深海采矿车行走的专家模糊控制

深海采矿车的作业过程,受作业环境和采矿车自身的影响,具有随机性、非线性和时变等特性,针对该复杂过程,提出了专家模糊控制算法．该算法参考履带车辆的运动学方程,结合履带车辆人工操作经验整合的专家规则,构成专家系统,实现采矿车绝对速度和航向角的闭环控制;采用模糊控制算法,对采矿车的左、右履带速度进行控制．仿真结果验证了该方案的可行性和有效性．     

深海采矿机器人的行走鲁棒控制

针对深海采矿机器人模型和外界环境不确定性而导致其控制问题异常复杂这一难题,首先用RBF神经网络逼近系统不确定性的上界,在状态反馈的基础上,构造了基于虚拟输入的航向控制鲁棒自适应律;然后给出了左右履带速度输入与虚拟输入之间的模糊控制推理规则,提出了采矿机器人的行走控制方法.仿真结果验证了所提出方法的可行性.

     

深海采矿车的自修正专家模糊控制

深海自行走履带采矿车作业过程,受到作业环境和采矿车自身的影响,具有未知性、随机性、非线性等特性。针对这种复杂控制过程,采用一种基于自修正专家模糊控制的路径跟踪控制方案,控制深海履带车行走。该方案参考履带车辆转向运动学方程,采用具自调整功能的模糊算法,对深海底履带集矿机的左右履带速度进行控制。仿真结果验证了该方案的可行性和有效性。     

生存模糊自适应的蚁群算法及收敛性

首次将多元生存分析引入进化算法,设计了一种生存自适应的蚁群算法．对蚁群算法收敛过程建立生存模型,用Ｋａｐｌａｎ Ｍｅｉｅｒ法计算生存时间估计值和生存函数曲线,以算法各参数作为生存时间的协变量,用ＣＯＸ 比例危险率回归模型来定量分析其相互依赖关系,分析了种群大小对早熟收敛的影响．根据个体适应度和种群多样性对剩余生存时间进行模糊控制,实现种群规模的自适应调控．数值实例验证了算法的有效性、稳定性及准确性．

     

一类严格反馈非线性系统的间接自适应模糊控制

针对一类不确定严格反馈非线性系统,设计了间接自适应模糊控制方法．该方法用模糊逻辑系统逼近设计过程中的未知函数,基于时变宽度死区对模糊逻辑系统中的未知参数进行自适应调节,并对时变死区宽度设计了自适应律．证明了该方法能使闭环系统的所有信号有界,且可使跟踪误差收敛到原点的小邻域内．仿真算例验证了该方法的有效性．

     

一类基于物种迁移优化的进化算法

借鉴自然界中的物种迁移机制,提出一类基于物种迁移优化的进化算法．该算法是根据生态系统中物种分布的迁移模型而提出的一种优化算法．参考其他智能算法的思想,通过物种迁移实现信息交换和共享,从而完成进化过程．讨论了物种迁移优化算法的基本原理和实现过程,同时进行一些基准函数的性能测试．实验结果表明所提出的算法是有效的,具有一定的参考和应用价值．

     

基于单目视觉的移动机器人导航算法研究进展

基于单目视觉的移动机器人导航的研究,涵盖了机器视觉、模式识别和多目标跟踪多个领域．其算法框架不仅成功应用于移动机器人导航,还为目标检测、识别与跟踪领域的研究提供了可供参考的模型．该综述将以算法发展历史为脉络,结合一些典型系统,通过对关键技术和算法结构的分析比较,总结算法本身的发展前景和由此发展起来的可供相关研究参考的算法框架．

     

基于观测器的非线性互连系统的自适应模糊控制

针对一类不确定非线性MIMO互连系统,提出一种自适应模糊控制算法.通过设计观测器来估计系统的状态,因此不要求假设系统的状态是可测的.给出的自适应律只对不确定界进行在线调节,从而大大减轻了在线计算负担.该算法能够保证闭环系统的所有信号是一致有界的,并且跟踪误差指数收敛到一个小的零邻域内.仿真结果表明了算法的可行性.

     

一种时间最优参数自调整模糊矢量控制方法的研究

针对某卫星发射场活动勤务塔电气传动控制系统非线性、时变、难以精确建模等问题,提出一种时间最优参数自调整模糊控制方法．该方法采用Ｂａｎｇ-Bａｎｇ控制改善系统动态性能,用参数自调整的自适应解析模糊控制改善系统稳态性能,实现高精度控制．由于在控制过程中的不同阶段采用不同的控制方式,既继承了Ｂａｎｇ-Bａｎｇ控制动态性能好,同时又具有无静差的优点．仿真实验表明,该控制系统动态性好、稳态精度高,且鲁棒性好,能满足电气传动控制系统的要求．

     

多车场多车型装卸混合车辆路径问题研究

为满足电子商务客户多样化和个性化的需求,建立了多车场、多车型的装卸混合车辆调度模型,并使用混合遗传启发式算法求解．首先采用混合编码,使问题变得更简洁;利用个体数量控制选择策略,以保证群体的多样性;引入２-交换变异策略,并结合爬山算法,加强染色体的局部搜索能力．然后,对混合遗传算法求得的精英种群进行禁忌搜索,提高了搜索效率．最后,通过实例计算表明了上述模型和算法的有效性．

     

基于修正因子模糊 PID控制在升力鳍系统中的应用

应用基于量化因子和决策因子自修正的模糊 PID控制算法来改进升力控制减摇鳍系统,并利用子模糊系统自动调整量化因子和决策因子,从而改善基本模糊控制器的稳态和动态性能 .模糊控制算法与传统PID 控制的有机结合,使升力鳍系统控制精度,鲁棒性以及自适应性得到显著改善 .基于该算法的某型船舶仿真结果表明,该复合控制算法使升力鳍系统能够在各种海况下均具有良好的减摇效果.

