多源基因学习的微种群教与学优化及应用

由于微种群教与学优化算法的种群规模较小, 故其种群多样性很难维持. 为提高微种群教与学优化算法的搜索性能, 提出了一种基于多源基因学习的微种群教与学优化算法(micro-population teaching-learning-based optimization based on multi-source gene learning, MTLBO-MGL). 在MTLBO-MGL算法中, 将教阶段和学阶段根据随机选择策略来对个体进行基因水平上的进化操作; 并从基因层面上对种群多样性进行检测和使用稀疏谱聚类方法对种群的每个维度进行聚类. 然后, 根据多样性检测和聚类结果, 选择不同的进化策略来提高所提算法的搜索性能. 在28个测试函数上, 通过将所提算法与其他4种微种群进化算法作对比, 证明了所提算法的整体性能要显著好于所对比的4种算法. 本文还将所提算法应用于无人机三维路径规划问题, 结果表明MTLBO-MGL算法能够在该问题上取得较好结果.     

基于ESO的PMSM转子位置与转速估计

针对永磁同步电机(PMSM)无传感器控制系统,设计了一种新型的基于扩张状态观测器(ESO)的转子位置与转速观测器。利用自抗扰控制技术中的ESO能精确估计扰动的能力,将含有转子位置和转速信息的反电动势项视为扰动,将电流电压信号分别作为ESO的状态和输入,从而估计出反电动势。考虑到估计得到的反电动势中含有谐波和高频噪声的存在,设计锁相环(PLL)从反电动势中解算转子位置和速度信息。搭建了实验平台,和常用的滑模观测器(SMO)进行了对比,仿真实验验证了该方法的有效性。     

基于概率方法的二氧化碳氢化反应热力学优化

为从热力学的角度优化二氧化碳合成低碳烯烃反应的反应性能，基于Gibbs自由能最小化方法对二氧化碳氢化反应进行平衡热力学分析，通过模拟计算得到反应温度、反应压力、进料气氢碳摩尔比对二氧化碳平衡转化率、低碳烯烃选择性及平衡组分摩尔分数的影响。基于概率学理论，建立反应条件对反应性能参数的概率函数，使用NSGA-Ⅱ多目标优化算法对催化反应性能进行多目标优化。结果表明：相比单目标最优化方法，多目标优化方法可使反应系统多个相互矛盾的目标协同达到最优，在提高二氧化碳转化率和低碳烯烃选择性的同时降低催化系统中H₂O平衡摩尔分数。