基于遗传算法的广义预测PID控制及其在锅炉主汽温系统中的应用

针对超超临界机组的主汽温控制,提出了一种广义预测PID控制方法,该方法采用改进遗传算法对PID控制器参数进行在线优化.采用了一种基于广义预测控制性能指标的遗传算法寻优思路,建立了主、副回路PID参数优化模型;在选择、交叉和变异算子方面,初始种群设计方面和交叉、变异概率调整方面对遗传算法进行了改进.最后对广东潮州电厂某锅炉现场连续运行的历史数据进行了控制仿真,结果表明采用基于改进遗传算法的预测PID控制策略后,系统在动、静态特性和变负荷能力上均比常规串级系统效果更好.     

基于自适应遗传算法的模糊控制器优化设计

改变传统的优化模糊控制器的方法,采用自适应遗传算法优化设计了一种控制效果较好的模糊控制器。在遗传算法改进方面,不以传统的定值常量作为交叉和变异概率,而是根据遗传算法本身计算出来的个体适应度来自适应的调节交叉和变异概率的大小,以克服采用定值常量作为交叉和变异概率所带来的早熟现象和效率相对较低的问题。仿真结果表明,改进的模糊控制器具有更好的控制效果。     

一种改进式遗传算法优化分数阶PID控制器

为提高伺服控制系统的精度及响应速度.基于改进Oustaloup近似,采用改进式遗传算法对控制参数进行整定,提出了一种基于改进式遗传算法优化的分数阶PID控制器.在控制器的参数编码、适应度函数设计和进化机制选择上,引入竞争因子和优劣空间,选用自适应调节交叉概率和变异概率的方式,加快了优良子群的遗传进化,消除了传统遗传算法早熟和收敛性差等缺陷.将优化的整定结果应用到伺服系统模型中.通过时域性能仿真分析,结果表明:提出的改进式遗传算法分数阶控制器与传统PID控制器相比,具有更低的超调、更快的响应速度和更小的稳态误差,控制系统的动、静态性能显著优化,系统鲁棒性增强.     

基于GA的两轮自平衡小车LQR最优控制器设计

针对传统LQR最优控制器权重矩阵确定困难以及由此导致的响应速度慢等问题,以具有多变量、强耦合、非线性特点的两轮自平衡小车为被控对象,提出了一种通过遗传算法实现LQR控制器参数寻优的方法。选择线性二次型性能指标为目标函数,利用遗传算法的全局优化搜索能力,获取权阵Q的最优解,从而设计状态反馈控制率K,搭建系统动力学模型进行仿真实验。实验结果表明:该方法设计的最优控制器相对于传统的极点配置和LQR方法具有更好的控制效果,系统响应速度更快,超调更小。     

基于遗传算法的参数在线自调整模糊控制器

提出了一种基于遗传算法优化的自调整模糊控制器的设计方法．该模糊控制器的运行参数自调整公式以系统响应的最大超调量、调整时间及稳态误差为性能指标，利用遗传算法搜索模糊控制器量化因子Ke，Kec及比例因予Ke公式中相应的最优基准值Keo，Xeco及Kuo和微调参数K1，K2及K3，设计一个根据系统当前的动态误差e运行参数可在线自调整的模糊控制器，以确保系统的响应具有最优的动态和稳态性能．该控制器巳用于控制由作者设计的智能人工腿中的执行电机．计算机仿真结果表明，与运行参数固定的模糊控制器相比，这种自调整模糊控制器具有良好的动态和稳态性能，     

改进遗传算法的液压锚杆钻机冲击机构的优化设计

改进了遗传算法的适应度、交叉算子及变异算子,即依据统计规律求概率适应度;对交叉算子的改进,将在随机配对交叉基础上引入人工干预思想;在处理变异算子时引入了人工诱变的思想.采用这种改进的遗传算法优化液压锚杆钻机冲击结构的设计参数.通过优化设计计算结果表明,该改进方法在钻机其他结构理想设计的情况下能使钻机的工作效率从70.8%提高到75.6%,同时这种改进遗传算法也为钻机的其他结构优化设计提供了一种很好的优化方法.     

