基于交叉算子的改进人工蜂群算法

针对人工蜂群算法存在后期收敛速度慢、局部搜索能力差和易陷入局部最优的问题,提出一种基于交叉算子的改进人工蜂群算法.该算法利用佳点集方法产生初始种群,使得初始化个体尽可能均匀地分布在搜索空间;随机选择食物源位置与当前最优食物源位置进行算术交叉操作,引导群体向全局最优解靠近,提高算法的局部搜索能力和加快收敛速度.通过5个高维标准测试函数的实验结果表明新算法的有效性.     

一种基于混沌搜索改进的人工蜂群算法

针对人工蜂群算法存在容易陷入局部最优解以及收敛速度慢的不足,提出了一种改进的人工蜂群算法.该算法在基本人工蜂群算法的基础上,根据可能解上的适应值定义搜索步长来解决陷入局部最优的问题,根据可调的参数定义食物源选择概率模型来解决收敛速度慢的问题,该选择的概率模型是基于混沌搜索定义全局最优解的搜索方法.最后,在7种不同的测试函数上对改进后的算法进行了实验测试,实验结果表明该改进算法比基本人工蜂群算法有着更高的搜索精度和较低的时间复杂度.     

基于遗传搜索策略的人工蜂群算法

针对人工蜂群算法收敛速度缓慢、容易陷入局部最优解的问题,将改进的遗传进化机制与蜂群算法相融合,提出了一种遗传蜂群算法。通过引入遗传算法的交叉变异算子,有效地增加了食物源的多样性,减小陷入局部最优的可能;采用了自适应选择食物源的机制,使蜂群在中后期更好地搜索到最优食物源所在区域,进而提高了全局搜索效率;此外,提出了在侦察蜂阶段的局部搜索策略,提高了算法进化的收敛速度。将遗传蜂群算法应用于TSP中,通过对TSBLIB中几个典型问题的实验,结果表明,提出的遗传蜂群算法具有很强的全局优化能力,在求解TSP问题中精度高,收敛速度快,且是一种解决TSP问题的有效方法。     

基于改进人工蜂群算法的多机飞行冲突解脱策略

针对同一空域内多无人机飞行冲突解脱问题,提出了一种基于改进人工蜂群算法的冲突解脱策略。在传统蜂群算法的基础上改进了跟随蜂对雇佣峰的选择概率及跟随蜂的搜索策略,发挥了迭代过程中最优解的引导作用,保持了传统人工蜂群算法全局搜索和跳出局部最优的能力,解决了传统人工蜂群算法局部搜索效率较低的问题,提升了收敛性能,增加了得到最优解的概率。利用该算法通过航向调整和速度调整2种策略实现了多机的冲突解脱。对比仿真结果验证:该方法在收敛速度、运行速度和最优解的适应度等方面都较遗传算法有很大提升。     

基于改进人工鱼群算法的PID控制器参数优化

针对基本人工鱼群算法易陷入局部极值,难以保证得到全局最优解的问题,提出基于改进人工鱼群算法的PID控制器参数优化方法,在其基础上,引入了攻击行为,即当水中的食物稀少时,鱼就会因为抢夺食物而发生攻击其他鱼的行为。通过仿真实验证明,具有攻击行为的人工鱼群算法有助于引导人工鱼跳出局部最优解域,在全局范围内搜索最优解,提高了PID控制器参数优化的效率。     

基于改进BP神经网络PID自整定的研究

随着数控技术的发展,传统的PID整定方式已经不能满足伺服系统的控制要求.利用改进共轭梯度法对BP神经网络算法进行优化.将改进BP神经网络算法应用到PID的整定中,构建改进BP神经网络自整定PID控制器.将设计好的BP神经网路PID控制器应用到伺服系统的控制结构图中.与BP神经网络自整定PID控制器,在Matalab的simulink里面进行建模仿真比较.仿真结果表明改进BP神经网络自整定PID控制器具有较好的快速响应能力、系统稳定性和抗干扰能力.     

