基于遗传算法的分数阶PI~λD~μ控制器参数分级整定

针对交流电机振动抑制问题,提出基于遗传算法的分数阶PIλDμ控制器参数分级整定策略.通过遗传算法对整数阶PID控制器整定,获得一组控制参数;固定这组控制参数,再利用遗传算法对分数阶PIλDμ控制器进行阶次寻优.仿真结果表明,在PID控制器三系数不变的条件下,通过调整控制器的积分与微分阶次,分数阶PIλDμ控制器与整数阶PID控制器相比,动态性能指标均有所改善;所提出的分级整定策略对分数阶PIλDμ控制器参数确定是有效的.在不增加任何系统结构复杂性的前提下,改善了交流电机的振动抑制特性.     

基于分数阶PI~λ的矿用牵引交流电机速度控制

为了改善矿用牵引电动机牵引特性及抗负载扰动能力,实现对矿用牵引电动机的高性能控制,提高矿用机车运行的可靠性,将分数阶PI~λ控制应用于矿用牵引电动机矢量控制的速度控制器.采用频域、时域两种方法讨论分数阶积分的优良特性,设计了分数阶PI~λ并应用到矿用牵引电机速度控制器中.最后,仿真分析了分数阶PI~λ控制的矿用牵引交流电机在不同工况下的.研究表明:分数阶PI~λ可改善矿用牵引交流电机控制系统的动、静态性能,提高系统的抗负载能力.     

基于遗传算法的分数阶PI^λD^μ控制器参数分级整定

针对交流电机振动抑制问题,提出基于遗传算法的分数阶PIλDμ控制器参数分级整定策略. 通过遗传算法对整数阶PID控制器整定,获得一组控制参数;固定这组控制参数,再利用遗传算法对分数阶PIλDμ控制器进行阶次寻优. 仿真结果表明,在PID控制器三系数不变的条件下,通过调整控制器的积分与微分阶次,分数阶PIλDμ控制器与整数阶PID控制器相比,动态性能指标均有所改善;所提出的分级整定策略对分数阶PIλDμ控制器参数确定是有效的. 在不增加任何系统结构复杂性的前提下,改善了交流电机的振动抑制特性.     

基于粒子群优化模糊控制器的电动汽车再生制动控制策略研究

为提高电动汽车一次续驶里程,引入双锂离子电池组供电模式和电机再生制动能量回收系统,设计电动汽车的动力系统结构.通过对电动汽车制动模式进行分析,提出了基于粒子群优化算法的电机制动力矩模糊控制策略,并给出粒子群优化策略的算法实现.通过硬件在环仿真,证实了该控制策略能提高能量利用率.     

基于自适应粒子群优化算法的交通量短时预测模型

在考虑交通量短时变化的时空特性和波动性基础上,建立了非线性交通量短时预测模型.根据我国城市道路交通流非线性、时变性、随机性等特点,提出自适应粒子群优化算法对非线性交通量短时预测模型进行在线修正.该自适应粒子群优化算法采用两步优化策略,对算法参数进行调整,避免算法早熟收敛,有效提高了算法的运算精度和效率.利用城市道路的实测数据,通过Mat-lab软件工具箱对该模型进行计算机仿真验证.     

一种基于邻域空间的混合粒子群优化算法

针对标准粒子群优化算法在信息共享机制的不足,提出基于邻域空间的混合粒子群优化算法。该算法修改了粒子速度更新方程,提出了一种将模式搜索算法嵌入粒子群优化算法新方法。通过4个典型的测试函数的实验研究,表明了所提出的算法充分发挥了模式搜索算法强大的局部搜索能力和基于邻域空间的粒子群优化算法的全局寻优能力,很好地平衡了算法的全局“探索”与局部“开发”。新算法具有优化精度高、鲁棒性强的特点,特别适合对高维多峰函数进行优化。     

一种改进惯性权重的混沌粒子群优化算法

为解决粒子群算法(particle swarm optimization, PSO)在求解多维复杂问题时易陷入局部最优的问题,提出了一种改进惯性权重的混沌粒子群优化算法,算法中利用Sigmoid函数构造惯性权重的进化曲线,进化过程中利用Logistic混沌变换和群体适应度方差来实时调整惯性权重的值,防止陷入局部最优.最后选用6个基准测试函数对该算法进行性能测试,仿真结果表明该算法能够有效避免PSO算法的早熟收敛问题,得到较高精度的解.     

