,提出了一种将ANSYS和遗传算法有机结合的优化设计方法,该方法是将模型用批处理命令流（APDL）描述,在命令流文件中定义优化目标,设计变量及约束条件,然后遗传算法（GA）把ANSYS的前处理模块作为计算黑箱进行后台调用,从而对吸能结构进行优化设计．以桁架为应用对象,给出了该方法对桁架吸能结构优化设计的全过程,证实把遗传算法引入复杂结构的大规模优化计算是可行的．     

敷设聚脲的吸声模型改进粒子群算法优化

为了提高敷薄吸声层的水下小目标的隐身性能,以敷设聚脲的多层结构为基本吸声模型,推导了模型的反射系数计算公式.针对材料优化的应用需求,将粒子群算法的局部算法和全局算法相结合,改进粒子群算法的优化策略,得到了动态混合粒子群算法,提高了收敛能力和搜索精度.利用该算法对多层吸声模型的材料参数进行寻优,结果表明:当吸声材料杨氏模量近似为频率的分段线性函数时,其吸声性能最优.在此基础上,建立了提高模型吸声性能的理论方法,并进行了实例验证,结果表明,该方法可使模型吸声性能在140～500 kHz范围内达到-10dB以上.     

Simplified Group Search Optimizer Algorithm for Large Scale Global Optimization

A simplified group search optimizer algorithm denoted as"SGSO"for large scale global optimization is presented in this paper to obtain a simple algorithm with superior performance on high-dimensional problems.The SGSO adopts an improved sharing strategy which shares information of not only the best member but also the other good members,and uses a simpler search method instead of searching by the head angle.Furthermore,the SGSO increases the percentage of scroungers to accelerate convergence speed.Compared with genetic algorithm(GA),particle swarm optimizer(PSO)and group search optimizer(GSO),SGSO is tested on seven benchmark functions with dimensions 30,100,500 and 1 000.It can be concluded that the SGSO has a remarkably superior performance to GA,PSO and GSO for large scale global optimization.     

云遗传算法

为了克服传统遗传算法搜索速度慢、易陷入局部最优解的缺陷，借鉴遗传算法的思想，利用云模型云滴的随机性和稳定倾向性的特点，提出了一种新的遗传算法——云遗传算法（CGA）．该算法由正态云模型的Y条件云发生器实现交叉操作，由基本云发生器实现变异操作．最后，进行了函数优化实验，并与标准遗传算法（SGA）和自适应遗传算法（AGA）进行了比较，以证明其有效性．     

域约束优化问题的普适免疫进化算法

在免疫进化算法的基础上，针对域约束优化问题，提出了一种普适算法．通过区间变换，该算法在保证所产生的个体分量均能满足相应的区间约束的同时，消除了参数设置的随意性，不仅提高了计算效率，而且增强了算法的统一性，克服了其它进化算法采用罚函数处理域约束问题的不足．多峰函数优化和遗传算法欺骗问题的测试结果表明：与采用罚函数处理域约束问题的免疫进化算法相比，普适算法不仅易于编程，而且能以更快的速度稳健地收敛到全局最优解．     

遗传算法用于控制器参数的满意优化

对于控制器参数的多指标优化问题，提出了一种新型优化设计方法。通过分别设计的各个性能指标的满意度函数，反映出各性能指标对控制系统的具体要求；并用综合满意度函数的设计，反映出对控制目标的综合要求。由此给出了一种优化模型。应用遗传算法自动搜索，实现控制器参烽的优化。仿真实验效果良好，表明了本文方法的灵活实用性。     

物体表面重建轮廓拼接的改进遗传算法

为解决物体表面重建中的轮廓拼接问题，将其转化为在有向图中寻求最优路径问题．提出了基于遗传算法的适用各种目标函数的轮廓拼接算法，其中对初始种群的产生、交叉算子和变异算子等做了改进，以确保产生的个体均能代表有效解．算例模拟结果表明，该算法简单可行，在优化性能、收敛速度及鲁棒性等方面优于模拟退火算法．     

平面张弦梁结构的优化分析

将BP神经网络引入平面张弦梁结构的优化分析,并针对离散变量结构的拟满应力法加以改进,与遗传算法相结合从而构成一种新型组合优化方法,并将该法应用于平面张弦梁结构算例的优化分析,结果表明了算法有效可靠,最后对算法的计算精度和速度进行了讨论。     

遗传算法在区段站到发线的应用研究

为解决车站到发线的合理运用问题，采用遗传算建立了到发线运用的染色体结构和适应度函数，对这种复杂的非线性组合优化问题进行了仿真。     

自动寻迹运输车舵轮模糊PID控制器的设计与仿真

建立了自动寻迹运输车舵轮控制系统的数学模型,设计了一种基于模糊PID控制的运输车方向控制系统。文中较详细地分析了控制系统数学模型的简化、模糊PID控制器的设计过程以及加模糊PID算法后系统的阶跃响应,同时对加控制算法前后系统的阶跃响应进行了对比仿真研究。仿真结果表明,加入模糊PID算法后系统的稳定性和快速性等动态性能得到了较好地改善。将仿真得到的数据应用到样机的试验中,发现该运输小车的方向控制系统能很好地满足其在前进过程中对方向调节的快速响应,样机系统具有较好的动态性能。     

基于改进遗传算法的接地网优化设计

为减少接地网均压导体数量和提高均压效果，根据短路时地表电压分布建立了接地网不等间距均压带优化布置的数学模型．优化计算采用改进的遗传算法．介绍了青藏铁路牵引变电所接地网的仿真计算．结果表明，该方法可在满足安全电压的条件下，得到接地网不等间距均压带布置形式．与传统的等间距布置形式相比，可以减少近50％的施工量．     

基于PSO的多叶准直器PID控制器参数优化研究

针对放射治疗系统中多叶准直器叶片位置精度的控制要求,描述了适形放射治疗装置中多叶准直器的结构和工作原理.把驱动多叶准直器叶片运动的无刷直流电机作为被控对象,提出了基于PSO算法的PID控制器的设计方法.首先,对无刷直流电机进行了建模,而后,采用基本粒子群算法对无刷直流电机的PID控制器各项参数进行优化,以保证多叶准直器叶片的到位精度,满足适形放疗的要求.仿真结果表明所使用的方法能较好地满足多叶准直器叶片位置控制的精度要求,各项控制指标明显优于传统整定方法.     

A multi-objective optimal approach to automated construction of sacrificial multi-piece molds

Sacrificial multi-piece molds can be used for producing complex parts. To obtain the optimal design of molds automatically, a multi-objective optimal approach is proposed. Mold pieces number, material utilization and partitioning area are taken as the objective functions, and the machinability of each mold piece is taken as constraint condition. Genetic algorithm (GA) is adopted to realize global optimization of partitioning process. Each mold piece in optimal scheme can be manufactured by milling and drilling operations, which reduce the tooling cost and shorten product cycle obviously. Using the proposed approach, mold design can be significantly automated for making complex parts.     

遗传算法在图像分割中的应用

图像分割是图像分析的预处理阶段,被认为是计算机视觉中的一个瓶颈.基于扩展的Otsu最优阈值图像分割方法,提出用一种改进遗传算法进行图像分割的方法,并给出了遗传算法中参数的设定.仿真结果表明,改进算法的计算速度不仅明显优于传统的Otsu方法,而且算法的分割效果也很好.