基于改进T-S模糊神经网络的网络流量预测

为提高网络流量的预测精度,在人工蜂群算法和T-S模糊神经网络的基础上,采用一种具有差分进化搜索的蜂群算法训练T-S模糊神经网络,对网络流量进行建模预测。该算法首先利用差分进化算法的变异和交叉算子来替换人工蜂群算法中引领蜂的搜索策略,然后对人工蜂群算法中跟随蜂的搜索策略进行改进,使其在种群最优解附近产生候选食物源,该算法能较好地平衡局部搜索能力和全局搜索能力。将优化后的T-S模糊神经网络用于网络流量预测,并与T-S模糊神经网络、蜂群算法优化T-S进行比较,仿真结果表明该算法具有更高的预测准确性,从而证明该算法在预测领域的可行性和有效性。     

抽油机电液伺服加载系统的模糊PID控制

抽油机电液伺服加载系统是一种位置扰动型的施力系统 ,存在着非线性、不确定因素及由于位置扰动引起的多余力 ,传统的控制方法不能达到理想的效果 .采用模糊控制和 PID控制相结合的方法 ,用模糊推理调整 PID控制器参数 ,可以消除非线性以及位置扰动的影响 ,提高系统的精度 .在 MATLAB中对系统进行了仿真 ,结果证明了模糊 PID控制器的优越性     

基于改进人工蜂群算法的大数据优化

针对传统方法无法解决具有5 V独特属性的大数据优化问题,提出基于改进人工蜂群(Artificial Bee Colony,ABC)算法的大数据优化信号重构算法.该算法通过引导所考虑问题的现有信息来初始化食物源,在引领蜂阶段使用交叉和变异算子生成候选解,并使用轮盘赌反向选择机制生成要交叉的食物源,观察蜂采用Rechenberg 1/5变异规则来自适应地控制扰动大小,在全局最优解的邻域内提供固定的搜索操作.实验结果表明:与其他方法相比,本文算法具有更稳健的最优和平均最优目标函数值,对大数据优化问题能够产生令人满意的结果.     

基于改进人工蜂群算法的盲源分离算法

针对传统盲源分离算法收敛速度与分离性能间的矛盾,提出一种基于改进人工蜂群算法的盲源分离算法.该算法利用信号的峰度绝对值作为被优化目标函数,对人工蜂群算法中跟随蜂阶段的搜索过程进行改进,使人工蜂群算法在初始阶段可以快速收敛到最优解所在区域,具有更高的收敛精度.使用改进后的人工蜂群算法对传统盲源分离算法中的初始分离矩阵进行优化,再利用优化的初始分离矩阵进行信号分离.仿真结果表明,改进后的算法能够显著加快收敛速度并保持较好的分离性能值,较好地解决了收敛速度与分离性能间的矛盾.     

基于单片机与改进PID的智能电液伺服控制系统研究

为了实现对电液伺服系统进行快速、准确以及较为平稳的控制,提出了基于单片机与改进PID的智能电液伺服控制系统。通过对电液伺服系统的主要组成进行分析,并根据液压控制理论,得出了电液伺服系统中电液伺服阀等机构的数学模型。利用MSP单片机作为主控器,以接收位移传感器采集到的实时位移值,根据该值对电液伺服阀的开度进行控制。引入PID控制器,通过神经网络算法对PID控制器进行改进,设计电液伺服控制系统的控制策略,以实现电液伺服控制系统的智能化。通过Matlab/Simulink软件对所提方法进行了仿真实验,结果显示,所提方法不仅能够较为快速、准确地对电液伺服系统进行控制,而且控制过程较为平稳,具有良好的控制效果。     

改进人工蜂群算法的四旋翼自抗扰控制参数优化

针对四旋翼自抗扰控制(active disturbance rejection controller, ADRC)参数整定困难,给工程应用带来较大限制的问题,提出一种改进人工蜂群算法的四旋翼ADRC控制器参数优化方法。该算法采用自适应的探索策略,根据选择概率,从5种不同的搜索规则中进行选择,提高种群的多样性和寻优能力。将ADRC控制器中的参数作为蜂群中的种群应用到四旋翼无人机仿真模型中进行迭代寻优,并把风干扰模型作为环境噪声引入系统,测试算法性能。仿真结果表明,改进后的人工蜂群算法得到的控制器参数响应速度更快,稳态误差更小,抗干扰能力更强。     

卷板机电液伺服同步控制系统设计及仿真

为了提高水平下调式三辊卷板机的上工作辊同步运动精度,以及抗重负载干扰能力,采用电液伺服技术与模糊自整定PID控制器相结合,设计了一种基于主从控制策略的电液伺服同步控制方案,并进行了计算机仿真.结果表明该方案提高了同步控制精度,增强了设备抗干扰能力,为多缸同步系统提供了有效控制方法.     

