一种采用自适应遗传算法的模糊自整定控制器

针对模糊自整定控制器参数寻优能力差的不足,研究了采用自适应交叉概率与变异概率的遗传算法,提出了用这种自适应遗传算法改善模糊自整定控制器性能的方法。对采用自适应遗传算法的模糊自整定控制器与一般的模糊自适应控制器作了仿真对比研究,说明了前者的优越性。     

基于蛙跳思想的量子编码遗传算法

量子门旋转相位、变异概率大小的确定,是目前制约量子遗传算法效率的两个主要问题。本文提出一种基于蛙跳思想的量子编码遗传算法(QRGA),该算法采用自适应的方式对量子旋转门旋转角进行调整,并基于模糊逻辑将蛙跳的步长进行量化以指导变异概率调整,保证进化的方向性和提高算法效率,对比实验结果表明算法可以避免陷入局部最优解,并能快速收敛到全局最优解,在运行时间和解的性能上都取得了较好的效果。     

基于模糊逻辑控制器的自适应遗传算法

针对遗传算法中交叉概率和变异概率的缺陷，设计了一种基于模糊逻辑控制器的自适应遗传算法，实验结果表明，该算法具有较好的在线性能。     

基于MATLAB的二级倒立摆线性最优控制器的设计和仿真

倒立摆是进行控制理论研究的典型实验平台,本文在建立二级倒立摆系统数学模型的基础上,将其转化为线性定常系统的控制问题,利用MATLAB完成了该系统线性最优控器的设计,并给出了仿真结果。     

基于MATLAB的一阶倒立摆的建模及仿真

倒立摆系统是一个典型的快速、多变量、非线性、不稳定系统,建立其数学模型研究其稳定性对于很多工程控制有着重大意义。采用机理建模法对一阶倒立摆系统进行分析,建立其数学模型,在用Matlab软件进行仿真验证,仿真时,观察不同的初始条件下倒立摆的运行特性。     

基于Lagrange方程建模的单级旋转倒立摆控制

介绍一种新型单级旋转倒立摆系统的构成，通过对其动力学特性的分析建立了基于Lagrange方程的数学模型。在平衡点附近给出系统的线性化模型，对系统的稳定性、能控性和能观性进行了分析。利用线性二次型最优控制策略LQR方法设计了控制器，并在仿真实验和实物实验中实现了倒立摆的平衡控制。实验表明，系统稳定性好、鲁棒性较强。     

遗传算法在PID控制器优化设计中的应用

本文提出了一种改进的遗传算法对PID控制进行了优化,并用MATLAB仿真,验证了算法的可行性。结果表明与传统PID控制相比,输出的阶跃响应更加快速、准确。     

一种改进的模糊神经网络控制器学习算法

提出了一种改进的模糊神经网络混合学习算法,运用遗传算法优化构成隶属函数的网络结构,运用最小二乘法进行解模糊,具有更高的学习精度和更快的收敛速度,解决了在多变量系统中采用模糊神经网络时学习收敛慢且易陷入局部极小点的问题。     

基于输入位置跟踪的直线二级倒立摆最优控制设计

采用拉格朗日方程建立二级倒立摆的线性化数学模型,并设计了带有位置输入的线性模糊控制器（二次最优控制器）。在SIMULINK环境下对控制效果进行了仿真,结果表明：线性二次最优控制不仅能够使倒立摆的摆杆保持平衡,还能实现小车对位置参考输入信号的跟踪。     

基于模糊PID控制的步进电机驱动控制器

本文设计了一基于模糊PID控制的步进电机驱动控制器,可进行多种功能控制,为使其能够广泛应用,采用一个简单的人机交互,功能模式选择和控制参数均可由键盘输入,可实现高精度控制。     

基于混合遗传算法的转子系统优化设计

转子系统的临界转速是航空发动机设计过程中的重要参数。在临界转速远离工作转速时,转子系统才能安全可靠的工作。如何设计转子系统的结构使设计后的临界转速达到要求,而且结构改变量尽可能小,是转子动力学最优化设计研究的重点之一。在分析已有研究模型的基础上增加约束条件提出一种更完善的临界转速最优化设计模型,无需考虑设计变量个数和设计临界转速个数的关系,及预先给定的临界转速是否可在设计变量对应的临界转速空间内取到,均能找到满意的设计方案。针对该模型的最优化求解,设计出一种结合遗传算法和复合形方法的混合遗传算法,可以有效的提高搜索到全局最优解的搜索速度。对一转子系统进行临界转速优化设计,验证了该模型可以有效的取得满足设计要求的最优设计方案,适用于工程实际的转子系统临界转速最优化设计过程。     

基于遗传算法的复合材料结构-声辐射优化研究

研究了外载荷作用下的复合材料结构振动响应和声辐射问题。在此基础上,分析了复合材料的结构一声辐射优化设计模型,基于遗传算法进行了对称型复合材料板结构的结构一声辐射铺层几何优化分析。数值算例表明,复合材料板结构的铺层数、铺层厚度和铺层角度等参数优化,可以有效降低结构的振动和声辐射。数值算例结果验证了优化方法的有效性。     

