基于AAFDE-RBF算法的PID参数整定

针对工业过程中PID(proportional integral derivative,比例积分微分)参数整定难的问题,提出一种自适应调整因子的差分进化算法(adaptive adjustment factor differential evolution algorithm, AAFDE)的神经网络(radial basis function, RBF)方法整定PID控制器的参数。先在差分进化算法中引入自适应调整变异因子,通过定义个体优劣系数引入自适应调整交叉概率因子;再采用AAFDE算法优化RBF的初始参数,建立RBF模型,接着由RBF在线辨识得到梯度信息;最后根据梯度信息对PID的3个参数在线调整。直流电机系统的仿真实验表明,与RBF-PID和DE-RBF-PID相比,AAFDE-RBF-PID控制器动态性能更好、抗干扰性能更强,控制精度更高。     

基于实数编码免疫思维进化算法的PID参数整定

在思维进化算法与人工免疫系统的克隆选择算法基础上提出了一种基于实数编码的免疫思维进化算法（IMEA）,并将其应用于PID参数的整定。阐述了免疫思维进化算法的基本原理,对免疫思维进化算法PID参数整定进行了仿真研究,并与遗传算法和思维进化算法进行了比较。仿真结果表明所提算法具有快速收敛性,能够很快找到PID参数的最优组合,具有很高的应用价值。     

基于互补变异算子的自适应差分进化算法

在参数自适应的差分进化算法的基础上,同时采用DE/rand/1和DE/best/2两种具有互补特性的差分变异算子,提出了多种采用不同分配策略的新型差分变异算法.2种变异算子的分配分别采用随机分配、基于种群规模的单调分配、适应性随机分配以及基于种群规模的适应性分配4种策略.基于标准测试函数的数值优化结果表明:双变异模式的自适应差分进化算法总体上明显优于2种标准DE算法.在4种分配策略中,单调分配策略效果最佳.所提出的DE算法利用了DE/rand/1型变异在保持种群多样性方面的优势,并继承了DE/best/2型变异局部收敛速度快的优点,较好地实现了探索与利用的平衡,而且需要人工调节的参数较少,便于在实际中使用.     

基于改进的量子进化算法的PI~λD~μ控制器整定

根据改进的量子进化算法提出了一种PIλDμ控制器整定方法。在该方法中,控制器的5个参数Kp,Ki,Kd,λ,μ被选为优化变量。在染色体中,每个量子位有3个Bloch球面坐标,经过解空间变换后,它们对应待求参数的值。同时,在每一代中,最优染色体和最优解可被选择出来,并根据得到的解的性能进行染色体的更新和变异操作。经过若干次的迭代操作,可以得到最优PIλDμ控制器的参数值。在迭代过程中,以积分时间乘以绝对误差(ITAE)作为控制器的性能指标进行最优解的判定。与其他整定方法得到的控制器性能比较,仿真实验结果说明了此方法的有效性。     

基于遗传模糊免疫算法的PID参数整定优化研究

针对工业过程中的PID参数整定较难的问题,在分析模糊免疫算法的基础上,提出了一种遗传模糊免疫算法,用于在线整定PID参数。该算法用免疫反馈机理在线调整比例系数,模糊算法在线整定积分系数和微分系数。同时,该算法引用具有全局寻优特性的遗传算法优化免疫参数,克服了免疫参数选取不当而导致系统超调量较大、响应速度过慢的问题。针对工业过程中的无时滞过程、一阶惯性加时滞过程、二阶惯性加时滞过程、高阶系统过程,将该算法用于PID参数整定优化,并与模糊免疫算法、免疫PID算法、常规PID算法整定结果进行对比分析。仿真实验结果表明,遗传模糊免疫算法整定出的PID参数具有超调量小、调节时间短、抗干扰性强、鲁棒性强等优点,取得了较好的控制效果。     

随机变异差分进化算法

为了避免差分进化算法陷入早熟,提出了一种随机变异差分进化算法(RMDE).这种算法改进了差分进化算法的变异操作,采用随机选择的方式进行变异和扰动操作,增加种群的多样性,平衡算法的局部搜索和全局搜索.对几种标准的函数进行了测试,结果表明RMDE算法优于其他5种算法.并将该算法应用于13机组的电力系统经济调度问题,与文献其他算法相比,RMDE算法取得的结果优于最近文献所报道的结果.     

基于组合三角变异差分进化算法的化工参数辨识

针对传统方法在解决化工参数辨识问题中易陷入局部最优、导致求解精度不足的问题,提出了一种组合三角变异差分进化(CTMDE)算法,融入了组合三角高斯变异策略和DE/current-to-pbest/1变异策略.其中,组合三角高斯变异策略引入了组合权重来适应性利用较优个体、一般个体、当前个体的信息,维持种群多样性;而DE/current-to-pbest/1变异策略能够利用种群中的较优个体来指导搜索,对解空间的开采能力较强.两者结合使得算法在加快收敛速度的同时降低陷入局部最优的可能性.在12个基准测试函数上,将CTMDE算法与其他新近DE算法进行比较,并将CTMDE算法应用于甲醇转化为烃类物质的参数辨识问题.实验结果表明:CTMDE算法具有较好的寻优性能,且在化工参数辨识问题上具有较好的求解效果.     

