基于改进粒子群算法的约束广义预测控制算法

摘 要：提出了一种基于PSO-Powell算法的广义预测控制算法,利用PSO与Powell进行二次搜索来求取广义预测控制的最优控制率。将PSO-Powell算法引入到广义预测控制的滚动优化过程中,约束条件函数和适应度函数一起判断最优解的优劣。该算法可以有效地处理约束并找到全局最优解。最后通过仿真验证该方法的有效性。     

基于GA参数优化整定的PI型广义预测控制

针对PI型广义预测控制比例因子和积分因子参数整定困难,提出了基于遗传算法参数优化整定的PI型广义预测控制(GAPIGPC)。PI型广义预测控制(PIGPC)采用预测技术克服时变时滞,用PI(PID)控制技术加强系统的鲁棒性,极大程度地减少了模型失配的影响。由于其参数的优化设计是一个组合优化问题,而遗传算法是一类可用于复杂系统优化计算的鲁棒性算法,并为组合参数整定及优化提供了一个有效的手段。仿真实例表明,该算法具有较好的鲁棒性和抗干扰性。     

基于DE-GRNN算法的布里渊散射谱拟合

为了提高布里渊光时域分析(BOTDA)型分布式光纤传感技术的布里渊散射谱特征提取精度,提出一种基于差分进化算法(DE)优化广义回归神经网络(GRNN)的曲线拟合算法,通过利用差分进化算法实现对广义回归神经网络的光滑因子自动寻优,减少人为测试的繁杂性。仿真实验结果显示,该混合优化算法在不同信噪比及线宽的条件下,对布里渊散射谱具有较好的拟合度,最佳拟合度可达0.99以上,最小均方根误差为0.012 0,拟合性能优于传统布里渊散射谱拟合算法。     

基于SaCE-ELM的地铁牵引控制单元快速故障诊断

地铁牵引控制单元(TCU)在地铁运行过程中有重要的作用,及时有效地对其进行故障诊断,是保证地铁正常运行的重要环节.针对传统故障诊断方法的学习速度慢、易陷入局部最优、预测精度较差等缺点,提出一种使用自适应差分进化算法(SaCE)进行优化的极限学习机(SaCE-ELM),即通过自适应差分进化算法对极限学习机的输入权重、隐含层参数和输出权重进行优化.其中,差分进化算法的变异策略通过基于混沌序列的自适应机制产生,其他参数使用正态分布随机生成;网络的输出权重使用Moore-Penrose广义逆矩阵计算得出.SaCE-ELM不需要人工选择变异策略和参数,自适应策略比SaE-ELM更加简单.实验结果表明,与E-ELM、SaE-ELM、LM-NN、SVM相比,SaCE-ELM具有更好的预测精度.此外,SaCE-ELM在所有数据集上训练时间比SaE-ELM和SVM更少,有效地改善了生成模型的效率.     

粒子群优化算法在非线性模型预测控制中的研究应用

提出了一种基于粒子群优化算法(PSO)的非线性模型预测控制（NMPC）。作为NMPC重要组成的滚动优化部分对控制效果的好坏起着关键的作用,因而寻求一种可靠的优化算法十分必要。PSO算法是一种群集智能方法,通过粒子之间的合作与竞争及进化实现对多维复杂空间的高效搜索,属于一类随机全局优化技术,已成功应用于各科学和工程领域。本文在滚动优化部分应用粒子群优化算法来求解预测控制律,对非线性系统施加优化控制,此外,对常规线性递减加权因子ω策略进行了讨论,提出了非线性递减策略,可进一步缩短优化时间和优化精度。仿真实验效果良好,验证了这种优化算法的正确性和有效性。     

广义预测PID控制算法

本文根据广义预测控制(Generalized Predictive Control,简写GPC)与PID控制控制律结构的相似性,通过对广义预测控制性能指标函数中控制加权序列Qj(z-1)的配置给定,导出了具有PID算法结构的广义预测控制律。从而借助广义预测控制算法参数的递推关系链,自动优化整定PID调节参数,并实施广义预测PID控制。     