基于遗传算法的水下机器人滑模变结构控制策略

针对水下机器人需快速、准确跟踪目标的要求,在分析其非线性四自由度动力学模型的基础上,运用李雅普诺夫稳定性分析法,提出一种基于遗传算法的水下机器人滑模变结构控制方法。设计遗传-滑模控制器,利用遗传算法对控制器参数进行优化以消减抖振,并通过动态选优,选取全局最优解,进而提高收敛速度,实现运动状态的实时调整。仿真结果表明,该控制方法能够高效地获取全局最优解,并具有较强的自适应能力,能够有效地实现水下机器人的轨迹跟踪。     

求解TSP的改进遗传算法

遗传算法是求解旅行商问题的一种全局优化概率搜索算法方法.文中针对遗传算法较快的找到最优解并防止＂早熟＂收敛问题,提出了一种新的分级方法,该方法在各级中以群体当前最优个体替代各级中的最差个体,并在各级中采用自适应变异概率,改进后的遗传算法不但有效的维持了群体的多样性,而且提高了收敛速度.最后实验表明,改进的算法是可行和有效的.     

基于遗传算法的自学习模糊控制器的设计

提出了一种自学习模糊控制器的设计方法,这种方法采用改进的连续空间遗传算法对动态系统的控制进行优化,获得基于一定性能指标的期望的状态轨迹及相应的控制序列;采用基于神经网络的模糊推理系统监督学习模糊控制器的参数,可以在知识缺乏的环境完成神经模糊控制器的自动设计。本文最后以倒立摆系统为控制对象给出了一个设计实例和仿真结果。     

氧乐果合成反应温度的模糊神经网络控制方法

氧乐果合成反应温度控制过程具有参数时变、非线性、大滞后等特点,采用传统的控制方法难以达到预期的控制效果。针对此问题,文章设计了基于遗传算法的模糊神经网络控制器。首先确定与模糊系统结构等价的神经网络,从而将模糊控制规则和隶属函数的参数搜索优化问题转化成网络参数优化问题;其次利用改进的遗传算法实现网络参数快速全局寻优,从而提高控制器性能。仿真结果表明,优化后模糊神经网络控制器对一类具有参数时变、时滞、非线性的系统具有良好的控制性能。     

基于粒子群优化的PID伺服控制器设计

针对耦合和非线性永磁同步电机（PMSM）控制器优化设计的难题,提出了基于粒子群优化（PSO）算法的比例、积分和微分(PID)控制器的优化设计方法.结合PSO的基本原理和PMSM伺服系统的控制策略,给出了优化PID控制器设计的步骤.考虑到综合评价系统的各项性能指标,在优化过程中引入了新的模糊汉明距离的评价策略.同时对遗传算法（GA）和PSO算法优化结果进行对比研究.仿真和实验结果表明,该方法能搜寻到最优或次最优的参数空间,并能取得比GA更好的空间解.优化得到的PID控制器速度响应快、超调量小,有效地提高了伺服系统的动态性能.     

一种求解TSP问题的改进遗传算法

旅行商问题(Traveling Salesman Problem TSP)是一个典型的组合优化问题,但应用基本遗传算法求解TSP问题时存在许多不足.结合TSP问题的特点,提出一种改进的遗传算法:应用贪心策略初始化种群,用2-opt对其进行优化,使得在初始个体中就包含较优子路径,在一定程度上加快算法收敛性,防止早熟和近亲繁殖.对交叉算子和变异算子进行改进后,既能维持种群的多样性,也保留了父代个体大部分优良性能.应用改进的算法对20个城市的TSP问题进行求解,结果表明该算法求解速度快而且求解的质量较好.     

