基于预估-校正算法的分数阶Boost变换器倍周期分岔研究

基于电感电容本质是分数阶的事实,对分数阶Boost变换器的非线性动力学特性进行了深入研究。采用分数阶微积分的预估-校正算法,建立了Boost变换器的预估-校正模型,在此基础上得到了以参考电流、输入电压以及电容电感阶数为分岔参数的分岔图,研究了变换器的倍周期分岔和混沌行为,同时与整数阶Boost变换器的非线性动力学行为进行了比较。研究结果表明,在一定的工作条件下,随着变换器某些电路参数的变化,分数阶Boost变换器会出现分岔和混沌等非线性现象;在相同电路参数的条件下,整数阶和分数阶变换器的稳定参数域之间存在差异,与整数阶变换器相比,分数阶变换器的参数稳定区域更小,更真实地反映了Boost变换器的非线性动力学特性。

基于帕累托前沿面曲率预估的超多目标进化算法

基于分解的超多目标进化算法是求解各类超多目标优化问题的主流方法,其性能在很大程度上依赖于所采用参考向量与真实帕累托前沿面(Pareto front, PF)的匹配程度.现有基于分解的超多目标进化算法尚难以同时有效处理各类PF不同的优化问题.为此,提出了一种基于PF曲率预估的超多目标进化算法(MaOEA-CE).所提算法的核心包括两个方面,首先基于对PF曲率的预估,在每次迭代过程中生成不同的参考向量,以渐进匹配不同类型问题的真实PF;其次在环境选择过程中,再基于预估的曲率选择合适的聚合函数对精英解进行挑选,并对参考向量进行动态调整,在维护种群多样性的同时提升种群的收敛性.为验证MaOEA-CE的有效性,将其与7个先进的超多目标算法在3个主流测试问题集DTLZ、WFG和MaF上进行对比,实验结果表明MaOEA-CE具有明显的竞争力.

Mean Shift跟踪算法创新实验项目设计

视频跟踪算法是计算机视觉实践课程中比较受关注的实验项目。针对突变情况下传统Mean Shift跟踪算法无法实时准确跟踪的问题,设计了基于模板更新和线性预估的Mean Shift跟踪算法创新实验项目。在模板更新策略下,引入背景模板,通过将原目标模板和背景模板与设定的阈值进行比较来对干扰因素进行判定,当干扰因素判定目标受到遮挡时,引入线性预估方程进行目标位置预测,有效解决目标在遮挡情况下跟踪丢失的问题。通过对测试视频的跟踪效果和性能进行对比分析,验证了算法在突变情况下相较于传统算法具有更好的抗干扰能力。以算法创新设计为核心,通过开放性创新实验项目的选题、设计、答辩、反馈的闭环实验过程,有效提高了学生算法创新设计能力。

考虑有色测量噪声的Kalman平滑算法在pH计校准电压预估中的应用

为了提高pH计校准电压预估精度,提出考虑有色测量噪声的Kalman平滑算法;该算法以电压和电压采集周期作为状态向量,以设定的采样周期和无线pH计所采集的电压值作为观测向量,构建数据融合模型;以考虑有色测量噪声的Kalman滤波作为前向滤波,通过马氏距离计算当前时刻最优的有色测量噪声因子,利用Rauch-Tung-Striebel平滑算法对前向滤波的输出值进行平滑,最终得到当前时刻电压的预估值,并将所提出的算法应用于pH计校准电压预估。结果表明,与传统Kalman滤波算法相比,所提出的算法的电压预估的精度提高约10%。

基于Dahlin-Smith预估补偿的常压加热炉温度控制系统

针对含有纯滞后的常压加热炉温度串级控制系统,按照Dahlin算法将副回路设计为一阶加纯滞后环节,提出了带Dahlin-Smith预估补偿的前馈串级控制方案。前馈补偿可有效消除主回路中进料干扰的影响,副回路引入Dahlin-Smith预估器将纯滞后移出副环,主回路再次引入smith预估克服了副回路移到主环的纯滞后的影响。仿真表明该方案比一般的Smith加串级PID控制具有更好的鲁棒性。

基于BRGWO算法和滤波Smith预估器的气弹系统时滞控制

气弹控制系统的驱动器、闭环信号回路在实际中会存在时滞环节,由于气弹敏感性和环境复杂性,时滞会引起控制信号迟延并导致气弹控制极速恶化、甚至造成系统失稳,该问题以往研究较少。针对翼型时滞气弹控制问题,设计了一种基于BRGWO算法和改进型滤波Smith的最优气弹控制方法。首先,引入二阶滤波器改进Smith预估器,设计了翼型气弹控制器;然后,创新设计了一种双向随机灰狼优化算法(bidirectional random grey wolf optimization, BGWO),提高了时滞下气弹控制参数的全局寻优能力,该算法改进了不同等级灰狼的狩猎策略,提高跳出非理想值机率、避免陷入局部最优。利用最小增益原理,在理论上证明了闭环系统稳定性。仿真结果表明,对比传统智能优化算法(如遗传算法、灰狼优化算法)和多种已有控制器(经典Smith、PI-PD型Smith和传统滤波Smith预估器),该方法具有更强的时滞补偿能力和更优的气弹控制性能,在不确定时滞、不确定风速、刚度变化和驱动干扰等算例下,保持了优良的时滞气弹控制效果,具有较强的鲁棒性。

