基于人工鱼群算法的BP神经网络速度辨识器

为实现无速度传感器直接转矩控制,有时采用神经网络转速辨识器,但前馈神经网络结构难以确定,运用BP算法时又极易陷入局部解.将改进人工鱼群算法与BP算法相结合的IAFSA+BP算法,实现了人工鱼群算法的全局搜索能力与BP算法的局部寻优性能的互补结合.将所设计的神经网络转速辨识器运用到直接转矩控制系统当中,利用MATLAB/SIMULINK进行无速度传感器控制系统的建模仿真实验结果表明,该算法具有良好辨识效果.     

感应电机直接转矩控制系统变结构MRAS速度辨识

基于变结构控制和自适应控制理论,提出了一种模型参考变结构(MRAS-VS)观测器,用于感应电机无速度传感器直接转矩控制系统的转速辨识.该法将变结构和模型参考自适应(MRAS)进行有机的整合,选择转子磁链电压模型和电流模型分别作为参考模型和可调模型,采用两模型输出的偏差构造了一个滑模面.理论分析和仿真结果表明,所提出的感应电机无速度传感器直接转矩控制系统的转速辨识方法具有较高的转子磁链观测准确度,因而改善了转速估计的动静态性能.     

基于改进粒子群算法的BP网络在DTC系统中的转速辨识

利用改进粒子群优化(PSO)算法优化BP神经网络的权值和罔值,有效地解决了BP算法易陷入局部极小值的缺点,能更快速的实现收敛,不仅具有广泛的映射能力,还明显提高了运算效率.通过对直接转矩控制(DTC)系统进行MATLAB/SIMULINK仿真研究,结果表明:基于PSO-BP神经网络构造的速度辨识器具有良好的辨识效果.     

基于变结构MRAS辨识转速永磁电机矢量控制系统

提出了一种新颖的变结构模型参考自适应观测器,用于永磁电机无速度传感器矢量控制系统的转速辨识。该方法将变结构控制与MRAS进行有机的整合,选取永磁电机本身作为参考模型,而选取永磁电机电流模型作为可调模型,利用两模型输出的误差构造了一个滑模面。理论分析和仿真结果表明,所提出的永磁电机无速度传感器矢量控制系统的转速辨识方法具有较强的鲁棒性和令人满意的动静态性能。     

一种模糊神经网络控制系统研究

针对被控过程的非线性、时变性和复杂性,提出了一种模糊神经控制器与动态辨识器组成的控制系统。该系统的控制器采用模糊神经网络控制器,它的控制参数采用遗传算法全局离线优化对BP算法局部在线调整相结合的混合方法;该系统的辨识器采用变形Elman动态神经网络进行系统辨识。给出了该系统的结构、原理及工作流程,通过仿真实验证明该系统的可行性和有效性。     

混沌神经网络模型参考自适应控制器设计

研究了非线性的神经网络模型参考自适应控制器设计问题。将混沌机制引入常规BP算法,利用混沌机制固有的全局游动,逃出权值优化过程中存在的局部极小点,解决了网络训练易陷入局部极小点的问题。通过训练神经网络模型参考自应用控制器和辨识器,完成了对一类复杂离散非线性系统的控制。给出了具体的算法步骤。仿真结果表明了混沌BP算法优于常规BP算法。有效地提高了控制精度和适时性。     

动态T-S递归模糊神经网络及其应用

提出了动态T-S递归模糊神经网络(DTRFNN).该网络具有全局收敛特性的递归结构;采用BP算法进行网络权值的学习;并利用Lyapunov定理证明该模型具有全局收敛性,并在此基础上提出了克服局部极小的方法.最后以动态系统的辨识为例,进行实验研究,取得了很好的效果,表明DTRFNN动态模型能很好的对动态系统进行辨识.     

无速度传感器感应电机控制中定子电阻辨识策略研究

在对基于模型参考自适应方法(MRAS)的无速度传感器感应电机矢量控制系统分析的基础上,提出了一种基于MRAS的电机定子电阻在线辨识策略,分析了定子电阻的变化对转速估算的影响,利用李雅普诺夫定理在保证系统全局渐近稳定的前提下推导出定子电阻的自适应辨识公式.基于Matlab/Simulink仿真环境,对无速度传感器感应电机矢量控制系统定子电阻辨识进行了仿真.仿真结果表明,提出的定子电阻估算方法辨识效果较好,采用辨识后的电机定子电阻提高了转速估算的精度,改善了无速度传感器控制系统的动态性能和稳态性能.     