基于模拟退火遗传算法的PID参数整定与优化

结合模拟退火算法和遗传算法的思想,提出模拟退火遗传算法,用此算法进行PID参数整定与优化．同时使用自适应交叉率、变异率以及适应度拉伸方法对传统遗传算法进行改进．模拟退火遗传算法有效抑制早熟,且具有收敛性快、全局寻优与局部寻优能力．仿真结果表明,基于此算法寻优设计的PID控制器动态品质和稳定性更好、鲁棒性更强．     

基于GA和BP算法复合调节的模糊神经网络控制器

为了克服单独应用遗传算法或BP算法调节模糊神经网络控制器参数时存在的缺陷，提出了一种将二者复合的方法，即在传统的GA中加入一个BP算子，以充分利用二者各自的优点。而在GA中引进了动态的交叉和变异率，在BP中引进动态的学习率，从而更有效地提高其收敛速度和执行效率。计算机仿真结果表明，用该复合算法调节的模糊神经网络控制器的性能明显优于传统的算法调节的控制器。     

基于内嵌基因表达式编程的函数优化

基因表达式编程(GEP)算法在解码时常存在未表达的基因内区,在解决函数优化问题时存在缺陷,使得对简单函数的优化性能不如遗传算法(GA),而对复杂函数优化收敛速度较慢.为了改善基因表达效率和提高优化性能,做了下到工作:提出了新的基因解码方法,形成了内嵌基因表达式编程算法EGEP;设计了适合优化问题的个体编码方案;分析了个体的表达空间.实验表明,EGEP对简单函数优化的性能优于传统遗传算法;EGEP提高了对复杂函数的优化能力,即使在运行辈数降低200倍时,得到的性能仍然优于传统GEP和遗传算法.     

融合遗传算法的模糊控制器设计

通过了解模糊控制器优化的原理,对遗传算法进行改进,提出一种新的基于遗传算法的优化算法,并将其应用到模糊控制器设计当中．以工业过程控制为对象,通过二阶系统模型的计算机仿真,表明改进后的遗传算法比原始算法有更好的控制性能,可实现模糊控制规则的自校正和量化因子的寻优,方法简单、有效,对模糊控制器的工程设计有很大的实用性．     

一种基于进化学习的中药定量组效关系建模方法

针对中药的组分配伍优化设计，提出一类中药药效智能预测及定量组效关系（QCAR）建模方法.采用全新设计的自适应浮点编码遗传算法，并与反向传播（BP）算法集成用于神经网络学习训练，既改善了神经元网络获得全局最优解的能力，又消除了经典遗传算法（GA）在编码与解码时产生的截断误差，从而提高了QCAR模型的训练与预报精度.以中药当归为实例对该方法进行应用研究.结果表明，无论是交叉验证还是独立检验均取得较好效果，明显优于常规建模方法，可用于对中药药效进行智能预测     

基于ITAE标准函数的纯滞后系统控制

针对纯滞后控制对象,提出了一种基于ITAE标准优化函数的控制器设计方法,将控制器和对象构成的闭环传递函数等效为具有ITAE控制指标的ITAE最佳传递函数,从而求解出控制器参数.对于纯滞后对象,利用一阶Pade近似式来近似纯滞后环节,给出了改进后的系统模型,利用ITAE控制器在模型匹配和失配情况下进行了仿真研究,结果表明:所提出的设计算法简便实用,避免了复杂的参数在线调整过程,在系统模型发生摄动的情况下,均有着较传统PID控制更好的稳定性和鲁棒性,显示了这一设计方法较好的应用前景.     

机组负荷优化的遗传-禁忌混合算法

针对遗传算法“爬山”能力差的缺点，提出在遗传算法中引入禁忌搜索操作来提高局部寻优能力，并应用遗传-禁忌混合算法进行了火电机组负荷优化研究.在遗传算法每计算一定代数后，将每个个体作为禁忌搜索的初始解进行搜索，可以改善群体质量，加快搜索速度.混合算法有效地综合了遗传算法的全局搜索能力和禁忌搜索算法的局部搜索能力，从而避免出现“早熟”现象，改善了算法的收敛性.应用某实例进行负荷优化计算，结果表明混合算法大大改善了局部搜索能力和搜索速度，可以有效解决机组在线负荷优化难题.     

基于GA和H∞环路成形的倒立摆控制

提出了基于遗传算法(GA)和H∞环路成形理论混合优化的倒立摆控制方法。该方法采用环路成形技术设计倒立摆控制器,对权函数采用遗传算法进行优化。从而避免了凭经验试凑权函数的盲目性,使控制器的设计更系统化,且简单易行。仿真结果表明了该方法的有效性。