基于遗传监督的受限预测控制及其在热工控制中的应用

将普通的预测控制优化方法与遗传算法的优化方法有机地融合起来,用遗传算法来监督整个优化过程.当由普通广义预测控制GPC所计算出的控制作用能满足受限条件时,就直接采用所算出的控制作用;当由普通GPC获得的控制作用突破受限条件时,直接启动遗传优化算法,在约束范围内搜索控制作用的最优解.通过计算实例并与其他已有控制算法进行了详细的比较,其结果表明本文所提出的基于遗传监督的受限预测控制算法在控制系统品质、算法复杂性及实时性方面均具有明显的优点.     

基于差分进化算法的卫星轨道计算方法

针对卫星轨道预测中的不可微、函数性质复杂、高维度传统优化算法失效的问题,提出了基于差分进化算法的卫星轨道预测方法.通过建立不同运动轨迹的卫星运动模型,构建最小化目标函数,根据种群个体进化特点,选取差分进化算法参数和进化策略.通过对椭圆轨道、双曲线轨道、抛物线轨道的全局近点角计算,表明差分进化算法在卫星轨道预测问题上是有效的.通过该算法与其他算法的比较,可以看出该算法有一定的优势.     

基于PSO算法的HVAC系统LSSVM预测控制

针对暖通空调(HVAC)系统,提出一种基于粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)的预测控制方法。该方法利用LSSVM建立HVAC系统预测模型并预测系统的输出值,引入输出反馈和偏差校正以克服模型失配等因素引起的预测误差,以此构造加权预测控制性能指标。由PSO算法滚动优化得到系统的最优控制量。利用该控制方法对一个HVAC系统进行仿真实验,结果表明该方法具有较好的控制效果。     

基于遗传算法优化因子的灰色PI预测控制

针对灰色PI预测控制比例因子和积分因子参数整定困难,提出了基于遗传算法参数优化整定的PI型灰色广义预测控制(GPIPC)。灰色PI预测控制(GPIGPC)采用灰色预测控制技术克服时变时滞,用PI(PID)控制技术加强系统的鲁棒性,运用遗传算法在线优化整定灰色PI预测控制的比例因子和积分因子,增强了系统的跟踪特性和抗恒值扰动特性,极大程度地减少了模型时延失配和模型增益失配的影响。仿真实例表明,该算法具有较好的鲁棒性和抗干扰性。     

基于正态变异的思维进化计算

将正态变异引入到思维进化计算中, 提出了一种新的基于正态变异的思维进化计算.在算法中采取了自适应策略.试验结果表明该算法具有高效的收敛速度, 并能收敛到全局最优点.与遗传算法(Genetic Algorithm, GA)和传统的思维进化计算(Mind Evolutionary Computation, MEC)进行比较分析, 该算法收敛速度更快, 收敛率更高.     

一种新的基于MEA的自适应模糊控制器

针对两输入一输出的典型模糊控制器，提出了MEA-FUZZY自适应控制策略，采用MEA对模糊控制系统的5个相关参数进行优化，实现了输出比例因子的在线调整，并在分析规则表的基础上调整了模糊隶属函数，从而使该自适应模糊控制器的整体性能接近最优。仿真结果表明，该控制系统结构合理，优化方法简单有效，控制品质优良，同时具有较强的适应性和鲁棒性。     

Evolvable Hardware Based Software-Hardware Co-Designing Platform ECDP

Based on the theories of EA （Evolutionary Algorithm） and EHW （Evolvable Hardware）, we devise an EHW based software-hardware co designing platform ECDP, on which we provided standards for hardware system encoding and evolving operation designing, as well as circuit emulating tools. The major features of this system are： two layer-encoding of circuit structure, off-line evolving with software cmulation and the evolving of genetic program designing. With this system, we implemented the auto designing of sonic software-hardware systems, like the random number generator.     

