基于多目标粒子群算法的主动座椅悬架滑模控制器设计

为提高汽车的乘坐舒适性和行驶稳定性,对车辆主动座椅悬架提出一种基于多目标粒子群算法的滑模控制器设计方法。首先,在建立三自由度1/4车辆主动座椅悬架系统模型的基础上设计了满足李雅普诺夫稳定性理论的滑模控制器;其次,基于滑模控制到达条件和滑模面的稳定条件结合Hurwitz稳定判据选择合适的滑模面参数;然后,以汽车悬架动挠度、轮胎动载荷和控制器控制力输出为约束,形成以座椅质心垂直加速度、座椅悬架动行程以及轮胎动位移为控制目标的多目标优化问题,对滑模控制器参数进行优化设计;最后,在MATLAB环境下基于多目标粒子群算法进行求解,并进行数值仿真模拟。仿真结果显示,经过多目标参数优化后各目标值明显减小,表明基于多目标粒子群算法的滑模控制器参数优化显著地改善了汽车的乘坐舒适性和行驶稳定性,为汽车主动座椅悬架系统的研究提供了理论依据。     

基于粒子群优化的主动悬架最优控制研究

针对主动悬架最优控制器LQG的加权矩阵Q和R参数主要由人工调整来确定,不仅费时,而且无法保证获得最优的权重矩阵。本文采用粒子群算法对LQG的控制参数进行优化。通过利用粒子群算法的全局搜索能力,以主动悬架性能指标为目标函数对加权矩阵进行优化,以提高LQG的设计效率和性能。在Matlab/Simulink环境中进行仿真分析,结果表明:与传统的LQG控制比较,基于粒子群优化的LQR控制器使主动悬架的车身垂直加速度、悬架动行程和轮胎动位移的均方根值均得到降低,可以使车辆获得更优的乘坐舒适性和操作稳定性。     

基于粒子群优化的主动悬架PID控制策略

针对汽车主动悬架比例-积分-微分控制器(proportional-integral-derivative,PID)参数选择问题,传统PID控制参数整定具有一定的盲目性.设计了粒子群优化算法,目标函数根据悬架性能指标建立,利用粒子群优化算法,优化了PID控制器中的参数.结果表明,与优化前PID控制的主动悬架相比,采用粒子...     

基于粒子群算法的自适应多目标优化

本文描述了一种新颖的基于粒子群的多目标优化方法,即自适应多目标粒子群优化。该算法采用自适应的方法,使惯性权重和加速度系数随时间的变化而改变,从而有助于算法更有效的探索搜索空间。对三个典型多目标测试函数所作实验的结果验证了该方法的有效性和快速性。     

多目标粒子群优化算法研究

在过去的十多年,粒子群算法对多目标优化问题的应用研究取得了较大的进展．本文首先描述多目标粒子群优化算法（MOPSO）的基本流程,然后从算法设计与应用等方面回顾MOPSO的研究进展,最后对该算法未来的研究进行了分析和展望.     

基于作动器故障的整车主动悬架容错控制

针对7自由度整车模型中主动悬架作动器增益变化故障,基于控制律重组提出一种主动容错控制方法。建立主动悬架7自由度整车模型和故障悬架模型。设计鲁棒观测器,获得输出残差,实现主动悬架故障检测和作动器故障增益在线诊断。在LQG控制器和在线诊断基础上,基于控制律重组调整LQG控制律设计容错控制器,实现故障悬架主动容错控制。Matlab/Simulink仿真结果表明,基于控制律重组的主动容错控制能使汽车故障悬架舒适性指标经0.5~2 s时滞逐渐恢复至与无故障主动悬架性能相接近水平,消除作动器故障影响,提高整车悬架控制可靠性。     

基于多目标粒子群优化算法的输电网规划

输电网规划是一个离散型、非线性、多目标的混合整数规划问题,难于求解.提出一种多目标粒子群优化算法用来求解输电网规划问题.在输电网规划模型中考虑了建设投资费用、运行费用及网损费用等3方面的因素.多目标粒子群优化算法基于Pareto支配关系来更新粒子的个体极值,并采用了精英归档技术,粒子的全局极值由档案库中的非劣解提供.使用Matlab7.1对Garver-6节点系统进行仿真计算,结果表明:与传统的单目标遗传算法相比,多目标粒子群优化算法获得的规划方案总费用更低,该方法可以提高输电网规划的经济性水平.     

