一种混合多策略改进的麻雀搜索算法

针对麻雀搜索算法SSA求解目标函数最优解时具有过早收敛、在多峰条件下易陷入局部最优和在高维情况下求解精度不足等问题,提出了一种混合多策略改进的麻雀搜索算法MISSA。考虑到算法初始解的质量很大程度上会影响整个算法的收敛速度与精度,引入精英反向学习策略,扩大算法的搜索区域,提升初始种群的质量和多样性;对步长进行分阶段控制,以提高算法的求解精度;通过在跟随者的位置中加入Circle映射参数与余弦因子,提高算法的遍历性与搜索能力;采用自适应选择机制在麻雀个体位置更新中加入Lévy飞行,增强算法寻优和跳出局部最优的能力。将改进后的算法与麻雀搜索算法及其他算法在13个测试函数上进行对比,并进行Friedman检验。实验结果表明,改进后的麻雀搜索算法能够有效提高寻优精度与收敛速度,并在高维问题中也具备较高的稳定性。

基于模糊自学习的卷烟品质工艺参数控制平台设计

设计卷烟品质工艺参数控制平台采集工艺参数,并将其传输到网络传输层的ZigBee协调器和以太网卡芯片。利用中央处理器控制ZigBee协调器和以太网卡芯片,将卷烟品质工艺参数传输到访问支撑层。访问支撑层利用OPC数据存取接口和RS-485通信接口将卷烟品质工艺参数存储到信息存储层的SQL数据库。用户后台管理层通过调取SQL数据库内的卷烟品质工艺参数,利用生产工艺参数控制模块内的基于模糊自学习的卷烟品质工艺参数控制方法,控制卷烟品质工艺参数并将其反馈到设备层内不同卷烟生产设备中,实现卷烟品质工艺参数控制,同时利用该层内的报表管理、质量分析报表、设备管理等模块实现人机交互。

基于环境自学习的气动调节阀控制算法研究

气动阀门定位器广泛应用于化工、能源、油气、水处理、造纸等工业领域,不过气动阀门在环境变化中往往出现漏气等现象,其性能大大下降,在对传统五步开关控制算法分析的基础上,提出了一种基于环境自学习的控制算法。改进后的控制算法中所有的控制参数均通过参数自整定获得,提高了算法的通用性。参数自整定方法能够检测漏气,当漏气量超过一定阈值,系统进行报警,当漏气量在一定范围内则自动辨识出行程类型、端点位置、最大超调量、最佳PWM占空比和补偿PWM等参数,为改进后控制算法的控制参数选择提供依据。闭环控制算法同样增加了环境自学习功能,根据环境的变化实时改变补偿PWM,并更新到闭环控制算法中。通过对气动调节阀进行漏气模拟试验,并借助智能阀门定位器监控平台对控制算法进行了实现和验证,实验结果表明改进后的控制算法缩短了阀位调整时间,在全行程范围内基本避免了振荡现象的产生。

不确定对象的人工神经网络自学习控制方法

利用模糊控制的思想，将误差、误差变化及加速度作为输入，建立一个神经网络控制器，对具有不确定性控制对象提出了一种自学习模糊神经网络控制方法．

具有时滞的不确定性系统神经网络模糊自学习控制

本文对具有时滞的不确定性控制对象提出了一种神经网络时滞补偿模糊自学习控制方法．模糊控制器采用误差、误差变化及误差加速度的加权和的解析描述形式，利用人工神经网络直接对过程建模，实现对时滞补偿预报以及对模糊加权因子的自学习优化调整．将上述方法用于焊接熔池动态过程控制试验，结果表明本文提出的自学习神经网络时滞补偿模糊控制方案有效．

非线性PID自学习控制方法研究

针对非线性、多变量、强耦合系统的控制问题,提出一种基于双曲函数的非线性PID自学习控制方法。在PID控制过程中,用双曲函数构造比例、积分、微分3个增益参数分别随误差变化的规律曲线,将传统线性PID控制律转化为非线性PID控制律的控制思想,并使用自学习算法实时调整3个非线性增益函数的增益系数,实现基于双曲函数的非线性PID自学习控制。仿真实验结果表明,与其他控制方法相比,该方法具有更强的鲁棒稳定性和抗扰动能力,是一种有效的控制方法,在非线性控制领域具有重要的应用价值。

模型参数不确定的连续系统自学习定性控制

对模型中含有不确定性因素的非线性系统给出了一种定性控制方法，避免了模糊控制器设计中存在的主观性和模糊规则难以获取等缺点．先将状态进行定性划分，再对每个定性状态根据期望约束利用不精确模型求出控制的参考范围及初值，最后对控制量在线自学习调整．此方法具有模糊控制的控制效果．

基于参数寻优的自学习算法在两轮机器人控制上的应用

针对两轮机器人现有控制算法的弊端,基于自学习参数寻优算法设计自适应控制器.该控制器结构简单,无需依赖精确数学模型,经过多次学习训练,即可获得最优控制参数.将该控制器应用于两轮机器人的平衡控制中,并与线性二次型(linear quadratic regulator,LQR)最优控制器进行对比,仿真结果验证了该算法的正确性、有效性,凸显出较强的鲁棒性和仿生学习性;将该控制器应用于两轮机器人物理系统,取得了良好的控制效果.

