自寻优参数摸糊控制

本文为摆脱传统的模糊控制方式,试图通过对参数K1、K2、K3的模糊子集自寻优过程来实现FUZZY控制方式,从而在工业控制过程提高被控参数的动态特性及精度,提高系统稳定性。该控制方式在炉温中模拟控制效果颇佳。

基于改进遗传算法的导弹稳定控制参数自寻优方法研究

导弹稳定控制参数设计是一个多参数组合优化问题,针对目前导弹稳定控制参数设计中依赖设计师的工程设计经验,有可能无法在全局范围内获得组合优化的控制器参数问题,研究基于改进遗传算法的导弹稳定控制参数自寻优设计方法。遗传算法随机性可增加个体多样性,使其具备找到全局最优解的能力,但同时随机操作会以一定概率将父代最优个体排除在种群之外。为此,针对遗传算法的随机性进行改进设计,通过引入确定性因子,使其在保留随机性的同时,增加一定程度的确定性,最终提高算法向最优解收敛的速度。将改进后的遗传算法应用于某型导弹稳定控制回路的参数自寻优设计中,六自由度仿真结果表明控制效果良好,验证了方法的正确性和可行性。

基于参数自寻优变分模态分解的信号降噪方法

针对滚动轴承故障信号具有非线性、非平稳、噪声强的特点,提出了一种基于参数自寻优变分模态分解(variational modal decomposition,VMD)的信号降噪方法。以模态复合熵作为适应度函数,采用改进粒子群算法进行VMD参数自适应寻优,确定变分模态分解最优模态数K和二次惩罚因子α;基于最优K和α,对原始信号进行VMD分解,得到K个本征模态函数(intrinsic mode function,IMF)分量;利用相关系数筛选法,进行模态分量的有效模态和含噪模态识别,利用小波阈值去噪方法对含噪模态进行去噪处理;将有效模态与去噪后的模态进行重构,实现信号降噪。分别用滚动轴承故障仿真信号和试验信号进行验证,并与EMD降噪方法进行比较,结果表明该方法可有效提高故障信号的信噪比,降噪效果明显,有利于滚动轴承故障特征的提取。

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。

基于粒子群算法的光储微电网谐波电流抑制参数组寻优策略

单相逆变器负荷的瞬时功率含有二倍频脉动功率分量,导致输入源中存在二次谐波电流。以光储微电网为例,提出基于陷波器和准比例谐振控制器的谐波电流抑制方法。在陷波器和准比例谐振控制器的作用下,电感支路表现出在二倍频处呈现高阻抗、非二倍频处呈现低阻抗的差异化特性,既实现了二次谐波电流的抑制,又满足了动态性的需求。针对该控制器参数选取不当导致动态性变差和谐波抑制能力下降等问题,提出基于粒子群算法的抑制参数组寻优策略,利用其精度高和收敛速度快的优点,获得兼顾动态品质、稳定性及谐波抑制能力的最优抑制参数组。实验结果验证了所提方法和寻优策略的有效性。

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。

基于参数自动调整的无线网络自智研究

本文围绕无线网络参数自动优化技术展开深入研究。旨在通过参数的实时动态闭环调整和优化,解决网络优化中涉及维度多、处理难度大的系统内干扰和用户感知需求、网络运营效益的平衡问题。研究结果表明,通过AI技术支持和参数自动调整,实现了人工所无法完成的无线网络多维度动态协同优化,不仅提高了网络性能和可靠性,而且能在确保用户感知的基础上,提升特定的网络运营目标,实现网络能力和用户满意度的持续提升。

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。

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。

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。

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。

PI参数自动寻优控制器设计

针对传统比例-积分-微分(PID)控制器参数整定困难的问题,提出一种新型比例-积分(PI)参数自动寻优控制器(SPO).先确定PI参数的取值范围,按一定取值间距建立PI参数的查找表;针对反馈跟踪控制的3个性能指标,包括上升时间、超调量和稳态误差,分别根据查找表的参数进行轮询式测试,建立3个独立的性能评价数据库;根据满意度函数映射和自动规则产生算法,将3个评价数据库分别用函数表示;为了综合考虑3个性能指标,使系统控制的整体性能达到最佳,引入了价格函数;最后通过基于层截面颗粒度分析的图形算法,寻找出最优的PI参数.在原子力显微镜(AFM)上的实验证明,本控制器能自动寻找出适合当前系统状态的最优PI参数,可避免由于人为经验因素对扫描成像造成的影响,从而取得更好的扫描图像.

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。

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。