基于QPSCO算法的传感器优化配置

针对以曲线拟合为目标的传感器配置问题,提出了一种基于量子粒子群协同优化(Quantum-behaved particle swarms cooperative optimization,简称QPSCO)算法的传感器优化配置方法.在QPSCO算法中,采用双层的多粒子群协同优化结构,同时引入参数变异策略,在扩大搜索范围的同时加快该算法收敛;将加权最小二乘法的误差平方和引入适应度函数中,以提高传感器位置曲线的拟合精度,从而实现传感器的优化配置.实验结果表明,该方案应用于土壤信息采集系统,不仅可以达到比粒子群优化(Particle swarm optimization,简称PSO)算法和量子粒子群优化(Quantum-behaved particle swarm optimization,简称QPSO)算法更好的寻优结果,而且具有比遗传算法更理想的位置拟合精度,是一种有效可行的传感器配置方法.     

基于粒子群优化的马氏距离模糊聚类算法

为解决传统模糊聚类迭代算法对初始化敏感,易陷入局部最优及处理高维数据时精度下降的问题,对基于马氏距离的模糊聚类算法(fuzzy c-means algorithm based on Mahalanobis distance,M-FCM)进行优化。将马氏距离代替欧氏距离,通过构造类内紧致度、类间分离度与类间清晰度结合的适应度函数,利用粒子群优化算法(particle swarm optimization,PSO)对马氏距离模糊聚类进行研究,提出了基于粒子群优化的马氏距离模糊聚类算法(Mahalanobis distance fuzzy clustering algorithm based on particle swarm optimization,DPSOM-FCM),并将此新算法与FCM(fuzzy c-means algorithm),M-FCM,PSO-FCM,IFPSOFCM(importance for fuzzy clustering algorithm based on particle swarm optimization)算法,在UCI(university of californiairvine)数据库的6个标准数据集上进行实验对比分析。结果表明,DPSOM-FCM算法具有算法收敛性和聚类有效性,并且聚类精确度优于其他算法,对高维数据的聚类识别能力强,即该算法具有全局优化作用。     

基于QPSO-RBFNN的短期电力负荷预测模型

为了提高短期电力负荷预测的精度,提出了一种量子行为粒子群优化(Quantumbehaved particle swarm optimization,QPSO)算法和径向基函数神经网络(Radical basis function neural network,RBFNN)相结合的电力负荷短期预测模型。通过K-均值聚类算法确定RBFNN的基函数中心,并用粒子群优化算法优化神经网络权值,在加快RBFNN收敛速度的同时提高预测精度。以实际负荷数据进行预测验证,预测负荷的均方根误差小于0.01,验证了模型的合理性和有效性。     

精密设备主动SAWPSO-PID振动控制器设计及仿真研究

比例-积分-微分(PID)控制器具有简单、稳定性好、可靠性高、鲁棒性强等特点,在振动控制领域应用广泛。而传统的主动PID控制器参数以假设或经验性选取为主,不科学且不能充分发挥控制器性能。自适应权重粒子群算法(self-adaptive weight particle swarm optimization,简称SAWPSO)克服了传统粒子群算法寻优过程的早熟情况,能使PSO算法达到局部及全局最优的平衡。文章基于SAWPSO算法,设计了SAWPSO-PID控制器,以时间乘以误差绝对值积分(ITAE)为目标适应值函数,对精密设备振动进行了PID参数自整定的优化控制研究,并与经验型参数选定PID振动控制、被动隔振(无控)进行了对比分析。     

基于融合Levy飞行策略与自适应变异因子优化QPSO-SVM算法

为了提高SVM分类精度与泛化能力,故提出一种基于融合Levy飞行策略与自适应变异因子优化QPSO-SVM算法.用量子粒子群算法(quantum particle swarm optimization, QPSO)对SVM进行惩罚因子和核函数参数优化,并针对QPSO算法出现的早熟收敛的问题,采用Levy飞行策略与自适应变异因子对其进行修正.实验仿真结果表明,与其他的智能优化算法相比,所提出的模型具有较高的分类性能和预测精度.     

