改进粒子群算法的自动充电机械臂时间最优轨迹研究

针对桁架充电机械臂关节空间轨迹规划的时间优化问题,提出了一种非线性动态学习因子的粒子群算法。通过运动学分析获取工作空间,引入3-5-3多项式插值进行轨迹规划。结合运动过程中的速度与加速度约束,寻求运动过程中的最短时间。对比改进粒子群算法和基本粒子群算法的收敛速度,分析各关节优化前后运动时间的变化情况,并进行仿真实验验证。结果表明:改进粒子群算法的收敛性能较基本粒子群算法更快,整体运动时间缩短约33%,证实改进粒子群算法的可行性。

基于动态惯性权重的电子节气门改进PSO-BP优化控制

针对汽车电子节气门系统存在的动态迟滞非线性问题,提出一种模糊神经网络PID控制器的设计方法。该控制器将动态调整惯性权重的粒子群优化算法和BP算法结合来优化模糊神经网络参数,修正模糊神经网络在寻优过程中收敛缓慢、易陷入局部最小值的不足。利用模糊神经网络的自学习能力,对PID控制器参数进行整定。仿真结果表明,经过优化后的模糊神经网络PID控制器相比于模糊PID控制器在响应时间、超调量和振荡次数等方面都有显着提升。在模拟气流扰动工况施加扰动信号后,该控制器表现出良好的抗干扰性能。在电子节气门响应试验中,节气门响应曲线存在轻微超调,但稳态误差较小,表明该控制方法下电子节气门具有良好的动态响应特性。

电力系统低频振荡的协调控制

区域间低频振荡的可能性和危害性日益增加,严重威胁着电网的安全稳定,为此,阐述电力系统稳定器(power system stabilizer,PSS)各环节抑制低频振荡的原理。建立电力系统模型,以系统模型为基础对发电机励磁系统与电力系统的低频振荡之间的关系进行分析,利用相位补偿法对PSS进行参数设计;利用MATLAB程序对2区4机电力系统进行单机分别配置PSS参数;利用改进的粒子群算法配置PSS参数进行协调控制。通过仿真计算,验证了利用改进的粒子群算法协调配置PSS参数对抑制系统低频振荡的效果比单机分别配置更好。

非线性动态系统建模方法研究

讨论了一类非线性动态系统建模的新方法。首先,假设原非线性动态系统可以用Hammerstein模型来表示。然后,将Hammerstein模型的非线性传递函数转换为等价的线性形式,从而建立起中间模型。接下来,利用粒子群优化(Particle Swarm Optimization,PSO)算法辨识出中间模型参数。最后,通过中间模型参数与Hammerstein模型参数之间的关系,推出非线性静态环节和线性动态环节的参数,从而实现原非线性动态系统建模。为了进一步增强建模的性能,提出了利用一种改进的粒子群优化(Improved Particle Swarm Optimization,IPSO)算法。仿真结果说明了该方法的合理性和有效性。

微生物批式流加发酵非线性系统及其参数辨识

为研究微生物批式流加发酵生产1,3-丙二醇的动力学模型.采用分阶段描述的方法,考虑细胞内甘油、3羟基丙醛、1,3丙二醇的浓度变化,将整个批式流加发酵过程分成若干个间歇和连续流加的阶段.在连续流加阶段,将流加速度看成是随时间变化的函数,依此改进非线性动力系统,分析系统的性质.最后建立参数辨识模型,利用粒子群算法求解.数值计算结果表明:改进后的模型的平均相对误差比现有文献降低3%~5%.这说明改进后的非线性多阶段动力系统比较适合描述微生物批式流加发酵过程.

基于杂交变异粒子群优化算法的数据库查询优化

针对传统粒子群优化算法存在的易陷入局部最优和早熟收敛问题,为了提高数据库查询的优化效率,提出一种杂交变异粒子群算法的数据库查询优化方法(HV-PSO).首先建立数据库查询优化数学模型;然后采用粒子间的信息传递和共享机制,找到最优计划,在寻优过程中创新引入动态惯性权重和"杂交变异"算子,增加种群多样性;最后采用仿真实验测试算法的性能.仿真结果表明,HV-PSO较好地解决了传统粒子群优化算法存在的不足,不仅提高了数据库查询效率,而且可以获得更加理想的数据库查询计划,尤其对连接关系数目较大的查询问题优势更加明显.

