基于CMA-ES的USV自动靠泊研究

本文提出基于CMA-ES优化的LQR船舶自主靠泊控制系统,系统化地解决船舶在靠泊过程中涉及的路径规划、最优控制、外界干扰、物理执行结构约束等问题并使用仿真软件实现基于LQR以及基于CMA-ES优化的LQR的自主靠泊控制系统,实验结果表明,基于CMA-ES的优化控制方法能够很好地实现小型船舶的自主靠泊,系统鲁棒性表现良好。

基于改进CMA-ES的双足机器人踢球算法设计

针对RoboCup比赛中足球机器人在动态环境下的进攻速度缓慢、踢球成功率低的问题,采用改进的协方差自适应进化策略(CMA-ES)的算法法设计了一种双足机器人踢球算法。首先,针对CMA-ES算法本身易于陷入局部最优解的缺点,引入了Tent混沌映射和莱维飞行随机数结合的方法,拓展算法的搜索范围,增加种群粒子数,增强算法的全局探索力;利用改进后的CMA-ES算法优化踢球参数,并用逆运动学方法评价参数的可行性;同时采用踢球代价函数确定最佳踢球点的坐标,并引入贝塞尔曲线插值方法进行轨迹优化。最后通过SimRobot仿真实验和NAO机器人实体对比实验,验证了该方法的正确性和有效性。

基于CMA-ES优化方法的波纹喇叭优化技术

介绍了旋转体时域有限差分法(BOR-FDTD),导出了电磁场迭代计算公式。给出了自适应协方差矩阵进化策略(CMA-ES)的基本原理和步骤。提出了一种基于BOR-FDTD和CMA-ES的波纹喇叭优化设计技术,并将该项技术用于平方公里阵(Square Kilometre Array,SKA)望远镜天线Band 4(2.8~5.18 GHz)波纹喇叭馈源的优化设计。计算结果表明,该馈源在工作频带内反射损耗基本在-20 d B以下,天线口径效率均优于86.5%,且口径效率随频率的变化较小。

基于CMA-ES算法的支持向量机模型选择

研究模型选择对支持向量机(SVM)的泛化性能有着重要影响。针对传统梯度算法对初始值敏感及网格搜索法计算复杂的缺点,为了提高全面优化能力和分类精度,提出了一种基于协方差矩阵自适应进化策略(CMA-ES)的支持向量机(SVM)模型优化算法,通过对SVM泛化性能界(Bounds on Generalization Performance)的优化求解,实现了基于CMA-ES算法的SVM模型选择。在标准数据集上的实验结果表明:相比遗传算法和梯度算法,上述方法能够在较小计算代价下得到更优的超参数,提高支持向量机的预测精度稳定性,尤其适合大样本数据条件下的模型选择。

基于CMA-ES算法的面向任务的机器人结构优化

为了解决指定任务的机器人结构设计问题,将任务要求和相关性能指标纳入到机器人结构设计过程中,提出了一种面向任务的机器人结构(DH参数)优化设计方法。首先,将指定任务描述为笛卡尔空间中一系列位姿点,姿态用四元素表示;其次,根据机器人运动学特性,推导出任务可达性约束条件,用各向同性指标、关节角度指标、尺寸指标构建目标函数,将机器人DH参数和到达各任务点时的关节值作为设计变量,从而建立了机器人结构优化设计的数学模型,并进一步利用罚函数法处理可达性约束;最后,根据优化问题具有非线性、不可导、高维度和连续值优化的特性,选用CMA-ES(协方差矩阵自适应进化策略)进行机器人结构优化设计问题的求解。实例仿真通过模拟一个位姿不断变化的复杂作业场景,验证了该方法的有效性。

