权重改进的蛙跳算法优化PID参数

针对非线性、大延迟、时变的控制系统,传统的PID控制效果不理想,为此提出用蛙跳(shuffled frog leaping algorithm,SFLA)仿生优化算法整定PID参数,但传统蛙跳算法易陷入局部最优,收敛速度慢,因此提出权重改进的蛙跳算法(weight improved shuffled frog leaping algorithm,WISFLA)。该算法引入线性递减惯性权重修正最差青蛙的更新策略,可以平衡算法的全局搜索和局部搜索。通过两个经典控制系统的仿真测试,结果表明,WISFLA算法可以平衡算法的全局搜索和局部搜索,比SFLA和PSO(particle swarm optimization)的寻优能力强,迭代次数少,更适合PID参数的整定优化。     

基于免疫粒子群算法的PID参数优化研究

针对传统PID控制系统中存在的调节时间长、控制精度低、响应速度慢等问题,提出使用免疫粒子群算法对PID参数进行优化。首先,对粒子群优化算法（PSO）中的惯性权重、学习因子、粒子学习模式进行改进,使得微粒更新适应各个阶段;其次,引入人工免疫思想形成免疫粒子群算法,保证了迭代过程中粒子的多样性,提高了算法精度;最后,在仿真环境下经过对ZN公式法、参数改进后的粒子群算法、免疫粒子群算法在PID控制参数优化效果进行对比可知,免疫粒子群算法的优化控制效果更佳。     

粒子群优化算法中惯性权重的研究

惯性权重是粒子群优化算法中的关键参数,文章对惯性参数进行了系统的研究,在此基础上,分析了固定权重,典型的线性递减惯性权重,步长较小的线性递减惯性权重时收敛性能的影响.通过对4个测试函数的仿真实验,验证了它们各自的全局收敛性和收敛速度,说明了惯性权重在粒子群优化算法中有很大的自由度.     

基于改进PSO算法整定PID参数的设计与研究

比例-积分-微分（Proportion-Integral-Differential,PID）控制设计简单、工作原理易掌握、调整参数少,多应用于工业自动控制领域。针对传统参数整定方法时间长、精确度低等问题,提出基于惯性权重自适应粒子群优化（Particle Swarm Optimization,PSO）算法快速整定PID参数的方法,在验证改进算法可行性的基础上,以二阶延迟系统为被控对象进行仿真实验。实验结果表明,利用PSO算法优化后的PID控制器,在系统的控制上拥有更好的控制效果,提高了系统的稳定性。     

基于PSO算法的叶片粗铣工艺参数优化

为了降低航空发动机叶片粗铣时加工变形量,提高其加工效率,采用正交组合设计进行工艺参数分组,基于Deform平台完成叶片铣削加工模拟仿真,获取铣削力并找到工艺参数与叶片变形量之间变化规律。应用多元二次回归方法建立叶片变形量与工艺参数的相关性数字模型,对模型进行方差分析,检验与试验值的拟合度,并利用PSO算法求解最优工艺参数。结果表明：在其他条件保持不变情况下,通过PSO算法可获得加工变形量小和加工效率高的最优工艺参数。     

基于PSO算法的无人路径优化概述

本文介绍了基于粒子群优化（PSO）算法进行无人路径优化的情况。本文首先指出在各个领域中无人机的重要性逐渐增加,以及在复杂环境中进行有效路径规划的必要性。接着,深入探讨了PSO的基本原理,其在无人路径优化中的应用,并与传统方法如Dijkstra和A*算法进行了对比。本文强调了PSO在全局路径搜索、适应动态环境、避障和多目标优化方面的优势。最后,本文探讨了PSO在军事侦察中的应用,重点是隐蔽性、安全性、信息效率和能源可持续性,为进一步的研究提供了理论基础并明晰思路。     

间歇过程PSO SQP混合优化算法研究*

针对SQP算法在求解具有复杂约束的间歇过程优化时容易陷入局部极值点的问题,本文提出一种PSO-SQP混合优化算法。该算法首先采用外点罚函数法将间歇过程有约束的优化问题转换为无约束的优化问题,利用PSO强大的全局搜索能力对其进行求解,并把搜索结果作为SQP搜索初始点,以此弥补SQP全局搜索弱的缺点,再利用SQP良好的局部收敛性和较强的非线性收敛速度对原优化问题进行精细搜索,弥补了PSO局部搜索弱的缺点,通过不断的迭代最终获得优化问题的全局最优解。该算法充分利用了SQP和PSO的优缺点,增强了其对复杂约束优化问题的求解能力。将本文提出的算法用于连续搅拌化学反应系统温度控制中,仿真结果表明产物浓度能够充分逼近期望值,且反应器的温度轨迹收敛,从而验证了该算法的有效性和实用价值。     

基于粒子群算法的PID控制器参数优化

提出了使用粒子群算法对PID控制器的比例带δ、积分时间Ti寻找最优解的方法.运用MATLAB通过对电厂中过热汽温控制系统内回路一级过热器的辨识模型进行仿真,表明该种算法的有效性.     

免疫PSO算法在啤酒配方优化中的应用研究

针对PSO算法在搜索过程中粒子容易失去多样性而陷入局部最优的缺陷,本文提出了一种免疫的PSO算法.该算法借助免疫接种与免疫选择两个免疫操作来优化PSO算法,从而达到优化搜索的目的,有助于提高其收敛速度,并将该算法应用于啤酒配方优化问题中.应用结果表明:使用免疫PSO算法对啤酒糖化配方进行优化,可以在较少的搜索步数内得到良好的优化效果,优化后所得配方的原料总成本有明显降低,具有工业应用价值.     