非线性规划问题的极大熵多目标粒子群算法

结合非线性规划的约束条件构造了一个新的极大熵函数,利用该函数将问题转化成了两个目标的多目标优化问题。通过对违反约束动态的进行惩罚,提出了一种新的极大熵多目标粒子群算法。该方法能有效的保持群体中不可行解的一定比例,从而增加了群体的多样性,而且避免了传统的过度惩罚缺陷,使群体更好地向最优解逼近。计算机仿真表明,该算法对非线性规划问题求解是非常有效的。

基于行为的太阳帆群编队方法

文章提出了一种基于行为的太阳帆群编队路径规划方法。通过行为控制技术,在有限的感知信息条件下,便可获得自动的分布式控制律,将同质的各太阳帆导引至目标构型。导引过程中,各帆期望速度均为所设置三个行为速度(聚集、排斥、驻留)的矢量和,而各行为参数则利用目标构型的对称性进行设置。特别地,为了降低控制成本,聚集行为在仿真中利用了太阳引力、光压实际环境下形成的太阳帆轨道性质进行改造。通过日心悬浮轨道上的太阳帆群编队数值仿真,验证了文中方法的有效性和优越性。仿真结果表明,仅通过设置三个简单的行为,便可在日心悬浮轨道上得到许多有价值的太阳帆群构型。此外,通过修改其中的聚集行为,该方法可以很容易地移植到太阳帆行星悬浮轨道以及椭圆型三体问题中的太阳帆轨道编队应用上来。

基于人工鱼群算法的主动控制起落架缓冲器性能优化设计

首先建立了主动控制起落架系统的非线性动力学模型。然后根据最优控制理论,在Matlab的环境下,应用人工鱼群算法设计了多目标最优的PID控制器。最后应用Simulink控制系统仿真软件对主、被动起落架在地面信号为弹伤跑道信号的条件下进行了性能仿真。对仿真结果进行了分析比较,得出的结论是利用最优控制理论设计的多目标最优的PID控制器的主动控制起落架能显著降低飞机的振动冲击载荷,提高飞机机体和起落架的疲劳寿命,降低跑道不平度对飞机机体和起落架的冲击载荷和振动响应;同时提高飞机的滑行品质和乘客的舒适性。

基于混合粒子群算法的船舶稳定性分析

随着我国船舶航运事业的兴起,对保持舰船航行的安全和稳定的要求越来越高。由于船舶航运事业面对的环境复杂多变,传统PID船舶稳定性能分析和控制方法难以对大型风浪引起的船舶摇晃运动系数进行有效分析,无法快速准确的对船舶随机横摇运动外扰力进行计算,不利于船舶航行安全。因此结合混合粒子群算法对船舶稳定性进行研究。首先对船舶航行过程中外扰动因素影响程度进行分析和计算,并设计了船舶稳定性检测和控制系统,从而达到提高船舶航行稳定性的设计目标。为验证该方法的有效性,对比传统PID船舶稳定性检测控制方法进行了仿真实验。实验结果表明,基于混合粒子群算法的船舶稳定性分析方法能够更好地对船舶航行安全、稳定性能和航行状态进行精准判断,保障船舶在复杂海洋环境中的稳定航行。

变质心固定翼无人机动力学分析与抗扰控制

变质心无人机具有气动效率更高、隐身性能更好、机翼结构更加简单等优点。提出了时滞更小、结构更加简单的单滑块变质心无人机布局方案,分析了滑块参数对变质心无人机动力学特性的影响,在此基础上给出了滑块的理想安装位置,并研究了变质心无人机布局方案控制效率随速度的变化情况。针对变质心无人机强耦合、强非线性的特点,基于粒子群算法(PSO)设计了自抗扰控制器(ADRC),其中扩张状态观测器估计出包含耦合和参数摄动的总和扰动项,并基于此进行动态补偿。仿真结果验证了所设计控制器的有效性和鲁棒性。

