拟态物理学优化算法在分布式电源选址定容中的应用

分布式电源接入点位置和容量的大小直接影响电网的安全性和经济性。文中建立了1个使配电网有功损耗最小的分布式电源选址定容优化模型。模型中考虑了电源接入容量和接入点对系统潮流、节点电压、线路负载及网络损耗的影响,并进行了相应的约束,以保证电网的安全稳定运行。采用拟态物理学优化(APO)方法对其求解,将接入容量、接入点、节点电压等拟态为物理学中的个体质量,每个个体根据自己的质量、速度及其他个体的引/(斥)力作用不断调整自己的运动和位置,通过全局最好、最差和自身适应值不断更新其质量,最终整个群体所经历的最好位置即为全局最优解,从而得到分布式电源的最佳接入位置和容量。最后采用标准IEEE-33辐射配电系统进行计算分析,并与粒子群(PSO)算法进行比较。APO算法的有功损耗减少更为显著,其平均电压和最低电压均好于粒子群算法的,验证了所提出的模型和方法是可行和有效的。     

基于非支配排序的多目标拟态物理学优化算法

将非支配排序思想引入到多目标拟态物理学优化(Multi-objective artificial physics optimization,MOAPO)算法中,将拥挤距离体现到MOAPO算法的质量函数中,提出了一种新的MOAPO算法。采用六个经典的多目标优化问题的测试函数对本算法进行性能测试,并与MOPSO算法、NSGA2算法及既存的MOAPO算法进行比较分析,实验结果表明,该算法具有更好的分布性。     

一种混合一维搜索的矢量拟态物理学算法

针对约束优化问题,首先引入收缩系数,使得越界个体沿着速度方向回到问题空间,并且保持搜索方向不变。然后利用违反约束量函数来判断个体是否在可行域内,用一维搜索的方法保证个体在迭代过程始终都在可行域内。最后利用矢量拟态物理学优化算法搜索目标问题的最优解。通过对10个典型约束优化测试函数的仿真测试,并与类电磁算法比较发现,本算法在最优适应值的精度上优于类电磁算法,方差的结果也说明了算法的稳定性,这表明该算法是简单有效的。     

基于积分的模糊PD三自由度直升机控制器研究

针对直升机的控制问题,设计了一种基于积分的模糊PD控制器.经过系统实物试验,证明该方法较好地解决了系统的非线性问题,获得了良好的控制性能指标,进而证明了模糊控制在三自由度直升机系统中应用的优越性.     

基于分数阶PDμ控制器的车辆方向控制

在分数阶微积分及分数阶PIλDμ控制器的基础上,给出了一个带有分数阶PDμ控制器的车辆方向控制算法,设计了一种基于预瞄-跟随理论的分数阶PDμ控制器的在线整定方法,并对带有分数阶PDμ控制器和带有整数阶PD控制器的驾驶员-车辆系统进行了综合性能评价.结果表明,分数阶PDμ控制器在闭环系统中是有效且可靠的,分数阶控制器的使用使驾驶员-车辆系统的性能有了明显的改善.     

基于协议的拟态研究综述

在网络空间安全领域,一个协议可以把自己伪装成其他协议达到避免被发现或者逃避监管的目的.借鉴生物拟态的机制,提出网络协议拟态系统的技术框架.该框架由协议拟态客户端和网桥两部分组成,其中协议拟态客户端包括环境感知、拟态决策、拟态实施处理、发送和接收处理5个部分;网桥分为环境感知、数据接收、恢复和发送4个部分.全面研究和评估已有的几个具有拟态特征的协议,包括SkypeMorgh、StegoTorus、CensorSpoofer及Format-TransformingEncryption系统,从认证机制、拟态变换和加密技术及流量控制技术等方面进行对比和分析,提出协议拟态的基本科学问题供进一步研究.     

基于RST算法的直流电机位置传动系统的离散控制器设计

基于RST算法,设计了一个直流电机位置传动系统的离散控制器,按照一定的设计要求,使校正后系统的暂态响应得到了极佳的精度和反应时间,并通过算法内嵌积分器的设计消除了扰动对系统的影响,得到了较强的鲁棒性。以MATLAB为工具,对比分析了系统经RST控制器校正之后的稳定性的改善情况,仿真了系统的动态阶跃响应。编程实现了系统的RST控制,并且用实验结果证明了系统参数设计的准确性。     

PD型模糊控制器稳态误差的一种补偿策略

针对一类具有自衡特性的SISO系统，借助其开环阶跃输入稳态响应所提供的信息设计了一个新颖的PD型模糊控制器．其基木思想是：合理确定模糊逻辑控制系统的结构和参数，使系统处于稳态时控制器的输出等于或近似等于某个先验知识确定的值，该值能将系统输出维持在设定值的一个微小邻域内．通过增加前馈环节，调整误差及其变化率在调节过程不同阶段中的比重，提高了系统的快速性．经仿真实验证明该控制器具有良好的稳态性和鲁棒性．     

前向神经网络粒子群优化学习算法研究

将粒子群优化算法用于前向神经网络权值的学习算法研究,以神经网络学习算法研究的典型问题之一的XOR问题作为研究实例,针对算法的收敛性、学习速度以及算法对初值的鲁棒性等性能指标,分别对标准的PSO算法、改进的PSO算法以及BP算法及其带动量项的BP算法进行了比较研究.研究表明,PSO算法在前向神经网络权值的学习算法中其所有的性能指标均优于传统的BP算法,PSO算法在神经网络的应用中具有广阔的前景.     

