基于改进粒子群算法的飞机刹车控制律参数寻优研究

飞机防滑刹车控制律参数的选取不仅直接影响着飞机的刹车性能,还对飞机着陆的安全性起着重要作用,而实际飞机刹车过程异常复杂,其模型通常具有高维非线性的特点,且从工程角度出发,刹车距离的缩短并非单一核心诉求,轮胎磨损同样需要考虑,这就使得刹车控制律参数的选取异常困难。为解决上述问题,在刹车值目标函数的基础上,引入了机轮打滑值评价目标,优化了飞机刹车控制系统的目标函数。在标准粒子群算法的基础上引入了二阶振荡环节,融合了差分变异策略,并对算法的惯性权重和加速度系数进行改进,使得算法的寻优性能得到提升。将该算法应用至飞机刹车系统MATLAB/Simulink模型中进行仿真,证明了所提算法在飞机防滑刹车控制律参数寻优方面的有效性和科学性。

基于参数寻优的航天器编队反步滑模协同控制

针对航天器编队在推力约束和通信约束下的相对位置协同控制问题,给出一种参数寻优下的反步滑模协同控制方法,实现了航天器编队的位置跟踪控制。基于非线性的相对动力学方程,考虑控制器推力约束和编队航天器之间的通信限制,利用图论知识,设计反步滑模协同控制器,并采用基于模拟退火的粒子群算法对控制器参数进行寻优,最后通过仿真验证控制算法的有效性。仿真结果表明,与一般的滑模控制相比,本文的控制方法具有更好的位置跟踪性能,可以实现卫星编队对参考轨迹的跟踪控制,具有较好的抗干扰能力。

基于参数寻优的立体声鲁棒水印算法

针对网络音频数据非法传播、隐私泄露等问题,提出了一种基于参数寻优的立体声鲁棒水印算法。首先利用立体声2个声道之间的相对关系对攻击的不敏感性,以2个声道的相对失真最小为目标,优化嵌入过程,修改奇数段的奇异值比值以嵌入水印,提高音频文件的感知质量。其次,针对不同音频文件,提出一种参数寻优算法用于寻找对每个音频文件最优的参数,更好地平衡了算法的不可感知性和鲁棒性。仿真实验结果证明,所提算法具有较好的不可感知性,并且对常规信号处理均具有较好的鲁棒性。

结合参数寻优LIBSVM模型的采矿用地提取研究

采用国产GF-1卫星数据,分析该数据中的光谱、纹理、植被指数、地形等特征,构建对露天采矿用地提取具有一定应用价值的多特征集合,最后对比应用价值较高的BP神经网络和改进的参数寻优LIBSVM模型对露天采矿用地的提取效果。结果表明:1)在2种算法的应用中,可以获取较高精度的特征集合都为B(光谱)+G(纹理)+V(植被)+D(地形);2)结合参数寻优的LIBSVM模型与B+G+V+D特征集对露天采矿用地提取可以获取较高精度,总体精度为91.76%,F1函数为94.55%,Kappa系数为0.8972。基于B+G+V+D的多特征集合,结合参数寻优的LIBSVM模型在露天采矿用地提取中具有较高的应用价值,为自然资源管理部门提供了一种较好的管理方法。

永磁球形电机的支持向量机模型的参数寻优

提出一种新的永磁球形电机的数学模型建立方法——支持向量机(SVM)模型,分别采用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较三种算法得到的参数,确定最适合永磁球形电机SVM回归模型的参数寻优算法。

基于免疫粒子群算法的飞行控制器参数寻优

提出了一种免疫粒子群混合优化算法。该方法将免疫算法中的基于浓度的抗体繁殖策略与粒子群优化算法相结合。对浓度低的粒子进行促进,对浓度高的粒子进行抑制,因而保持了粒子的多样性,克服了PSO算法易于陷入局部最优点的缺点,寻优速度快。将该方法用于飞行控制器的参数优化设计。仿真结果表明:使用该方法进行参数优化设计获得了优良的飞行控制效果,能够较大地提高飞行控制器参数的设计效率。

ASPEN Plus在工业精馏塔故障诊断与参数寻优中的应用

通过在生产实践中应用ASPENPlus软件模拟实际生产过程,对实际操作中可能存在的故障进行了诊断;在系列化过程模拟与优化的基础上,以理论计算为指导,针对性地提出了操作参数调整方案及精馏塔内构件的维护策略。实际运行结果表明,以最小的成本投入获得了最佳改造效果,故障诊断与参数寻优是成功的。