电力系统经济调度的量子粒子群改进算法

电力系统经济调度(economic dispatch,ED)通过合理配置电力资源,在满足实际运行约束的前提下,使发电成本率最小化。针对ED问题,将量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法与随机扰动策略相结合,提出了一种改进的随机扰动量子粒子群优化(QPSO with random perturbation,RPQPSO)算法。扰动策略采用2种方式,在进化后期根据随机概率对群中的每个粒子进行扰动,避免算法陷入局部最优。为了验证其有效性,利用一组标准测试函数对RPQPSO算法进行了性能测试,测试表明,该算法有助于增加种群多样性,提高算法的全局搜索能力。通过将该算法应用到典型电力系统中进行测试,该算法相较于传统遗传算法、粒子群算法和QPSO算法,在解的质量、鲁棒性和收敛性等方面都取得了较大的提高,表现出优异的求解性能。     

改进多目标PSO算法优化机器人轨迹跟踪模糊PID控制器

为进一步提高模糊PID控制器应用于关节机器人轨迹跟踪控制的效果,本文提出了一种改进的多目标粒子群(PSO)算法优化机器人轨迹跟踪模糊PID控制器的方法.首先,设计了一种关节机器人轨迹跟踪模糊PID控制器;其次,考虑控制器输出力矩和轨迹跟踪控制偏差2个优化目标,设计了改进多目标PSO算法实现模糊PID控制器隶属函数与模糊...     

基于改进粒子群优化-反向传播神经网络算法的小麦储藏品质预测模型

在使用反向传播神经网络(back propagation neural network,BPNN)预测小麦的储藏品质时,由于其易陷入局部极值且收敛速度慢,导致预测误差较大且稳定性较差,由此提出一种改进粒子群(improved particle swarm optimization,IPSO)算法优化的BPNN预测模型.采用非线性函数动态调整粒子群算法中的惯性权重和学习因子,优化BPNN中的权值参数,进而构建IPSO-BPNN预测模型.为验证该模型的准确性和稳定性,将其与BPNN模型、PSO-BPNN模型进行对比,结果表明:IPSO-BPNN模型预测的均方误差显著降低,有助于提高小麦储藏品质预测的准确性和可靠性.     

基于邻域搜索的粒子群动态优化算法

常规的粒子群优化(particle swarm optimization,PSO)算法在求解动态环境下优化问题时,由于其收敛性而失去对最优解的跟踪能力。为了更好地增加种群的多样性,以保证算法更好地追踪动态环境下最优解的变化,文章提出一种基于邻域搜索的粒子群动态优化算法(neighborhood search particle swarm optimization,NSPSO)。在每一演化代中对个体依适应值从大到小排序,并对排序后的个体按从大到小的顺序以一定的比例分配Leader、Follower、Scouter 3种不同的角色,不同角色的个体采用不同的更新策略,使得算法在维持一定开发能力的同时维持较强的探索能力。通过对移动峰问题的实验发现NSPSO算法具有较小的离线误差,且离线误差受变化强度的影响均小于其他用于比较的算法,从而验证了NSPSO算法能够有效地跟踪动态环境下最优解的变化。     

基于量子粒子群优化PI模型的主动队列网络拥塞控制

为了解决无线传感器网络拥塞引起的丢包率高和网络吞吐率过低,从而引起网络能量有效性和服务质量QoS降低的问题,提出了一种基于改进PI主动队列管理模型和量子粒子群(Quantum-behaved particle swarm optimization,QPSO)的拥塞控制方法.首先定义了改进的PI主动队列管理模型,然后为了对PI模型进行优化,采用改进的多种群量子粒子群算法对PI主动队列管理模型中的参数优化,并对该算法进行了描述,从而得到优化的PI控制模型.最后定义了多种群量子粒子群算法和PI主动队列模型对网络拥塞进行控制的具体算法.实验结果表明:该方法能有效实现WSN的拥塞控制,与其它方法相比,具有较低的数据丢包率和较大的网络吞吐率.     

