基于多目标遗传算法和多属性决策的船舶PID控制器参数整定

提出了一种基于多目标遗传算法和多属性决策的PID参数设计方法,综合考虑系统超调量、稳定时间和ITAE指标,采用多目标遗传算法(MOGA)求出Pareto最优解.由这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行权值计算,然后采用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解给出排序.计算了一个二阶船舶控制的数值算例,结果表明本文提出的联合方法通用性好,设计的PID性能优异,适合工程实际应用.     

主汽温PID参数整定的多目标遗传优化研究

综合考虑舰船锅炉控制系统的跟随性能、扰动抑制性能和鲁棒性能,提出一种基于多目标遗传算法和多属性决策的PID参数设计方法,采用改进非支配解排序的多目标遗传算法求出Pareto最优解。由Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行权值计算,再采用逼近理想解的排序方法进行多属性决策研究,对Pareto最优解给出排序。计算某锅炉主汽温PID控制的数值算例,结果表明方法通用性良好,所设计的PID性能优异,适合工程实际应用。     

可调螺距螺旋桨控制系统PID参数整定

针对船舶调距桨PID控制系统的参数整定问题,提出了一种基于多目标遗传算法和多属性决策的参数设计方法,综合考虑了系统超调量、稳定时间和ITAE指标,采用多目标遗传算法求出Pareto最优解。由这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行权值计算,然后采用逼近理想解的排序方法进行多属性决策研究,对Pareto最优解给出排序。计算了某水面船舶可调螺距螺旋桨的数值算例,结果表明本文提出的联合方法通用性好,所设计的PID性能优异,适合工程实际应用。     

船舶柴油机调速器参数整定的多目标优化和多属性决策研究

综合考虑系统在输入阶跃扰动和负荷扰动两个工况时的超调量、稳定时间和ITAE指标,研究了PID控制器参数寻优的问题。采用多目标遗传算法求出Pareto最优解,使用信息熵法和逼近理想解的排序方法（TOPSIS）对Pareto最优解给出了排序。计算了一艘水面船舶柴油机调速器控制的数值算例,结果表明本文方法有效,所设计的PID性能优异,可以工程实际应用。     

船舶六自由度转台电液伺服系统参数整定方法

针对船舶六自由度转台电液伺服系统的参数整定问题,提出一种基于多目标遗传算法和多属性决策的PID参数设计方法,综合考虑了系统超调量、稳定时间和ITAE指标,采用多目标遗传算法求出Pareto最优解。使用客观赋权的信息熵法对最优解的属性进行权值计算,然后采用逼近理想解的排序方法（TOP—SIS）进行多属性决策（MADM）研究。计算了转台电液伺服控制的数值算例,结果表明本文提出的联合方法通用性好,所设计的PID性能优异,适合工程实际应用。     

船舶系统可靠性指标分配的多目标优化方法

针对船舶系统可靠性设计问题,采用改进非支配排序遗传算法(NSGA Ⅱ)研究了可靠性指标分配中的多目标优化设计.根据Pareto最优解集形成决策矩阵,基于信息熵法得到属性权重,利用逼近理想解的排序方法(TOPSIS)进行多属性决策研究.对Pareto最优解给出排序.采用本文方法讨论了一个船舶系统可靠度的分配和预测算例,给出了可靠度和费用之间的拟合关系.数值算例表明,综合采用多目标优化和多属性决策技术,可以迅速、客观选择各部件的可靠度.这种综合方法还能用于可靠性研究的其他领域.     

改进的多目标优化算法及其在船舶设计中的应用

对多目标优化问题的固定加权和方法加以改进,采用随机权系数方法将多目标优化问题转换成为单目标优化问题,利用序列二次规划方法获得问题的最优解。由于权系数的随机性,多次运行能够得到多目标优化问题的Pareto优化解和Pareto前沿。和固定权系数相比,这种方法能够找到非凸均衡面上所有的Pareto最优解。采用TOPSIS法进行多属性决策(MADM)研究,对Pareto最优解给出排序。针对船舶概念设计阶段主尺度确定过程的多目标优化问题,给出了一艘散装货船两个优化目标的数值算例。计算结果表明,随机加权和方法可以求出多目标Pareto最优解集,和先验加权方法相比,随机加权方法能为设计者提供更多的选择;和遗传算法相比,现在的方法简便且精度良好。     

舰船概念设计多目标优化和多属性决策研究

在舰船概念设计阶段,设计者经常遇到要牛成大量的船型方案,并从中筛选出1个或者几个综合性能比较好的方案的问题.将基于进化箅法的多目标优化技术与多属性决策方法联合运用,探讨了船舶的多目标优化和决策问题.对于多目标优化问题,采用改进的非支配解排序的多目标进化优化算法(NSGA Ⅱ),求出Pareto最优解,由这些Pareto最优解构成决策矩阵.基于信息熵方法和层次分析法(AHP)联合得到属性权重,用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解给出排序.应用本文方法,对水面舰船概念设计进行了分析.数值计算结果表明,综合多目标优化和多属性决策技术,能够迅速、客观地选择合理的主要参数.这种综合方法也能够广泛应用于舰船其它设计领域.     

