基于贪婪更新和自适应扰动的自然计算策略

自然计算因其参数少好实现等优点而被广泛应用,但是这些算法存在着寻优精度较低和易陷入局部最优解的问题,为更有效的提高算法性能,提出一种基于贪婪更新和自适应扰动的自然计算策略(Greedy-renewal and Self-adaption Disturb,简称GSD),该方法具备普适性,适用于所有启发式寻优算法。首先使用Faure序列化初始化种群,提高初始解的质量,其次在个体位置更新后,比对更新前后个体的适应度值,如果适应度提高则保留此次更新操作,反之放弃此次更新,最后设计自适应扰动因子,随迭代次数增加调整对个体的扰动几率,提高算法后期的种群多样性。将该策略应用于粒子群算法和遗传算法中,利用经典测试函数验证性能。实验结果表明,贪婪更新和自适应扰动策略改进的算法较其他对比算法表现出了更好的寻优能力,具有普适性。

基于自适应扰动量子粒子群算法参数优化的支持向量回归机短期风电功率预测

智能电网的建设和大规模风电接入电网对短期风电功率预测精度提出了更高的要求。为了克服支持向量回归机(support vector regression machine,SVR)依赖人为经验选择学习参数的弊端,在量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法中加入自适应早熟判定准则、混合扰动算子和动态扩张收缩系数,提出了自适应扰动量子粒子群优化算法(adaptive disturbance quantum-behaved particle swarm optimization,ADQPSO),并使用ADQPSO优化选择SVR的学习参数。实例研究表明,ADQPSO算法全局寻优能力强、鲁棒性好、计算耗时短,利用ADQPSO优化得到的SVR参数,可有效提高模型的预测精度;与反向传播神经网络(back propagation neural network,BPNN)和径向基神经网络(radial basis functionneural network,RBFNN)相比,提出的ADQPSO-SVR能够提高短期风电功率预测的准确性和稳定性。

基于自适应扰动补偿的多电机时变滑模控制

针对多电机同步协调控制中存在的不确定性扰动问题,提出了一种将时变滑模控制和自适应补偿相结合的多电机同步协调控制的新方法。该方法利用时变滑模技术实现了控制器在滑模趋近阶段的鲁棒性控制,另外,采用自适应补偿的方法抑制了多电机系统存在的不确定扰动,并有效地减小了切换函数的增益值,同时,在切换函数设计中采用了指数趋近技术,显著地降低了滑膜控制器的抖振现象。然后,利用李雅普诺夫函数证明了该控制器全局稳定性和收敛性。最后,仿真结果表明该方法能够实现对多电机的同步协调控制,并在不确定性扰动存在的情况下保证较好的稳态特性和动态特性,满足较高的同步要求。

基于自适应扰动的粒子群优化算法

为了避免粒子群优化算法(PSO)早熟收敛,提出了一种自适应扰动的PSO算法(ADPSO),以帮助停滞的粒子跳出局部最优。为了验证算法的有效性,实验测试了九个多峰函数,包括四个旋转函数。仿真结果表明,该算法优于其他五种PSO算法。

基于自适应扰动消除的逆变器波形控制

恒压恒频逆变器要求具有高质量的输出电压波形。从传递函数角度建立逆变器数学模型,并分析负载扰动对逆变器输出电压的影响。比较已有波形控制方案优缺点,为提高控制系统对不同负载的适应性,在电压反馈控制的基础上,引入自适应建模方法,提出基于自适应逆控制及扰动消除的逆变器波形反馈控制技术。控制系统参数由自适应算法实现,只需检测输出电压一个状态量,硬件结构简单。将改进型的变步长自适应算法用于逆变器对象及逆对象的自适应建模,简化建模过程,提高模型精度,以兼顾控制系统暂态和稳态性能。仿真和实验结果验证控制方案的有效性,在非线性负载情况下也能保证逆变器有较好的输出电压波形质量。

一种小波变换域的自适应扰动消除方法

针对自适应逆控制中实时消除非平稳时变噪声的困难，提出了一种小波变换域自适应扰动消除方法，从而有效地降低了输入信号自相关矩阵特征值的分散程度，达到了改善噪声消除效果的目的，并拓宽了这种扰动消除方法的应用范围。

基于自适应扰动观测器的自主船舶协同路径跟踪控制

为实现未知环境扰动下不确定欠驱动自主船舶的协同路径跟踪控制,本文提出了一种基于自适应扰动观测器的鲁棒控制算法.该算法采用径向基函数神经网络(RBFNNs)逼近模型参数不确定,并利用最小学习参数化(MLP)技术对神经网络的权重及逼近误差进行压缩,所设计观测器不需要环境扰动上界的精确信息.进一步,基于代数图论对船间通信进行建模,设计了一种分散式协同控制律,有效地降低了通信负载.凭借Lyapunov稳定性理论证明了闭环系统内信号的有界性,且能通过对设计参数的调节使跟踪误差的收敛界为任意小.最后采用数值仿真试验验证了所提出算法的有效性和优越性.

