一种快速收敛的遗传算法及其应用

为了解决遗传算法的收敛速度和全局收敛性之间的矛盾,提出了一种快速收敛的遗传算法,即“适应度缩放”加“有偏外来移民”的遗传算法。将该方法应用于柔性结构振动主动控制中的作动器／传感器位置及反馈增益的优化,其优化效果明显优于传统的优化算法。数字仿真结果表明,对于复杂非线性约束优化问题,该遗传算法具有较好的快速收敛性和全局收敛性,由优化了位置的作动器／传感器和优化增益的控制系统具有良好的减振效果。     

解非线性方程组的拟牛顿混合遗传算法

利用熵函数将非线性方程组转化为一个极小值优化问题。结合拟牛顿法和遗传算法的优缺点,提出了一种求解非线性方程组的拟牛顿混合遗传优化算法。该方法不仅有效发挥了遗传算法在进化初期的群搜索能力,而且利用了拟牛顿法的局部精搜索性能,克服了遗传算法在后期易陷入局部收敛的缺陷,提高了算法整体寻优效率。计算机仿真表明,该算法对非线性方程组的求解具有较好的稳定性和较高的收敛精度。     

基于遗传算法的非线性系统参数优化方法

提出了一种基于遗传算法的非线性系统参数仿真优化方法，解决了非线性系统参数优化问题，由于遗传算法是在解空间的多个区城内进行搜索，能以较大的概率跣出局部最优，因此可找到整体最优解。仿真结果表明，该方法是一种有效的非线性系统参数优化方法。     

基于遗传算法的结构振动主动控制优化方法

在结构振动主动控制的研究中,控制能量是限制其广泛应用的瓶颈。为减少控制系统所需能量,有必要对结构进行优化设计,而传统的优化方法对于振动主动控制系统的优化不太适合。为此,在杂交遗传算法和实代码遗传算法的基础上,开发了一种改进的杂交遗传算法,该算法不仅可以计算含不等式约束的优化问题,而且可以处理含线性等式的优化目标问题。最后给出了计算实例来说明所提方法的有效性。     

基于遗传算法的水污染控制系统规划

根据干旱地区的具体特点 ,建立了适宜于该地区的污水处理费用函数 ,结果表明干旱地区的污水处理费用要明显地高于其它地区。以新疆乌鲁木齐市水磨河流域的水污染控制系统为例 ,对干旱地区水污染控制系统规划进行了初步探索。依据水磨河流域的水文特性以及污染物类型 ,建立了该流域的水污染控制系统规划模型 ,利用遗传算法求解污水排放口的优化问题。计算表明遗传算法一般可以得到优化问题的全局最优解或准最优解 ,它是一类较为优越的非线性函数优化方法     

改进量子遗传算法求解非线性方程组

非线性方程组的求解在科学技术和工程应用中经常遇到。将非线性方程组的求解问题转化为函数优化问题,并应用改进量子遗传算法求解此优化问题。数值模拟的结果验证了该方法的可行性和有效性。     

分层多目标非线性预测控制

为避免加权系数方法和字典序方法各自在多目标动态优化中的缺点,提出了基于分层思想的多目标非线性预测控制器框架结构,并以改进的遗传算法实现了该控制器。为降低在线非线性多目标优化的计算量,控制器采用了阶梯式控制策略。以双容水箱为对象的仿真控制实验,结果验证了该控制器在多目标非线性控制中的性能。     

遗传算法的改进与应用

遗传算法不依赖于具体问题,作为优化方法用于决策支持系统有其明显优势．通常的遗传算法是一种求解非线性无约束优化问题的迭代自适应启发式概率性搜索算法,对于约束优化问题一般采用罚函数法将其化为无约束情形后再运用遗传算法求解．文中提出的基于浮点编码的改进算法,通过构造交叉与变异操作,可用来求解一类约束非线性优化问题．该方法已用于一个决策支持系统,取得了较好的效果     

材料非线性问题的遗传算法与神经网络耦合分析

基于遗传算法的全局最优化功能以及BP网络的非线性映射功能，提出了用于结构非线性分析的遗传算法与神经网络耦合分析方法。该方法是利用遗传算法的全局优化功能搜索BP网络各神经元之间的连接权值。以受内压的厚壁圆筒为数值算例，利用建立的遗传算法与神经网络的耦合分析方法进行弹塑性分析。计算结果表明该方法是有效的，具有较高的计算精度和计算效率。     

基于遗传算法的一类非线性系统的变结构控制

针对不确定性的非线性控制系统,提出了一种基于遗传算法的滑模变结构控制方法.采用遗传算法实时调整切换面参数和趋近律系数,构造出最佳切换函数和指数趋近律,使得系统不仅能快速到达切换面,增强了系统的鲁棒性,而且消除了系统抖振,实现了完全跟踪,改善了控制系统的性能.通过对倒立摆系统进行仿真,结果表明该控制方法的有效性.     

