基于遗传算法的154T电动车牵引励磁PID控制器的设计

讨论了154T电动轮自卸车牵引励磁控制的基本问题;分析了传统PID控制器的不足和基于遗传算法PID控制器的优势;论述了遗传算法的原理、基本问题和实现步骤.研究了电动轮自卸车的牵引特性和牵引励磁控制系统的结构,根据设计,该系统被控对象可简化为二阶系统,而控制器采用基于遗传算法的PID控制.用MATLAB对PID参数整定进行了仿真,以考察利用遗传算法的进化能力优化PID的效果.仿真结果表明,经过遗传算法优化的PID控制器具有较高的精度和较强的适应性,能获得满意的控制效果.     

1.8 GHz宽带低相位噪声CMOS压控振荡器设计

采用一种基于开关电容阵列(SCA)和尾电流源处加入电感电容滤波相结合的电路结构,设计了一个1.8 GHz宽带分段线性压控振荡器.采用TSMC 0.18μm 1P6MCMOS RF工艺,利用Cadence SpectreRF完成对电路进行的仿真.结果显示,在电源电压VDD=1.8 V时,控制电压范围为0.6~1.8 V,频率的变化范围为1.43~2.13 GHz,达到39%,相位噪声为-131 dBc/Hz@1MHz,功耗为9.36 mW(1.8 V×5.2 mA).很好地解决了相位噪声与调谐范围之间的矛盾.     

一种基于改进的免疫克隆选择的优化方法

通过在克隆选择过程中引入聚类竞争机制,提出了一种免疫聚类竞争的克隆选择算法.采用了抗体聚类、竞争扩增、克隆删除、体细胞高频变异、抗体循环补充等思想及相关算子操作,增强聚类族中的优秀个体获得克隆扩增实现亲和力成熟的机会,提高抗体群分布的多样性,在深度搜索和广度寻优之间取得了平衡.实验仿真及应用结果表明:该算法具有可靠的全局收敛性及较快的收敛速度,将其应用于冶金过程目标优化中取得较好的效果.     

一类非线性大系统的鲁棒反馈镇定控制器设计

通过对微分方程解的结构研究，运用比较原理和M－矩阵性质，建立了非线性关联子系统矩阵特征值与系统稳定性之间的关系，将一类复杂非线性系统的镇定问题转换成经典的特征值配置问题，文章仅需假定系统的非线性（可能含不确定性）成分具范数界，不必要求其范数满足匹配条件，所给出的方法为实际控制系统的工程设计提供了一套较完整的符合性能要求的镇定控制器算法。     

回转窑燃烧图像中火焰区的动态标定

提出一种动态标定火焰区的方法，以彩色图像中的红色绿色成份的线性加权组合图像作为研究对象，利用其垂直灰度投影曲线和水平灰度投影曲线确定火焰区的重心，采用由内到外扩散的办法确定火焰区的左右边界和上下边界，标定火焰区。实验表明，该方法能正确地动态标定出火焰区，并能满足实时处理的需要。     

一种改进的参数在线自校正模糊控制器

介绍一种采用改进的参数校正原则的自校正模糊控制器.该控制器具有动态范围宽、稳态精度高、响应速度快和超调量小的优点.同时,计算机仿真也表明:对于控制对象参数的变化,该控制器具有良好的适应能力.     

基于非线性映射的分类器及其在变压器故障诊断中的应用研究

变压器故障诊断和维修是一项复杂的任务,尽快诊断出故障并确定故障类型为即时安排相应的专业维修技术人员争取时间,对于电力系统可靠供电,尤其是不允许断电的用电场所,具有非常重要的意义.本文采用非线性映射,将样本数据映射至高维空间,对高维空间的生成样本设计分类器进行分层分类.给出了小样本高映射情形下范数最小分类面和大样本低映射最优二乘分类面存在的条件和分类面的唯一解;证明了大样本低维映射分类面范数和误差同时最小指标要求下的优化分类面的问题等价于一凸线性规划问题.对于在线诊断系统,针对传感器收集数据存在较大误差的问题,本文对方法进行了"测不准"鲁棒性分析.文末给出了基于溶解氧含量(DGA)实例,并与相关研究结果进行了比较,证明本文所提出的方法的有效性和较好的鲁棒稳定性.     

输入时滞Markov跳变系统鲁棒保性能控制及其仿真研究

研究一类具有模态相关时变输入和状态时滞的不确定马尔可夫跳变系统的鲁棒保性能控制问题。基于自由权矩阵方法,通过构造一个新的Lyapunov函数,给出了此类系统存在无记忆状态反馈鲁棒保性能控制律的充分条件,估计了其保性能值。并且,控制器的设计归结为一组LMI的求解问题。仿真实例说明了提出方法的有效性。     

基于正交频分复用的低压电力线载波通信技术

 电力线信道的复杂性使得其通信质量难以提高,正交频分复用（OFDM）技术可提高抗多径干扰能力,使电力线通信质量有望得到提高。本文分析了电力线信道的基本特性,建立了一个反映信道特征的近似模型,在已有的研究基础上提出了一种改进的子信道利用方法来实现OFDM技术在电力线载波通信中的应用;通过建立Matlab仿真模型,实现了基于改进方法的电力线载波通信仿真;结果表明,在电力线信道条件比较恶劣、数据传输误码率较高的情况下,依据改进方法传输数据较为可靠。     

一种新的混合粒子群优化算法

 针对粒子群优化算法容易陷入局部极值,进化后期收敛速度慢、精度低等缺点,本文将粒子群优化算法与遗传算法相结合,在基本粒子群优化算法中引入了正态变异算子,提出了一种新的混合进化算法,新算法增加了种群的多样性,增强了算法的全局寻优能力,提高了算法的搜索效率。使用新算法对经典函数进行优化测试,结果表明,本算法保持了粒子群优化算法简捷快速、容易实现的特点;同时,正态变异算子的引入提升了算法后期的收敛速度与全局搜索能力。新的算法能够以更小的种群数和进化代数获得较好的优化能力,在克服陷入局部最优和收敛速度方面均优于基本粒子群优化算法、遗传算法以及加入混沌扰动的粒子群优化算法（CPSO）。