基于思维进化计算的一种广义进化模型

本文在遗传算法 (GeneticAlgorithm ,简记GA)与思维进化计算 (MindEvolution aryComputation ,简记MEC)的基础上 ,提出了一种广义进化模型 (GeneralizedEvolutionaryModel ,简记GEM)。该模型用微演化与宏演化两个过程 ,分别模仿人类的思维学习方式与自然进化 ,并通过概率趋同、信息迁移、自适应变异算子将两个过程有机的结合起来 ,从完全意义上模仿了人类的进化。该模型既能有效地克服遗传算法的本质缺陷 ,又能拓展思维进化计算的理论基础及应用范围。数值优化的仿真结果证明了该模型的有效性     

采用MEA-AdaBoost-BP模型的工程结构可靠性分析方法

针对工程结构可靠性设计中算法和计算存在的问题,提出基于MEA-AdaBoost-BP神经网络算法模型的可靠性求解方法. 运用思维进化算法(MEA)求解训练集权值和阈值优化的BP神经网络,并构造为弱预测器函数.然后,运用AdaBoost算法将多个优化后的BP神经网络弱预测器函数迭代训练,形成MEA-AdaBoost-BP神经网络算法模型强预测器函数. 最后,利用逼近隐性功能函数求解可靠性指标,并将其与AdaBoost-BP算法和Monte-Carlo算法进行比较.研究结果表明:所提算法在计算中与Monte-Carlo算法相比,其迭代次数分别仅为16次和46次,效率高,计算精度与Monte-Carlo法接近;而和AdaBoost-BP法相比,其可靠性指标误差分别仅为1.59%和1.88%,计算结果更精确.     

Parameter optimization of electric bus transmission system based on dynamical evolutionary algorithm

The transmission ratio is the key parameters influence power performance and economic performance of electric vehicle (EV). As a class of heuristic algorithms, Dynamical Evolutionary Algorithm (DEA) is suitable to solve multi-objective optimization problems. This paper presents a new method to optimize the transmission ratio using DEA. The fuzzy constraints and objective function of transmission ratio are established for parameter optimization problem of electric bus transmission. DEA is used to solve the optimization problem. The transmission system is also designed based on the optimization result. Optimization and test results show that the dynamical evolutionary algorithm is an effective method to solve transmission parameter optimization problems.     

环型配网优化规划的遗传算法

直接使用闭环结构约束,采用遗传算法对仅有2个变电站的环型配网进行优化规划.在配网优化规划的同时考虑到了结构上的环状约束和运行上的辐射状约束.首先介绍了环型配电网优化规划中采用的数学模型,然后介绍了遗传算法理论及其在环型配电网中的应用,并使用Visual C 编程语言,设计、开发环型配网优化规划软件.最后通过对一个17节点的试验系统的优化规划,验证了方法的实用性和有效性.     

基于进化理论的用户流失预测分析

针对移动通信公司的经营分析系统, 结合数据挖掘技 术, 阐述了客户流失预测的过程, 并探讨了进化理论和连续数据离散化的相关问题, 提出了 EACA（Evolutionary Algorithm for Churning Analysis）算法, 用于解决移动通信这样一个有庞大离网规则数据库中规则的发现问题.     

一种改进遗传算法及应用

提出一种改进遗传算法．它是以实数编码，采用自适应Pc、Pm与固定的Pc、Pm相结合，引入生物进化编程（EP）思想，利用不同形式的评判函数，完成遗传操作．实验表明，该改进遗传算法具有快速、有效的特点，提高了GA的优化能力．     

一种新的免疫克隆选择算法

提出了一种新的人工免疫系统算法——免疫克隆选择算法,描述了算法的操作过程.采用函数优化仿真实验与进化算法进行比较,结果表明免疫克隆选择算法收敛速度快,求解精度高,稳定性好,并能有效地克服早熟问题和骗问题.