转子电阻对DTC控制系统低速性能影响分析及修正方案

在设计的一种基于自适应磁链观测器的无速度传感器感应电机直接转矩控制系统基础上,运用Lyapunov稳定性理论,构造新型Lyapunov函数,推导出转子速度和转子电阻的自适应辨识率,从理论上严格证明了磁链观测器的稳定性.同时利用LMI工具箱,求解双线性矩阵不等式,得到自适应观测器的增益矩阵,使得磁链观测器的稳定性在包括零点在内的足够大的对称区间里得到保证,从而保证了系统在全速范围内稳定运行.通过仿真和试验,对转子电阻变化对直接转矩控制 系统低速性能的影响进行了仿真研究.研究结果表明:转子电阻变化对直接转矩控制低速性能有较明显的影响,同时,给出的转子电阻辨识方案对直接转矩控制低速时的速度辨识有很好的修正作用.     

基于转矩方程的感应电机转速自适应辨识方法

速度辨识是无速度传感器直接转矩控制的核心问题。提出了一种利用电机状态方程和转矩方程直接推导出的新型速度自适应辨识方法,与以往的利用观测器稳定性理论推导出的速度辨识方法相比,能大大降低了转矩脉动对速度辨识的影响,提高了辨识精度与观测器的稳定性。此外,利用Lyapunov稳定性理论,构造新的Lyapunov函数,从理论上严格证明磁链观测器在全速范围内的稳定性,尤其是保证系统在低速度范围内的稳定运行。研究结果表明:基于电机转矩方程推导出的速度辨识方法具有很高的辨识精度且系统在全速范围内都可以获得良好的动静态性能。     

一种融合遗传算法和粒子群算法的改进模糊C-均值算法

针对模糊C-均值(FCM)算法必须预先给定聚类数c和容易陷入局部极小的缺点,提出了融合遗传算法和粒子群算法的GA-PSO-FCM算法.遗传算法(GA)嵌套在FCM算法的外层,用于自动寻找最优聚类数,并把有效性准则函数作为其适应度函数;粒子群(PSO)算法嵌套在FCM算法的内层,用于优化类中心向量,提高算法的全局搜索能力.最后,运用GA-PSO-FCM算法对Iris data、Wine data、Zoo data、WPBC data和WDBC data进行仿真实验,并与基于有效性准则函数改进的FCM算法、GA-FCM算法的仿真结果进行比较,表明GA-PSO-FCM算法能在预先未知聚类数的情况下,提高分类结果的精确性和稳定性.     

求解JLSP问题的遗传禁忌混合优化算法

针对批量与排序的集成问题设计一种遗传算法和禁忌搜索相结合的混合算法,用遗传算法作为主框架优化批量,排序部分由禁忌搜索单独优化,并将排序最优解反馈到遗传算法的主框架中生成集成计划继续寻优。遗传算法的选择算子和变异算子分别采用不同的自适应机制,以提高算法的搜索能力和收敛速度。对3种不同规模算例进行测试,其结果与其他算法比较,验证了所提算法的有效性。     

基于遗传算法的空中加油航路规划

通过对空中加油航路规划进行建模,利用遗传算法进行优化计算,解决了关于包括总耗油量和受油机飞行航程在内的航路规划问题.针对模型中的非线性约束条件,引入自适应可变惩罚以及对部分变量采用过滤法,另外在选择、交叉、变异环节采用适应度选择法、启发式交叉法、非一致变异法,充分利用遗传算法的全局优化特性,解决了局部过早收敛等问题.实际算例中,分别针对基于航线和基于区域2种加油模式进行计算,比较2种模式的优缺点,得出了空中加油的最优策略,并验证了针对此类问题遗传优化算法的有效性.     