基于CAS理论的改进PSO算法

针对粒子群优化(PSO)算法易陷入局部最优,发生早熟这一问题,借鉴复杂适应系统(CAS)理论,将混沌和自适应引入到基本PSO中,形成一种双重自适应PSO算法(DAPSO)。该算法在初始化种群时,采用Logisitic方程产生混沌序列;在迭代过程中,通过非线性动态调整策略调整粒子个体学习因子和社会学习因子的大小,采用(0,1)随机均匀分布代替惯性权重递减的方法对w进行自适应取值来更新粒子的速度和位移,最终实现算法求解全局最优的目标。最后运用六个高维单模态和多模态Benchmark测试函数对该算法进行仿真,并与PSO,2PSO,KPSO算法进行对比。对比结果表明,该算法在求解全局最优解时,效果明显优于其他粒子群算法,在精确性和寻优效率上较其他算法表现尤为突出。

基于控制分配的推力矢量短距起飞垂直降落飞机减速过渡控制

针对推力矢量型短距起飞垂直降落飞机由平飞到悬停的减速过渡过程中面临非线性、控制量冗余且耦合等问题,本文建立了含执行器约束的推力矢量短距起飞垂直降落飞机六自由度非线性数学模型,提出一种基于智能控制分配的减速过渡过程控制方法:以非线性增量动态逆方法设计控制律,获得虚拟控制指令。考虑执行器执行能力和过渡过程期望指标设计优化函数,使用改进的粒子群算法在线解算实际控制量。仿真实验验证了该方法在过渡过程中具有指令跟踪精度高,对气动参数摄动与外界风干扰鲁棒性强等优点。

粒子群优化算法之惯性权值递减策略的改进

标准的粒子群算法引入惯性权重w,成为一种有效寻找函数极值的计算方法,且简单易行收敛速度快。目前普遍采用的是线性递减动态惯性权重策略,但其存在着复杂的非线性搜索过程。在线性递减策略的基础上,提出了非线性递减动态惯性权重策略,采用Griewank、Rastrigrin、Sphere、J.D.Schaffer 4个标准测试函数进行了仿真实验,与基本粒子群算法中惯性权重取固定值、线性递减LDIW和指数曲线非线性递减进行了比较。实验结果表明改进的非线性权值递减策略无论从收敛速度、收敛精度还是迭代次数都明显优于其他算法。

基于粒子群优化算法的软土场地Davidenkov模型参数拟合与应用

为探究Davidenkov模型在软土场地地震反应分析中的应用,推导了Davidenkov模型的非线性动力本构模型在初始加载、卸载和再加载阶段的增量剪切模量表达式,并将土体动应力-应变关系推广到三维。基于粒子群优化算法对Davidenkov模型的参数进行拟合,利用MATLAB编制了拟合程序,通过对典型砂土和黏土试验数据进行拟合并验证了方法的适用性,同时对某典型上海软土场地的参数进行了拟合。在此基础上,利用ABAQUS软件提供的二次开发平台UMAT,编制了基于Davidenkov模型的土体非线性动力本构模型计算子程序,利用复杂加载路径验证了该子程序的正确性,实现了在ABAQUS软件中软土非线性动力本构模型的二次开发。最后,以某典型上海软土场地为例,对比分析了上海软土场地基于非线性动力本构模型的计算结果和等效线性化的结果。结果表明:粒子群优化算法能很好地对Davidenkov模型的参数进行拟合;该非线性动力本构模型计算子程序能够较好地描述软土场地的动力非线性行为;在该算例中,上海软土场地基于非线性动力本构模型的加速度响应值和相对位移响应值要小于等效线性化的计算结果。

