一种辨识Wiener-Hammerstein模型的新方法

针对非线性Wiener-Hammerstein模型,提出利用粒子群优化算法对非线性模型进行辨识的新方法.该方法的基本思想是将非线性系统的辨识问题转化为参数空间上的优化问题;然后采用粒子群优化算法获得该优化问题的解.为了进一步增强粒子群优化算法的辨识性能,提出利用一种混合粒子群优化算法.最后,仿真结果验证了该方法的有效性和可行性.

     

一种动态分级的混合粒子群优化算法

针对粒子群算法早熟收敛和搜索精度不高的问题,提出一种动态分级的混合粒子群优化算法．该算法采取３种级别的并行粒子群算法,分别用于全局搜索和局部搜索及二者的结合,并根据搜索阶段动态调整各种级别中并行变量的数目．在全局搜索中,将混沌机制引入算法中以增强算法的全局搜索能力;在局部搜索中,采用单纯形法对适应度最优解进行局部寻优．仿真实验表明,该算法比其他优化算法具有更好的性能．

     

克服恋食行为的PSO算法改进研究

基本粒子群优化算法(PSO)存在易陷入局部极值的缺点.为此,研究鸟群迁徙觅食中的行为习惯,以加强PSO的鸟群社会模型和对鸟群行为的模拟.在所提出的改进算法中,历史飞行速度在实际觅食中不作为判断因子,只有发生位置重复时粒子才发生变异或摄动,以此增强粒子群优化算法跳出局部最优解的能力.实验结果表明,新算法的全局搜索能力有了显著提高.

     

BUCK变换器带恒功率负载反馈精确线性化控制

对BUCK变换器带恒功率负载系统的非线性控制进行了研究.根据恒功率负载的非线性特性,推导出BUCK变换器带恒功率负载的精确线性化反馈控制规律,设计了系统非线性控制器.用SABER软件对控制律进行了仿真,结果表明反馈精确线性化技术可以实现对BUCK变换器带恒功率负载的控制,在电源及负载大范围变化时,保证系统的稳定运行,具有大信号稳定特性.

     

GM(1,1)模型拓广方法研究与应用

为了拓广GM(1,1)模型的适用范围,对GM(1,1)模型进行了两方面的改进:对初始序列进行预处理以改善其光滑性;用GM(1,1)模型的内涵型代替白化响应式作为新的预测公式.理论分析与实验结果表明,改进模型不仅比传统模型的预测精度高,而且完全适用于对高增长序列建模,拓广了GM(1,1)模型的适用范围.

     

求解作业排序问题的一种改进修复约束满足算法

修复约束满足算法(修复法)是在完整初始解的基础上不断对变量进行修复,最终得到可行解.对此,提出一种求解flow shop排序问题的改进修复法(IRCS_WT),通过采用新的变量表达方式,设计了一种以启发式优化规则为指导的变量选择算法(LWT),并采用一种变量互换算法(LTEE)保证算法的全局搜索性能.将新算法应用于31个标准算例,与传统算法及遗传算法的优化结果进行比较,结果表明在相同运算时间下改进算法具有明显的优越性.

     

基于概率突跳和模拟退火的改进自适应微粒群算法

在两种微粒群算法分析的基础上,针对算法存在局部最优和后期振荡的现象,提出一种改进自适应微粒群算法.新算法引入概率突跳因子改变了原算法中微粒的速度更新公式,引入模拟退火接受准则抑制了概率突跳的不可控制性.典型函数寻优结果表明,新算法能很快地收敛到全局最优解,大幅度降低了达到最优值所需要的迭代数,同时提高了算法的收敛率和收敛精度,在跳出局部搜索的能力上远优于标准微粒群算法和自适应微粒群算法,稳定性好.

     

软件人群在入侵检测系统中的协调控制

在深入研究大系统控制理论,人工智能和“软件人”智能检测技术的基础上,采用先进的分布式体系结构,提出一种基于“软件人”群(MSM)的智能入侵检测协商模型.模型采取无控制中心的“软件人”群体结构,避免了单个中心分析器带来的单点失效问题.每个数据采集部件,检测部件和分析部件都是独立的单元,不仅实现了数据采集的分布化,而且将入侵检测和实时响应分布化,提高了系统的健壮性,真正实现了分布式检测的思想.

     

基于广义差别矩阵的核和属性约简算法

属性约简是粗糙集理论的重要研究内容.为此引入广义差别矩阵,提出基于广义差别矩阵的核和属性约简算法.该框架可有效避免连续属性值离散化,且有利于与其他机器学习方法相结合.理论分析表明,所提出的算法是有效而可行的.

     

不确定系统鲁棒容错H∞控制的LMI设计方法

针对不确定线性系统,研究了执行器失效情况下鲁棒容错H_∞控制问题.基于连续增益故障模式.利用线性矩阵不等式LMI推导了系统H_∞指标约束下鲁棒容错镇定的充要条件,分别给出了输出反馈和状态反馈H_∞控制器的设计方法.通过引入变量代换,将求解输出反馈H_∞指标约束的鲁棒容错控制器的可解条件转化为标准的LMI所获得的控制器不仅能使故障系统鲁棒定,并且能达到给定的H_∞性能指标.仿真实例验证了所提出设计方法的有效性.

