基于神经网络的开关磁阻电机自适应控制

针对开关磁阻电机显著的非线性特性，将具有非线性映射能力及自适应能力的误差反向传播（BP）神经网络应用于开关磁阻电机驱动系统（SRD），并结合传统比例、积分和微分（PID）控制的优点，提出一种基于BP神经网络的开关磁阻电机在线辨识与自适应PID控制方法．该方法利用BP神经网络实时观测系统输出，优化PID控制参数，对于解决开关磁阻电机由于非线性严重而导致控制困难的问题具有较强的针对性．实验结果证明了该方法的有效性，且系统适应性强，稳定性好，响应速度和控制精度均令人满意。     

RBF网络参数优化方法及其在开关磁阻电机建模中的应用

 基于全局搜索的进化算法——粒子群算法（QPSO）和一种局部搜索算法——结构化的非线性参数优化方法（SNPOM）,提出了一种混合的优化算法估计RBF神经网络中的参数——网络中心、线性参数、非线性参数,初始化一定数目的种群作为SNPOM的初始值,得到其适应值,通过选择、交叉、替换策略更新种群,完成网络中心初始值的寻优。再用SNPOM方法进一步优化,以提高SNPOM算法的全局搜索能力。仿真结果表明,混合优化方法比单独采用SNPOM法更优,且优于其他算法。并针对开关磁阻电机（SRM）高度非线性的开发重点和难点,用RBF网络进行SRM建模,将QPSO-SNPOM算法应用于RBF模型参数优化中,仿真实验结果表明,该算法较SNPOM算法精度更高、泛化能力更强,较遗传混合算法更快,训练后的RBF模型完全满足开关磁阻电机特性。     

基于车辆动态负载的开关磁阻电机驱动特性分析

为了研究车辆动态负载高度时变性和随机性对电动汽车用开关磁阻电机驱动系统影响特性并实现电机驱动系统性能评价分析,基于车辆行驶工况动态负载特性,在开关磁阻电机非线性数学模型及车辆动力学模型基础上,分别建立了电动汽车用开关磁阻电机驱动系统及电动汽车动态载荷仿真模型.并根据电动汽车行驶过程中2个典型工况对建立模型进行了实时仿真,得到了开关磁阻电机主要性能参数随车辆动态载荷变化的响应曲线.分析并评价了开关磁阻电机驱动系统在各工况下的动态驱动特性,仿真结果对电动汽车车型设计及改进具有很好的参考价值.     

基于遗传-模糊算法的开关磁阻电机位置计算

采用智能方法实现开关磁阻电机的非线性建模及转子位置的精确估算．根据实验测得的开关磁阻电机定子电流、绕组电感和转子位置，得到开关磁阻电动机非线性特性．利用比特性得到模糊规则，实现开关磁阻电机的模糊建模；在此基础上，分别利用神经网络的学习和遗传算法全局优化算法，实现了精确和最优模糊建模．该方法可以实现转子位置的精确估计并具有一定鲁棒性和可靠性，可取代直接的位置传感器．利用智能建模可以避免非线性系统建模的复杂性．仿真结果证明了建模的有效性．     

永磁式开关磁阻直线电机的设计及分析

针对传统直线式开关磁阻电机在运行时,往往会继承开关磁阻旋转电机的不良特性,推力脉动大,噪声等问题。为优化直线式开关磁阻电机运行特性,精确计算直线电机运行电磁参数,笔者改进并设计了一种永磁式开关磁阻直线电机,并采用许-克变换法对其磁场分布进行公式推导,在此基础上利用麦克斯韦应力张量法计算基于磁场分布的电磁推力,并与有限元法得出的结果进行比较,证明所用计算方法正确可靠,同时具有较高精度。许-克变换法可为直线电机的设计以及运行过程解析计算提供可靠的工具。     

新型同步开关磁阻电机性能分析与结构优化

为解决同步磁阻电机转子结构复杂、机械强度差、难以应用于高速领域的缺点,提出了一种新型同步开关磁阻电机（synchronous switched reluctance motor,SSRM）. 该电机结合了开关磁阻电机与同步磁阻电机的优势,电机转子冲片制作工艺简单、可靠性强、适用于高速领域,电机的凸极率高,转矩输出能力强. 在对新型SSRM电磁设计的基础上利用正交法对该电机参数进行优化,选取转矩均值、转矩脉动以及电机效率作为优化性能指标. 通过有限元仿真和实验验证了优化后的SSRM具有转矩脉动低、效率高的特性.      