改进适应度函数的CMA-ES算法在机器人逆运动学中的应用

针对机器人的逆运动学多解问题,本文利用“最佳柔顺性”规则,对适应度函数进行改进,提出了一种自适应协方差矩阵进化策略(CMA-ES)算法求逆运动学解的新方法。在原算法的基础上,将机器人各关节运动范围作为约束条件,在工作空间中获得唯一且平稳光滑的路径。以REBot-V-6R-6500型6自由度机器人为研究算例,结果表明:在点对点运动的逆运动学求解中,代表位置误差的适应度函数的平均值稳定在10^(-17)数量级;在空间螺旋轨迹连续跟踪的逆运动学求解中,求解的各关节轨迹平滑且唯一,代表位置误差的适应度函数的平均值稳定在10^(-32)数量级;在点对点运动和连续轨迹跟踪的逆运动学求解中,位置平均误差值均稳定在10^(-16)m数量级。

基于多目标优化策略的曲线钢轨非对称打磨设计

铁路曲线钢轨打磨一直是养护维修工作的重点之一,虽然钢轨的磨损不可避免,但适当打磨型面能有效减缓磨损。为了降低打磨去除量,改善轮轨接触性能,提高铁路系统的安全性和经济性,提出一种基于多目标协方差矩阵自适应优化策略(MO-CMA-ES)的曲线段打磨型面设计方法。首先,通过主成分分析方法(PCA),从钢轨磨耗型面中选取代表性的磨耗型面作为初始种群。接着,采用NURBS曲线拟合算法对这些型面进行曲线拟合,以建立参数化模型。随后,使用MOCMA-ES算法进行多目标优化,其中目标函数包括降低打磨去除量、轮重减载率和轮轴横向力。根据每个型面在不同目标函数下的适应度值,进行种群的进化与连续迭代,直到满足终止条件,即适应度函数值不再显著变化。最后,从最终的种群中选取目标适应度值最小的子代个体作为最优解。优化结果显示,优化型面降低了45.3%的打磨去除量,同时内外轨轨顶的打磨下降高度分别降低了0.84 mm和0.23 mm。静态轮轨接触方面,优化后的轮轨接触点分布更加均匀,且轨距角过渡区域的跳跃现象得到改善。动力学性能方面,优化型面降低了列车车体的横向加速度和轮轨横向力。此外,有效减小了轮对的横向位移,并微幅降低了轮轨最大接触应力。研究结果为曲线钢轨打磨提供了一种智能化的设计方法与参考。

基于改进协方差自适应矩阵进化策略的永磁同步电机无传感器控制

针对永磁同步电机无传感器控制系统中搭载超螺旋滑模观测器(STSMO)的PID控制系统在改变工况时产生的伴随抖振的控制超调、转速波动等问题,提出了采用基于加入混沌扰动的改进协方差自适应矩阵进化策略(CMA-ES)算法优化转速环PID控制方法,抑制PID-STSMO控制系统的持续抖振和超调现象,增强永磁同步电机控制系统的鲁棒性。最后,通过MATLAB/Simulink软件对所设计的永磁同步电机无传感器控制系统在不同工况下仿真,验证了提出的观测控制策略的有效性。

一种双足步行的累积分层优化方法

一个稳定且灵活机动的双足步行往往是仿人机器人能否顺利并快速完成任务的关键,为了让机器人使用机器学习方法获得这样的步态,在自适应协方差矩阵进化算法的基础上,提出了累积分层优化的步行学习方法.在步行学习过程中,将学习任务由简单到复杂地划分为几个关键层,各层的适应度函数依据该层的学习目标来设计,每一层的学习都在前一层的结果基础上完成,从而让每层的学习结果逐步累积,最终达到既定的学习目标.根据该优化方法,让机器人首先学习稳定步行,然后在稳定的基础上完成机动步行的学习,实验结果证明了此优化策略能够获得有效的双足步行.