一种连续无创血压预测的改进向量机学习方法

因不同人体生理特征的差异性,影响了基于光电容积脉搏波（PPG）和心电信号（ECG）的连续无创血压测量精度,提出一种基于优化的支持向量机模型预测血压的方法。该方法将PPG、ECG及人体特征进行处理并组成特征矩阵,通过水银血压计测得实时血压值,运用主成分分析法和遗传算法改进的支持向量机学习模型对特征矩阵和实时血压值进行回归训练,从而建立最优血压预测模型。实验证明,优化改进支持向量回归血压预测方法比传统支持向量机学习法准确度提升了10%~15%。     

管道工具喷粉线生产调度建模与算法

针对不同品种、不同材质和不同颜色管道工具喷粉生产调度问题, 以生产成本最小化为优化目标, 研究其优化调度方法. 首先, 建立这个问题的混合整数非线性规划模型(MINLP); 其次, 针对该问题设计出相应的贪婪随机自适应搜索算法(GRASP)和遗传算法(GA); 在此基础上, 提出两种算法相集成的GRASP+GA算法. 应用生产实例数据分析比较了这三种算法, 验证了GRASP+GA 算法的优越性.     

基于神经网络的固体氧化物燃料电池电堆建模

针对现有的固体氧化物燃料电池(SOFC)模型过于复杂,难以满足工程上对SOFC系统实时控制设计的需要,提出了利用遗传算法(GA)优化径向基函数(RBF)神经网络实现对SOFC电堆建模。在建模过程中,利用遗传算法优化RBF神经网络的输出权值及高斯基函数的中心向量和基宽向量,采用优化后的参数作为网络初始值,然后利用梯度下降法对各参数进行调整。通过仿真对该建模的有效性和建模精度进行了检验。     

改进粒子群算法优化 BP 神经网络的短时交通流预测

为提高 BP 神经网络预测模型的预测准确性, 提出了一种基于改进粒子群算法优化 BP 神经网络的预测方法. 引入自适应变异算子对陷入局部最优的粒子进行变异, 改进了粒子群算法的寻优性能, 利用改进粒子群算法优化 BP 神经网络的权值和阈值, 然后训练 BP 神经网络预测模型求得最优解. 将该预测方法应用到实测交通流的时间序列进行有效性验证, 结果表明了该方法对短时交通流具有更好的非线性拟合能力和更高的预测准确性.     

两类非数值优化方法在飞机方案设计中的比较研究

将遗传算法（GA）和模拟退火（SA）应用于飞机方案优化设计，给出了算法实现过程。对同一算例进行了优化实验，对二者进行了对比分析。实验结果表明SA达到收敛所需迭代次数及方案分析次数远较GA为多，但其优化结果要好于GA。这两类非数值优化方法应用于实际的飞机方案优化问题，必须首先解决由于所需方案分析次数太多而导致的计算效率低下问题。相对而言GA较SA在实际飞机方案设计中有更好的应用前景。     

基于GA和LS-SVM的AGV变结构控制

为了提高自动引导车控制的精度,提出了一种基于遗传算法和支持向量机的变结构控制方法。利用遗传算法结合支持向量机在线调整变结构控制律中的参数,克服了常规变结构控制方法中需预先设定趋近律参数的限制,既保留了传统趋近律的优点,又有效的改善了系统的控制品质,消除了系统抖振,使系统最终以理想方式在滑模面上运动,理论分析和仿真结果表明了所提出方法的有效性。     

基于混合粒子群算法和快速非均匀平面波算法的介质目标反演

提出了一种重构介质目标的新方法--混合粒子群算法,研究了几何形状已知的介质目标介电参数反演、均匀介质柱的外形轮廓反演及外形轮廓与介电参数均未知时的介质目标反演三类问题。利用快速非均匀平面波算法加速矩量法求解介质目标的雷达散射截面,以介质柱体的散射场的实际测量值与迭代计算值的偏差作为目标函数,通过单纯形法和伪群交叉算法混合的粒子群算法对优化变量进行优化,使目标函数达到最小值来对介质目标的介电特性进行电磁成像。仿真结果表明：混合粒子群算法简单、通用,在反演过程中不用加入正则化处理以确保数值稳定性,比简单遗传算法具有更好收敛性能、更高的成像精度和抗随机噪声干扰的能力。