学习控制技术·方法和应用的发展新动向

分析和概述了当前学习控制系统所采用的技术、学习方法及应用的发展新动向 .从所采用的技术来看 ,学习控制正在从采用单一的技术向采用混合技术的方向发展 ;从学习方法和应用来看 ,学习控制正在从采用较为简单的参数学习向采用较为复杂的结构学习。

基于参数自整定的模糊PID控制器及其应用(英文)

针对一次性整定得到的PID控制参数难以保证系统控制效果始终处于优化状态的问题,探讨了一种基于参数自整定的模糊PID控制器。该控制器将模糊控制与经典PID控制技术相结合,借助对控制器参数的在线模糊自整定,在系统性能发生改变并超出了一定范围后,自动启动PID控制参数的整定过程,实时地修改PID的控制参数。重新整定的PID控制参数可以使系统始终保持在优化状态,取得良好的控制效果。以烟厂生产工艺对环境温度的中央空调控制为例进行研究。实际系统仿真测试数据说明,基于参数自整定的模糊PID控制器提高了系统的控制精度与稳定性。研究表明该控制器可满足实际系统的强鲁棒性与高精度控制的工况需求。

永磁交流伺服系统参数自学习模糊控制器设计与实现

为进一步改善永磁交流伺服系统的动静态性能,设计了一种基于单神经元的参数自学习模糊控制器,它在控制规则数与二维控制器相当的基础上,可实现三维模糊控制的效果。模糊推理方法基于相平面,直接输入连续量进行推理,计算量小。引入的单神经元采用改进的BP算法来实现比例因子的在线自学习。该控制器结构及算法简单,易于解析实现,具有通用性。将其用于永磁交流伺服系统,实验结果验证其控制性能较PI算法更佳,提高了系统的性能。

混合动力商用车AMT挡位自学习控制技术优化

在混合动力商用车电控机械式自动变速器(AMT)系统中,因制造、装配、磨损、更换等导致变速器各挡位置存在差异及变化,引起选换挡成功率降低甚至工作异常,需通过AMT挡位自学习解决此问题。针对AMT静态时各挡位位置自学习控制策略提出了优化,主要包括挡位学习顺序和再次进挡学习策略,通过自整定PID技术进行自适应参数优化。经过试验验证,提高了自学习成功率、合格率、效率和一致性。

不确定对象的自学习模糊神经网络控制方法

本文对具有不确定性控制对象提出了一种自学习模糊神经网络控制方法模糊控制器采用误差，误差变化及误差加速度的加权和的解析描述形式，利用人工神经网络直接对过程的建模，实现对模糊加权因子的自学习优化调整将上述方法用于焊接熔池动态过程控制实验。

基于鲨鱼优化算法的液压伺服系统自抗扰控制

针对冷轧机组液压伺服位置系统存在不一致性而引起两侧位置不同步的问题,提出一种基于改进鲨鱼优化(ISSO)算法的自抗扰同步控制方法。首先,建立了液压伺服位置同步系统的数学模型,并针对自抗扰控制器参数难以整定以至于影响同步控制精度的问题,通过引入反向学习综合策略和自学习系数,针对鲨鱼优化算法易陷入局部最优的问题进行了改进,并将改进后的鲨鱼优化算法用于自抗扰控制器的参数整定。最后,通过仿真验证了所提方法有效地减小了同步控制误差,且具有良好的抗扰动能力。

基于神经网络的非线性时变对象自适应控制方法研究

针对工业控制中的非线性、时变和滞后被控对象,将神经网络辨识器和PID控制技术有机结合,构建自适应PID控制器,并引入知识先导学习算法,提高时间效率。仿真分析表明:该自适应PID控制器能够自动辨识被控对象模型、自整定控制参数,在辨识误差、响应时间及超调量等指标上均有良好表现。

基于单神经元的参数自学习模糊控制器的研究

为进一步改善永磁交流伺服系统的动静态性能,该文设计了一种基于单神经元的参数自学习模糊控制器,它在控制规则数与二维控制器相当的基础上,可实现三维模糊控制的效果。引入的单神经元采用改进的BP算法来实现比例因子的在线自学习。控制器具有结构及算法简单、易于解析实现的特点。为验证其有效性,该文通过仿真试验,将其与采用常规的PI调节器的控制系统进行比较,结果表明,这种模糊控制器具有较好的控制效果。

基于BP网络的PID控制器参数整定法研究

将神经网络和PID参数的整定相结合,提出了基于误差反传神经网络的PID参数整定方法,通过神经网络的自学习和权值调整寻找最优的PID参数.该方法适用于非线性系统和时变系统,实现了PID参数的在线整定.

基于BP神经网络无刷直流电机换相转矩脉动抑制方法的研究

将首先建立无刷直流电机数学模型,其次研究无刷直流电机换相转矩脉动产生的原因,最后设计BP神经网络参数自学习PID控制器,利用BP神经网络参数自学习PID控制器抑制无刷直流电机的换相转脉动,使其抑制效果达到最佳。

基于自抗扰技术的智能温度控制器设计

自抗扰控制器(ADRC)不依赖被控对象模型,具有很好的鲁棒性,特别是对于大时滞对象的控制特别有效,但是一套控制器参数无法控制所有温度对象。通过对实际温度对象分析和仿真,提出了用10套控制器参数控制所有温度对象的思想,并把这种思想应用到智能温度控制器设计中。控制器在参数自整定阶段从10套控制器参数中寻找性能指标最优的参数投入运行。通过仿真和实时控制表明,所设计的智能温度控制器对不确定温度对象具有良好的控制效果。

基于单神经元的参数自学习模糊控制器的研究

为进一步改善永磁交流伺服系统的动静态性能,本文设计了一种基于单神经元的参数自学习模糊控制器,它在控制规则数与二维控制器相当的基础上,可实现三维模糊控制的效果。引入的单神经元采用改进的BP算法来实现比例因子的在线自学习。控制器具有结构及算法简单、易于解析实现的特点。为验证其有效性,本文通过仿真试验,将其与采用常规的PI调节器的控制系统进行比较,结果表明,这种模糊控制器具有较好的控制效果。