动力吸振器的多目标优化和多属性决策研究

动力吸振器被广泛用于船舶、飞机和汽车等工业领域。在结构振动控制中,为了最大限度地发挥吸振器的耗能减振作用,需要寻找吸振器的最优参数,即最优频率比、最优阻尼比和最优质量比,使得结构在不同的频率激励下获得最好的减振效果。文章将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对主系统存在阻尼的减振系统,研究了动力吸振器的优化和决策问题。对于多目标优化问题,采用改进的非支配解排序的多目标进化算法(NSGAII),求出Pareto最优解,由这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵方法对最优解的属性进行权值计算,然后用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解给出排序。文中给出了4个设计参数、3个目标函数的动力吸振器优化设计算例。     

基于多目标粒子群算法的动力吸振器参数优化和决策研究

动力吸振器在船舶领域得到广泛应用.在船舶振动控制中需要寻找吸振器的最优参数,即最优频率比、最优阻尼比和最优质量比,使得结构在不同的频率激励下获得最好的减振效果.本文将基于多目标粒子群算法的优化技术与多属性决策方法联合运用,针对主系统存在阻尼的减振系统,研究了动力吸振器参数优化和决策问题.对于多目标优化问题,采用多目标粒子群算法(α-MOPSO)求出Pareto最优解,基于熵方法得到属性权重,用逼近理想解的排序方法(TOPSIS)对Pareto最优解给出排序.文中给出了4个设计参数、2个目标函数的动力吸振器优化设计算例.计算结果表明,文中提出的联合方法能够有效应用于动力吸振器的参数优化.     

基于多目标粒子群算法的船舶主尺度优化设计研究

粒子群优化是一种新兴的进化计算技术。文章基于多目标粒子群优化算法讨论了船舶主尺度论证中的多目标优化和决策问题。对于多目标优化问题,采用基于Pareto占优方法的多目标粒子群算法得到最优解,然后采用距离理想解最近的方法对这些Pareto最优解给出排序。应用文中给出的两个阶段求解方法,对散装货船概念设计阶段主尺度确定的问题进行了分析。结果表明,综合多目标粒子群优化和决策技术,能够迅速、客观地选择合理的船舶主尺度,可以给设计人员提供更多的选择。这种综合方法也能够广泛用于船舶其他设计领域。     

基于多目标遗传算法的船舶修理计划优化研究

针对船舶修理工作中的计划任务分配问题,提出了基于多目标遗传算法的船舶修理计划优化的方法。将修理经费和时间作为两个追求的目标函数,采用改进的非支配解排序的多目标进化算法（NSGA II）对优化模型进行了求解,得到了任务分配的Pareto优化解。这种方法能够比通常的加权和方法得到更多的计划方案,能够给任务制订者更多的选择。文中计算了一个维修任务分配例子,并且和通常单目标优化结果进行了比较,表明了该方法的有效性和实用性。     

OceanInfo平台中舰船操纵运动控制研究

针对 OceanInfo平台中的舰船运动控制,研究舰船在航向保持中的混沌运动及其控制问题。基于 PID控制方法的简单性和有效性,应用 PID控制进行平台中的舰船混沌运动的有效控制和航向保持,对其控制参数难以确定的问题,提出改进的动态混沌粒子群优化（PSO）算法进行控制器参数整定并进行仿真实验。实验结果表明：本文提出的改进优化算法能够实现 PID参数的优化整定,其结果能够更为有效地进行舰船航向保持及混沌运动控制,且方法简单、容易编程实现。     

基于Simulink的直流伺服电机PID控制仿真

针对PID参数整定复杂这一问题,在Simulink环境下,模拟了直流伺服电机的PID控制参数整定策略和步骤.与通常的仿真整定方法比较,突出的优点是建模简洁、可视化操作、编程工作量小.仿真结果表明该方法适合工程应用.