矿井通风阻变型故障复合特征无监督机器学习模型

目前矿井通风系统阻变型故障诊断方法需要收集故障样本方可进行故障位置和故障量诊断,且故障位置诊断和故障量诊断需要分别建立对应分类和回归数学模型。针对矿井通风系统阻变型故障样本收集难度大和故障位置及故障量无法同时进行故障诊断的问题,将矿井通风系统阻变型故障诊断转换为最小欧氏距离的优化求解问题,提出一种无需样本参与训练的矿井通风系统阻变型故障诊断无监督学习模型,利用协方差矩阵自适应进化策略方法对无监督学习模型进行优化求解,实现分类与回归预测一体化。通过进行风量、风压单一特征和风量-风压复合特征的对比模拟试验,结果表明:所提出的故障诊断无监督学习模型和所使用的求解方法可有效地解决矿井通风系统阻变型无样本参与的故障诊断问题;故障诊断过程中无需单独分别进行故障位置和故障量诊断;风量-风压复合特征比风量或风压单一特征下的矿井通风系统阻变型故障诊断可达到更高的故障位置诊断准确率和更低误差的故障量诊断性能;即使选用部分观测点,也可实现较高的故障位置诊断准确率和较低故障量诊断误差的性能,且故障观测点比例大小与诊断性能无直接影响关系。

SCR脱硝系统的分数阶PI^(λ)D^(μ)参数优化控制

为解决选择性催化还原(SCR)脱硝过程中存在的较强不确定性问题,在不改变原有控制系统的基础上,提出将分数阶PI^(λ)D^(μ)控制应用到SCR脱硝控制系统中。为获取分数阶PI^(λ)D^(μ)控制器参数的最优组合,提出一种带协方差自适应矩阵自适应进化策略(CMA-ES)采样器的Optuna优化算法,并用该算法对分数阶PI^(λ)D^(μ)控制器的参数进行寻优。结果表明:相比于传统最优PID控制方案,优化后的分数阶PI^(λ)D^(μ)控制器具有更好的设定值跟踪能力、抗干扰能力及鲁棒性。

混沌协方差矩阵自适应进化策略优化算法

为了改进进化策略算法的性能,提出了一种混沌协方差矩阵自适应进化策略(ChaosCMA-ES)算法,该算法在协方差矩阵自适应进化策略(CMA-ES)算法的基础上引入了混沌算子,并利用其更新种群中心的位置,使得种群具备良好的全局搜索能力。试验结果表明,本文算法对复杂多峰函数的寻优效果好于其他几种算法。最后,将本文算法用于优化网络安全态势的预测模型,预测结果的精度高于其他方法。

基于唯一域方法的机器人逆向运动学求解

针对机器人的逆运动学多解问题,提出一种基于唯一域求解的新方法。利用机器人的雅可比矩阵行列式等于0确定的边界,将机器人的关节空间划分为与逆运动学多解数目一致的唯一域;各唯一域的边界作为约束条件,将唯一域内的逆运动学求解转换为CMA-ES算法的有约束寻优;利用佳点集均匀分布性的特点,优化唯一域中CMA-ES算法求解的初始均值点。通过求6R工业机器人的逆运动学多解,阐述了该方法的应用,并以机械臂逆解数值法为参照,在钱江一号6R工业机器人和KUKA仿人机械臂上进行了2个仿真实验对比。仿真结果表明,本文所提方法在满足精度要求的前提下,平均求解时间更短。实验1中,CMA-ES算法求解一组逆解的平均速度约为5.1 ms/次,数值法求解的平均速度约为7.5 ms/次;实验2中,一组逆解的求解平均速度约为18.9 ms/次,数值法求解的平均速度约为54.8 ms/次;CMA-ES算法对两款机器人的位置跟踪精度均稳定在10-6mm数量级。

求解风力发电机布局问题的超启发式算法研究

针对大规模问题求解效率不高、结果不理想等问题,以影响参数多变的风力发电机布局问题为研究对象,设计并实现了超启发式算法策略,底层算子用差分进化(Differential Evolution,DE)算法和适应性协方差策略(Covariance Matrix Adaptation Evolution Strategy,CMA-ES)算法,高层策略用启发式调用策略选择底层算子求解在不同场景、不同风力参数等多种情况下的风力发电机布局情况。实验将权值选择策略与DE算法、CMA-ES算法和随机调度策略进行比较,最终数据表明该策略求解风力发电布局的效果远高于其他三种。

