基于遗传神经网络的自整定PID控制器

提出了一种基于遗传算法和神经网络的自整定PID控制器的设计方法。该控制器主要由三个部分组成。第一部分利用遗传算法搜索出一组准优的PID参数，作为PID控制器参数的初值，第二部分利用神经网络具有逼近任意非线形函数的能力，在线调整PID参数，以确保系统的响应具有最优的动态和稳态性能，第三部分是传统的PID控制器，直接对被控对象闭环控制。计算机仿真结果表明，这种控制算法鲁棒性强，响应速度快，可用于控制不同的对象和过程。     

基于遗传算法的模糊智能变频空调仿真系统的研究

利用Matlab软件对基于遗传算法模糊智能空调系统进行了仿真设计。设计了模糊子系统和遗传算法子系统的仿真系统，以舒适度为目标函数，利用遗传算法对模糊智能变频空调的控制规则及隶属度函数进行了仿真寻优。并利用寻优获得的隶属函数和控制规则与PID算法、常规模糊控制算法控制同一被控对象的响应结果进行了对比分析。     

基于自适应遗传算法的多目标PID优化设计

提出一种基于自适应遗传算法的多目标PID优化设计方法。采用染色体实数编码和具有自适应交叉概率和变异概率的遗传算法对PID参数寻优,有效地提高了遗传算法的全局搜索能力和收敛速度。通过在适应度函数中引入表示超调量、上升时间和稳态误差的指标项,并对指标项适当加权,可使优化后的PID调节器的综合性能达到满意程度。仿真结果表明,该PID调节器的性能优于常规方法获得的PID调节器。     

基于GA与CSA-RBF神经网络辨识的自适应PID控制器

提出了一种基于遗传算法(GA)、克隆选择算法(csA)和神经网络的自适应PID控制器的设计方法.该控制器主要由四部分组成:一是利用遗传算法优化PID参数初始值;二是用克隆选择算法对径向基函数(RBF)神经网络参数初始值优化;三是RBF神经网络完成对被控对象Jacobian信息辨识;四是单神经元PID控制器,学习并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能.仿真结果表明,该控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程.     

一种用于故障诊断的演化小波神经网络

针对小波神经网络实现故障模式识别时存在的“维数灾”问题 ,提出了利用遗传算法在小波网络的学习过程中优化网络结构的方法 ,可有效减少小波基元 ,加速收敛。同时为提高遗传优化的收敛速度和精度 ,避免“早熟”现象 ,采用基于实数编码的遗传算法。给出了各个控制算子的自适应调整策略 ,并设计了增加和删除操作对遗传算法进行改进。仿真结果证明了该算法的有效性。     

数字模型参考自适应控制算法在电弧电极控制中的仿真

以电弧炉电极调节系统为研究对象，提出了分段线性化模型参考自适应控制算法，设计出数字化的模型参考自适应控制仿真系统，又用遗传算法对控制参数进行了优化，最后在MATLAB SIMULINK中对该控制系统进行仿真。与传统的PID控制相比较，结果表明自适应控制系统优于PID控制系统。     

基于遗传算法的一类武器目标分配方法研究

针对联合作战的武器目标分配问题,建立了资源受限条件下的多组武器目标分配数学模型,并研究了用遗传算法求解模型的方法.该遗传算法通过设计一种满足约束条件的染色体编码格式,把求解问题转化为无约束的组合优化表现形式,从而可以利用单点随机定位算术交叉和变异运算以及精华选择策略来求解.仿真计算结果表明了模型和所提算法的有效性.     

图分割问题中的遗传算法

研究了“南水北调”大型仿真项目中影响系统运行速度的瓶颈问题-如何获取水质评价参灵敏，文中提出一种多线程的解决方法，将对每一个水质评价参数的计算设计成不同的线程，并将这些线程分配到网络中其他结点上，利用其他计算机的空闲时间来进行水质评价参数的计算，该方法根据网络中各个节点的使用状况，以图分割问题为模型。利用遗传算法对线程进行合理分配，从而为解决该问题提供了新途径。     

