一种改进的自适应模糊滑模大包线飞行控制方法

提出了一种改进的自适应模糊滑模大包线飞行控制方法。该方法以经模拟退火粒子群算法优化的小波神经网络实现非线性模型的逆,能够更加细致地逼近非线性模型,并针对自适应控制的鲁棒性与瞬态性能差的缺点,将滑模控制与自适应控制相结合共同补偿逆误差,提高了自适应控制的鲁棒性与瞬态性。仿真结果表明:所设计的自适应模糊滑模大包线飞行控制器具有优良的控制性能。     

基于改进粒子群算法的系统辨识新方法

提出了一种利用改进的粒子群优化算法对系统进行辩识的方法.该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法.最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性.     

新型快速动态终端滑模反步控制

针对一类具有不确定性和外扰动的非线性系统,提出一种新型快速动态终端滑模反步控制方法.滑模控制与反步控制结合,使系统对匹配和非匹配不确定性均具有鲁棒性;动态滑模很好地避免了滑模控制器中的抖振;新型快速终端滑模的收敛速度在任意点均快于现有的标准快速终端滑模.再采用放宽条件的非线性干扰观测器对系统复合干扰进行逼近,并设计自适应鲁棒项,进一步提高控制性能.基于李雅普诺夫理论证明了系统稳定性.最后,将该控制方案用于具有大扰动和不确定性的非线性系统,仿真结果证明了控制方案的有效性和优越性.     

基于Q-学习和粒子群算法的区域交通控制模型

针对城市交通系统的动态性和不确定性,提出了基于Q-学习和粒子群算法相位差优化算法,对区域交通动态实时控制进行了研究。根据不同的交通流恃况确定不同的区域控制目标函数,捋Q－学习的类惩机制引入粒子群算法的选优过程中,通过改进的粒子群算法实时优化区域控制策略。编制该控制方法的仿真程序,应用AIMSUN仿真软件验证算法的控制效果。结果表明,该方法对不同交通量下可保持较高的控制效率,控制效果明显优于感应控制。     

基于改进粒子群-模糊神经网络的短期电力负荷预测

为了提高短期电力负荷预测精度,提出了改进的粒子群-模糊神经网络混合优化算法.用改进的粒子群训练神经网络,实现了模糊神经网络参数优化.建立了基于该优化算法的短期负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素,利用贵州电网历史数据进行短期负荷预测.仿真表明,该方法的收敛速度和预测精度优于传统模糊神经网络法、BP神经网络法、粒子群-BP算法和粒子群-模糊神经网络方法,该优化算法克服了神经网络和粒子群优化方法的缺点,改善了模糊神经网络的泛化能力,提高了电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.2%以内.该算法可有效用于电力系统的短期负荷预测.     

基于优化SVM的反渗透脱盐水故障诊断

针对反渗透脱盐水系统中的反渗透膜故障问题,提出了一种基于支持向量机(SVM)的故障诊断方法.为了解决SVM的参数优化问题,采用一种基于改进的混沌粒子群优化算法的支持向量机参数选择方法.将混沌理论引入粒子群优化算法中,提高种群的多样性和粒子搜索的遍历性,有效地提高了粒子群算法的收敛速度和精度,得到了优化的SVM模型.并将此模型应用于反渗透脱盐水系统的故障诊断中.仿真结果表明,改进的SVM分类器能有效地诊断出反渗透膜故障,并且取得了较高的准确率和诊断效率.     

基于实值粒子群优化的STSS系统传感器管理算法研究

针对STSS系统中段弹道目标传感器管理问题,通过分析中段目标跟踪的影响因素,提出了一种新的优化目标函数.并在分析基于二进制粒子群优化的传感器管理算法缺点的基础上,通过对粒子的降维处理和位置矢量更新式的改进,提出了一种基于实值粒子群优化的传感器管理算法.最后,根据中段弹道目标跟踪典型场景下的仿真实验分析,给出了目标函数加权系数的优选方案,并比较了几种方法的性能.仿真实验表明,所提优化目标函数能有效进行多传感器的管理调度,且基于实值粒子群优化的传感器管理算法是一种更加高效的方法.     

基于高增益观测器的非线性系统自适应模糊滑模控制

针对一类有界的不确定非线性系统,基于高增益观测器并结合自适应模糊逻辑系统和滑模控制,提出了一种基于高增益观测器的自适应模糊滑模控制方案。该方案不需要系统状态可测的条件,而是通过设计高增益观测器来估计系统的状态并能保证观测误差一致最终有界。基于李亚普诺夫函数方法,给出了自适应模糊滑模控制律以及在线调节的参数自适应律。所提出的控制方案不但能使闭环系统稳定,而且保证了跟踪误差的一致最终有界性。仿真结果进一步验证了该控制方案的实用性和有效性。     

改进粒子群算法优化 BP 神经网络的短时交通流预测

为提高 BP 神经网络预测模型的预测准确性, 提出了一种基于改进粒子群算法优化 BP 神经网络的预测方法. 引入自适应变异算子对陷入局部最优的粒子进行变异, 改进了粒子群算法的寻优性能, 利用改进粒子群算法优化 BP 神经网络的权值和阈值, 然后训练 BP 神经网络预测模型求得最优解. 将该预测方法应用到实测交通流的时间序列进行有效性验证, 结果表明了该方法对短时交通流具有更好的非线性拟合能力和更高的预测准确性.     

一类不确定离散非线性系统的边界层自适应模糊滑模控制

研究了一类不确定离散非线性系统的模糊滑模控制问题,提出了一种基于边界层模糊自适应的模糊滑模控制方法.首先,在系统非线性动态函数上界已知的条件下,给出了系统的准滑模控制律设计,证明了系统的闭环稳定性.引入一个滑模边界层可调参数,在边界层外施加准滑模控制律;在边界层内,去掉准滑模控制律,施加模糊逻辑控制.边界层参数用模糊逻辑系统进行在线自调节,消除了系统处于准滑动模态时的高频抖振.数值仿真结果证明了所设计控制律的优点和有效性.