基于Prophet算法的超级电容器模组寿命预估方法

超级电容器(Supercapacitor)是一种高能量密度、高功率密度、长寿命的电池替代品,常用于储能和放电。超级电容器的寿命是指其在正常使用条件下的使用寿命,通常受多种因素影响,本文通过采集超级电容器模组寿命数据,建立基于Prophet算法的预估模型,通过Prophet算法处理超级电容器模组寿命数据,最终得到寿命预估结果并进行预估实验,保证预估结果的准确性,以期确定超级电容器模组的寿命分布、寿命规律,便于更好地对其进行维护和管理。

基于Smith-麻雀算法PID的感应加热炉温度控制系统在轧钢中的应用

为了提高电磁感应加热炉的炉温控制精度,将Smith预估和麻雀算法(SSA)用于常规PID参数整定,克服常规PID调参工作量大的缺陷。仿真时给系统加入一个扰动,对比优化前后系统的抗干扰能力。在Matlab-Simulink中编写算法并建立仿真模型。运行仿真结果显示,经过Smith预估和麻雀算法(SSA)优化后的PID算法达到稳态所需时间减少6.33 s,控制的超调量减小28℃,当系统面对较大的干扰时,优化后的系统的响应速度更快,重新达到稳态时间更短。

光伏阵列区域特性曲线拟合与预估算法研究

介绍一种高精度的光伏阵列区域特性模型。首先采用不同的算法模型对光伏阵列实测IV数据进行拟合,分析比较各种模型的精度水平。推广模型的适用范围,加入环境因素的影响,基于上述各种算法模型对光伏阵列区域特性进行预估研究。通过实验结果对照分析,得到满足工程应用精度要求的实用预估模型,此模型仅采用实测的Isc、Voc、Im、Vm作为参数,便可测得任意环境下的光伏阵列区域特性。光伏阵列区域特性模型及测试的研究能有效地评估光伏阵列的性能,为光伏系统设计需要提供依据,便于光伏系统的开发和利用。

暖通空调控制系统Smith预估器自适应算法设计

针对暖通空调(HVAC)系统控制过程中存在的大时滞问题,研究在系统模型参数改变情况下克服时滞影响的方法.对于一阶带纯时滞的空调系统模型,利用信号相关理论和李亚普诺夫稳定理论,推导出了Smith预估器模型参数的自适应算法.本算法使Smith预估器可以在系统模型改变的情况下在线整定,从而实时更新参数.将此自适应Smith预估器应用于空调系统控制,可以避免在模型参数失配情况下引起的系统不稳定甚至振荡,解决了空调控制中大时滞对系统动态性能的影响,提高了稳定性.

基于遗传算法寻优的Smith预估模糊免疫PID啤酒发酵温度控制

针对啤酒发酵温度控制为纯滞后温度控制对象,采用具有Smith预估功能的免疫模糊PID控制器进行控制,该控制器将Smith预估和免疫PID控制相结合,利用生物免疫算法进行PID参数的在线自适应调整,由模糊控制器逼近免疫PID的非线性函数,并用遗传算法优化控制器的控制参数;系统仿真结果证实了该控制方法将调节时间加快了650s,超调量由原来的40%下降至0。

二阶锥规划两个新的预估-校正算法

基于不可行内点法和预估-校正算法的思想,提出两个新的求解二阶锥规划的内点预估-校正算法.其预估方向分别是Newton方向和Euler方向,校正方向属于Alizadeh-Haeberly-Overton(AHO)方向的范畴.算法对于迭代点可行或不可行的情形都适用.主要构造了一个更简单的中心路径的邻域,这是有别于其它内点预估-校正算法的关键.在一些假设条件下,算法具有全局收敛性、线性和二次收敛速度,并获得了O(rln(ε0/ε))的迭代复杂性界,其中r表示二阶锥规划问题所包含的二阶锥约束的个数.数值实验结果表明提出的两个算法是有效的.

二维柱几何非定常中子输运方程基于格式的界面预估校正并行算法

针对二维柱几何非定常中子输运方程的Sn-间断有限元方法,提出基于格式的界面预估校正并行算法.数值算例表明,该并行算法在精度与并行度等诸方面均具有良好的性质,与已有的基于隐式格式的并行扫描算法相比,对于二维中子输运大规模计算问题,并行计算效率较高,并行加速比可增加一倍以上,且可保持原隐式格式的计算精度.