     

基于并行二进制免疫量子粒子群优化的特征选择方法

为提高文本挖掘算法的运行速度,降低占用的内存空间,提出一种基于并行二进制免疫量子粒子群优化的特征选择方法．该方法采用二进制免疫量子粒子群优化搜索特征子集,利用并行算法来提高时间效率,从而较快地获得较具代表性的特征子集．实验结果表明该算法是有效的．

     

基于对象的扩展Petri网协同设计过程分析

针对协同设计中任务的执行流程缺乏柔性,不利于分析实际设计过程的现状,提出一种单元调用变迁对与决策变迁相集成的基于对象的扩展Petri网,扩展了Petri网的可达图以适应分析OEPNs模型.采用OEPNs中的过程网和单元网对协同设计过程建模,利用模型中的单元调用变迁对和决策变迁对过程本身和可能状态进行分析.最后与相关的研究工作进行比较并给出了结论.

     

基于辅助模型的多新息广义增广随机梯度算法

将辅助模型辨识思想与多新息辨识理论相结合,利用系统可测信息建立一个辅助模型.分别用辅助模型输出和噪声估计值代替辨识模型信息向量中未知真实输出变量和不可测噪声项,并引入新息长度扩展标量新息为新息向量,提出了Box-Jenkins模型的辅助模型多新息广义增广随机梯度辨识方法.所提出方法重复使用系统数据,能够改善参数估计精度"加快算法的收敛速度.

     

一类新的粒子群算法

提出一种新的模糊粒子群优化算法---收敛模糊粒子群优化算法.重点研究了收敛因子的确定和模糊隶属度函数的选择对算法性能的影响.在考虑计算效率的同时,提高了算法的精度.利用4个基准函数测试了收敛模糊粒子群优化算法的性能,并与模糊粒子群优化算法$收敛粒子群优化算法以及基本粒子群优化算法进行了对比.实验结果表明#新算法具有很好的性能.

     

基于搜索空间可调的自适应粒子群优化算法与仿真

针对收缩因子粒子群优化(CPSP)算法易陷入局部最优和发生过早收敛的问题.提出了基于搜索空间可调的自适应粒子群优化(APSO)算法. 该算法根据种群早熟收敛程度和个体适应值,在 算法停滞时,将全部粒子有效地划分在3 类不同的搜索空间,使种群始终保持搜索空间的多样性,易于跳出局部最优,从而有效地改善了算法后期的寻优能力.

     

一种基于改进粒子滤波的多目标跟踪算法

针对复杂背景环境下的多目标跟踪问题,论述了主要的数据关联技术,将目标检测算法与粒子滤波相结合,利用颜色直方图作为观测模型,并利用全领域(GNN)算法进行数据关联,提出一种改进的基于粒子滤波的多目标跟踪算法,实现了视频场景中的多个目标跟踪.该算法对于目标在场景中的频繁出现和消失,相似外表,交叉运动和短暂遮挡等均有较好的处理效果.

     

线性时变参数系统切换输出反馈控制

考虑时变参数系统的切换H_∞控制问题.提出了由参数触发的切换策略,由此在最小驻留时间的限制下,将线性时变参数系统分解为若干具有范数有界不确定性的子系统.利用多Lyapunov函数方法分别设计各子系统的输出动态反馈控制器,使在切换策略驱动下构成的闭环系统满足H_∞控制性能.仿真算例完整地实现了理论方法,并验证了其有效性.

     

动态环境下的双子群PSO算法

通过两组搜索方向相反,相互协同的主,辅子群,构造一种新的双子群粒子群优化算法.该算法扩展了种群的搜索范围,充分利用搜索域内的有用信息,在感知到环境变化时能迅速,准确地跟踪动态变化的极值.使用(Dynamic Function 1)生成的复杂动态环境对该算法进行了验证,并与Eberhart提出的动态环境下的粒子群优化算法进行了比较分析.仿真结果表明了该算法的有效性.

     

梯度微粒群优化算法及其收敛性分析

针对标准微粒群优化算法微粒运动轨迹的收敛性进行了分析,给出并证明了微粒运动轨迹收敛的充分条件.提出一种简便的等高线图判别法,该方法能够通过参数的位置判断微粒轨迹是否收敛并衡量收敛速度.为提高算法的收敛速度,构造出一种梯度微粒群优化算法,给出并证明了该方法收敛的充分条件.仿真结果表明,梯度微粒群优化算法具有优良的搜索性能.

     

一种全局收敛的PSO算法及其收敛分析

在分析了速度因子对微粒群算法影响的基础上,针对以往算法的弱点,提出了一种基于Gaussian变异全局收敛的粒子群算法.该算法使用全局变异因子使粒子具有了良好的全局搜索能力,并证明了它能以概率1收敛到全局最优解.同时使用了局部变异因子,使算法在局部搜索过程中具有较高的搜索精度.典型函数优化的仿真结果表明,该算法具有寻优能力强,搜索精度高,稳定性好等优点,适合于工程应用中的函数优化问题.