基于密集距离的多目标粒子群优化算法

设计出基于密集距离的多目标粒子群优化算法(CMPSO),该算法根据密集距离大小按轮盘赌方式为每个粒子从外部档案选取全局最好位置并采用基于密集距离的方法对外部档案进行维护.将算法应用于3个复杂的测试实例,并与强度Pareto进化算法2等算法进行比较,计算结果表明CMPSO具有良好的连续优化能力.     

基于多目标粒子群优化的服务选择算法

基于多目标粒子群优化算法提出一种高效的服务选择算法(MOPSOSS).首先将服务选择问题建模为带QoS约束的多目标组合优化问题;其次,根据支配的概念构造远小于原子服务集的新子服务集;最后基于多目标粒子群优化算法求解由新子服务集构成的服务选择问题,从而获得一组满足约束的pareto最优解.理论分析表明,MOPSOSS能正确、高效地求出原问题的全局最优解.与遗传算法(GA)的对比结果表明当问题规模大于150时,MOPSOSS的平均运行时间仅为GA的7%,求出的解的个数是GA的1.15倍,75%的解能支配GA求出的解,分布广度是GA的1.5倍.随着约束强度的增加,MOPSOSS的平均运行时间减少,而解的质量并无显著下降.与GA相比,MOPSOSS能用更短的时间求出更多高质量的解.     

基于多目标粒子群协同算法的状态参数优化

针对铅锌烧结过程综合透气性、烧结终点的优化具有强非线性、计算复杂等特点,提出了一种有效的多目标粒子群协同优化算法。首先,建立了有综合透气性、烧结终点两个目标的优化模型。接着,通过改进的约束比较方法、粒子极值选取方法,以及利用不同的粒子群来分别优化相应的变量,提出了一种改进的多目标粒子群协同优化算法。最后,利用提出的多目标优化算法进行综合透气性、烧结终点的优化。仿真结果表明,所提出的多目标优化算法能较好地解决综合透气性、烧结终点的优化问题。     

基于粒子群优化算法的环状管网优化设计

给水工程中环状管网的优化设计对于降低整个工程造价起到重要作用.基于粒子群优化算法的基本原理,引入了无纲量化的新理念进行建模,寻求目标函数w0(管网年费用的折算值)在水力约束条件下的最小值.采用粒子群优化算法求解该非线性规划模型.算例结果表明算法及其模型在环状管网优化设计中是非常有效的.计算的时间复杂度降低了26.89%左右,充分体现了粒子群优化算法具有较强的寻优能力.     

基于量子粒子群优化算法HAPF参数的多目标优化

文章用一种量子粒子群优化算法对混合型有源电力滤波器(HAPF)参数进行多目标优化设计,优化目标包括系统的投资成本、无功补偿和滤波效果等,该算法解决了HAPF系统的参数匹配以及无源、有源容量的分配问题。实验中该算法寻优速度较快,THDU、THDI分别降低到1.9%和2.0%,APF容量仅占混合滤波器容量的8.1%,使HAPF在电能质量综合治理中实现了既有效又经济的目的。     

基于加点多目标粒子群算法的碳纤维防撞梁优化设计

为了达到车辆轻量化的效果,基于某轻型乘用车钢制防撞梁,根据车辆低速碰撞标准对采用碳纤维材料的防撞梁进行结构优化设计 . 通过全因子试验确定防撞梁的截面参数,考虑到各铺层区域之间厚度不同导致的材料不连续问题,提出了基于铺层相容性的铺层原则,并以此确定防撞梁的厚度空间和对应的铺层顺序 . 在对防撞梁的铺层厚度进行优化设计时,采用基于 kriging模型的加点多目标粒子群优化算法,在传统粒子群算法的基础上引入多目标加点策略,能够有效解决由于近似模型精度不够导致的重复试验设计,提高了优化效率. 优化设计后的仿真和台车试验表明,碳纤维防撞梁低速碰撞性能满足要求.     