基于改进粒子群算法的飞行控制器参数寻优

提出了一种自适应参数策略的混沌粒子群优化算法。该方法将自适应加速度系数调整策略引入到PSO中,以有效地控制全局和局部搜索,并利用混沌运动的遍历性在解空间产生较大规模的初始群体,从中择优选出分布均匀的初始种群以提高粒子的质量,同时根据种群适应度方差对陷入早熟收敛的粒子进行混沌扰动,提高算法收敛的精度。将该方法用于飞行控制器的参数优化设计中。仿真结果表明:使用该方法能够有效地解决飞行控制系统的参数优化设计,极大地提高了飞行控制器参数的设计效率。

基于数值仿真的单目标多变量渠道控制参数寻优算法研究

【目的】采用优化的寻优算法进行高效PI控制参数寻优。【方法】首先采用复合梯度法和复合粒子群法进行单一渠池PI控制参数寻优,对寻优过程中存在的初值不稳定等问题进行了探讨和针对性优化,提出了一种适用于渠道控制的分步寻优算法;随后针对多渠池的多变量问题提出了随机多渠池多变量寻优算法与固定权重的多渠池多变量寻优算法。【结果】单渠池工况下,复合梯度法和复合粒子群法能较好地解决寻优初值不稳定及寻优效率低下的问题。在控制效果相当的情况下,2种算法较均匀网格法的计算效率均得到显著提升,最长寻优耗时仅为网格法的5%左右。复合梯度法所用平均寻优耗时仅仅为复合粒子群算法的35.76%,复合梯度法较复合粒子群算法更为高效。多渠池工况下,随机多渠池多变量寻优算法与固定权重的多渠池多变量寻优算法在显著提高寻优效率的同时保证了较好的控制性能。然而,随机多渠池多变量寻优的控制效果较固定权重的多渠池多变量寻优有较大的改善,随机法较固定权重法的流量偏差小90.48%、闸门开度偏差小77.57%,系统稳定时间小17.05%,水位偏差小50.42%。但随机法所付出的时间成本也较高,寻优耗时较固定权重法多63.19%。【结论】随机多渠池多变量寻优算法的寻优耗时更长但控制性能更佳,使用者可根据其对于控制性能或耗时的要求有针对性地选择。

基于遗传算法的PID参数寻优

遗传算法是一种模拟自然进化而提出的简单高效的优化组合方法。该文主要研究了控制器参数优化问题 ,并利用遗传算法的基本原理对单回路及串级回路进行了离线寻优。仿真结果表明了遗传算法应用于控制器参数优化的可行性和有效性。

五种SVM参数寻优识别运动想象脑电比较研究

支持向量机(SVM)在脑电(EEG)分类中效果较好,其参数寻优方法直接关系着分类的准确率和所需时间。为了探索参数寻优对分类效果的影响,本文采用了固定参数寻优、直接寻优、网格寻优、遗传算法(GA)寻优和粒子群优化算法(PSO)寻优五种参数寻优方法,以BCI Competition IV data 2b数据集进行实验测试,对带通滤波后的数据进行瞬时能量特征的提取,利用五种寻优的参数分类器,得到了9名被试者4~7 s时间内数据的分类准确率和分类所需时间。在用网格寻优和粒子群寻优的分类下,被试S4和被试S8的准确率分别高达96.875%和88.125%,用时最短为3.059 s。直接寻优和固定参数方法的准确率虽低,但分类用时仅为0.002 s和1.305 s,实时性上,更加适合于应用到在线系统中。

基于NSGA-Ⅱ算法的ECPT系统PID参数寻优及输出稳压控制

针对电场耦合型无线电能传输(ECPT)系统阶数高、非线性、对系统参数变化敏感导致其输出电压质量下降、系统不稳定等问题,提出一种最优控制器设计方法。该方法首先建立系统广义状态空间平均(GSSA)模型,并基于此模型,利用多目标多约束遗传算法(NSGA-II)对PID控制参数进行自动寻优,有效解决了高阶系统PID控制器最优参数难以设计的难题,改善了闭环系统的上升时间、稳态误差以及对变化参数的鲁棒性能,并将超调限定在一定范围内,提升系统的稳定性。仿真和实验结果验证了GSSA模型的准确性以及在此模型上利用NSGA-II算法进行控制参数寻优的有效性。