     

一种基于种群速度的自适应粒子群算法

分析了粒子群算法的收敛性,指出早熟是由于粒子速度降低而失去继续搜索可行解的能力．进而提出一种基于种群速度动态改变惯性权重的粒子群算法,该算法以种群粒子平均速度为信息动态改变惯性权重,避免了粒子速度过早接近０．通过５个标准测试函数的仿真实验并与其他算法相比,结果表明该算法在进化中期能很好地保持种群多样性,有效地改善算法的平均最优值和成功率．

     

一类优化问题的分解算法

讨论一类大规模系统的优化问题,提出一种递阶优化方法．该方法首先将原问题转化为多目标优化问题,证明了原问题的最优解在多目标优化问题的非劣解集中,给出了从多目标优化问题的解集中挑出原问题最优解的算法,建立了算法的理论基础．仿真结果验证了算法的有效性．

     

基于混合双种群差分进化的电力系统经济负荷分配

针对电力系统经济负荷分配本质上的非线性约束优化问题,提出一种双种群混合差分进化算法．采用两个种群且以较小的计算量实现目标函数的寻优并保持解的可行性,同时引入单纯型法来提高算法的局部搜索能力．基于典型算例对该算法的进化行为进行测试,并通过仿真和比较验证了所提出算法的有效性．

     

改进的多种群协同进化微粒群优化算法

提出一种改进的基于多种群协同进化的微粒群优化算法（ＰＳＯ）．该算法首先利用免疫算法实现解空间的均匀划分,增加了算法稳定性和全局搜索能力．在运行过程中,通过种群进化信息生成解优胜区域,指导变异生成的微粒群向最优解子空间逼近,提高算法逃出局部最优的能力．将此算法与ＰＳＯ 算法和多种群协同进化微粒群算法进行比较,数据实验证明,该算法不仅能有效地克服其他算法易陷入局部极小值的缺点,而且全局收敛能力和稳定性均有显著提高．

     

基于分散推理结构的加热炉钢坯温度分布模糊控制

针对钢坯加热炉系统所具有的典型分布参数特点,提出了一种基于分散推理结构的钢坯温度分布模糊控制方案．首先,将炉内钢坯温度偏差分布作为模糊推理系统的输入信息;然后,对于每一个炉温调整点,通过一组二维模糊控制器,产生一组与钢坯温度偏差分布对应的炉温补偿控制分量;最后,综合各控制分量获得各调整点处的炉温补偿量．仿真算例表明,该方案能够有效地保证钢坯按理想加热曲线完成加热过程．

     

一种动态分级的混合粒子群优化算法

针对粒子群算法早熟收敛和搜索精度不高的问题,提出一种动态分级的混合粒子群优化算法．该算法采取３种级别的并行粒子群算法,分别用于全局搜索和局部搜索及二者的结合,并根据搜索阶段动态调整各种级别中并行变量的数目．在全局搜索中,将混沌机制引入算法中以增强算法的全局搜索能力;在局部搜索中,采用单纯形法对适应度最优解进行局部寻优．仿真实验表明,该算法比其他优化算法具有更好的性能．

     

一种可最优化计算特征规模的互信息特征提取

利用矩阵特征向量分解,提出一种可最优化计算特征规模的互信息特征提取方法．首先,论述了高斯分布假设下的该互信息判据的类可分特性,并证明了现有典型算法都是本算法的特例;然后,在给出该互信息判据严格的数学意义基础上,提出了基于矩阵特征向量分解计算最优化特征规模算法;最后,通过实际数据验证了该方法的有效性

     

自适应和声搜索算法及在粗糙集属性约简中的应用

针对改进和声搜索算法（ＩＨＳ）存在的不足,提出了自适应和声搜索算法（ＡＨＳ）．该算法利用和声库中变量函数的最大差值来调节ＰＡＲ 和ｂｗ,从而提高了对多维问题的搜索效率．利用５个标准测试函数对ＡＨＳ算法进行测试,并应用于粗糙集的属性约简中．仿真结果表明了该算法的有效性和实用性．

     

一种基于GPU加速的细粒度并行蚁群算法

为改善蚁群算法对大规模旅行商问题的求解性能,提出一种基于图形处理器(GPU)加速的细粒度并行蚁群算法.将并行蚁群算法求解过程转化为统一计算设备架构的线程块并行执行过程,使得蚁群算法在GPU 中加速执行.实验结果表明,该算法能提高全局搜索能力,增大细粒度并行蚁群算法的蚂蚁规模,从而提高了算法的运算速度.