考虑障碍物避让的水下滑翔机局部路径规划方法

针对水下滑翔机"V"形轨迹的周期性运动特点,提出一种适用于水下滑翔机在三维路径中避让障碍物的粒子群优化(PSO)算法。根据水下滑翔机的运动特征,给出水下工作环境的三维空间建模方法。结合水下滑翔机能耗问题,选择用规划路径的长度、障碍物的危险度和路径平滑度来制定适应度函数。提出一种惯性权重的非线性动态调整策略,提高了算法的全局搜寻能力。将优化后的算法与基本粒子群算法比较,结果表明:优化后的算法可以生成质量更高的路径,并且可以在更少的迭代次数下收敛到全局最优,有效地提高了粒子群算法应用在水下滑翔机路径规划的算法速度和能耗效率。

直接空冷机组凝汽器动态系统参数辨识

直接空冷机组凝汽器是受机组负荷与自然风扰动的复杂热力系统,准确预测直接空冷机组汽轮机背压的动态响应特性,对于背压控制器的优化设计尤为重要。以一660 MW直接空冷机组实际运行数据为参数样本,基于惯性权重自适应的粒子群优化算法对空冷机组背压动态系统模型进行参数辨识,验证变工况动态模型的鲁棒性,进而设计前馈控制器,以快速响应机组负荷对背压的扰动。结果表明:在不同工况下,基于惯性权重自适应调节的粒子群优化算法辨识出的参数模型可以准确描述直接空冷机组的负荷、空冷风机转速指令与汽轮机背压之间的动态过程特性;前馈控制可有效减小机组负荷对汽机背压的不利扰动,提高控制系统调节快速性。

伺服系统转动惯量辨识及控制器PI参数优化

在机器人运行时,为了使伺服电机在最优性能下达到目标速度、在工作过程中有着更强的抗扰动能力,并避免出现震荡、谐振的状况,从而造成机器人运行时动态稳定性严重降低。提出一种基于非线性动态学习因子的粒子群优化算法,对普通粒子群优化算法进行改进。该算法以伺服系统控制模型中的速度控制器为核心,实时辨识负载转动惯量值,使伺服系统内部控制参数根据实际工况调节;运用该辨识值,通过计算得到速度控制PI参数值,并实时修正速度控制器PI参数值。MATLAB/SIMULINK仿真结果表明,与传统的粒子群优化算法相比,无论在电机启动过程中、还是负载扰动下,该方法都具有更快的响应速度、更高的控制精度以及更强的抗干扰能力。

一种基于非线性系统的动态感知系数的自适应粒子群优化算法

在优化非线性复杂系统问题中,智能算法已成为一种重要手段.提出了一种基于动态感知系数的自适应粒子群优化(particle swarm optimization,PSO)算法(self-tuning PSO,SPSO),将PSO算法的感知系数与神经网络算法结合,并于在线学习训练过程中动态调整感知系数,改善了PSO算法的计算效率以及全局收敛效率.进一步将2个相互关联的神经网络——比例积分微分(proportion integration differentiation,PID)神经网络及SPSO神经网络结合起来,使其能有效解决非线性控制模型的问题.为了验证该算法,引入了4个仿真例及2种PSO优化算法——传统PSO(conventional PSO,CPSO)和修正PSO(modified PSO,MPSO),来比较SPSO算法在解决控制问题中的非线性复杂系统的高效性,结果显示SPSO算法有较好的全局收敛性能、收敛速度以及较强的鲁棒性.

基于CSA-NARX模型的电梯钢丝绳动态张力预测方法

为了预测曳引式电梯钢丝绳的动态张力,对带有外部输入的非线性自回归神经网络(NARX)进行研究,利用变色龙优化算法(CSA)对其关键参数进行优化,提出了CSA-NARX神经网络模型。该模型在计算速度以及预测精度方面皆优于NARX基础模型。最后,利用提出的神经网络模型对电梯上行过程中钢丝绳的动态张力进行预测,其预测精度达到了97%。以传统的非平稳时间序列分析模型ARMA和LSTM为对比,所提出模型的精度更高,验证了所提出模型的有效性。