一种新型人工免疫算法的PID自整定研究

提出了一种人工免疫诱导算法(AⅡA),用于实现PID参数自适应整定计算.阐述了人工免疫系统的原理,深入剖析了PID参数自适应整定模型,设计了该模型的人工免疫诱导算法.实验表明,该算法具有快速收敛性,能够较快地找到PID参数自适应整定的最优或次最优参数组合,有利于提高PID控制器调节的实时性.同时,将该算法(AⅡA)与GA算法、齐格勒-尼柯尔斯(Z-N)方法、ISTE方法进行了比较.仿真结果表明了该算法的优越性和实用性.     

基于RBF网络自整定PID控制的改进算法

针对工业过程控制中存在的非线性,时变性以及各种不确定性,在已有的RBF网络整定PID控制的基础上,提出了一种改进的整定控制算法。先用RBF神经网络在线辨识被控对象离散模型,得到对象关于控制器输出的Jacobian信息,然后用Levenberg-Marquardt算法代替传统的梯度法对PID参数进行整定,得到改进的整定控制算法。通过对锅炉汽包水位控制系统的仿真研究,验证了算法的有效性和优越性。该控制算法提高了控制系统的快速性、鲁棒性,有一定的实用推广价值。     

蚁群算法自整定PID控制器的研究与设计

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种基于蚁群算法的自适应PID控制器的设计方法。用蚁群算法优化并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能。仿真结果表明,控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程。     

一种基于递推参数估计的PID自整定方法

提出了一种基于递推参数估计的ＰＩＤ参数频域整定方法，仅利用受控过程的一种输入／输出信息及整定后的闭环品质判断，经过一至两次整定，即可得到有效的ＰＩＤ参数。仿真结果表明了其良好的控制品质。     

基于量子遗传算法的PID控制器参数自整定

提出了一种基于量子遗传算法（QGA）的PID控制器参数整定方法。首先定义一个包含表示系统超调量、上升时间和稳态误差指标项的适应度函数,并根据实际系统的性能要求对指标项进行适当加权。之后采用具有量子比特个体表示形式和量子旋转门实现种群进化的量子遗传算法,对PID进行多目标寻优,从而实现PID参数的自动整定。仿真结果表明,该方法优化得到PID控制器的综合性能优于常规方法和一般遗传算法得到的PID控制器。     

基于HS-PSO算法的PID控制器参数自整定

针对粒子群算法(PSO)算法局部搜索能力差的问题,提出一种对PID控制器参数进行自整定的基于和声搜索(HS)的改进粒子群优化算法(HS-PSO).通过引入种群进程因子对惯性权重进行自适应调节以提高PSO算法的收敛速度.另外在PSO进化过程中每代产生的最优个体以新陈代谢方式进入和声记忆库中并进行和声搜索,以克服粒子群优化...     

基于粒子群算法的自整定PID控制器

粒子群算法是一种基于群智能的全局寻优方法,方法简单易于实现,寻优效果好。本文设计了一种基于粒子群算法的自整定PID控制器。它可以根据系统参数的变化实现在线的PID参数优化。仿真结果证明其性能良好。     

基于模式识别的自整定PID算法的改进

对基于模式识别的自整定PID算法作了改进.新算法分别对传统方法的整定规则和整定方式进行了改进,加快了参数收敛的速度,提高了算法的整定效率.DCS仿真和工业应用证明了算法的有效性.     

基于人工免疫算法的多目标函数优化

提出了一种新型的人工免疫算法用来解决多目标函数优化问题。基于自然免疫系统固有的优良特性对算法进行了设计和分析。最后,算法对3个较复杂的多目标问题进行了优化,优化结果能很好地覆盖问题的Paret。最优面,并且把算法与某些混合遗传算法进行了对比实验,表明人工免疫算法在解决多目标优化问题上具有可观的研究前景。     

基于精英培养混合遗传算法的PID参数整定

提出了一种基于精英培养的混合遗传算法,该算法采用参数自适应变化的遗传操作与精英个体的有方向的邻接爬山操作相结合。遗传参数的调整和搜索终止条件打破了传统的由整个进化群体的进化情况决定的做法,而改由精英团体的进化情况决定。通过仿真实验说明了通过新算法能实现PID参数的快速的自整定,且整定效果较好。     

量子遗传算法在基于人工免疫的入侵检测系统中的应用

一个高效的入侵检测系统需要根据网络流的变化,不断对检测子进行优化。将新型的启发式方法——量子遗传算法应用于入侵检测系统中,并进行了仿真实验。结果表明：量子遗传算法在优化性能上优于传统遗传算法,它使种群具有多样性,提高了算法效率。     

基于PMC模型的高效人工免疫诊断算法

诊断算法是系统级故障诊断的一个重要研究课题.文献[10]提出PMC模型下的人工免疫诊断算法,但是没有充分利用PMC模型的特点,并在计算亲和度的时候给出一个假设.对此首先利用PMC模型的特点优化初始种群的质量,其次定义优化后的亲和度函数,最后提出新的算法流程,并证明算法的正确性和收敛性.模拟实验显示在CPU时间和迭代次数上都优于原算法.     