小型自适应翻转攀爬机器人的设计与实现

为解决高空作业的危险性问题,设计并实现了一种小型自适应翻转攀爬机器人。机器人由5 个连杆和4 个关节组成,通过加速度传感器获取关键连杆的位置,并按照设定距离实现跨步、翻转动作。提出了翻转机器人的翻转控制算法,并利用PID( Proportional-Integral-Derivative) 闭环控制算法提高翻转机器人的攀爬动作精度。通过实验可知,翻转机器人的单次跨步平均耗时为29 s,跨步距离最大相对误差为4． 5%,平均相对误差为2． 1%,最大负重3． 79 kg,可实现稳定的连续攀爬。     

四旋翼水下机器人及其矢量角度测试实验分析

为提高水下机器人运行稳定性,降低综合能耗,研究一种矢量推进式四旋翼水下机器人,该机器人的四个水下推进器通过绕OY轴转动,形成矢量推进。针对数据野点问题,以及D/A模块输出误差问题,通过设计一种控制电压闭环缓变调节方法,防止因野点存在而烧毁舵机和推进器,同时减小方差,提高稳定性;通过试验法研究了矢量角度对水下机器人控制性能的影响规律。结果表明：矢量角度小于45°时,艏向定值跟踪实验中,响应速度较快,超调量较大,稳态误差较高,平均功耗较低;同频率艏向动态跟踪实验中,平均误差较高,平均功耗较低;变频率艏向动态跟踪实验中,平均功耗较低;深度定值跟踪实验中,响应速度较慢,超调量较小,稳态误差较低,平均功耗较高,同频率深度动态跟踪实验中,平均误差较低,平均功耗较高;变频率深度动态跟踪实验中,平均功耗较高。矢量角度大于55°时,各项控制性能指标与矢量角度小于45°时相反。可见矢量角度为45~55°时,为控制性能过渡区间。     

基于量子微粒群优化算法的半透明介质光学参数反演

针对半透明介质光学参数估计问题,建立了脉冲激光辐照下半透明介质光学参数反演模型,采用量子微粒群优化(QPSO)算法反演了折射率和吸收系数,分析了测量误差、热物性参数对反演结果的影响,并利用敏感性分析揭示了反演精度与测量误差的关系.计算结果表明：建立的反演模型和采用的QPSO算法可以精确估计折射率和吸收系数,即使人为添加10%的测量误差,反演结果依然具有较强的鲁棒性和准确度.本研究可为半透明介质物性参数获取提供技术参考.     

基于变磁力单元的磁力控制方法及数值研究

为提高永磁吸附式管外壁爬行机器人运行过程中的吸附力稳定性,解决吸附能力与运动灵活性之间的矛盾,对变磁力吸附单元结构进行了研究.通过建立变磁力吸附单元有限元模型,并分析圆柱磁体的旋转角度和衔铁气隙距离对磁吸附力的影响,应用MATLAB软件拟合出磁力控制函数的数学模型.运用此数学模型控制伺服电机,使任意气隙间距下都反馈出相应的伺服电机旋转角度,进而控制磁吸附力大小,保证机器人爬行过程中磁吸附力的稳定.通过测量实验,表明此磁力控制方法可行有效.     

