基于粒子群算法的H∞鲁棒控制器设计研究

H∞鲁棒控制器的设计通常依赖于设计人员反复试凑权函数,不但耗费大量时间,而且控制系统的性能好坏取决于设计人员的经验。针对权函数的选取问题,提出了一种采用粒子群算法(PSO)优化权函数,进而优化H∞鲁棒控制器的设计流程;不仅优化了H∞鲁棒控制器的性能指标,而且减少了设计人员的重复劳动,加快了设计工作的进程。最后,以某地空导弹俯仰通道为例,设计了H∞鲁棒控制器。仿真结果表明:所设计的H∞鲁棒控制系统时域和频域特性良好,并具有较强的鲁棒性,能够克服动力学系数的不确定性。     

基于时域和频域特性的多目标H2/H∞优化控制

应用基于多目标的克隆选择算法,求解具有稳定极点并满足时域动态性能指标的H2／H∞混合多目标控制器．把这一算法应用于汽车四轮转向系统的鲁棒控制器设计中,设计出的鲁棒控制器实现了上述三目标．与用线性矩阵不等式方法解得的控制器相比,这种算法求得的控制器具有更好的性能．     

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.     

多目标最优化的粒子群算法

粒子群算法是一种新出现的进化算法,相对其它进化算法,它收敛速度快、规则简单、易于编程实现.采用粒子群算法对资产投资的多目标问题进行优化,解决了传统方法难以解决的问题.数值实例表明,采用该算法能对资产投资问题做出优化组合决策.     

基于表现型共享的多目标粒子群算法研究

在多目标粒子群算法中,粒子的飞行由自身的最优位置和指导粒子决定,如何定义适应度选出合适的指导粒子,指导搜索过程向全局Pareto最优区域飞行,并保持种群在最优前端的多样性是算法的关键问题.针对上述问题,构造了同时考虑粒子的Pareto占优情况和目标空间邻近密集度的表现型共享适应度函数,在此基础上提出一个基于表现型共享的多目标粒子群优化算法(MOPSO).为了验证算法的有效性,采用占优等级指标来分析近似解集的占优情况,并采用EPS、HYP和R2指标来衡量解集的分布情况.实验结果表明,算法具有较强的全局搜索能力,能在较小的计算代价下获得较好的Pareto前端近似.     

分散H_2/H_∞鲁棒控制的LMI方法

应用线性矩阵不等(LMI)方法研究大系统分散 H_2/ H_∞ 控制问题。首先描述了分散H_2/ H_∞状态反馈控制问题,然后提出了存在分散H_2/ H_∞ 状态反馈控制器的参数化定理和两种基于LMI的设计方法:直接LMI方法和迭代LMI(ILMI)方法。所获得的控制器具有块对角结构,闭环系统稳定且能优化闭环系统的H_2/ H_∞性能指标。作为该方法的推广,也探讨了分散H_∞控制器的设计问题。最后用示例说明了两种方法的应用。     

基于LMI的建筑结构地震动H2/H∞混合控制

从H∞干扰抑制理论出发,基于线性矩阵不等式（LMI）多目标控制理论,设计出H_∞控制器和具有H2性能指标的H₂/H_∞混合控制器,通过平衡H2性能和H∞性能关系,使得结构的加速度响应得到进一步减小.最后通过算例证实了这些控制器对地震作用的抑制性能.     

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.     

一种离散型多目标粒子群优化算法

为获得更好的非劣前端,提出一种离散型多目标粒子群优化算法。该算法根据离散型多目标优化问题的特点,将种群分成多个子种群,在各个子种群中利用表现型共享的适应度函数选择每个子种群的最优粒子。通过多个最优粒子的引导,使整个种群分布更均匀,避免陷入局部最优,保证了解的多样性。实验表明了该算法的有效性。     

基于小波的混合H2/H∞鲁棒控制数值解法

基于小波基函数的正交逼近特性及运算矩阵,提出了一种求解混合H2／H∞鲁棒控制问题的新方法。该方法利用离散小波快速算法的数值矩阵,将原问题转化为代数矩阵问题,避免计算耦合Riccati微分方程,适合于计算机求解。文中给出了计算实例,计算结果令人满意。     

基于改进多目标粒子群优化算法的发酵过程补料优化控制

提出了一种基于改进多目标粒子群优化算法(MOPSO)的发酵过程补料优化控制方法,并将该方法用于工业酵母发酵过程补料速率的优化控制。改进的MOPSO算法利用约束违反程度信息修正种群的学习进化公式,减缓了部分粒子在约束边界附近的飞行速度,提高了算法的全局搜索能力。仿真实验结果表明,改进的MOPSO算法能够获得最优的补料轨迹,有效地实现了工业酵母发酵过程补料速率的多目标优化控制。     

基于双决策和快速分层的多目标粒子群算法

针对粒子群算法在求解多目标优化问题时存在的收敛性不足和多样性缺失等问题,提出一种基于双决策和快速分层的新型多目标粒子群算法(DDFSMOPSO);在该算法中,采用外部存档对迭代产生的非劣解进行存储,并利用拥挤距离和绝对距离相结合的双决策策略对外部存档规模进行维护,使得优秀粒子在随后的进化过程中易于保留和发展;同时,采用...     

基于Maximin的动态种群多目标粒子群算法

针对粒子群优化算法在处理多目标函数优化问题的过程中,往往会出现局部收敛现象,在MOPSO算法基础上提出了一种新的多目标粒子群优化算法.该算法在运行过程中采用动态调整粒子群种群数目的方式使粒子摆脱局部最优解对其的吸引;同时为了克服粒子种群多样性降低带来的影响,将粒子的相对适应度方差引入到Maximin计算公式中.然后基于Pareto最优的概念,利用方差Maximin策略来评价最优解,并保存在可变的外部精英集中,以保证结果的分布性良好.最后,该方法在仿真中取得了良好效果,可以更广泛地应用到复杂工业多目标优化领域中.     

基于粒子群优化的多目标作业车间调度

为了利用粒子群优化算法解决作业车间调度问题，提出了将调度问题转化为连续优化问题的有效策略；设计了Pareto档案粒子群算法（PAPSO），该算法将档案维护和全局最好位置选取结合在一起，在档案维护过程中为每个粒子选取全局最好位置；给出了变异与PAPSO的结合新策略；最后将PAPSO和带变异的PAPSO应用于15个调度实例，以最小化总拖后时间和最大完成时间，与强度Pareto进化算法2等算法进行比较，结果验证了PAP—SO在作业车间调度方面的良好性能．     

一种自适应多样性保持的多目标粒子群算法

提出一种自适应多样性保持的多目标粒子群算法(ADMMOPSO)。该算法引入多样性保持阈值(λα)来控制非劣解的分布,当多样性指标高于阈值λα时,引入一种基于网格的全局最优粒子的选择策略增加种群向真实Pareto前沿收敛的概率,并提升非劣解的多样性。通过4个测试问题和3个测试标准,并与其他算法进行比较,结果表明ADMMOPSO获得了质量较高的非劣解。     

H2/H∞最优的内模控制器设计

本文针对单输入单输出(SISO)对象提出了H2/H∞最优的内模控制器设计方法,这种方法能使系统的模型输出误差最小化.对多输入多输出(MIMO)对象,则采用H2优化法进行前馈补偿解耦,对解耦后的系统,便可应用SISO的方法控制.     

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。