堆垛机速度控制策略对比研究

文章分析了自动化立体仓库堆垛机现有的多段调速、速度闭环和位移闭环等控制方式,发现多段调速控制方式具有立柱振幅太大、速度易突变和运行时间长等问题;而单一速度闭环控制系统需要低速运行一段距离,以降低作业效率;位移内嵌速度闭环控制系统虽然定位精确、动态响应快,但速度突变容导致货物倒塌事故。针对以上问题,提出了采用S型速度曲线控制的方式,以提高堆垛机运行的快速性、安全性和定位精度。然后在Matlab/Simulink模块中建立立柱摆动的二阶仿真模型,由仿真比较可得,S型速度曲线控制方式下速度减少了7.6%,振幅降低了8.3%,所以该方式具有更好的快速性、平稳性和定位精度效果,尤其在中长距离的时间优化方面效果明显。

可控家用电器负荷优化模型及用电策略研究

在家庭智能用电系统下,以经济性和舒适性为目标,构建了电动汽车、空调、热水器的优化用电模型。并使用基于Q学习的粒子群算法求解优化模型,阐述家用电器的智能用电策略。以空调负荷为例,采用优化模型和算法后,经仿真实验,满足温度控制要求,且费用最少,收敛速度快,有效减少了空调负荷的用电量,削减电费的同时又保证用户的舒适度。

自适应评判神经网络在微分对策中的应用

采用由 3个神经网络组成的自适应评判神经网络结构求解微分对策的 2点边值问题 ,其中 2个为控制神经网络 ,分别实现对微分对策系统中双边控制器的优化 ,一个为协态神经网络 ,用于对 2点边值问题中的协态变量进行求解 ,协态网络的输出对控制网络进行校正 ,训练以后的 2个控制网络作为双边的反馈控制器在线应用 .并将神经网络结果与采用Chebyshev技术的微分对策数字解进行了对比 .追逃微分对策仿真结果表明了该方法的有效性 ,并且对初始条件和测量噪声具有较强的鲁棒性 .

基于IPSO算法的制造车间物料配送路径优化

针对制造车间物料供应路径复杂多变问题,建立了以物料配送路径最短为优化目标的物料配送模型,并提出了一种改进粒子群优化算法(Improved Particle Swarm Optimization Algorithm,IPSO)旨在解决此问题模型。IPSO算法可以在运行过程中自适应地以正切函数的变化方式调整惯性权重系数,同时构建基于惯性权重系数自行调整的加速度因子c1、c2的变化关系式。通过仿真实验与基本及其他典型改进PSO算法进行比较,实验结果表明,IPSO算法具有良好的全局搜索能力与较高的搜索精度,可以有效对制造车间物料配送路线进行优化。

改进蚁群算法下的车间物料配送路径规划研究

针对混流生产车间物料配送的准时化、路径的多样化问题,建立了以最小配送成本为优化目标的车间物料配送路径规划模型,并对车间工位布局进行栅格化处理形成栅格地图,用蚁群算法确定出工位组间的最短距离,通过对算法的状态转移规则和信息素更新规则进行改进,引入了时间窗因素、信息素平滑机制和遗传算法中的变异算子,改进的蚁群算法提高了它的全局搜索能力。最后以某企业装配车间为实例,运用改进蚁群算法对模型进行求解,验证了模型和算法的有效性,为企业生产车间物料配送路径规划提供了参考。

基于粒子群优化算法的非线性系统辨识

针对连续非线性系统中单输入单输出Hammerstein模型,由于传统辨识方法对Hammerstein模型中非线性部分具有不易辨识的缺陷,造成辨识精度低,辨识效果差等问题。为此,采用粒子群优化算法对非线性系统进行辨识的方法,将参数辨识问题转换为参数空间上的函数优化问题。为了进一步增强粒子群优化算法的辨识性能,提出采用迭代粒子群对整个参数空间进行搜索得到系统参数的最优估计。通过MATLAB软件进行仿真,仿真实验结果证明:该方法收敛速度较快,辨识得到的参数精度较高。该方法与最小二乘方法相比,计算量小,过程简单,不用计算多重积分,辨识速度较快,辨识精度高。

基于过程阻尼效应的电动汽车弹簧型扭振减振系统设计

为了提高电动汽车弹簧型扭振减振控制能力,提出基于过程阻尼效应的电动汽车弹簧型扭振减振方法。构建电动汽车弹簧型扭振减振的力学加载模型,采用基于直角坐标系的力矩控制方法进行电动汽车弹簧型扭振的载荷转移机构力学特征分析,构建载荷转移的电动汽车弹簧型扭振参数辨识模型,根据过程阻尼效应进行电动汽车弹簧型扭振减振的自适应调整,实现控制器参数的优化估计和辨识,基于载荷转移机构模型实现电动汽车弹簧型扭振减振系统的控制律优化设计。仿真结果表明,采用该方法进行电动汽车弹簧型扭振减振控制的自适应性较好,被控系统的跟踪误差较低,提高了电动汽车弹簧型扭振减振的稳定性。