基于髋部质量的被动步行机器人稳定性和鲁棒性

采用一种更接近于人类行走的匀质圆规步态模型,运用Lagrange法和碰撞时刻角动量守恒原理分别建立机器人的摆动模型及碰撞模型。基于对模型步态收敛域与外界扰动快速抑制的准确描述,将全局稳定性分析与局部稳定性分析相结合,对模型进行初始的参数优化配置,并建立Proe样机模型;通过单次与连续外界扰动下不同样机模型步态的自身调节变化分析,最终获得模型参数的最优化配置,并通过实物样机的行走实验进行理论分析验证。仿真结果表明:具有合理髋关节质量的被动步行机器人有更强的行走稳定性与鲁棒性。     

基于遗传算法的模糊控制送丝系统

高质量的焊接在很大程度上决定于送丝机构的性能 ,模糊控制相对于传统的 PID控制 ,具有更高的系统鲁棒性和稳定性 .而模糊控制的三个因子对控制器的性能有很大的影响 ,常规的模糊控制都是采用人工的多次现场调试来确定 ,不仅费时 ,而且也不能得到最优的控制性能 .采用遗传算法来寻优整定模糊控制器的参数 ,以送丝系统的跟踪误差为目标函数 ,采用二值编码的遗传寻优整定 ,不仅得到了最优性能的模糊控制送丝系统 ,而且使其设计过程大大简化 .最后通过仿真比较 ,证明了遗传寻优模糊控制送丝系统的性能明显优于常规模糊控制的性能     

基于降级模糊算法的爬壁机器人避障控制

针对罐体表面作业过程中避障的问题,提出了改进模糊避障控制算法。为保证爬壁机器人能够缩短到达目标点的时间,除爬壁机器人与障碍物距离量外,增加爬壁机器人与目标点的角度量作为输入变量,速度、角速度作为输出量,确定了各参数的论域与隶属度,建立了模糊规则表,采用重心法解模糊化;考虑罐体环境的复杂多变性,提出优雅降级避障控制策略,在探测传感器受扰失灵的情况下仍能够越过障碍物到达目标点。通过与人工势场避障法仿真比较,改进模糊控制法可更有效地避开障碍物,并在探测传感器异常情况下,也能保证爬壁机器人到达目标点,体现了该避障算法的优越性与可靠性。最后进行了爬壁机器人避障实验,验证了该算法的可行性。     

卡尔曼状态观测器在机器人力控制中的应用

为解决机器人与环境间接触力控制性能受机器人本身动力学参数时变、接触环境变化以及力测量信号干扰噪声影响的问题,设计了基于卡尔曼状态观测器的机器人力控制方案,采用递归最小二乘法来实时估计环境刚度矩阵,引入系统状态误差反馈和卡尔曼滤波算法实现机器人力控制系统对外界干扰及系统模型误差的补偿．实验结果表明：在环境刚度未知的条件下,采用该控制方法可使机器人末端与环境间接触力的误差控制在10％左右．     

偏心轮六足机器人爬坡稳定性分析

研究了一种偏心轮构造的六足机器人,介绍了其基本的机械结构,并使用稳定锥方法对其建立了爬坡时的运动模型以及力学约束.设计了一种呈波浪形式的爬坡步态,对这种运动模式下的机器人最易倾翻的姿态进行了分析,结合其机械结构特征,使用稳定锥方法验证了机器人运行的稳定性,求出了机器人爬坡时的坡度临界角,并进行了仿真和实物实验验证.在采用此机械结构以及使用相应的爬坡步态的情况下,机器人能够有较好的爬坡表现,实验环境中测得机器人稳定爬坡角度最大可至33°左右.     

多区域互联电网的分散式模糊PID负荷频率控制

为了有效改善多区域互联电网的动态稳定性,提出一种分散式模糊PID负荷频率控制方法.该方法为互联电网每个区域设计一个模糊PID控制器,以区域频率偏差和联络线功率偏差为控制目标,根据区域控制偏差的变化量,运用模糊推理,在线修正PID调节参数,从而控制互联电网快速趋于动态稳定.针对三区域环型互联电网,考虑发电速率的限制,对其负荷扰动和模型参数摄动进行仿真.结果表明:与传统PID算法相比较,所提出的方法具有更强的适应性、鲁棒性及扰动抑制能力,能使系统取得更好的动态控制性能.