基于粒子群算法的运输机PID控制器参数寻优

研制和发展大型飞机,是一个国家工业、科技水平和综合实力的集中体现,对大型飞机飞行控制器的研究具有十分重要的意义;采用PID控制方式设计出来的飞行控制器结构简单,易于工程实现;针对PID参数复杂繁琐的整定过程,提出了一种基于粒子群优化的PID参数寻优算法,克服了传统方法中花费大量的时间进行PID控制参数整定或反复试凑的缺点;对某型运输机俯仰姿态PID控制器进行了仿真研究,仿真结果表明利用该方法对所设计的飞行控制器进行参数优化不仅较大地提高了飞行控制器参数整定效率,而且获得了优良的飞行控制效果,并且具有较好的鲁棒性。

基于参数寻优的自学习算法在两轮机器人控制上的应用

针对两轮机器人现有控制算法的弊端,基于自学习参数寻优算法设计自适应控制器.该控制器结构简单,无需依赖精确数学模型,经过多次学习训练,即可获得最优控制参数.将该控制器应用于两轮机器人的平衡控制中,并与线性二次型(linear quadratic regulator,LQR)最优控制器进行对比,仿真结果验证了该算法的正确性、有效性,凸显出较强的鲁棒性和仿生学习性;将该控制器应用于两轮机器人物理系统,取得了良好的控制效果.

基于自适应变异PSO的ARMA模型参数寻优及预测应用

为提高ARMA模型在时间序列预测中的精度,提出一种基于改进粒子群算法(AMPSO)的模型参数智能寻优估计方法。AMPSO算法以粒子熵的判别为依据,在寻优过程中对算法的关键参数进行多次自适应变异,以提高其跳出局部、面向全局寻优的能力。模型参数寻优过程基于ARMA(2n,2n-1)模型架构依次跳阶,每阶的参数初估后运用AMPSO算法展开寻优,适应度判定标准为当前模型残差方差最小。针对齿轮箱轴承的输出扭矩进行预测,结果表明,AMPSO算法在收敛性和寻优速度方面效果良好;参数寻优方法可显著提高参数预测精度,具有良好的工程应用价值。

基于遗传算法PID参数寻优的电加热炉温度控制系统

针对工业过程中常见的一阶大滞后对象的 PID 参数整定问题,提出自适应遗传算法对 PID 控制进行参数寻优。应用自适应遗传算法对电加热炉温度控制器参数进行优化,并将结果与常规的 PID 控制方法进行比较,仿真与实际结果表明,当被控对象存在较大纯滞后特性时,采用本方法优化 PID 控制器参数可获得比较满意的调节效果。

基于IA参数寻优组合核的SVM文本分类研究

支持向量机在解决非线性及高维模式识别中表现出许多特有的优势,被广泛应用在文本分类领域。但是其核函数及其参数的选择对分类效果具有很大的影响,单一核函数难以很好地解决文本分类问题。因此,本文选取了三个常用的核函数进行两两组合,利用加权组合核的形式来弥补单核自身特点可能带来的缺点,然后利用人工免疫算法(Immune algorithm,IA)对组合核进行参数寻优,以提高文本分类效果。实验分析证明,此方法有效。

遗传算法在模糊控制器参数寻优中的应用研究

介绍遗传算法的基本原理及实现步骤,并运用于模糊控制器的参数寻优中,对复杂被控对象实现了最优控制。模糊控制规则采用基于解析表达式的模糊数模型,用遗传算法对模糊控制器中的量化因子和比例因子及偏差加权因子进行编码,确定适应度函数,在复制、交叉、变异的进化过程中获得全局最优点,改善模糊控制性能。在Matlab环境中实现遗传算法各算子的编程,并以二阶系统为例,对常规模糊控制器与经过遗传算法寻优后的模糊控制器进行了仿真比较,其结果表明采用遗传算法寻优能获得较好的控制效果,该方法具有良好的动静态特性。

高速高效低粗糙度磨削工艺参数寻优

根据工艺参数的数学模型和最优化原理 ,在以加工零件表面最低粗糙度及高生产率的前提下 ,对高速磨削工艺参数进行寻优 .

基于区域分解法的水文地质参数寻优研究

在建立地下水流模型的过程中,水文地质参数寻优一直是较为复杂的步骤之一,具体难点包括寻优方法的取用,为保持总体平衡所引起的参数峰值异常以及总体寻优需要大量的计算机时等问题。本文运用区域分解法(DomainDecomposition method,DDM)的基本思想,将整个区域的参数寻优问题分解为各参数分区内的子域问题求解,通过寻找整个区域上的Nash均衡最终获得各子域上的最优参数。实验算例及其结果证明应用该方法实现水文地质参数自动寻优,不但具有高度的可靠性,同时优化问题的规模减小。此举不但减少了求解过程所需要的CPU时间,而且提高了参数拟合度。