一种自适应扰动观测器的机械手滑模控制研究

针对在未知载荷下的机械手控制不确定性问题,基于非线性扰动观测器与滑模控制方法,提出一种非线性观测器增益的通用设计方法。通过设计一种自适应算法的非线性扰动观测器,逼近机械手的未知载荷引起的不确定性,来估计由未知恒定载荷所引起的外力,扩大了观测器扰动的适用范围。在一定条件下,利用Lyapunov方法证明了观测器的稳定性。通过算例仿真验证了所提出的自适应非线性观测器的滑模控制方法,在受载荷变化的非线性机械手控制系统等方面,能够有效缓解机械手控制的抖振问题。

一种带有牛顿方向的自适应扰动改进粒子群优化算法

针对PSO算法在求解高维复杂优化问题时,往往会陷入早熟,本文引入了随机扰动项,以改进粒子群优化算法的速度更新公式.利用牛顿下降方向引导当前最好粒子快速寻优,从而提出了一种带有牛顿方向的自适应扰动改进粒子群优化算法(ARPSO).该算法能够使被困的粒子跳出局部陷阱,从而实现全局寻优.从理论上证明了该算法的收敛特性,实验结果表明所提算法具有更好的全局寻优能力和更高计算精度.

面向太阳能无人机的自适应扰动步长增量电导法研究

太阳能无人机机动过程常导致机翼表面光伏阵列所受辐照发生大幅快速变化,给光伏阵列最大功率点跟踪控制方法带来了新的挑战。提出了一种跟踪过程快速稳定无振荡的自适应扰动步长增量电导法。首先,根据“蒲公英IB”无人机的太阳翼布局,建立了光伏电池阵列模型,分析其输出特性曲线;其次,介绍了传统增量电导法的原理及优缺点;然后,针对传统增量电导法在光照大幅度变化条件下动态性能较差的缺点,通过对前三步电压之间的比较,制定扰动步长调节准则,提出自适应扰动步长增量电导法,以达到快速稳定地追踪到最大功率点的效果,从而适应飞行器姿态动态变化时辐照条件的变化;最后,设计了稳定辐照和大幅度变化辐照两种任务工况,对所提方法进行仿真与试验分析,并与传统增量电导法进行对比分析。结果表明,仿真与试验结果在两种不同的工况下,结果基本保持一致。相比于传统增量电导法,所提自适应扰动步长增量电导法在大幅度辐照扰动时可以快速跟踪到光伏阵列的最大功率点,并且可以明显改善稳态时的功率振荡现象,跟踪速度最大可提升50%,最终追踪效率可提升约3%。所提出的适用于太阳能无人机光伏发电系统的自适应扰动步长增量电导法能够快速稳定跟踪到最大功率点,对辐照变化的适应能力具有明显优势,具有良好的有效性、实时性和工程实用性,可为太阳能无人机高能效飞行提供有力支撑。

永磁同步电机的级联自适应扰动观测器控制策略

受电压源逆变器非线性特性的影响,转速控制通常不能精确抑制齿槽转矩。为精确补偿齿槽转矩,提高永磁同步电机转速控制精度,提出一种级联自适应扰动观测器控制策略。首先,采用参考电流指令建立了同步旋转坐标系下逆变器死区电压模型,并通过自适应扰动观测器对其进行补偿。然后,针对齿槽转矩为转子位置的周期函数的特点,设计了速度环自适应扰动观测器,实现了对齿槽转矩的有效补偿,所提控制策略只需已知电机参数的界。仿真结果表明,所提出的控制策略能够有效抑制电机齿槽转矩、提高转速控制精度。

基于自适应扰动补偿观测器的漏磁可控永磁电机无位置传感器控制研究

基于独特漏磁设计的漏磁可控永磁(flux leakage controllable permanent magnet, FLC-PM)电机,具有宽调速和高输出转矩特性,能够满足电动汽车多变工况下广域高效的运行需求.然而,由于FLC-PM电机特殊的漏磁磁路设计,使其无位置传感器控制驱动系统存在周期性谐波干扰、非周期性谐波干扰和环路延迟问题,从而严重影响转子位置估算性能.针对上述问题,本文提出一种基于自适应扰动补偿观测器的无位置传感器控制方法.首先,提出自适应扰动迭代学习控制方法,通过迭代学习增益自适应扰动变化,以抑制周期性干扰和非周期性干扰的谐波,降低电流的谐波含量.此外,设计自适应补偿位置观测器,对估计位置误差进行实时在线观测和补偿,在提高FLC-PM电机转子位置估计精度的同时,改善驱动系统的动态性能.最后,通过实验验证所提控制方法的有效性和可行性.

