基于t分布变异的自适应黏菌优化算法

黏菌算法是一种新型的智能优化算法,针对其全局搜索速度慢,陷入局部最优的风险较大,为提高其全局搜索能力及搜索精度,提出了一种基于t分布变异的自适应黏菌优化算法．其思想是在黏菌算法中引入自适应t分布变异算子,使用算法的迭代次数作为t分布的自由度参数来增强黏菌搜索多样性,避免算法陷入局部最优。通过对12个基准函数测试及寻找图像的多阈值分割点工程问题进行测试,结果表明,基于t分布的黏菌优化算法寻优精度,收敛速度,鲁棒性高于基本黏菌优化算法。     

基于组合混沌策略自适应量子微粒群的Volterra核辨识算法

针对非线性Volterra泛函级数的参数辨识问题,提出了一种基于组合混沌策略自适应量子微粒群算法(CCSAQPSO算法)的Volterra时域核辨识方法.该方法在量子微粒群算法(QPSO)的基础上,采用混沌策略分两个阶段对QPSO进行优化,在初始化时以混沌序列初始化种群,在搜索过程中则引入混沌变异机制,利用混沌变异算子空间遍历特性对个体进行变异操作,同时按照各微粒适应度的优劣程度对其进化过程中的收缩扩张系数进行自适应调节,有效避免了早熟收敛现象的发生,提高了算法的全局寻优能力,保证了算法的准确性和精度.最后将该Volterra核辨识方法与基于标准微粒群算法(PSO算法)和QPSO算法的Volterra核辨识方法进行了对比分析.仿真结果表明,提出的方法具有参数辨识精度高、抗噪声能力强等优点,且在全局优化能力和快速收敛能力上都有较大提高.     

一种非线性系统参数辨识的耦合算法研究

针对工程复杂性、时变性、非线性的特点,提出了基于混沌免疫粒子群算法(CIPSO)与El-man神经网络的耦合算法(CIPSD-ENN),用于非线性动态模型参数辨识.CIPSO优化算法将人工免疫系统中的克隆选择和混沌优化机制引入粒子群算法,在粒子群种群进化过程中,该算法对粒子进行克隆选择,提高其收敛速度,对克隆后的粒子混沌变异以增强种群局部搜索能力.最后,CIPSO与动态反馈型Elman神经网络融合,对其权值、阈值寻优,建立了基于CIPSO和ENN的耦合算法系统辨识模型.实验结果表明,算法具有收敛速度快、收敛精度高、鲁棒性强的特点,与单纯Elman网络辨识相比,模型收敛速度提高了10倍,拟合精度提高了2个数量级.     

基于改进哈里斯鹰算法的分布式电源优化配置

为解决分布式电源接入配电网进行合理规划配置的问题,在建立以网络损耗、节点电压偏差、投资综合费用为多目标函数的基础上,采用层次分析法将考虑经济性与稳定性的多目标函数转换成单目标函数,并用改进哈里斯鹰算法寻找最优的配置方案。为进一步改善哈里斯鹰算法的寻优精度与收敛速度,引入Tent混沌提高初始化种群的均匀性;将鲸鱼算法的搜索围捕方式与哈里斯鹰算法结合,增加了算法的多样性并提高了寻优精度;引入t分布策略增强全局寻优能力和求解速度。通过算例验证了采用改进哈里斯鹰算法在求解分布式电源优化配置问题中的高效性和稳定性。     

基于自适应种群小生境算法的非线性系统辨识

针对传统神经网络非线性系统辨识算法存在收敛速度慢、易早熟、需人工设置网络结构及初始参数等问题,提出自适应小生境PSO非线性系统辨识方法。改进算法融合分层递阶算法和小生境PSO算法思想,联合优化网络结构及初始化参数,引入自适应灾变因子提高寻优精度。仿真实验表明,改进算法可提高辨识精度和收敛速度,能有效避免早熟现象,并可显著提高大空间、多峰值函数寻优效率。     

负荷建模参数辨识中综合改进遗传算法的应用

参数辨识是负荷建模的关键之一,针对遗传算法本身存在的缺陷,提出一种综合改进的遗传算法.该算法通过初始种群选择、最优个体保留、自适应交叉和变异率等方面进行综合设计,有效地避免了早熟和近亲繁殖,提高了收敛速度.建模实践表明,所提的综合改进遗传算法可加速收敛,缩短辨识时间,同时提高了拟合精度,克服了参数的分散性,是一种适合于负荷建模参数辨识的优化算法.     

