基于云自适应惯性权重混沌离子运动算法的行星NWG齿轮传动优化设计

为了更好地优化行星NGW齿轮传动多目标优化设计问题的解决方法,提出一种基于离子运动算法改进的云自适应惯性权重混沌离子运动算法。以最小体积,最大重合度和最大总传动效率为多目标优化函数,同时添加9个齿轮传动的边界约束条件,并建立惩罚函数对边界约束条件进行处理,从而完成对目标进行ACIMO算法下的优化计算与设计。结果表明:采用ACIMO算法相对于常规设计,使体积减少54.3%,重合度增加4.72%,总传动效率增加0.875 9%;且与原始IMO算法相比,在常规设计的基础上,体积减少5.45%,重合度增加2.34%,总传动效率增加0.31%,优化结果较好,各目标得到了更加合理的优化,说明算法改进策略是行之有效的,从而为行星NGW齿轮传动优化提供了一个新而高效的求解途径。

改进的云自适应粒子群算法

为了提高粒子群算法的寻优速度和精度,提出一种改进的云自适应粒子群算法(MCAPSO)。算法中根据粒子适应度值把种群分为三个子群,分别采用不同的惯性权重生成策略和进化策略,普通子群粒子采用云自适应惯性权重,有效地调整了算法的全局与局部搜索能力。选取了五个基准函数进行测试,与其他PSO算法作了比较。仿真结果表明该方法是有效的。

一种云自适应粒子群优化的PID控制器设计与应用

针对PID控制器应用于实际的自动电压调节器(AVR)系统,为了有效地寻找AVR系统的最佳PID控制器参数,提出一种基于改进的云自适应粒子群算法的PID参数优化策略。通过建立粒子群优化的PID控制器参数模型,在控制过程中将PID参数(比例、积分、微分)作为粒子群中的粒子,采用控制误差绝对值时间积分函数作为优化目标,在控制过程中动态调整PID的三个控制参数,从而进行PID控制参数的实时优化。仿真结果表明,该PID控制器可以获得较好的控制性能指标,进而改善AVR系统的瞬时响应特性,具有一定的实用价值。