基于综合学习策略粒子群优化算法的永磁同步电机模型辨识

在分析了永磁同步电机先验模型的基础上,引入线性二阶受控自回归模型。通过将系统辨识问题转化为优化问题,并引入综合学习策略粒子群优化算法实现了对二阶受控自回归模型参数的离线估计。为了验证模型的准确性和可靠性,在实际三轴运动控制平台上设计并完成了验证实验。实验结果表明,通过该方法获得的模型精度高,且能较好地表征永磁同步电机伺服控制系统的实际输入输出特性。

可轧制约束下VRB薄壁结构的厚度分布优化方法研究

连续变厚度轧制工艺(variable-thickness rolled blanks,VRB)是一种先进的轻量化制造工艺,其制作而成的VRB薄壁结构具有质量轻、吸能效果好等优点。本文中以单帽型薄壁梁的横向冲击过程为研究对象,建立了VRB单帽型薄壁梁的高精度有限元模型,基于粒子群算法(particle swarm optimizer,PSO)的思想提出一种求解可轧制约束的VRB薄壁结构最优厚度分布问题的综合学习粒子群算法(comprehensive learning particle swarm optimizer,CLPSO)。该算法可求解可轧制约束和性能约束下包含大规模设计变量的VRB薄壁梁结构的最优厚度分布问题。为验证CLPSO算法的有效性,分别开展了有/无制造约束下的VRB薄壁结构的最优厚度优化设计。优化结果表明,有制造约束的CLPSO算法相比无制造约束的CLPSO算法更容易得到可用于生产制造的设计结果,且在满足性能约束与VRB可轧制约束条件下,VRB单帽型薄壁结构的质量相比等厚度结构减轻了21.7%。

基于ELM和MA的微型四频天线设计

提出一个基于极限学习机ELM(Extreme Learning Machine)和文化基因算法MA(Memetic Algorithm)的微型四频(0.92/2.4/3.5/5.8GHz)天线设计算法AntMA-ELM.为了提高天线的性能,算法在MA框架下引入基于综合学习粒子群优化算法CLPSO(Comprehensive Learning Particle Swarm Optimizer)全局搜索和DSCG(Davies,Swann,and Campey with Gram-schmidt)局部搜索,用于确定天线的几何参数.同时,建立ELM回归模型用于直接评估MA优化的适应值函数.实验结果表明,ELM回归模型能够根据输入参数正确估算天线的回波损耗,使MA算法有效提高设计性能和加速优化过程.天线在四个目标频段的回波损耗值均优于-10dB,满足设计要求.