柔性倒立摆的PD实时控制

针对直线一级柔性倒立摆系统的多变量特性,采用三个PD控制器实现了系统的平衡控制。建立了系统的数学模型,并利用极点配置方法整定控制器参数进行仿真实验,将所设计的控制器在实际的实验设备上进行实时控制实验。实际控制结果验证了方案的有效性和正确性。     

基于分数阶PD速度控制器的永磁同步电动机控制研究

为了实现交流永磁同步电机的高性能速度控制,提出一种能满足系统稳定性和鲁棒性要求的分数阶比例微分控制器。为评价该控制器的性能,将该控制器和采用最优化设计的整数阶比例积分控制器分别应用于同一系统进行了仿真和原型实验。结果表明:采用文中提出的分数阶比例微分控制器的系统响应速度、跟随性能和节能效果均优于采用整数阶比例积分控制器的系统。     

基于误差驱动的混合型模糊PD控制器设计

提出一种基于误差驱动的混合型模糊PD控制器。对其结构进行分析,并对模糊控制理论未解决的规则选取问题进行探讨。模糊控制器采用“1D-1D”的映射关系,结构简单,灵活性强;采用非线性输入输出映射关系控制曲线,仿真结果证明其性能优于传统线性规则。用波波夫稳定判据得到了控制器稳定的充分条件。     

自适应粒子群算法的整定模糊PID控制器的参数优化

提出了一种基于自适应粒子群算法(APSO)优化模糊PID控制器隶属函数的方法以及基于模糊控制规则的权值来消减规则数目的参数优化方法.仿真实验表明,该方法相比传统方法能得到具有更快响应速度和更小的超调量的模糊PID控制器.     

面向人工肌肉驱动器的无模型自适应滑模控制研究

针对人工肌肉驱动器模型的控制策略较为复杂、控制参数较多、调节过程较为繁琐、通用性较差等问题.首先基于梯度法设计了无模型自适应滑模控制器(MFASMC)并对其稳定性进行了证明.然后,利用该控制器分别对离子交换聚合金属(IPMC)以及气动人工肌肉(PAM)两种典型人工肌肉驱动器进行控制仿真实验,从而对其控制精度、适应性及通用性进行验证.由仿真结果可知,通过设计控制器参数的调节规律,MFASMC算法可以实现对控制参数的快速在线调节,故对于不同种类的人工肌肉驱动器避免了繁杂的数学建模过程及控制参数调节过程,具有良好的适应性及通用性.     

基于人工物理法的多智能体协同控制

 对多智能体的协同控制和队形重构技术进行研究,采用人工物理法完成多智能体的队形建立与队形保持。人工物理法是一种分布式的控制方法,对传感器信息和通信的依赖程度较低,并可以很好地移植到大规模系统中。人工物理法通过设定虚拟的物理力,完成机器人速度和方向信息的解算,并用这些信息进行实时控制。同时为保证在障碍物区域内的智能体避障,采用沿墙跟踪策略,设计双输入、单输出的模糊控制器实现智能体的避障。为克服多模态运动的转换瞬态,利用四点平滑抑制模态转换瞬态。通过传感器探测外界环境,获得相关环境信息并确定障碍物的位置,由此依据判决条件完成多智能体控制的模态转换,进行队形重构。通过复杂环境中的数学仿真及多智能体协同控制的实验验证,表明该系统具有良好的鲁棒性和适应性。     

一种新的基于MEA的自适应模糊控制器

针对两输入一输出的典型模糊控制器，提出了MEA-FUZZY自适应控制策略，采用MEA对模糊控制系统的5个相关参数进行优化，实现了输出比例因子的在线调整，并在分析规则表的基础上调整了模糊隶属函数，从而使该自适应模糊控制器的整体性能接近最优。仿真结果表明，该控制系统结构合理，优化方法简单有效，控制品质优良，同时具有较强的适应性和鲁棒性。     

一种PID型神经网络控制器

针对非线性的时滞系统 ,采用一种将PID控制规律融进神经元网络的控制器 ,并应用基于最小二乘递推算法的最小方差预测值来克服时滞误差 .运用Lyapunov稳定性定理 ,确定了系统稳定时控制器权系数的范围     

基于基因表达式编程优化PID调节器参数

 应用基因表达式编程（GEP）优化PID调解器参数,提出了基于GEP的PID参数优化策略和适应度函数的设计方法;提出了基于GEP的PID参数优化的GEP-PID算法。实验表明,与Ziegler-Nichols(ZN)法相比,该算法使系统阶跃响应的超调量下降了65.45%,上升时间和调整时间分别缩短了38.5%和61.5％。