基于改进PSO算法的数控机床主轴优化设计

通过分析主轴结构和加工过程中受载变形情况, 建立了主轴优化设计的数学模型。根据邓克莱法计算得到的一阶固有频率近似值,引入动态约束条件 。针对传统优化设计方法在解决主轴优化设计中出现的问题,引入粒子群优化 (PSO) 算法,并提出了一种惯性权重值适应性递减的粒子群（ADW）算法。将ADW算法用于数控机床主轴优化实例中,得到主轴结构参数优化组合。研究结果表明,运用所建立的主轴优化设计数学模型及改进粒子群算法可以得到主轴结构参数优化组合,充分显示了该研究方法的有效性。     

基于粒子群算法的永磁电机优化设计

将粒子群算法应用到永磁电机的多目标优化设计。利用Matlab脚本语言跨平台调用电磁场分析软件Ansoft Maxwell,建立永磁电机设计的参数化建模方式,实现多目标优化设计。实验表明脚本化建模及多目标优化的可行性,能直接应用到电机的设计制造中。     

基于粒子群优化算法的航天器惯性参数辨识

在地面上精确测量航天器的惯性参数是困难的,并且由于燃料的消耗、航天器的交会对接、载荷及姿态的变化等因素将会使航天器的惯性参数在轨发生变化。因而航天器的控制系统、状态估计系统将会受到航天器惯性参数变化的影响。在轨辨识出航天器的惯性参数,可以为更加优化、实时的控制航天器服务。文中提出了一种基于粒子群优化算法的航天器惯性参数辨识算法。建立了引入带有模型误差以及由于航天器惯性参数变化引起的误差的航天器姿态运动学与动力学模型,基于模型误差最小准则建立目标函数,利用改进的粒子群优化算法对模型误差进行实时估计,从而实现对航天器惯性参数的辨识,并将其应用到航天器的姿态控制中,并通过仿真实验证明了该算法的有效性以及实用性。     

基于粒子群算法的汽车ABS控制器参数的优化设计

提出了基于粒子群算法的汽车ABS控制器参数的优化设计方法。该方法将ABS控制器的参数编码为粒子群中粒子的向量,通过粒子群在参数空间的寻优得到优化的控制参数。然后分别以未优化的参数和优化的参数作为控制参数进行了仿真试验,仿真结果证实了该算法的有效性。最后以优化的参数作为控制参数进行路试,取得了比较满意的制动效果。     

基于支持向量回归积和改进粒子群算法的特定区间盾构机作业参数选取

为实现特定区间盾构机作业参数更准确的选取,提出了基于支持向量回归积(e-SVR)和改进惯性权重降低速度粒子群优化(IIWDSPSO)算法的盾构机作业参数选取模型。基于e-SVR构建掘进参数、地层参数、几何参数与地表沉降值之间的非线性关系模型,并基于实际盾构施工数据与人工神经网络模型、随机森林模型进行性能对比分析;通过10组仿真实验分析惯性权重降低速度对算法性能的影响,基于分析改进的粒子群优化算法优化特定地层参数和几何参数区间的掘进参数。结果表明,e-SVR模型对盾构施工数据样本具有更好的拟合和泛化能力,所提出的IIWDSPSO算法具有更好的准确性、稳定性和收敛概率。实际工程应用结果也验证了所提模型求解出的特定区间掘进参数能使地表沉降值相对更小,得到的掘进参数能够为实际工程提供更准确和可靠的参考。     

加工参数优化中自适应协同粒子群算法研究

针对加工参数优化过程中粒子群优化算法的优化效果受参数影响较大的问题,提出了自适应协同粒子群优化算法。对粒子群优化算法的参数对优化结果的影响进行了详细而深入的分析,在此基础上,给出了优化过程中惯性权重、学习因子、最大速度等参数的变化规律,并通过仿真的方法确定了最优参数的取值。最后通过对基准函数的仿真实验,验证了本文算法的正确性和有效性。     

基于微粒群算法的机械优化设计

介绍了微粒群优化算法的原理、改进及算法实现过程.用数值实验验证了该算法在解决复杂机械优化问题方面的可行性与有效性.     

基于粒子群算法的并联机构结构参数优化设计

介绍了粒子群优化算法的原理和实现方法，分析了该算法的主要参数对搜索性能的影响，井把粒子群算法用于六自由度的并联机构的参数优化设计中，取得了较好的效果，试验证明，粒子群算法是一种有效的优化方法，适用于大型复杂结构的优化设计。     

基于粒子群优化和协同优化的多学科设计优化研究

协同优化是进行多学科设计优化的有效方法之一。本文将粒子群优化算法应用于协同优化,通过对系统级优化等式约束条件进行转换,克服了协同优化自身内部的计算缺陷,有效解决了当原始系统优化问题不满足Kuhn-Tucker条件时导致的计算困难,最后以数值计算和减速器设计为例进行了验证。结果表明本文提出的方法是有效的,同时也为将新型算法应用于多学科设计优化问题提供了参考。     

基于QPSO的重载齿轮多目标优化设计

粒子群优化算法(PSO)是一种基于群智能的优化方法,量子粒子群优化算法(QPSO)是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多目标、多约束条件的重载齿轮的优化设计,本文提出了一种基于QPSO优化求解的设计方法;实践表明能够快速、有效求得优化解,是求解重载齿轮优化设计问题的一个较好方案。     

一种动态改变惯性权重的粒子群优化算法

针对粒子群优化算法的局限性，提出了一种动态改变惯性权重的粒子群算法，在优化迭代过程中，惯性权重值随粒子的位置和目标函数的性质而变化。函数测试表明，改进后的算法使收敛速度显著加快，而且不易陷入局部极值点。