一种改进型粒子群算法求解资源优化配置问题

针对粒子群算法在求解优化问题时难以兼顾收敛精度与收敛速度这一问题,提出对目标的惯性权重进行修正和引入随着惯性权重变化的惯性学习因子的方法,该算法充分利用了上一代速度与位置、自我认知和群体间信息共享3部分内容,来影响算法的优化结果,提高了算法的全局和局部的搜索能力.最后将改进的粒子群算法应用于工程项目中的资源优化配置问题中,证明了该算法的有效性.     

一种多样性反馈高斯粒子群算法

针对粒子群算法在算法迭代后期因多样性减少而容易陷入局部最优的缺陷,引入种群多样性反馈(群活性反馈)和高斯正态惯性权重变异算子对粒子群算法进行改进,当粒子群的多样性减少时,通过改变粒子的惯性权重调节粒子速度和位置,从而跳出局部最优解.与标准粒子群算法对比仿真结果表明:多样性反馈高斯粒子群算法在全局搜索能力和寻优性能上有很大提高,多样性提高近一倍,迭代时间缩短近3/4.     

一种基于粒子滤波的自适应相关跟踪算法

相关跟踪是最常见的一种目标跟踪方法,但传统相关跟踪采取的“峰值”跟踪方法抛弃了所有小于峰值点相关值的位置点的信息,不够稳健,受遮挡影响大,并且很难求解相关模板的仿射变形参数。提出了一种改进的非线性相关跟踪算法,以改进的灰度模板作为目标表示方式,粒子的权值与相关值成比例,目标状态的后验概率由粒子加权表示。模板更新时根据粒子权值进行自适应调节,对所有粒子所在位置的区域进行加权更新,权值大的粒子具有更高的更新系数,避免了仅利用单一峰值点处的模板进行更新可能造成的误差累计。该算法大大提高了跟踪与模板更新的鲁棒性,同时也是一种在仿射空间进行运动参数搜索的实用方法。     

交通分配的粒子群优化算法

为了方便合理地分配交通量,提出了交通量多路径分配的粒子群优化算法。算法的求解方法是在粒子群算法中构造了路径条数维的粒子空间,每维对应一条可行性路线,其值为对应路径所分配的交通量;对粒子进行归一化处理,使交通量守恒,并进行交通量的多路径分配;根据目标函数评价与筛选粒子,直到满足终止条件。实例计算结果表明:利用粒子群算法得到的目标函数值最小,各路段分配的交通量没有超容量现象,模型求解过程具有方向性,对交通分配的网络规模无限制,因此,粒子群优化算法可行、合理。     

基于粒子群优化算法的机场群航班优化配置研究

针对我国机场群发展不平衡、航线同质化程度高等问题,建立了以航班准点率、航空公司市场份额、旅客损失时间和航班功能定位指标最大化的航班时刻优化模型,将一级国际枢纽机场运行效果差的航班分配至周边机场.笔者在满足机场群内各机场起降容量限制、航班唯一性和航班连续性的条件下,设计改进的粒子群优化算法进行求解.以长三角机场群的航班时刻资源为例进行实例验证.研究表明:模型能够有效调整枢纽机场的低效航班至周边机场,使得机场群内各机场航班分布较为均衡,有效控制各时段航班架次的变化趋势,优化效果显著.     