特征扰动频率辨识的自适应倾斜扰动抑制技术

为了抑制倾斜校正系统中的时变扰动,提出了一种基于特征扰动频率辨识的自适应扰动抑制方法。采用最小均方误差准则对闭环系统误差进行特征扰动频率辨识,以实现自适应控制器参数的在线调整,且将辨识的滤波参数与控制器调整并行化设计。同时提出频率分割的方法,将低频扰动以及高频扰动的抑制相结合,进一步提高了特征频率辨识速度以及简化设计流程,实现对闭环带宽内的扰动自适应抑制。所提出的方法在倾斜校正装置中进行了闭环验证,实验结果表明该方法能快速辨识特征扰动并自适应调节控制器,可以在单频或多频时变扰动下提升系统的闭环性能。

一类具有非三角结构的不确定非线性系统的自适应扰动抑制

研究一类不确定非线性系统的自适应扰动抑制问题.借助自适应技术与连续占优方法,所提出的控制策略能够处理多种不确定性的严重耦合,这些不确定性包括未知非线性参数、外部扰动和具有未知下界的时变控制系数.自适应状态反馈控制器是一维的,且其性能可以借助于L2-L2p增益进行评估.

基于选择占空比扰动的自适应MPPT算法

由于外界环境因素的改变会导致功率-电压输出特性曲线发生改变,为了在光伏发电系统的最大功率跟踪过程中尽可能地提高MPP跟踪速度,缓解MPP点附近存在的振荡问题,文章提出了一种基于选择占空比扰动的自适应MPPT算法,此方法是通过判断功率对电压的导数分界值来选择合适的占空比扰动值,较好地解决了快速性与稳定性的矛盾问题。最后通过搭建MATLAB/Simulink模型验证该新型控制方法的优越性。

自适应t扰动的正余弦花朵授粉算法

传统花朵授粉算法具有收敛精度低,后期收敛速度慢,易陷入局部最优的缺点。针对这些问题,本文提出了一种自适应t分布扰动的正余弦花朵授粉算法。该算法首先利用托普利兹矩阵划分解空间,使初始种群的个体均匀分布在解空间;然后引入正余弦算子对基本花朵授粉算法的局部搜索部分进行改进;最后提出一种自适应t分布扰动来帮助算法跳出局部最优解。在10个标准测试函数上进行实验的结果表明,自适应t分布扰动的正余弦花朵授粉算法具有较快的收敛速度,较高的收敛精度,较好的鲁棒性以及跳出局部最优解的能力,优于基本花朵授粉算法与其他几种相关群智能算法,是解决复杂高维函数问题的有效方法。

基于恒电压跟踪法和自适应占空比扰动法的最大功率点跟踪研究

针对光伏阵列传统的最大功率点跟踪方法带来的系统振荡、效率低等问题,提出了一种基于恒电压跟踪法和自适应占空比扰动法相结合的最大功率点跟踪(MPPT)控制策略,分析了该方法的实现流程,并建立了光伏阵列、光伏系统的Matlab仿真模型,对比分析了两种控制策略,评价了在不同光照强度和环境温度下的跟踪性能,得出各个算法的优缺点。最后通过实验证明了所提控制策略的正确性,同时验证了新型MPPT控制策略提高了系统的快速跟踪性能和稳定性。

光伏电池的自适应占空比扰动MPPT算法研究

环境温度、光照强度和负载等因素对光伏电池的输出特性影响很大,为了提高光伏电池的工作效率,需要准确快速地跟踪光伏电池的最大功率点。在分析了光伏电池的输出特性的基础上,建立了光伏电池的仿真模型;针对传统爬山法的不足,采用了自适应占空比扰动法对最大功率点进行了跟踪控制。给出了上述两种算法的工作原理及设计过程。仿真结果表明:自适应占空比扰动算法跟踪迅速,减少了系统在最大功率点附近的振荡现象,提高了系统的跟踪速度和精度。

自适应微调扰动和声搜索算法几何约束求解研究

几何约束求解的方法关系到特征造型系统的性能,为提高几何约束求解的速度,将和声搜索算法应用于几何约束求解中。通过优先选择较小的和声库,利用最好解的评价值确定微调扰动的幅度,并将其嵌入到拉斯维加斯算法中,提高了和声搜索算法的性能。实验结果表明,改进的和声算法具有自适应性,能有效克服局部收敛问题,提高了求解速度。

基于突变策略的自适应骨干粒子群算法

骨干粒子群算法是由标准粒子群算法演变而来的,其在粒子位置更新方面采用了高斯采样策略。针对骨干粒子群算法在解决高维优化问题时存在的易陷入局部最优的问题,文中引入了具有下降趋势的时变因子,提出了一种基于突变策略的带有自适应扰动值的骨干粒子群算法。该算法在高斯分布的均值项中引入两个服从均匀分布的随机数,在高斯分布的标准差中引入了一个自适应扰动值,且给出了突变策略进一步保证粒子收敛到全局最优解。改进后的算法与其他5种粒子群算法在9个经典测试函数上进行仿真实验,结果表明改进的算法在收敛速度和收敛精度方面的综合表现都优于其它算法。