基于育种系统管理全局优化算法及其性能

针对遗传类算法收敛精度差和收敛速度慢等问题,本文将育种系统的管理运作思想引入遗传算法,构造了一种新的全局优化算法—育种算法。通过对搜索和进化操作过程进行分析,指出了算法收敛到全局最优的途径和方法,提出了利用简单的随机采样实现全局搜索和采用基因置换技术实现交叉进化的思想策略,建立了算法模型并确定了相应的控制参数和终止准则。实验表明,该算法能够实现精确搜索并实现计算精度和成本之间的平衡,可以避免遗传算法的早熟收敛问题和大量的冗余运算,提高了优化计算的速度和可靠性。     

一类热工过程分布参数模型的PID控制仿真研究

分布参数系统普遍存在于热工过程中,PID是普遍采用的控制方法,因此有必要研究分布参数对象的PID控制问题。一般的PID控制器设计方法需要将分布参数模型简化为集总参数模型并降阶,这样就引入了模型误差;基于遗传算法的PID控制器优化设计方法(GAOPT)不受模型限制,可以直接基于分布参数模型进行控制器设计。利用GAOPT方法设计了一类分布参数模型的PID控制器。仿真结果表明,GAOPT方法比常规方法可以获得在超调量、调节时间、ITAE和性能鲁棒性等指标上都较优的控制效果;同时,基于分布参数模型的控制器比基于近似模型的控制器的控制效果有明显改善。     

基于GASA算法的网络控制系统的控制器设计

提出了一种基于遗传算法和模拟退火算法的混合策略，用于单包传输下的线性网络控制系统中远程PID控制器的设计。这种新的混合策略被称为GASA算法。由于网络导致的延迟存在，GASA算法被用于确定最佳的PID增益。在求解过程中，GASA算法在各温度下依次进行GA和SA搜索，其中SA的初始解来自GA的进化结果，SA经过Metropolis抽样过程得到的解又成为了GA进一步进化的初始种群，而温度的更新由退温操作来控制。对设定的性能指标如超调量和调整时间的违背量将作为GAsA适应度函数中的惩罚项。本文对基于Profibus-DP网络的网络控制系统进行测试，并与修正Ziegler-Nichols法的优化结果进行比较，结果表明在对网络导致的延迟没有任何先验知识的情况下，用于网络控制系统中远程控制器设计的GASA算法能够获得满意的控制效果。     

基于遗传算法的车辆ABS在线整定PID控制及仿真

分析了ABS(防抱制动系统)PID控制方法的原理。提出了基于遗传算法的在线ABS PID控制方法。为了使控制器具有更高的搜索效率以满足ABS的实时性要求,改进了遗传算法的遗传算子,使复制与交叉操作并列存在,使用具有选择性的交叉操作,并改变变异操作的随机性,使其成为受控的随机操作。使系统能根据车辆的运行条件实时整定PID控制参数。仿真结果表明,基于遗传算法的在线ABSPID控制方法能有效抑制超调,控制ABS跟踪路面条件变化。     

Design of PID controller with incomplete derivation based on differential evolution algorithm

To determine the optimal or near optimal parameters of PID controller with incomplete derivation, a novel design method based on differential evolution （DE） algorithm is presented. The controller is called DE-PID controller. To overcome the disadvantages of the integral performance criteria in the frequency domain such as IAE, ISE, and ITSE, a new performance criterion in the time domain is proposed. The optimization procedures employing the DE algorithm to search the optimal or near optimal PID controller parameters of a control system are demonstrated in detail. Three typical control systems are chosen to test and evaluate the adaptation and robustness of the proposed DE-PID controller. The simulation results show that the proposed approach has superior features of easy implementation, stable convergence characteristic, and good computational efficiency. Compared with the ZN, GA, and ASA, the proposed design method is indeed more efficient and robust in improving the step response of a control system.     

