基于极点分布和协方差匹配的随机系统模型降阶方法

文中提出了一种基于极点分布和输出协方差匹配的随机系统模型降阶方法.仿真验证了方法的有效性.     

一种近似广义奇异摄动模型降阶算法

分析了平衡截断法、平衡奇异摄动法和广义平衡奇异摄动法存在的优缺点。提出了一种近似广义奇异摄动模型降阶算法。新算法在广义平衡奇异摄动法降阶过程中引入一个实参数代替矩阵。不仅集成了平衡截断法和奇异摄动法的优点。而且减少了计算量。大大缓解了利用广义奇异摄动法得到的低阶系统可能面临的无法实现的问题，仿真结果表明方法简单有效。     

基于大气散射延时的激光离轴检测方法

文章基于激光的传输和散射物理特性,建立了激光信号探测的二维解析模型,得到了在不同探测角度条件下的散射场能量,导出了后向散射光的到达延迟时间与探测角度和离轴距离关系的理论公式.在近轴、远距离传输情况下的离轴距离与延迟时间成简单的线性关系.延迟时间虽然取值很小,但大于脉冲宽度,提出了采用精确测量接收信号的延迟时间来实现二维空间中激光束离轴定位的方法.     

利用外点罚函数和粒子群算法实现模型最优降阶

将外点罚函数和粒子群算法应用于模型最优降阶,采用新的低阶模型,提出了解决低阶模型稳定性问题的有效方法.典型例子的仿真验证了本方法的可行性和有效性.     

分工差分进化算法

为克服rand/1和best/1两种变异策略存在的缺陷,提出分工差分进化算法.该算法结合rand/1变异策略全局搜索能力强和best/1变异策略局部搜索能力强、收敛速度快的特点,在进化过程中对个体进行分工,优秀个体选择best/1策略承担开发任务,一般或较差个体选择rand/1变异策略承担探索任务,通过个体分工负责从而提高算法性能.对典型函数的测试结果证明,新算法能够大大提高算法的收敛速率和全局搜索能力.     

带基向量种群的改进差分进化算法

在基向量随机选择中,差分进化算法的收敛速度较慢。为此,提出一种改进的差分进化算法。从当前种群中选择一定数量个体组成基向量种群,在进行变异操作时,从该基向量种群中选择个体作为基向量。使用标准测试函数对算法进行验证,结果表明,该算法能缩小基向量选择范围,减少迭代次数。     

利用改进微分进化算法实现线性系统逼近

提出一种基于改进的微分进化算法的逼近算法。新算法通过参考粒子群算法惯性权重思想,引入惯性加权系数,在计算初期能够维持个体的多样性,后期能够加快算法的收敛速度,提高了DE算法的性能。最后对典型的稳定线性系统逼近问题进行了数值计算,计算结果证明该算法优于未改进微分进化算法,能够以更少的进化代数和更小的计算量找到高质量的逼近模型。     

基于差分进化算法的PID参数整定

研究了PID控制器的参数整定问题.常用的工程整定法没有考虑系统的任何要求,只能提供给系统一个稳定的状态,无法使系统运行最佳.理论设计法只能保证满足系统的某一特性要求.针对这两种方法存在的缺陷,将差分进化算法应用于PID参数整定,提出了基于差分进化算法的PID参数整定方法.新方法根据系统性能指标,设计适应度函数,充分利用差分进化算法优秀的寻优能力,寻找出较优的PID参数.最后,通过实例对三种参数整定方法的控制效果进行了仿真和比较,仿真结果证明了基于差分进化算法的PID参数整定方法明显优于工程整定法和理论设计法.