基于粒子群算法的麦弗逊悬架硬点优化

文章依据空间解析几何法构建麦弗逊悬架的数学模型,通过与ADAMS模型的对比,验证了模型的精度;采用Screening法和正交试验筛选出对悬架特性有显著影响的硬点坐标,拟合得到各定位参数的响应面函数;依据目标规划法确定各目标函数的加权因子,确定多目标优化模型;基于粒子群优化(particle swarm optimization,PSO)算法实现悬架硬点坐标的多目标优化。结果表明,轮跳试验中,优化后的车轮定位参数变化量比优化前减小了18.10%~30.32%,验证了该文提出的麦弗逊悬架硬点优化方法的有效性。     

基于粒子群算法的牵引逆变器多目标优化控制策略

为解决中点钳位型三电平牵引逆变器存在的中点电位不平衡以及由此而引起的输出电流谐波无法同时得到有效控制问题,提出了一种基于粒子群算法的牵引逆变器多目标优化控制策略。首先建立谐波抑制和中点电位平衡控制变量的数学模型;然后以输出电流谐波总畸变率最小为目标,以中点电位波动幅值尽可能小为约束条件,采用罚函数法构建了多目标优化模型。通过粒子群算法进行优化求解,实现在有效抑制输出电流谐波的同时最大程度降低中点电位波动幅值。仿真和实验结果验证了所提多目标优化控制策略的有效性。     

基于多目标粒子群算法的卫星结构动力学优化

针对卫星结构的多目标动力学优化问题,在其优化过程中建立了一种多目标粒子群优化(MOPSO)算法.该算法采用惯性权重递减策略,对违反约束的粒子给予不同惩罚,并在算法后期引入变异算子,增强种群的多样性,使算法更好地进行全局寻优.结合支持向量机近似模型,将MOPSO方法用于卫星结构动力学优化,并与多目标遗传算法(NSGA-II)的结果进行了对比.数值结果表明,MOPSO可以有效地搜寻优化问题的Pareto前沿,具有良好的分散度和均匀性.     

基于密度聚类的多目标粒子群优化算法

提出了一种基于密度聚类的领导粒子选择策略的多目标粒子群优化算法。首先,将粒子进行分类;然后,对外部档案采用改进的循环拥挤距离排序,并将高斯变异引入到进化种群,在保持具有全局搜索能力的同时,也避免了陷入局部最优。对WFG系列测试函数的仿真结果表明,与经典多目标优化算法相比,本文算法在解的收敛性和多样性等方面有显著的提升。     

基于改进粒子群算法的水泵水轮机多目标优化

为了提高带有长短叶片结构的水泵水轮机机组在运行中泵工况的运行效率,先对粒子群优化(PSO)算法进行线性变化的惯性权重及变化学习因子的改进,然后用改进PSO算法对水泵水轮机转轮结构进行优化.采取试验和数值模拟相结合的方式,以提高水泵水轮机泵工况的效率与扬程为目标,用近似模型和改进PSO算法结合的方法对转轮9个结构参数进行...     

区间多目标粒子群优化算法及其应用

提出了一种区间多目标粒子群优化(IMOPSO)算法,用于解决多目标下区间变量的优化问题.基于区间可信度定义两个区间解的占优关系,通过归一化方法和区间拥挤度距离对Pareto最优解排序,并设立归档机制,利用外部存储器保存Pareto最优解集.针对有界误差系统的建模问题,提出了基于IMOPSO算法训练区间神经网络(INN)模型参数的建模方法,解决了误差界已知和误差界未知两种情况下的有界误差系统建模问题.最后,以一阶不确定系统为例,利用所提算法进行了建模仿真,验证了建模方法的有效性.