基于置信规则库的航空发动机气路系统健康状态评估

针对航空发动机气路系统健康状态评估建模中有效故障数据贫乏的问题,文中基于置信规则库(BRB)理论,融合监测信息与专家知识建立了航空发动机气路系统健康状态评估模型。首先,为了减小BRB模型的复杂度,考虑相关性对特征量进行选择;将特征量作为BRB模型输入,建立BRB健康状态评估模型;最后,利用带有投影操作的约束协方差矩阵P-CMA-ES算法对模型进行参数优化,提高了模型的评估精度。通过对某型航空发动机气路系统进行健康状态评估仿真分析,验证了所提模型的有效性和准确性。

约束自适应桁架优化设计方法

为求解多峰值、高度非线性桁架尺寸及形状优化问题,减少算法参数设置的盲目性,将Oracle罚函数与启发式算法相结合,提出可自适应处理约束列式的优化算法Ω-CMA-ES。该算法在处理各类复杂桁架优化问题时仅需设置一个参数Ω。测试算例表明,该算法对参数Ω具有良好的鲁棒性,可有效处理各类动态约束;且在探索全局最优解时体现出较高潜力,优化质量及收敛速度优于既有结果。

纵向槽和径向槽组合波纹喇叭馈源的优化设计

研究了纵向槽和径向槽组合的波纹喇叭馈源的优化设计方法.基于旋转体时域有限差分算法分析波纹喇叭的性能,结合协方差矩阵自适应进化策略,以天线口径效率为目标,优化设计了一款Ku频段波纹喇叭馈源,并加工和测试了馈源样机.计算与实测结果表明,在10.7～12.75GHz频带内,该喇叭具有良好的阻抗匹配和辐射特性,应用于标准卡塞格仑天线时,天线口径效率优于78%,验证了这种优化设计方法的有效性.

基于螺旋模型的仿人机器人步态参数优化算法

步行运动是仿人机器人运动控制的关键环节之一.为了实现快速、稳定的步态,在协方差矩阵自适应进化策略(CMA-ES)的基础上,文中提出仿人机器人螺旋模型算法.在步行优化过程中,将优化任务先划分为3个子任务,按照优化目标分别挑选参数加入相应优化组,同时构建CMA-ES优化器.根据不同的学习目标设计每个CMA-ES优化器,在前一优化组优化结果基础上结合新的需求进行螺旋迭代优化,最终达到既定的学习目标,获得最佳参数值.文中算法应用在HfutEngine仿真3D球队中,机器人的相关步态测试数据显示算法效果较佳.

一种基于禁忌策略的混合优化算法

为了提升综合学习粒子群算法(Comprehensive Learning Particle Swarm Optimization,CLPSO)的后期收敛能力,提出一种基于禁忌策略的混合优化算法,记为CLPSO+Tabu(CMA-ES)。算法以禁忌搜索算法为后续搜索操作,对综合学习粒子群算法进行改进。同时将协方差矩阵自适应进化策略(Covariance Matrix Adaptation Evolution Strategy,CMA-ES)引入禁忌搜索算法,以高斯分布为基础,以CMA-ES策略引导邻域结构的分布,构造新型自适应邻域结构,指导禁忌搜索算法中候选解的选取,从而解决综合学习粒子群算法在收敛精度低的问题,极大改善了求解效果。针对26个标准测试函数的实验结果表明,与CLPSO相比,CLPSO+Tabu(CMA-ES)算法在绝大多数函数上具有更好的收敛效果。针对其中6个优化问题,CLPSO+Tabu(CMA-ES)更是有至少一个数量级的改进。

大张角波纹喇叭的优化设计

针对平方公里阵(Square Kilometre Array,SKA)天线对高灵敏度的需求,利用基于旋转体时域有限差分法(BOR-FDTD)和自适应协方差矩阵进化策略(CMA-ES)的波纹喇叭优化设计技术,提出了以灵敏度为目标的大张角波纹喇叭优化设计方法。分别以天线口径效率和灵敏度为优化目标对工作于4.6~8.51 GHz的大张角波纹喇叭进行优化设计。计算结果表明,以灵敏度为优化目标所设计的波纹喇叭综合性能更优,其交叉极化和反射损耗均优于-20 d B,用于SKA天线的口径效率在85.1%以上,灵敏度优于7.68 m^2/K。