基于混沌粒子群的SVM参数优化算法

支持向量机的性能与核函数的参数及惩罚系数C有很大关系.利用Lozi’s映射的较好遍历性,在粒子群优化算法中引入Lozi’s映射的混沌思想,提出基于混沌粒子群优化算法的SVM参数优化方法.仿真实验表明,该算法能有效提高整个迭代搜索的收敛速度和精度,从而更好地优化SVM参数.     

基于混沌粒子群的SVM参数优化算法

支持向量机的性能与核函数的参数及惩罚系数C有很大关系.利用Lozi’s映射的较好遍历性,在粒子群优化算法中引入Lozi’s映射的混沌思想,提出基于混沌粒子群优化算法的SVM参数优化方法.仿真实验表明,该算法能有效提高整个迭代搜索的收敛速度和精度,从而更好地优化SVM参数.     

基于动态分组的多策略引力搜索算法

给出了一种基于动态分组的多策略引力搜索算法.算法迭代初期利用自适应分组策略对种群进行分组寻优,每个分组内只更新最差个体,采用云模型理论来改进最优个体的进化行为;迭代后期将种群分为优势子群和拓展子群,采用差分变异算子更新优势子群提高寻优精度和速度,利用Tent混沌理论进化拓展子群完成个体变异.典型复杂函数测试表明,该算法具有很好的收敛精度和计算速度.     

基于改进灰狼优化算法的WSN覆盖优化

针对无线传感器网络（WSN）节点在随机部署时,存在分布不均匀的情况,从而导致覆盖率较低的问题,提出了一种改进的灰狼优化（GWO）算法.首先利用Tent混沌映射初始化种群,增加种群的多样性;其次利用改进的非线性收敛因子,平衡算法的全局搜索能力与局部搜索精度;最后将差分进化（DE）算法的变异、交叉的理念融入GWO算法,避免算法陷入局部最优,并提高算法的收敛速度.基本测试函数仿真结果验证了改进算法的有效性,随后将其应用于WSN覆盖优化问题,可以使节点的分布更加均匀,显著提高覆盖率,进而改善网络性能.     

基于混沌精英黏菌算法的无刷直流电机转速控制

针对传统比例-积分-微分(proportional integral differential, PID)在无刷直流电机转速控制中存在响应速度慢、稳定性差等缺点,提出了一种基于混沌精英黏菌算法的自适应控制方法。首先,分析并建立了无刷直流电机数学模型。其次,为进一步提高标准黏菌算法的收敛速度和求解精度,采用Tent混沌映射丰富种群多样性,同时引入精英反向学习策略扩大搜索范围。最后,将上述改进算法应用于无刷直流电机的速度环PID参数自整定。通过在不同运行条件下进行MATLAB仿真以及实验,结果表明:对比传统PID以及模糊PID,所提方法能够使得控制精度得到显著提高,并且具有响应速度快,抗干扰能力强等优势。     

基于双无迹卡尔曼滤波算法的永磁同步电机转子磁链辨识

转子磁链的准确辨识是实现永磁同步电机(Permanent Magnet Synchronous Motor, PMSM)转子磁场监控,确保其驱动系统可靠运行并实现高性能控制的有效方法。为解决测量噪声、电机参数变化及辨识模型欠秩对转子磁链辨识精度影响的问题,提出了基于双无迹卡尔曼滤波（UKF）算法的PMSM转子磁链辨识方法,可在确保满秩辨识的前提下,减小测量噪声与电机参数变化对转子磁链辨识精度的影响,实现PMSM转子磁链的准确辨识,并在参数敏感性分析的基础上,降低了算法计算量,合理兼顾了辨识精度与辨识速度。对所提方法进行了仿真研究和实验验证,研究结果证实了所提方法的有效性。     

改进无差拍的永磁同步电机自抗扰控制策略

传统永磁同步电机（PMSM）矢量控制系统受到外界干扰时,容易引起转速、电流剧烈波动。基于这些问题,提出了基于改进无差拍电流预测控制（DPCC）的永磁同步电机自抗扰控制（ADRC）策略。首先,设计自抗扰控制器用于转速环,代替传统的PI控制器,自抗扰会根据扰动强弱自我调节;其次,将改进的无差拍电流预测控制用于电流环,提高了整个系统的控制精度;最后,在Matlab/simulink进行仿真,将速度环ADRC+电流环改进的DPCC,分别与传统PMSM矢量控制系统及速度环PI+电流环改进的DPCC进行对比,结果表明：与传统PMSM矢量控制系统及速度环PI+电流环改进的DPCC控制系统相比,速度环ADRC+电流环改进的DPCC控制系统的超调量更小,抗干扰能力更强。     

