基于Lbest PSO和NNs的电液伺服系统输出力PID控制研究

为了实现电液伺服系统输出力的稳定控制,结合局部最优粒子群优化算法和神经网络模型,提出一种PID控制器设计方法。该方法将神经网络模型(NNS)与PID控制器耦合,得到基于神经网络的PID控制器参数整定结构;再采用局部最优粒子群优化算法(Lbest PSO)确定神经网络的权重,从而得到基于局部最优粒子群优化算法和神经网络的PID控制算法;最后将提出的PID控制算法用于控制虚拟的电液伺服加载系统,以进行仿真实验。仿真结果表明,由该PID控制器控制的电液伺服系统的输出力平稳地收敛于给定力,从而提高了系统的稳定性。

基于元胞自动机改进的微粒群算法

该文在分析微粒群算法局部最好模型几种邻域结构特点的基础上,提出了基于元胞自动机改进的微粒群算法。该算法从元胞自动机的建模思想出发,指出了微粒群算法本身就是一个元胞自动机,从而利用元胞自动机的理论对微粒群算法进行分析改进。实验结果表明,该算法不仅在单峰函数和多峰函数的优化中表现出了较好的性能,而且还适合比较广泛范围函数的优化。

基于粒子群优化的图像分割方法

基于k均值聚类,层次聚类,期望最大化的图像分割方法都是根据相似强度区域等特征的数量导出最佳聚类中心,推导出最优簇数及其中心是一个优化问题。此次实验的目的是利用自然启发技术改进图像分割。图像分割是一个复杂[1]的优化问题,可以用提出的粒子群算法模型求解。PSO模型是解决科学问题的通用模型。实验中将使用简单的PSO模型来解决图像分割问题。论文的第2和第3节阐述算法的原理。第4节和第5节展示结果并进行总结。

微粒群算法局部模型邻域研究

详细介绍了微粒群算法局部最好模型几种邻域结构的特点,分析了引入元胞自动机邻居模型的优越性,并通过冯-诺依曼型邻域、摩尔型邻域、扩展的摩尔型邻域以及环形结构4种邻域结构在函数优化中性能的对比,指出了虽然针对不同的函数应该选用不同的邻域,但存在一些好的邻域结构,它们往往更适合比较广泛范围函数的优化。