电液负载模拟器神经网络辨识器及控制器设计

针对传统控制方法无法解决飞机舵机电液负载模拟器受多余力等非线性因素严重干扰的问题,给出了一种基于神经网络辨识器及控制器的复合控制结构,结合了神经网络系统辨识与自适应实时控制的工作特点。根据电液负载模拟器控制结构及工作原理,采用BP神经网络辨识器在线辨识,获得系统辨识模型以替代理论数学模型。然后,采用Adaline神经网络控制器实时控制,利用系统误差信号与BP神经网络反向递归计算Adaline网络权值调整信息,获得系统控制参数,实现复合控制器的有效监督与智能控制。最后利用MATLAB进行实验验证,仿真结果表明：该方法能够提高系统控制精度,多余力消扰率达92%;并且可以有效模拟飞机舵机所受力载荷的变化情况,实现系统指令信号快速、准确、稳定的加载。     

无模型自适应控制的电液激振台的半实物仿真

由于电液力控伺服系统具有高阶非线性、不确定、时滞及强耦合等特性,所以实际中难以获得精确的数学模型.为了解决参数的不确定性和时滞性对电液力控伺服系统的影响,本文设计了一种无模型自适应控制器.利用Simulink/Amesim对该电液力控伺服系统进行了联合仿真研究;并通过半实物仿真软件DSPACE验证控制方案的正确性、仿真结果表明,与传统PID调节器相比,无模型自适应控制具有良好的动态性能和鲁棒性,并能够很好地消除试件上的输出误差,提高输出力的的精度,使系统具有较好的适应性.     

四旋翼飞行器PID优化控制

针对四旋翼飞行器具有非线性,强耦合性,多输入的欠驱动系统的特点,研制出既能精确控制飞行器姿态,又具有较强抗干扰和环境自适应能力的控制器。为了达到更好的飞行效果,采用了传统的PID控制算法,但实际应用中需要对PID参数进行优化,提出改进的PSO算法和遗传算法相结合的优化控制方法。为了优化PID参数,首先对飞行器进行动力性建模,再利用改进的PSO算法和遗传算法作PID参数优化。仿真和飞行实践的数据表明,相对于标准的PSO算法,飞行器有更好的鲁棒性和控制效果。     

基于模糊遗传算法的电液位置伺服系统控制

电液位置伺服板簧实验系统是一个典型的非线性系统，采用传统的PID控制策略难以获得较好的控制效果。基于遗传算法的模糊遗传算法，利用遗传算法强大的空间搜索能力，对模糊隶属函数进行优化。仿真结果表明：该算法在电液位置伺服系统控制中取得了响应速度快、稳定性优越的效果。     

人工蜂群粒子滤波信道估计算法研究

人工蜂群算法是用以解决复杂优化问题的新方法,具有收敛速度快、优化性能高等特点.将人工蜂群算法与粒子滤波相结合应用于信道估计可以摆脱常规方法对线性高斯条件的束缚,具有理论依据和现实意义.结合2种算法的优势提出了人工蜂群粒子滤波,采用人工蜂群算法确定粒子滤波的建议分布.仿真将Alpha稳定分布作为非高斯噪声模型,实现了粒子滤波及其改进算法的信道估计研究.结果表明人工蜂群算法与其他智能算法相比具有更快的收敛速度,改进人工蜂群粒子滤波与无迹粒子滤波相比极大地提高了信道估计精度.     

Simulation and experimental research of digital valve control servo system based on CMAC-PID control method

Digital valve control servo system is studied in this paper.In order to solve the system problems of poor control precision and slow response time, a CMAC-PID( cerebellar model articulation control-ler-PID) compound control method is proposed.This compound controller consists of two compo-nents:one is a traditional PID for the feedback control to guarantee stability of the system;the other is the CMAC control algorithm to form a feed-forward control for achieving high control precision and short response time of the controlled plant.Then the CMAC-PID compound control method is used in the digital valve control servo system to improve its control performance.Through simulation and ex-periment, the proposed CMAC-PID compound control method is superior to the traditional PID con-trol for enhancing stability and robustness, and thus this compound control can be used as a new control strategy for the digital valve control servo system.     

基于二次插值的人工蜂群算法

人工蜂群算法是一种基于蜜蜂采蜜行为的一种优化算法.针对标准人工蜂群算法的收敛速度慢、搜索能力差、精度低的缺点。提出了一种基于二次插值的人工蜂群算法(QIABC)。保持全局搜索和局部搜索的平衡.数值实验说明了改进的人工蜂群算法在函数评价次数、收敛速度、精度和鲁棒性方面具有较大的优势,从而表明改进方法的有效性。