基于免疫应答原理的多目标优化免疫算法及其应用

基于免疫应答原理，合理地构建免疫算子及引入一种新的小生境技术, 提出一种 解决多目标优化问题的免疫算法. 在此算法中，将优化问题的可行解对应抗体及Pareto最优个体对应抗原，这种抗原存于抗原群中,并应用新的聚类算法不断更新抗原群中的抗原, 进而获大量的Pareto最优解, 这些解能很好地分布在Pareto面（此指由Pareto最优解构成）上. 理论证明了该算法能获Pareto最优解. 最后，将该文的算法与文献\[3\]的算法SPEA进行仿真比较, 获该算法的有效性, 此表明免疫算法解决多目标优化问题具有广阔的前景.     

基于人工免疫的入侵检测模型研究

根据人工免疫原理,采用阴性选择算法和r-连续位匹配算法,建立了一个新的入侵检测模型,该模型具有智能化入侵检测系统所要求的自组织、自学习、自适应等特点.研究表明,该模型可有效提高入侵检测系统的检测率,降低其误警率.     

基于免疫网络和SOM的文本聚类算法研究

文本聚类的核心问题是找到一种优化的聚类算法对文本向量进行聚类,是典型的高维数据聚类,提出一种基于自组织神经网络SOM和人工免疫网络aiNet的两阶段文本聚类算法TCBSA。新算法先用SOM神经网络进行聚类,把高维的文本数据映射到二维的平面上,然后再用aiNet对文本聚类。该方法利用SOM神经网络对高维数据降维的优点,克服了人工免疫网络对高维数据的聚类能力差的缺点。仿真实验结果表明该文本聚类算法不仅是可行的,而且具有一定的自适应能力和较好的聚类效果。     

基于多目标遗传算法的柴电混合动力船舶功率分配优化

船舶在传统的柴油机推进模式时,低负荷下船用主机性能不佳,燃油消耗率高,燃烧质量差,在提高经济指标和减少排放指标方面遇到瓶颈.柴-电动混合动力推进形式能够通过合理的分配,有效降低燃料消耗和排放.针对混合动力船舶的动力结构,构建关于油耗和污染物排放的多目标优化模型.采用多目标遗传算法(NSGA-Ⅱ)优化功率在主机和发电机间...     

一种基于多亲遗传机制的多目标优化算法

给出了进化个体之间的关系和非支配集中不同个体之间的相关性质,参考快速排序的思想,提出了一种有效的构造非支配集的算法.在此基础上,将多亲遗传算法与改进的快速排序构造非支配集的算法相结合,提出了一种基于多亲遗传机制的多目标优化算法.最后对提出算法进行了分析,采用了测试函数进行了仿真实验,获得了理想的实验结果.     

OPTIMIZATION OF DECENTRALIZED PI/PID CONTROLLERS BASED ON GENETIC ALGORITHM

In this paper, an optimization method of tuning decentralized PI/PID controllers based on genetic algorithms is presented. First, the existence of decentralized PI controllers with integrity is examined. Then, stable regions of each PI/PID controller parameters are calculated as the feasible area to be exploited, and the optimal PI/PID controllers are obtained by using a real‐coded genetic algorithm with elitist strategy, to meet the design specifications for the whole control system. The proposed method is applied to six examples from literature. Simulation results demonstrate that the proposed decentralized PI control is compatible to the referenced method while the decentralized PID control is better than the referenced method, and the proposed method is feasible for more complicated control systems optimizations.     

多目标0-1规划的蚂蚁优化算法

针对多目标0-1规划问题,设计一种新的求解方法--蚂蚁优化算法,并在计算机上予以实现,经与已有的算法相比较以及大量数据测试和验证,获得了较好的结果.     

基于人工免疫改进的搬运机器人蚁群路径规划

针对搬运机器人在障碍环境下的路径寻优问题,提出一种基于人工免疫改进的蚁群路径规划算法(AI-ACA)。蚁群算法(ACA)的规划依赖于信息素挥发系数、期望启发因子和信息启发因子等参数的选取,传统ACA通过经验来设定这三个参数,但路径寻优中的最优参数因障碍环境而异,为解决经验参数对不同环境路径寻优结果的影响,引入人工免疫算法(AIA),对ACA的相关参数进行迭代优化,以此改善路径寻优结果。仿真结果及在自制机器人平台上测试表明,AI-ACA对于不同障碍环境可以准确地进行路径规划,在同样环境下较所参考的定参数蚁群路径规划效果有明显提升,提高了整个系统的运输效率。