炮射导弹控制系统的多目标二级优化设计

建立了炮射导弹多目标二级优化模型,提出了多目标二级混合遗传优化算法.对第一级多目标函数引入Lagrange乘子向量作为协调变量,采用两级递阶协调法实现多目标的第一级优化;针对遗传算法局部优化性能较差的缺点,将遗传算法与模式搜索法相结合,采用改进的遗传算法实现了多目标的第二级优化.仿真结果表明,所提出的多目标二级混合遗传优化算法收敛速度快,所设计的控制系统性能优于基于权重系数变换法的遗传算法的效果.     

平面完全约束绳牵引并联机器人的多目标优化

针对平面完全约束的绳牵引并联机器人的多目标优化问题,给出了一种理想点法与遗传算法相结合的方法.首先以绳牵引并联机器人工作空间面积、全面刚度指标、全局灵巧度系数为优化目标,基于遗传算法进行全局优化,得到各个目标的理想点.然后采用理想点法建立多目标优化模型,并采用遗传算法对该模型进行求解.仿真实验表明,优化结果较为均衡,各模型有效解都接近相应单目标的理想点.所得结论可以为同类绳牵引并联机器人的设计提供参考.     

基于遗传算法的神经-模糊减振控制方法

针对复杂情况下模糊控制器难以获取经验规则的缺点,利用遗传算法来优化模糊控制器的规则,并采用一种权重和方法以实现多目标的优化控制.为了减少时滞对控制效果的影响,应用BP神经网络以预测模糊控制器的输入.基于76层风振Benehmark模型对提出的控制算法进行了计算仿真分析.结果表明神经-模糊控制(NN-FLC)方法在理想情况下与传统LQG控制算法控制效果相当;但在结构刚度不确定时,该方法具有较强的稳定性和鲁棒性,远优于LQG算法.     

基于等效磁路的PMECD变种群规模遗传多目标优化设计

基于等效磁路模型,提出了一种使用引入死亡和战争因素的变种群规模遗传算法进行永磁涡流驱动器的多目标优化设计的方法.首先建立磁场分析模型,推导关键参数的解析表达式.在此基础上,以永磁体厚度、极弧系数、铜盘厚度以及永磁体个数为变量,以输出转矩、转动惯量和驱动器体积为优化目标,提出了基于熵值权重的永磁驱动器多目标优化函数,然后应用引入死亡和战争因素的变种群规模遗传算法来优化结构尺寸.优化结果得到了实验以及有限元仿真的验证,并且与其他算法进行了比较.结果表明,相比其他优化算法,该基于解析模型的变种群规模遗传算法在结构参数优化设计中有很好的计算效果.     

空间绳牵引并联机器人多目标优化设计

以6自由度空间绳牵引并联机器人工作空间体积、最小索力和全局灵巧度为优化目标,在保证绳索张力范围的前提下建立了多目标优化的数学优化模型.采用神经网络-遗传算法求得优化的3组满意解,并采用灰色聚类法选择多目标优化时的权重系数.仿真结果表明该优化方法可以有效地实现结构的优化,为同类绳牵引并联机器人的设计提供了有益的参考.     

机组检修计划多目标的优化模型及仿真

针对国内现阶段发电机组检修计划优化目标单一的问题,提出并建立了一个多目标机组检修计划的优化模型.采用遗传算法进行优化求解,该优化模型可根据不同的情况和需要对发电机组检修计划进行优化调整,基于Matlab仿真平台并通过算例仿真分析,证明了该模型和算法的有效性和实用性.     

基于多目标遗传算法的主动悬架滑模控制器设计

为提高车辆的乘坐舒适性和行驶稳定性,针对主动悬架的车身垂直加速度、悬架动行程和轮胎动载荷性能冲突,以及考虑参数不确定与外界干扰带来的鲁棒性问题,本文拟采用滑模控制方法对汽车非线性主动悬架进行主动减振控制研究,并结合多目标遗传算法对滑模控制器进行多目标参数优化.首先,根据1/4车辆主动悬架系统模型利用Lyapunov稳定性理论进行滑模控制器设计;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,为改进滑模控制方法中按经验选取参数时的不足,采用多目标遗传算法对滑模控制器参数进行多目标优化;最后,进行数值仿真模拟.仿真结果表明,采用多目标遗传算法对滑模控制器进行参数优化后显著地改善了汽车的乘坐舒适性和行驶稳定性,对汽车非线性主动悬架的减振控制起到了一定的推动作用.     

采用遗传网络算法实现非线性系统的神经网络控制

提出一种对于非线性系统遗传算法的神经网络控制模型 ,并给出了新的神经网络训练模型 .该模型的主要优点是 ,优化网络连接权重 ,优化网络拓扑结构     

目标函数带有阻塞率的输电阻塞成本控制优化模型及其求解

研究了电力系统输电阻塞管理成本控制的建模与求解问题.将输电阻塞率引入阻塞费用优化模型的目标函数中,考虑当电力系统发生最大输电阻塞时的费用调整最小的优化问题.针对发电侧单独开放,以及负荷侧和发电侧同时开放两种情形,分别给出了约束相同目标不同的两个优化模型.采用免疫遗传算法讨论了模型求解问题,得到了全局最优解.对三种情况进行了仿真研究,仿真结果表明了所提方法的可行性和有效性.     

考虑交通管理策略的交叉口信号控制多目标优化

面向复杂多变的交通系统控制需求,提出一种考虑交通管理策略的交叉口信号控制多目标优化模型及算法,其步骤为:首先,构建城市道路交叉口多目标优化模型;然后,引入交通管理者的交通控制策略,基于模糊分析法确定各优化指标权重;最后,考虑Q学习算法简单方便且具有快速收敛性,基于Q学习算法对多目标优化模型进行求解,从而实时产生考虑交通管理者策略的交叉口信号控制方案。仿真结果表明,所提出的方法不仅能够充分反映交通管理者的控制策略,而且能够有效提高交叉口通行效率,相比传统方法具有缩短排队长度、降低延误时间和减少停车次数的优势,并且这种优势随着交通流量的增大而更加明显。