基于模拟退火算法的挤出模参数优化

建立了塑料熔体在异型材挤出机头流道中的流动均匀性模型 ,阐明了模具结构参数与流动均匀性间的关系,确定了塑料挤出模优化设计的目标函数和设计变量 ,并将一种改进的模拟退火算法用于流线型塑料异型材挤出机头的优化设计。实例表明所用方法对挤出模优化设计的适用性,该方法在利用经验的同时 ,优化了模具结构参数 ,提高了模具设计的智能化     

基于改进海马优化算法的PID参数优化

为了解决传统海马算法(SHO)在PID参数整定中存在全局寻优能力差且收敛速度慢的问题,提高PID参数优化质量,提出一种改进的海马优化算法(ISHO)。通过Tent混沌映射增加海马种群初始化多样性提高收敛速度;引入逃逸能量调控策略改进算法全局搜索与局部开发的转换机制,从而提高算法的全局寻优能力。将改进海马优化算法与传统海马算法、Z-N临界比例法、灰狼优化算法和粒子群优化算法进行比较,仿真结果表明：改进的海马优化算法优化PID参数具有调整时间更短、系统控制精度更高和收敛速度更快等优点,为PID控制系统的参数优化提供了参考。     

基于自适应果蝇优化算法的PID参数优化

针对基本果蝇优化算法(FOA)控制精度不高且易陷入局部最优的缺陷,提出一种自适应果蝇优化算法(IFOA)的PID参数优化方案。该算法以控制偏差绝对值和输入平方项的时间积分作为适应度函数,经过迭代寻优得到最优的PID参数值。通过二阶时滞系统测试并与基本果蝇优化算法比较,结果表明:该算法控制精度高、响应速度快、鲁棒性好,为PID参数优化提供了参考。     

基于改进海鸥优化算法的PID控制器参数优化

PID控制器广泛应用于自动控制、电子等领域,其参数的合理性是衡量系统性能指标的关键因素.引入自适应权重策略来平衡海鸥优化算法的全局搜索和局部搜索能力,通过惯性权重的余弦策略来增强局部搜索能力,以使算法更好地优化PID控制器的参数.对12个标准测试函数和二阶温控延迟系统进行测试,将算法与遗传算法、粒子群算法、人工鱼群算法...     

基于PSO算法的机械臂PID控制器参数优化

机械臂的工作环境复杂,对其工作的响应指标要求较高.PID控制受限于机械臂的数学模型的复杂性与不精确性,导致经典的参数整定方法在实际生产中适应性不良或性能欠佳.文章基于MATLAB/Simulink将PSO算法(粒子群优化算法)用于机械臂PID控制器的参数优化中,通过对3关节连杆机械臂单次拉伸动作的建模仿真研究,结果表明:使用此方法后,机械臂各关节响应的调节时间和超调童都得到明显的优化.     

改进PSO算法优化交流伺服系统PID参数研究

伺服系统PID控制参数的优化整定对系统可靠性和稳定性有着重要意义,而传统整定方式下参数优化整定时间较长、效果不佳、反应较慢.为了解决以上问题,提出一种优化交流伺服系统参数的控制方法.基于改进PSO算法实现惯性权重和学习因子随迭代次数的改变自适应调整,引入适应度函数快速优化整定PID控制器参数.利用MATLAB分别对基于...     

自聚合飞蛾火焰优化算法对PID参数优化研究

PID控制器的控制对象通常具有高阶非线性等特点,在参数整定时容易使控制器出现超调、振荡、性能变差等缺陷.为解决此问题,提出一种自聚合飞蛾火焰优化(SMFO)算法对PID参数进行优化.在常规飞蛾火焰优化(MFO)算法中引入萤火虫算法中的光强吸引特性,以提高算法的寻优性能.采用高斯分布对火焰种群适宜个体进行选取,其利用光强...     

基于自适应变异DE算法的PID参数整定优化

针对工业过程中的PID参数整定难的问题,在分析传统差分进化算法的基础上,提出了一种自适应变异的差分进化算法,用于PID控制器的参数优化。改进算法定义了群体相似度系数和个体优劣系数,根据群体相似度系数动态调整变异操作,发挥不同变异操作模式的优点,使得算法同时兼顾了全局搜索和局部搜索的能力,根据个体优劣系数自适应调整交叉概率因子,改变以往交叉概率因子为定值常数,算法能够根据变异个体优劣选择合适的交叉概率因子。将改进算法用于以直流电机模型为被控对象的PID控制器参数整定优化中。仿真实验研究表明,相较于传统PID,DE-PID和QPSO-PID控制,AMDE-PID控制器具有更快的响应速度和稳定精度。     

基于改进蚁群算法的电液比例系统PID参数优化

VACA是变尺度算法融入蚁群优化算法中而形成的一种混合算法。针对电液比例系统PID控制参数整定问题,提出了基于改进蚁群算法的PID参数优化方案,并给出了具体的实现步骤:建立臂架电液控制系统的数学模型,利用Simulink工具箱建立了电液比例控制系统的VACA-PID的仿真模型,进行了仿真和验证。结果表明:VACA-PID控制器具有良好的静、动态性能,完全能达到电液比例控制系统的要求。     

基于粒子群优化算法的液压伺服控制系统PID参数优化

PID控制是液压伺服控制系统中广泛应用的一种控制方式,PID参数是否合理直接影响着液压伺服系统的性能.本文以并联电液伺服平台的PID参数优化为例,使用粒子群优化算法对PID参数进行优化,结果显示该方法的调节效果良好.     