一类单输入单输出非线性系统全局有限时间输出反馈控制

运用高增益方法、几何齐次理论、李雅普诺夫理论和有限时间稳定理论,研究了一类单输入单输出非线性系统的全局有限时间输出反馈控制问题,设计了由线性部分和非线性部分构成的输出反馈控制器。其中,线性部分的作用是确保闭环系统的零解是全局渐近稳定的,而非线性部分的作用是确保闭环系统的零解是局部有限时间稳定的。最后,仿真实例验证了所设计的控制器的有效性。     

基于遗传算法的稳定自适应模糊控制器的优化

采用模糊动态模型,对连续时间的高阶非线性系统进行了模糊控制。通过模糊推理,选择起主导作用的局部子系统的状态反馈控制,并作用于整个系统。利用大系统分散控制关联稳定性的概念和方法,得到了闭环模糊系统稳定的充分条件,并在此基础上给出了对模糊控制器进行优化设计的一种遗传算法实现策略。同时,仿真例子也验证了该设计方法的正确性。     

精确反馈线性化中虚拟输出函数的求解与应用

为使精确反馈线性化方法得到更广泛的应用,给出虚拟输出函数的简便求解方法．首先将虚拟输出函数的求解转化为偏微分方程组的求解,然后针对这类偏微分方程组的特点提出仿照求解齐次线性方程组的方法可以简便的求出虚拟输出函数．利用该方法为非线性舵鳍联合系统实现了状态反馈线性化,并基于闭环增益成形算法设计了非线性鲁棒控制器,仿真表明该控制器对原非线性系统能起到良好的控制作用．该方法简单、实用,对于状态反馈线性化的实现具有一定的指导意义．     

Feedback Linearization H∞ Control and Its Application to Excitation Systems

This work presents a new design method based on differential geometry and the nonlinear H∞ approach which has verified that the H∞ control for the feedback linearization system is equivalent to a nonlinear H∞control for the primitive nonlinear control system in the sense of differential game theory. In addition, this kind of design method is used for nonlinear robust optimal excitation control of a multi-machine system. The controller constructed is implemented via purely local measurement. Moreover, it is independent of the parameters of power networks. Simulations are performed on a single-infinite system. It has been demonstrated that the nonlinear H∞ excitation controller is more effective than the other nonlinear excitation controller in dynamic performance improvement for variation of operational states and parameters in power systems.     

定位平台非线性摩擦的神经网络补偿

提出了一种基于BP神经网络的机械伺服系统非线性摩擦的补偿方法，根据方法设计出一种将经典的PD控制与神经网络控制相结合的控制器，该控制器既有PD控制的优点，又能神经网络逼近非线性函数的能力，较好地补偿了系统中的非线性摩擦和外部扰动，应用Lyapunov稳定性定理，证明了系统的稳定性，并得到系统跟踪差的边界值，采用刚毛摩擦动力学模型，对X－Y定位平台进行仿真和实验，结果表明该控制器能够补偿系统的非线性因素，保证了系统的稳定，减少了跟踪误差，该方案控制效果明显优于PD控制，可用于工业设备的控制中。     

一类非线性滞后系统的自整定PID控制

针对采用传统PID控制一类非线性滞后系统,难以获得满意的控制效果,提出基于RBF神经网络的PID控制参数自整定的方法.利用具有在线能力的最近零聚类学习算法,训练RBF神经网络,从而自适应调整系统的控制参数.仿真结果证明了,该控制策略不仅能使非线性滞后系统具有良好的动态跟踪性能,而且具有很好的抗干扰能力.     

分层遗传算法在DC/DC变换器中的应用

DC／DC变换器为强非线性、时变及不确定系统．由于其自身的特点,使得DC／DC变换器的控制研究工作比较困难．文中提出一种用遗传算法优化的模糊控制器,控制DC／DC变换器．对传统的遗传算法进行改进．使之优化能力更好．由仿真和实际试验证明,经过改进的遗传算法优化的模糊控制器,对DC／DC变换器的控制效果更显著,动态特性和静态特性都得到进一步改善．同时说明所介绍的自适应遗传算法的寻优能力更好,收敛速度也更快．     

非线性系统神经模糊自适应控制的问题与策略

针对具有未知动力学的机械臂系统 ,提出一系列神经模糊自适应控制方法。提出神经模糊动态逆稳定自适应控制方法 ,该方法使用动态神经模糊系统逼近非线性动态系统 ,设计的动态逆控制器可以通过参数的设定保证闭环系统在初始控制段的动态性能 ,而无需事先要求机械臂状态位于某一紧集的假设。结合延时神经模糊网络 ,引入降维观测器估计输出重定义后机械手的速度矢量 ,从而建立了非线性系统的控制器观测器设计的新方法。采用了动态逆和“Back-stepping(后退 )”的技术 ,将以上方法成功推广到了考虑执行电机动力学特性的柔性连杆机械臂问题上     

基于零动态原理的TCSC非线性控制器

基于微分几何控制理论,利用零动态响应方法设计TCSC(thyristor-controlled series compensation)控制器,用于抑制线路的功率振荡．设计的控制器只需要依赖于TCSC自身的动态方程,包括装置的固定和可调电抗参数,装置的动态时间常数,并只须反馈本地的测量信息,实现简单,鲁棒性强,能够适应系统的运行方式的变化．仿真结果表明,该非线性控制器具有较好的抑制线路功率振荡的作用,能够提高系统运行的稳定性．     

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。