高速开关磁阻发电机励磁参数优化控制

为了提高开关磁阻发电机高速运行时的发电效率,改善整个系统的高速运行性能,提出了一种励磁参数优化策略：以相电流有效值作为励磁参数优化指标,针对开关磁阻电机自身非线性的特点,选取使得相电流有效值最小的开通角和关断角作为优化的励磁参数,并通过曲线拟合手段对这些离散的优化参数进行处理．最后将优化的励磁参数与提出的控制算法相结合,实现了整个发电系统的优化控制．仿真和实验验证表明：该方法易于实现,整个系统不仅具有较高的发电效率,而且在负载突变时呈现出良好的调节特性．     

开关磁阻电机定子两侧极靴和转子两侧开槽的优化

针对开关磁阻电机表现出较高的转矩脉动和较大的振动幅度,本文提出一种改进的开关磁阻电机结构,即在定子齿两侧添加极靴和转子极两侧开槽。在定子齿两侧添加极靴,提高电机的最小电感,来增大换相区间的最小转矩,以降低电机的转矩脉动;在转子两侧开槽,改变气隙磁密的方向,增大气隙磁密的切向分量的同时减小气隙磁密的径向分量,来减小径向力的波高,进而减小电机的振动。对于极靴参数和开槽参数最优值的确定,本文通过改进的NSGA-Ⅱ算法将控制参数(开通角和关断角)与结构参数(极靴参数和开槽参数)进行协同优化。通过仿真和实验证明,优化后的电机模型相较于初始模型,电机的平均转矩得到提高、转矩脉动得到降低,且电机的振动得到了减小。     

开关磁阻电机遗传算法优化设计及其电磁场分析

将遗传算法应用于开关磁阻电机进行设计,对一台0.55kWSR电机进行了优化分析并得到了电机优化设计参数.在此基础上,采用有限元软件ANSOFT进行三维静态磁场分析,得到了开关磁阻电机的静态磁场分布曲线,证明了利用遗传算法开关磁阻电机优化设计的有效性.为开关磁阻电机的优化设计与分析提供了新方法.     

开关磁阻电机调速系统非线性仿真研究

利用有限元分析结果,并结合开关磁阻电机的基本方程,建立了开关磁阻电机非线性调速系统仿真模型。利用改进的一相电机模型,采用高速角度位置控制,低速电流斩波控制方式对开关磁阻电机调速性能进行研究。仿真结果表明该系统采用的控制策略合理,能实现较宽范围内调速。同时也验证了电机具有较好的起动能力和抗干扰特性。     

模拟退火算法与支持向量机在机械故障诊断中的应用

为提高支持向量机在机械故障诊断测试中的分类正确率,将模拟退火算法与支持向量机相结合,用模拟退火算法优化支持向量机核函数及其参数,再将故障特征输入支持向量机进行故障识别.诊断实例表明,该方法与传统支持向量机方法相比能得到较高的诊断精度.     

基于改进遗传退火算法的高速公路巡逻车路径优化调度

为了合理分配有限的高速公路巡逻车资源,构建了确定型高速公路巡逻车路径及调度优化模型。探讨了有限巡逻车资源路径、调度优化建模问题;构建了以全覆盖模型为基础,以事故响应时间最小为目标的优化模型。将连通的路径作为染色体,基于MATLAB对改进的遗传退火算法进行编码,采用动态交叉及变异概率,在交叉变异后子代更新中引入模拟退火算法Metropolis准则;并在改进的遗传退火算法中加入动态规划算法对巡逻车进行分配。以Sioux Falls路网及数据,对MATLAB编码的遗传退火算法进行验证,计算结果与两种情景假设及模拟退火算法优化结果作比较。结果表明:改进的遗传退火算法求解结果比相应的情景假设求得事故响应时间分别减少了23. 35%与28. 28%;与模拟退火算法求解结果相比,该方法具有更好的寻优效果及计算效率。MATLAB编码的改进遗传退火算法对中大型路网路径、调度寻优效果较好。     

新型遗传算法求解车辆路径问题研究

建立有时间窗车辆路径问题的数学模型,针对遗传算法在局部搜索能力方面的不足,提出将模拟退火算法与遗传算法相结合,从而构造有时问窗车辆路径问题的混合遗传算法,并进行实验计算.结果表明,用混合遗传算法求解该优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和模拟退火算法在全局搜索能力方面的不足,从而得到质量较高的解.     