基于自适应灰色预测的虚速率算法

虚速率(VRC)算法是近年来新兴的一种基于速率的主动队列管理算法,本文将灰色预测、自适应控制与虚速率算法三者的设计思想融合起来,提出一种新的基于自适应灰色预测的虚速率算法。将二次型性能指标引入到VRC算法中PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了PID的自适应最优控制。同时将自适应PID与灰色预测器相结合,用预测结果代替被控对象测量值,克服了网络时滞和干扰给系统带来的负面影响,并进行了稳定性分析。仿真结果表明,该算法具有优良的性能。     

综合环境因素及延误的信号配时优化仿真研究

提出了综合考虑环境因素及延误的交叉口信号配时优化方法;选择遗传算法作为优化工具,建立了以减少机动车尾气排放及交叉口平均延误为总目标,以信号周期时长和各相位有效绿灯时间为优化参数的信号配时优化模型,并利用微观仿真模型VISSIM及MATALAB、Visual Basic 6.0编程语言,开发了相应的算法程序;最后针对实际案例进行了仿真分析,验证了方法的合理性和可行性.     

基于IFTS的云计算网络动态负载均衡方法

针对云计算网络节点的异构性、资源配置的差异性和用户需求的不确定性等因素导致云计算网络极易出现负载不均衡的问题,在分析云计算节点负载模糊时序变化特性的基础上,构建了基于直觉模糊时间序列(IFTS)预测的云计算网络动态负载均衡模型,提出了基于IFCM的云节点计算资源自平衡方法,设计了基于IFTS预测的主动控制和基于反馈的被动调控相结合的虚拟机调度机制,并给出了云计算网络动态负载均衡策略,增强了云资源池的智能化管理水平,提升了云计算系统的整体性能.最后,通过典型实例验证了该方法的有效性和优越性.     

一种三维模型智能渐进式传输策略的研究(英文)

通过研究提出并实现一种智能渐进式传输策略,根据不同用户对三维模型精度需求的不同,有针对性的选择模型的下载精度,实现合理、有效的利润有限带宽,减少网络延迟。该策略以DOP-SLOD模型编码方法为基础,通过网络实现模型的智能渐进式传输,实现用户在浏览过程中模型平滑渲染的效果,传输精度由用户的需求确定,避免下载无用模型全部数据。通过实验,该策略实现了模型的流式传输,有效的减少了用户下载数据量,减少了数据传输网络延迟。     

Dynamic Event-Triggered Control for Nonlinear Systems: A Small-Gain Approach

An event-triggered control(ETC) system transmits data packages and updates control inputs only when the predefined criterion is satisfied. In this way, network communication and computing resources are scheduled more reasonably in contrast to the traditional periodic sampling strategy.Small-gain approach proposed in recent literatures is a new modeling method to deal with nonlinear ETC systems. Different from traditional ETC models, stability criteria are proposed in the form of input to state stability(ISS) gain to design the triggering mechanisms. This paper introduces additional dynamic variables in this model and proposes a small-gain based dynamic event-triggered strategy.Sufficient conditions to guarantee the stability of the system are derived with the help of cyclic-smallgain theorem and Zeno behaviors are avoided to ensure the feasibility of this method in practical applications. Numerical simulations are given to demonstrate the effectiveness of our approach.     

基于动态神经网络的PID参数整定与实时控制

提出了一种基于对角回归神经网络的PID控制器结构,给出了PID参数在线自整定的学习控制算法。为检验控制效果同时还使用了静态BP网络来整定PID参数,并在Matlab环境下,分别建立了基于对角回归神经网络和BP网络的液位实时控制系统。实际的控制效果说明,基于动态网络的PID控制器工作稳定,具有较好的鲁棒性。     

基于无人机辅助边缘计算系统的节能卸载策略

针对复杂地形中地面基础设施无法有效提供可靠通信和密集算力的问题,首先提出一种基于无人机(unmanned aerial vehicle, UAV)托管计算资源的卸载方案。考虑用户终端的计算需求,计算任务的时延约束,以及UAV的能量约束,构建了一种以最小化用户终端计算和卸载能耗为目标的UAV辅助边缘计算模型。其次,通过将原非凸的问题分解为两个凸优化子问题,采用了基于块坐标下降的两步迭代优化算法,联合优化了用户终端本地任务的数据量、卸载任务的数据量以及UAV的轨迹,实现约定时间内用户终端能耗的最小化。仿真结果表明,所提策略适用于优劣不同的信道条件,能够在保证用户终端完成任务的同时,使得用户终端能耗方面优于其他基准方案。