大林算法与Smith预估法在温度控制中的优效研究

工业中有很多具有纯滞后性的被控对象,为了改善纯滞后对系统带来的不良影响,将大林算法和Smith预估法用于此类系统中,且以炉温控制系统为例,详细地介绍了两种算法的工作原理、数学模型及仿真结果,并将其与PID算法进行了讨论.结果表明,大林算法具有更好的控制效果.     

大林算法与Smith预估法在温度控制中的优效研究

工业中有很多具有纯滞后性的被控对象 ,为了改善纯滞后对系统带来的不良影响 ,将大林算法和Smith预估法用于此类系统中 ,且以炉温控制系统为例 ,详细地介绍了两种算法的工作原理、数学模型及仿真结果 ,并将其与PID算法进行了讨论 .结果表明 ,大林算法具有更好的控制效果     

大林算法在位置随动系统中的应用

为了解决含有纯滞后惯性环节的位置随动系统采用常规的直接数字控制方法较复杂且效果不佳的问题,提出利用大林算法来处理其纯滞后的惯性环节。通过对大林控制器的详细设计过程和对位置随动系统的实例仿真可以看出,大林控制器具有良好的鲁棒性和较高的灵敏度,最后得出了大林算法在含有纯滞后惯性环节的位置随动系统中具有应用价值的结论。     

大林算法在单板机上实现的精度分析

本文具体地对单板机上实现大林算法的运算误差进行分析,并导出了误差算式,它与实际系统的仿真数据完全相符。并进而对T,τ及系统其它环节的参数选择进行了讨论。     

大林算法参数敏感性分析与实验

本文结合仿真数据对大林算法中的K,T_1和θ参数选取偏差对系统静、动态特性的影响进行了理论分析,并得出有实用价值的结论。文中还介绍了在实际高温扩散炉上的实验结果,验证了理论结果的正确性。     

大林算法参数的自寻最优控制

本文研究了大林算法参数自寻最优控制的必要性和实现的方法，并在电阻炉温度控制系统上进行了试验研究。结果表明，此法提高了大林算法对被控过程参数的适应能力。     

基于随机接入的JTIDS抗毁性动态接入算法

基于随机理论提出了一种能够适应JTIDS的节点数动态变化的随机接入算法. 基于随机理论,分析和比较了竞争接入算法和随机接入算法的抗毁性能,并进行了理论验证;基于OPNET建立了竞争接入算法和随机接入算法的仿真模型,通过仿真验证理论分析的合理性. 对随机接入算法的抗毁性能进行了仿真,仿真结果表明,算法能够在不增加额外控制信息的情况下,动态地适应战场环境下网络拓扑结构的变化,提高了接入的可靠性,同时保证了时效性.      

8098单片机炉温控制系统

本文介绍了单片机炉温控制系统。利用８０９８单片机进行晶闸管的过零触发控制，对热电偶测温进行冷端补偿和非线性校正。控制算法采用大林算法和ＰＩＤ算法相结合的方法。具有控制效果好，参数修改方便等特点     

大林算法几个问题的仿真研究

本文在大林算法基本算式的基础上,根据系统的实际物理特性,利用仿真技术,讨论了振铃及其消除法,从而提出可供选择的三种算法,分析了它们的控制特性和适用场合。最后导出了参数选择的计算式。     

利用DSP Builder设计定点FFT处理器

分析了FFT算法的原理,并利用DSP Builder建立了输入为8点基-2 FFT算法的基本模型,在Simulink和QuartusⅡ中分别进行了仿真,并将仿真结果与Matlab仿真值进行了比较,实现了8点实序列FFT算法.基于DSP Builder的FFT算法设计简单,可以重复使用,大大提高了设计效率.     

一种改进的BNS网络论坛搜索算法

为了提高网页在互联网中的搜索效率,基于非结构化P2P网络的多种搜索算法和网络蜘蛛搜索算法,提出了一种广度优先搜索(BFS)和非贪婪性搜索(NGS)相结合的改进搜索算法(BNS)。并通过该算法的性能分析与大理学院校园BBS的应用测试,结果表明,BNS算法在搜索速率、相关度和准确率上都优于BFS和NGS算法,该算法的实际应用提高了网络论坛运行效率。     

用遗传-禁忌搜索混合算法求解组合投资问题

提出了一种基于遗传算法和禁忌搜索的混合算法,用遗传算法提供并行搜索的主框架,用禁忌搜索作为遗传算法的变异算子.遗传算法中变异过程解空间的搜索由禁忌搜索实现,并且用混合算法求解了概率准则意义下的组合证券投资模型.实例证明,遗传/禁忌混合算法有较强的爬山能力,较遗传算法有更高的计算效率,为组合证券投资者提供了一种高效的决策方法.     