基于HFC-ADM模型对SA的改进及应用

通过分析模拟退火算法（SA）以及利用分等级公平竞争（HFC）模型对SA改进的固有缺陷,提出新的基于自适应输入阀值的HFC模型（HFC-ADM）的模拟退火算法及其算法流程,同时进行详细的数学描述。最后以求证旅行商问题（TSP）为例,通过统计数据验证了改进后的算法较采用同样局部优化的标准退火算法和分等级公平竞争的模拟退火算法具有更好的收敛速度和优化解。     

Analog Module Placement Design Using Genetic Algorithm

This paper presents a novel genetic algorithm for analog module placement based on a generalization of the two-dimensional bin packing problem. The genetic encoding and operators assure that all problem constraints are always satisfied. Thus the potential problems of adding penalty terms to the cost function are eliminated so that the search configuration space is drastically decreased. The dedicated cost function is based on the special requirements of analog integrated circuits. A fractional factorial experiment was conducted using an orthogonal array to study the algorithm parameters. A meta-GA was applied to determine the optimal parameter values. The algorithm was tested with several local benchmark circuits. The experimental results show that the algorithm has better performance than the simulated annealing approach with satisfactory results comparable to manual placement. This study demonstrates the effectiveness of the genetic algorithm in the analog module placement problem. The algorithm has b     

复杂函数全局最优化的改进遗传退火算法

针对复杂函数的最优化问题 ,首先提出了一种基于邻域函数的尺度参数自寻优的改进模拟退火算法 ,进而通过设计多操作的基于概率接受思想的变异操作 ,结合混沌序列 ,在遗传算法中引入灾变操作和改进模拟退火算法 ,最终提出了改进遗传退火算法。基于典型算例的仿真结果验证了改进算法对高维复杂函数最优化的有效性 ,其性能明显优于传统的遗传算法、模拟退火、改进的进化规划方法以及遗传 -AL OPEX算法。     

网格图的2-彩虹控制数

给定一个图G和正整数k,图的彩虹控制函数f是满足下列条件的映射f:V(G)→2{1,2,…,k},使得对某个顶点v满足f(v)=,则∪u∈N(v)f(u)={1,2,…,k},其中V(G)是图G的顶点集,N(v)表示所有与v相邻的顶点的集合.彩虹控制函数f的权定义为w(f)=∑v∈V(G)|f(v)|.图的k-彩虹控制数γrk(G)是所有彩虹控制函数的权中的最小权.研究了2-彩虹控制函数的启发式算法的网格图的构造方法,实验结果表明,基于禁忌搜索策略的模拟退火算法比传统的模拟退火算法具有较好的效果.     

基于热力学混合遗传算法的加热炉炉温优化研究

针对加热炉生产过程中钢坯入炉温度、规格尺寸、钢坯种类等生产工况经常会发生改变,导致基本遗传算法存在早熟等现象,提出一种基于热力学的混合遗传算法.基于钢坯加热过程的机理模型,建立了钢坯温度预报模型,依据加热炉工艺生产要求,建立了加热炉炉温优化模型.为了提高遗传算法的求解精度和计算效率,在遗传算法交叉算子设计过程中加入内能、熵和自由能的思想,改进了传统遗传算法;同时在经典的遗传算法基础上加入模拟退火算法构成了基于热力学的混合遗传算法,并用于求解加热炉炉温优化问题,克服了传统遗传算法的不足.实验结果表明,该方法能够有效地求解加热炉炉温优化问题,是可行的、有效的.     

Performance Prediction of Carbon Fiber Protofilament Based on SAGA-SVR

The existing optimized performance prediction of carbon fiber protofilament process model is still unable to meet the production needs. A way of performance prediction on carbon fiber protofilament was presented based on support vector regression （SVR） which was optimized by an optimization algorithm combining simulated annealing algorithm and genetic algorithm （SAGA-SVR）. To verify the accuracy of the model, the carbon fiber protofilament production test data were analyzed and compared with BP neural network （BPNN）. The results show that SAGA-SVR can predict the performance parameters of the carbon fiber protofilament accurately.     

基于果蝇算法的转子不平衡参数辨识研究

为识别转子的不平衡参数,建立了转子-轴承有限元模型,在逆问题的识别理论基础上通过理论故障力与等效估计的不平衡力构建目标函数,运用果蝇优化算法进行目标函数优化,从而识别出不平衡参数,并将果蝇算法识别的结果与模拟退火算法、遗传算法的结果进行对比。仿真和实验结果均表明,相比其他两种算法,果蝇算法有更高的识别精度和效率。