单神经元无辨识自适应预估控制算法及在过热汽温控制中的仿真研究

为了实现非线性、大时滞系统的良好控制，提出了一种新型的无辨识自适应预估控制算法。该算法将神经元结合到无辨识自适应控制律中，借鉴推导无辨识自适应控制参数自校正算式的基本思想建立约束条件，据此选择适当的权值取代原控制参数，并用加入动量项的改进δ算法取代该参数的校正计算式，提高控制参数的自校正能力。将该算法应用于600MW超临界机组直流锅炉的过热汽温控制，进行仿真研究，结果表明该算法的有效性，并具有良好的控制品质，较强的鲁棒性和自适应能力；且该算法对预估模型的精度要求不高，控制参数容易整定，易于工程实现。

机器学习算法在森林生长收获预估中的应用

森林生长收获预估是森林经理学的一个重要方向,采用模型技术进行森林生长收获估计是森林经营决策的重要前提。传统的统计模型如线性及非线性回归模型、混合效应模型、分位数回归、度量误差模型等统计方法已被广泛应用于研究林木生长,但这些统计方法在应用时常常需满足一定的统计假设前提,诸如数据独立、正态分布和等方差等。由于森林生长数据的连续观测和层次性,上述假设通常难以满足。近年来随着人工智能技术的发展,机器学习算法为森林生长收获预估提供了一种新的手段,它具有对输入数据的分布形式没有假设前提、能够揭示数据中的隐含结构、预测结果好等优点,但在森林生长收获预估中的应用仍十分有限。文章对分类和回归树、多元自适应样条、bagging回归、增强回归树、随机森林、人工神经网络、支持向量机、K最近邻等方法在森林生长收获预估中的应用、软件及调参等进行了综述,讨论了机器学习方法的优势和挑战,认为机器学习方法在森林生长收获预估方面有很大的潜力,必将得到广泛应用,并和传统统计模型相结合成为生长收获模型发展的一种趋势。

具有O(n～(1/2)L)复杂性的Mehrotra型预估-矫正算法

针对内点方法在理论和实践之间存在着计算效果好的算法在理论上具有较差复杂性的矛盾,提出一种求解线性规划问题的Mehrotra型预估-矫正内点算法,并证明了该算法的迭代复杂性是O(槡nL).数值实验结果验证了算法的有效性.

一种基于Smith预估器的主动队列管理(AQM)拥塞控制算法

有效的拥塞控制机制是保证Internet稳定运行的关键因素之一,网络拥塞控制系统本质上是一个时滞系统,传输时延是网络拥塞控制必须考虑的一个重要因素.本文应用Smith预估控制原理,在进行适当模型拟合处理的基础上,提出了一种基于Smith预估器的主动队列管理(AQM)算法(AQMAlgorithmbasedonsmithpredictor算法,简称Smith-PI),新算法结构简单,易于配置,具有良好的鲁棒性和网络控制性能,同时克服了大时滞给队列稳定性造成的不利影响。通过仿真表明,采用Smith-PI算法,对于限制系统振荡超调量的作用非常明显,同时能使网络具有更快的响应速度及更平稳的队列,而当网络时延增大时,算法能使网络的动态性能依然保持良好,使得缓存队列迅速收敛到稳定值。

基于遗传算法自整定和Smith预估的电子倍增电荷耦合器件温控系统设计

针对电子倍增电荷耦合器件(EMCCD)温度控制过程的时间滞后特性,根据热力学理论建立整个系统的数学模型,利用有限元仿真方法得到其传递函数,在此基础上采用遗传算法实现PID控制参数的在线自适应整定,同时结合Smith预估控制补偿由滞后环节产生的时间迟滞。采用Matlab对控制算法进行仿真分析,结果表明该方法较常规PID控制方法具有调整时间短、超调量小、抗干扰能力强等优点。设计基于单片机和TEC驱动模块的硬件电路将控制算法应用于EMCCD温度控制系统,相机实际制冷温度可达(-12±0.1)℃,图像本底噪声方差仅为18。实际应用结果表明温度控制系统是提升EMCCD相机成像性能的有效方法。

分数阶微积分的预估-校正算法及其应用

选用分数阶微分方程的预估-校正数值算法,对Chen混沌系统进行仿真研究.首先,讨论分数阶Chen混沌系统在一定的初始条件下,系统为混沌的并且仍然呈现出丰富和复杂的分数阶混沌动力学行为;然后,利用预估-校正数值计算方法,对分数阶Chen混沌系统方程进行离散化处理,得到系统方程组的离散化式;最后通过MATLAB软件进行计算,得到分数阶Chen混沌系统的仿真相图.根据初始状态变量的不同,得到相应混沌系统的仿真图,证明了分数阶预估-校正法可以很好地对分数阶系统方程进行数值稳定分析.

基于模式切换预估算法的DM-EV瞬时能耗最小控制策略

为提高电动汽车经济性从而延长其续驶里程,以一款新型的多模式双电机耦合驱动构型电动汽车(DM-EV)作为研究对象,针对该电动汽车的系统构型及工作模式进行分析,重点研究了以瞬时能耗最小为目标,结合模式切换预估算法来进行优化的控制策略。通过仿真与台架试验验证了所提出控制策略与驱动构型的有效性。仿真结果表明,在城市拥堵工况、城市一般工况、高速公路工况下,采用模式切换预估算法可使汽车能量利用率分别提高2. 2%,3. 6%,1. 7%。台架试验验证结果表明,所研究的驱动系统与一般单电机驱动系统对比,其能量利用率比后者分别提高14. 2%,11. 5%,10. 1%。