基于多种群的自适应差分进化算法

在分析了经典和改进变异操作算子的属性以及种群统计信息的基础上,按照个体适应度的差异,将个体分成不同的子种群并针对不同的个体适应度值,采用不同的变异算子,以保证在加快算法收敛速度的同时有效地跳出局部极值点.在参考经验值的基础上,加以自适应调整,使算法达到全局搜索能力与局部搜索能力的平衡.针对13个标准测试函数的仿真实验结果表明,所提出的算法与其他算法相比较具有较好的效果.     

基于免疫思维进化算法的过热汽温控制系统参数整定

结合人工免疫系统的克隆选择机制,提出了一种基于免疫思维进化算法的PID参数整定方法,并在LabVIEW环境下实现了基于该方法的火电厂过热汽温串级控制系统的参数整定。仿真结果表明,基于免疫思维进化算法的过热汽温参数整定方法能获得比相同条件下,采用思维进化算法和常规PID整定方法更好的控制品质。     

基于多目标遗传算法的船舶航向自抗扰控制器参数整定

针对自抗扰控制器参数整定通常采用“试凑法”,整定过程繁琐复杂,无法顺利得到合理控制参数的现状,根据自抗扰控制器设计的“分离性原理”提出了一种“三步优化法”.该方法利用多目标遗传算法对自抗扰控制器参数进行分步优化,可解决自抗扰控制器参数众多、难以便捷的整定问题.对带舵机约束的15万t级油船航向二阶自抗扰器参数进行整定.结果表明,该方法行之有效,便于工程应用.     

基于遗传算法的参数在线自调整模糊控制器

提出了一种基于遗传算法优化的自调整模糊控制器的设计方法.该模糊控制器的运行参数自调整公式以系统响应的最大超调量、调整时间及稳态误差为性能指标,利用遗传算法搜索模糊控制器量化因子Ke,Kec及比例因子Ku公式中相应的最优基准值Keo,Keco及Kuo和微调参数K1,K2及K3,设计一个根据系统当前的动态误差e运行参数可在线自调整的模糊控制器,以确保系统的响应具有最优的动态和稳态性能.该控制器已用于控制由作者设计的智能人工腿中的执行电机.计算机仿真结果表明,与运行参数固定的模糊控制器相比,这种自调整模糊控制器具有良好的动态和稳态性能.     

基于交叉熵算法的自抗扰控制器参数整定方法

为解决自抗扰控制器参数难以整定的问题,提出基于交叉熵算法的自抗扰控制器参数优化设计方法。通过适应交叉熵算法选择适应度函数,对其中的五个重要参数β01、β02、β03、β1、β2进行了优化分析。仿真结果表明：交叉熵算法比免疫遗传算法的自抗扰控制器超调量更小,响应时间更快。     

基于差分进化算子变异的中心引力优化算法

针对中心引力优化算法易陷入局部最优这一不足,加强算法的全局寻优能力,提出一种改进的中心引力优化算法,根据差分算法本身的固有特性,通过引入差分进化算子对当前粒子位置的分量进行变异,促使算法摆脱局部最优,增强算法的全局收敛性.最后选取5个经典函数对算法进行测试,并与其他算法进行比较分析,结果证明算法的精度得到了明显提高,从而验证了该算法的有效性和可行性.     

基于遗传算法的模糊控制器参数优化

针对非线性量化因子模糊控制器的参数对系统性能影响和参数间的相互制约,提出了一种基于遗传算法的参数整定与优化方法,并进行了仿真研究。仿真结果表明通过该方法寻优的系统具有更好的响应速度和控制精度;当对象结构或参数发生变化时,非线性量化因子模糊控制器可以重新整定参数,以保持良好的控制效果,具有很强的鲁棒性。     

基于量子差分进化算法的神经网络优化方法

一般的神经网络的结构是固定的,在实际应用中容易造成冗余连接和高计算成本。该文采用了协同量子差分进化算法(cooperative quantum differential evolution algo-rithm,CQGADE)以同时优化神经网络的结构和参数,即采用量子遗传算法(quantum genetic algorithm,QGA)来优化神经网络的结构和隐层节点数,采用差分算法来优化神经网络的权值。训练后的神经网络的连接开关能有效删除冗余连接,算法的量子概率幅编码和协同机制可以提高神经网络的学习效率、逼近精度和泛化能力。仿真实验结果表明:用训练后的神经网络预测太阳黑子和蒸汽透平流量具有更好的预测精度和鲁棒性。     

基于微分进化的加权模糊C均值图像分割方法

提出基于微分进化和加权模糊C均值的图像分割方法.鉴于加权模糊C均值算法对初始值敏感、容易陷入局部最优的缺点,采用微分进化进行全局寻优,能够找到全局最优的模糊划分;考虑到欧氏距离的局限性,实验中引入特征距离,改善了图像分割效果.实验结果表明,该方法的收敛速度更快、稳定性更好,所获得的适应度值更高.     

一种模糊自整定PID参数控制器的设计与仿真

应用模糊推理的方法,将一种自整定ＰＩＤ参数控制器应用于大惯性带纯滞后的系统。数字仿真结果表明了该方法的有效性和实用性     

基于混合差分进化算法的VLSI布图规划

基于B*-tree布局表示法,结合差分进化算法的全局搜索能力和局部搜索,提出了一种用于VLSI布图规划的混合差分进化算法,并使用MCNC标准数据进行测试.实验结果表明该算法是有效的.