混沌高效遗传算法在水库含沙量预报中的应用

利用混沌映射的遍历性和实编码遗传算法的全局优化性,通过在遗传进化过程中加入混沌变异操作,在变量的定义域内投放大量的混沌初始群体,在实编码遗传算法进化过程中加入单纯形法学习算子,建立了一种新的混沌高效遗传算法(chaos higher efficient genetic algorithm, CHEGA).应用该法对3个非线性、高维、多峰值测试函数进行了仿真,在收敛速度和全局优化方面好于现有的简单遗传算法和改进的遗传算法.建立了水库含沙量预报模型.并将CHEGA用于求解上述模型的参数优化问题,与实数编码加速遗传算法(RAGA)、二进制加速遗传算法和随机优化算法等方法相比,CHEGA可以遍历到整个区域,较好的保持了种群的多样性,并且精度高、收敛速度快.CHEGA对求解实际水库计算模型的参数优化问题非常有效.     

一种从自由飞行实验中提取空气动力系数的新方法

该文提出从飞行体自由飞行试验中提取空气动力系数的新方法－－Ｍａｒｑｕａｒｄｔ改进法。Ｍａｒｑｕａｒｄｔ法综合了Ｃｈａｐｍａｎｎ－Ｋｉｒｋ渚最速下降法的优点而避开了它们的缺点，是一种比较好的数据处理方法。Ｍａｎｑｕａｒｄｔ改进法既继承了Ｍａｒｑｕａｒｄｔ法的优点，又大大地减少了计算工作量，是一种收敛快的迭代算法，最后，给出了在靶道实验数据处理中的计算实例。     

基于蝙蝠算法的K均值聚类算法

为解决传统 K-means 算法中因初始聚类中心选择不当而导致聚类结果陷入局部极值的问题, 采用蝙蝠算法搜寻 K-means 算法的初始聚类中心, 并将模拟退火的思想和基于排挤的小生境技术引入到蝙蝠算法中, 以克服原始蝙蝠算法存在后期收敛速度慢、 搜索力不强等问题。 同时, 通过测试函数验证了其有效性。 最后利用改进后的蝙蝠算法优化 K-means 算法的初始聚类中心, 并将该改进的算法与传统的 K-means 算法的聚类结果进行了对比。 实验结果表明, 改进后的算法的聚类性能比传统的 K-means 算法有很大提高。     

排课系统中混合算法的应用研究

排课系统比较复杂又具有智能特点,其算法主要有模拟手工算法、回溯算法、遗传算法、贪心算法等.在软件开发过程中,发挥每种算法优点以提高排课的科学性、高效性和合理性是个重要课题.结合成功研制排课系统的经验,阐述了不同算法的应用,提出了通过所有算法的混合应用解决排课问题的方法.     

基于混合算法求解指派问题

本研究建立了指派问题的数学模型,提出了以遗传算法和蚁群算法相结合的思想及其解决方案．算法主要是将每一个任务作为一个基因位形成染色体,以遗传算法控制寻优方向,更适宜解决组合优化问题．实验结果表明,使用此算法解决指派问题,提高了搜索效率,能够在短时间内找到最优分配方案,证明该算法是可行的．     

基于势场导向的对数蚁群算法的移动机器人路径规划

针对蚁群算法存在收敛速度慢,易陷入局部最优的问题,提出了一种将人工势场和对数蚁群算法相融合的新算法.该算法是在蚁群算法的基础上,将势场的影响因素引入到蚁群算法的状态转移概率函数和启发函数中,并通过对数函数模型对蚁群算法的信息素更新策略进行改进,使得路径算法搜索不再具有盲目性,并加快算法的收敛速度.为了验证改进算法的有效性,分别在不同环境的2维栅格地图中进行仿真.仿真结果表明,相比改进前的蚁群算法,改进后的蚁群算法在路径规划中收敛速度更快,规划效率更高.将基于势场导向的对数蚁群算法应用于Hokuyo激光建图的实际机器人上进行路径规划实验.实验结果表明,改进后的蚁群算法路径搜索效率较改进前提高了约52％.     

基于马氏距离的模糊聚类优化算法——KM-FCM

为了解决以欧氏距离作为相似性准则的传统模糊聚类算法对多维数据处理不利的问题,采用马氏距离代替欧氏距离,对基于马氏距离的模糊聚类算法进行优化研究,以增强基于马氏距离的模糊聚类算法的聚类效果和能力。通过构造启发式搜索与k-means算法结合的初始优化方法,利用可以自动调节最佳聚类数的有效性函数,提出了一种优化算法KM-FCM,并将此新算法与FCM,FCM-M,M-FCM聚类算法在3个标准数据集上进行了实验。结果表明,KM-FCM算法有效,聚类精度比FCM,FCM-M,M-FCM高,对高维数据聚类识别能力强,具有全局优化作用,并且聚类个数无需提前设定。新算法可为基于马氏距离的模糊聚类算法的优化提供参考。     

求解二维波动方程初边值问题的显隐混合校正并行算法

提出了一种基于区域分解法的显隐混合校正并行算法．通过对二维波动方程的数值试验，发现该算法具有无条件稳定性，其数值计算结果与整个区域上采用隐格式的计算结果相当，计算精度明显好于Kuznetson算法和改进的Kuznetson算法，计算时间也比Kuznetson算法和改进的Kuznetson算法的时间少，且小于隐格式计算时间的一半．