基于遗传模拟退火算法的铣削用量优化

由于传统的切削用量选择方法的局限性,数控机床的功率不能被充分发挥,这使得数控加工这种高费用的加工手段变得更加昂贵。通过考虑机床、工件和刀具的实际约束来建立加工时间和加工成本的铣削用量数学模型,采用遗传模拟退火算法对铣削用量进行优化,实例表明遗传模拟退火算法优化铣削用量比采用遗传算法优化更迅速、更有效。     

基于竞选算法的PID参数整定

以时间与绝对误差乘积积分性能指标为优化目标,将竞选算法用于液压伺服系统控制的PID参数整定,并给出了算法的仿真结果.研究表明,竞选算法从全局得到更好性能指标的搜索结果,对参数整定优化策略具有很强的灵活性、适应性和鲁棒性.     

基于遗传算法的电液伺服系统PID参数优化

本文提出了一种基于遗传算法实现PID参数优化的方法。文中给出了PID参数遗传进化的寻优步骤以及代价函数的确定方法。通过在电液伺服系统中的仿真研究,表明该种优化算法的有效性。     

基于IPSO的数控机床进给伺服系统PID参数优化

数控机床的高精度进给控制一般都采用永磁同步电机拖动的交流伺服系统,优化进给轴伺服系统PID参数对提高进给轴快速响应性、跟随精度和抗干扰性等均具有重要作用。针对数控机床高精度要求,文章提出了一种改进粒子群算法(Improved Particle Swarm Optimization,IPSO),利用其对数控机床进给伺服系统模糊控制器(PID)的三个比例因子参数Kp、Ki、Kd进行优化,并在Simu Link环境中进行仿真实验,同时与人群搜索算法(SOA)、基本粒子群算法(PSO)、遗传算法(GA)进行对比。仿真结果表明,利用IPSO算法进行PID参数优化的数控机床伺服系统动态性能得到了很大改善,具有低超调量、鲁棒性强和高稳态精度等优点。     

融合模拟退火策略的萤火虫优化算法

萤火虫算法是群智能领域近年出现的一个新的研究方向,该算法虽已在复杂函数优化方面取得了成功,但也存在着易于陷入局部最优且进化后期收敛速度慢等问题,而模拟退火机制具有很强的全局搜索能力,结合两者的优缺点,提出一种融合模拟退火策略的萤火虫优化算法。改进后的算法在萤火虫算法全局搜索过程中融入模拟退火搜索机制,在局部搜索过程中采用了回火策略,改善寻优精度,改进了萤火虫算法的全局搜索性能和局部搜索性能。仿真实验结果表明：改进后的算法在收敛速度和解的精度方面有了显著地提高,证明了算法改进的可行性和有效性。     

基于模拟退火的超声滚挤压工艺参数多目标优化

为了提高经过超声滚挤压处理后的金属材料表层性能,延长其使用寿命,以42CrMo为研究对象,基于4因素5水平正交试验,采用响应曲面法分别建立表面粗糙度、 表层残余应力和加工硬化程度的预测模型.为获取42CrMo较优的表层性能,运用模拟退火算法对工艺参数进行多目标优化,并对优化模型进行试验验证.结果表明:迭代次数为3000...     

基于模拟退火算法的高强钢Yoshida-Uemori材料模型参数反演分析

针对Yoshida-Uemori模型参数难于确定的问题,以DP600双相高强钢为例,提出将图解法与有限元模拟反演技术相结合,应用工程优化数学思想,借助于模拟退火算法最小化有限元计算值与物理试验真实值之差,兼顾结果精度与求解效率。通过使用不同初始值反演分析可以发现,此求解方法对于初始值具有良好的适应性,可极大提升反演结果的容错率,更适于实际应用。并通过V型弯曲试验验证了经由该方法测定的Y-U模型参数可直接用于有限元回弹仿真模拟中。     

基于模拟退火的遗传优化算法在TSP问题中的应用

TSP问题一直属于NP难题,目前解决TSP问题方法很多,如模拟退火算法、遗传算法以及Hopfield网络神经方法等.以上这些方法在解决TSP问题时各有优缺点,本文结合了模拟退火算法和遗传算法提出了一种新的组合优化算法,即基于模拟退火的遗传优化算法.此算法的核心思想是将遗传优化算法嵌入到模拟退火算法中,利用模拟退火算法的接受准则和随机状态产生函数来产生遗传算法的种群,然后根据遗传优化算法的结果反过来制约模拟退火的随机状态产生,从而最终得到最优解.本文首先对此方法的流程和基本步骤进行了详细的论述,然后采用C语言进行编程,对20个城市的TSP问题进行了优化求解.对结果分析可认为此种方法在解决TSP问题时存在一定的优越性.     

基于预测的变参数PID控制算法研究

本文提出了一种基于预测的变参数PID控制算法，该控制算法根据采样时刻t及在此之前几步系统输出的历史数据，预测下一步的系统输出，下一步系统的偏差及下一步的系统偏差变化率，而后计算出系统控制器的Kp,K1,KD和设计出变参数PID控制器，并把该算法应用在精校机的滑块位置系统中，与常规的PID控制算法进行了对比实验，实验结果表明基于预测的变参数PID控制算法相对于常规PID算法有较高的控制精度和较快的响应速度，满足精校机滑块位置控制系统的静动态要求。     

基于HPSO算法的磨削加工参数优化

在标准粒子群算法的基础上,提出了一种混合粒子群算法,并将该方法用于磨削加工过程中的参数选择。以材料去除率最大为优化目标,在两种不同的加工性能下进行求解。结果表明:混合粒子群算法在求解效率和收敛性能上要优于粒子群方法,利用该方法优化求解磨削加工参数是可行的,且能获得较好的求解结果。