基于改进灰狼算法的自动导航小车控制策略

针对灰狼算法(grey wolf optimizer, GWO)易陷入局部最优、后期收敛速度慢等问题,通过引入改进Tent混沌映射反向学习策略和非线性收敛因子,并加入差分进化的变异、交叉、选择操作,提出一种改进的差分灰狼优化算法(improved differential evolution grey wolf optimizer, IDE-GWO)。将改进算法应用于优化自动导航小车(automated guided vehicle, AGV)的比例积分微分(proportion integration differentiation, PID)控制参数,并与其他几种算法进行对比。Simulink仿真实验结果表明：该改进算法优化PID参数的控制效果明显优于其他智能优化算法,能够有效地提升AGV轨迹跟踪性能,使得AGV实际轨迹能较好拟合目标轨迹。     

基于参数辨识的永磁同步电机控制系统的设计

在电机参数未知的永磁同步电机控制系统设计中,为提高控制性能,需要对电机参数进行辨识. 利用Popov稳定性定理对辨识系统的自适应率进行了设计;针对逆变器的死区效应,选用旋转坐标法对辨识器的输入电压进行补偿,通过辨识得到的电机电阻和dq轴电感参数. 在此基础上,建立电机的数学模型并运用工程设计方法对电机控制器的参数进行设计. 实验结果表明采用补偿后的电压进行参数辨识得到的电机参数要更加准确,并且基于电机数学模型进行控制器参数的设计能够减少控制器参数调试的工作量和时间,最终得到的电机控制系统具有较优的动态性能.      

ACPSO-BP神经网络在矿井突水水源判别中的应用

矿井多年来的连续开采使各含水层水质特征变得更加复杂、更为接近,应用经典数学方法难以建立精确的判别模型,使用具有非线性映射功能的BP神经网络可以克服以上问题,但其仍然具有易陷入局部最优和收敛速度慢缺点。通过将"早熟"判断机制、Tent混沌映射以及权重自适应调整策略引入粒子群算法中,建立基于自适应混沌粒子群算法和BP(ACPSO-BP)神经网络突水水源判别模型,应用结果表明:与BP神经网络模型、基于标准粒子群算法和BP(SPSO-BP)神经网络模型相比,ACPSO-BP神经网络模型具有收敛速度快、精度高和泛化能力强的特点。     

基于改进型的交叉耦合双电机同步控制方法

针对传统双电机同步控制精度低,难以实现同步控制的不足,以PMSM为被控对象,建立其数学模型,在传统交叉耦合控制的基础上提出基于模糊PID控制的交叉耦合控制策略。采用遗传算法对参数进行优化,确定改进模糊控制器的参数范围,实现参数自整定。仿真结果表明改进后的交叉耦合控制方法对双电机控制的同步性和抗干扰性都有所提高。     

基于Super-Twisting滑模观测器的永磁同步电机无传感器控制

针对永磁同步电机矢量控制系统的高性能要求,提出一种基于二阶super-twisting滑模理论的永磁同步电机转子反电动势观测器.对电机反电动势观测值进行运算处理得到电机转子位置与转速,并采用矢量控制对电机转速进行控制,从而实现永磁同步电机的无传感器控制.根据Lyapunov稳定性理论,该观测器的收敛特性,super-twisting算法相比于传统一阶滑模算法极大地削弱了系统的抖振,降低系统超调的同时减小了系统调整时间.仿真和实验结果均表明该方案可有效实现转子位置与转速的估算,且系统具有良好的鲁棒性和动态响应能力.     

基于新型双滑模的永磁同步电机无传感器矢量控制

为了降低传统滑模观测器(sliding mode observer,SMO)存在严重的高频抖振、提高转子位置和电机转速估算精度以及降低速度环传统比例积分控制(proportional integral,PI)超调量过大等问题,提出一种基于高阶滑模观测器与新型滑模速度控制器相结合的永磁同步电机无传感器矢量控制方法,用高阶...