基于神经网络遗传算法的GFRP拉挤双目标优化

为研究玻璃钢(GFRP)拉挤工艺参数对复合材料性能的影响,优化最佳拉挤工艺参数,建立了拉挤工艺过程数学模型,结合基于有限元/有限差分的间接解耦法进行求解,模拟得到了拉挤过程中GFRP内部的非稳态温度场和固化度变化情况.分别采用布拉格光栅光纤温度传感器和索氏萃取法检测拉挤GFRP内部的温度与固化度,实测温度和固化度均与模拟温度和固化度吻合,验证了数值模拟程序的正确性.以数值模拟结果为样本,建立反向传播神经网络,得到拉挤工艺参数(固化温度、拉挤速度)与GFRP固化度之间的非线性相关关系,再结合遗传算法解决拉挤过程中固化炉温度和拉挤速度双目标优化问题.优化得到的拉挤工艺参数可在保证复合材料固化度达标的情况下,提高拉挤速度降低固化炉温度,优化效果显著.神经网络遗传算法优化方法能有效解决此类具有复杂非线性关系的多目标优化问题.     

基于改进量子遗传算法的有源噪声控制方法

提出了一种基于改进量子遗传算法的格型IIR滤波器结构的有源噪声控制方法——改进的量子遗传算法（IQGA）。其核心是在对量子门更新过程进行改进的基础上，引入群体灾变和自适应搜索网格的策略。IQGA不仅收敛速度快，还可以改变基本遗传算法（GA）的局部搜索能力，克服基本遗传算法存在的未成熟收敛问题。仿真结果表明，该算法可以有效地实现噪声控制。     

基于混合田口遗传算法的磁流变半主动悬架模糊控制

针对磁流变悬架的非线性以及动力学模型的不确定性,提出一种基于混合田口遗传算法的磁流变半主动悬架整车模糊控制策略。首先建立了基于磁流变减振器的整车动力学模型,并将车辆的振动控制分解垂向振动、俯仰、侧倾三个基本任务设计模糊控制器,进而设计了隶属函数和模糊控制规则;接着引入混合田口遗传算法实现对模糊控制器的隶属函数和模糊控制规则同时优化;最后进行实车道路试验来验证控制策略的有效性。试验结果表明,基于混合田口遗传算法的模糊控制能够降低确定路面激励下车身加速度峰峰值,降低随机路面激励下的加速度均方根值,显著提高车辆的平顺性,其控制效果要优于优化前的模糊控制策略。     

压电智能连续体结构/控制一体化广义拓扑优化

对于以往较少涉及到的同时考虑结构拓扑、作动器位置与数目和控制器参数等多种优化设计变量参与的压电智能板结构的一体化优化设计问题,研究了结构/控制一体化广义拓扑优化设计的方法。提出采用基于耦合模态空间的二次型最优控制系统设计与基于遗传算法和数学形态学处理的策略进行一体化拓扑优化设计实现。数值算例的结果表明,所提方法合理、有效,能够得到清晰的结构拓扑和良好的可控性。     

多目标遗传算法在电梯主动导轮系统集成优化设计中的应用

介绍了一种基于多目标遗传算法的电梯主动导轮系统集成结构和控制器优化设计方法。在本方法中．电梯主动导轮结构参数和主动控制器参数同时作为优化设计变量，电梯系统性能和控制代价作为优化设计目标。这是一个复杂的多目标优化问题。由于控制器具有特定的结构，多目标遗传算法直接被用来求解该多目标集成优化问题。这样不仅可以避免权函数的选择，而且一次运行就可以求出所有的Pareto最优解。最后用一个实验室比例电梯模型作为例子来说明该设计过程。     

基于BP网络和遗传算法的枪架结构优化

为提高机枪的射击精度,需要对机枪枪架的结构参数进行优化设计。基于CAE软件的结构优化有其自身的局限性,所以提出了一种新的优化方法,即联合应用BP网络和遗传算法。本文以此为基础,根据机枪有限元模型,对枪架结构参数进行了优化设计,结果表明：BP网络和遗传算法相结合的方式可适用于多设计变量的枪架参数优化设计,为其它复杂结构的参数优化提供了新的思路。     

基于遗传算法的复合材料层合板削层结构铺层优化

针对应力变化较大的碳纤维增强复合材料层合板,提出削层结构铺层分级优化模式。通过将结构分解为若干子铺层并对各子铺层的位置、尺寸、铺层数以及铺层顺序进行优化,得到了满足强度和可制造性要求且质量最小的结构设计方案。该模式的第1、2级优化利用参考层对各子铺层位置及尺寸进行优化,第3级优化通过引入3次样条插值参数化方法对各子铺层层数和铺层顺序进行优化。参考层的引入可减少设计变量的数量,3次样条插值参数化方法可解决以铺层角为设计变量时设计变量数目不确定的问题。利用有限元方法对结构进行力学分析计算,并依据Tsai-Wu准则确定结构强度。在第2、3级优化中利用遗传算法对优化问题进行求解。算例计算表明:削层结构铺层分级优化模式结果合理可信。与均匀铺层方法结果比较可知:削层结构可有效减少结构质量。