粒子群优化算法的信息共享策略

为寻求更有效的信息共享策略,分析了粒子群优化（PSO）算法的信息共享机制及由粒子个体最优位置构成的平衡点的作用．在此基础上,以标准PSO算法为原型,提出了4种使用不同信息共享策略的PSO算法,并用5个经典测试函数测试、比较了它们的性能．仿真结果表明,提出的前2种信息共享策略可以明显改善PSO算法的性能．基于PSO算法的理论分析和仿真结果,给出了一个好的信息共享策略应满足的条件：粒子应有选择地共享邻域个体的信息,以保证粒子群的平衡点具有良好的质量与多样性,同时又不过于随机地变化．     

基于MATLAB GUI的分数阶控制器设计与分析平台

建立一个基于MATLAB的分数阶PI^α D^β控制器设计与分析平台,该平台主要包括分数阶微积分算子有理逼近函数生成模块和分数阶PI^αD^β控制器设计模块.在该平台上可获得分数阶微积分算子最佳有理逼近表达式、频率特性曲线、零极点分布,完成分数阶PIα Dβ控制器设计与分析.通过分数阶微积分算子有理逼近及控制器设计实例表明,该平台能够方便地实现分数阶微积分算子的有理逼近及其性能分析,交互界面友好、使用方便,为分数阶PI^α D^β控制器的便捷设计提供了条件.     

基于神经网络的分数阶PIα控制器的设计与实现

分数阶控制器与传统PID控制器相比具有更好的适应性,并且为更好地调节分数阶控制系统性能提供了可能性.然而,由于分数阶控制器引入了两个附加的参数α和β,从而使分数阶PIαDβ控制器参数的确定变得更加困难.为了改进这一问题和进一步提高分数阶PIαDβ控制器对系统不确定性的适应能力,文章简明且不失一般性地提出了一种基于神经网络的参数自调整分数阶PIα控制器.讨论了所采用的离散化方法和分数阶控制器的设计方法,对神经网络结构和控制器参数自调节方法给出了详细论述.实验结果表明,所设计的控制器不仅保持了常规分数阶PIα控制器的特性,而且还具备了更好的适应性和参数自调节能力.     

基于改进粒子群算法的工程项目综合优化

为解决现有粒子群优化算法进化过程中"早熟"的问题,提出了一种改进的粒子群优化算法HSPSO.算法采用多子群分层策略,以提高收敛速度和优化精度.为求解工程项目的综合优化问题,建立了工期-成本-质量的数学优化模型和多目标优化模型.通过实例对标准粒子群优化算法(SPSO)和差分进化(DE)算法进行了比较,并采用HSPSO算法进行多目标优化.最后,用枚举法验证了模型的合理性和算法的有效性.与已有研究相比,HSPSO算法能在种群规模较小(20个粒子)的情况下,快速找到满意的解(平均迭代次数不超过20次).     

基于粒子群优化算法的二阶系统解耦

从数值计算的角度出发研究了二阶系统的解耦问题,通过保持Lancaster结构将二阶系统的解耦问题转化为非线性约束的最优化求解问题.并利用粒子群优化算法求解此约束优化问题,直接给出非奇异的保结构解耦变换.利用Matlab编写程序实现此算法,数值实验结果表明在设定的迭代次数和精度内,此方法确实能实现原始系统的近似解耦.     

基于个体最优位置的自适应变异扰动粒子群算法

针对粒子群算法在寻优时容易陷入局部最优的不足,提出了一种基于个体最优位置的自适应变异扰动粒子群算法AMDPSO (adaptive mutation disturbance particle swarm optimization).该算法以粒子群算法为基础,加入扰动,当满足自适应条件时,粒子以个体最优位置为依据进行变异操作.将该算法运用于6个测试函数,并与惯性权重粒子群算法、收缩因子粒子群算法以及差分进化算法进行了比较,结果表明:AMDPSO能在寻优过程中让粒子跳出局部最优,保持种群多样性,具有更好的收敛速度和优化性能.