基于最优Oustaloup的分数阶PID参数整定

目前工程控制中大部分系统采用传统PID控制,由于分数阶PID继承了传统PID的优点,并且具有更好的控制品质及更强的鲁棒性,因此针对分数阶微积分的高精度数字实现及分数阶PID控制器在工程复杂系统中的实际应用,提出一种新的分数阶微积分高精度数字实现算法-最优Oustaloup数字实现,并建立控制系统的仿真模型,利用框图式模型结合最优ITAE性能指标来整定分数阶PID的参数。通过实例仿真验证,该方法能进一步优化控制器参数,提高控制精度及获得更好的控制效果,便于非线性系统及复杂系统的分数阶PID参数整定。     

基于最大灵敏度指标的分数阶PID参数最优整定方法

主要研究分数阶PID控制器参数整定问题,给出了一种基于最大灵敏度指标的分数阶PID参数最优整定方法。首先用D分割原理求得系统的参数稳定域,然后由灵敏度约束指标在参数稳定域内得到满足指标要求的参数解集。进而对参数进行优化,根据超调和调节时间定义分数阶PID控制器的优化函数,在所得的满足灵敏度约束指标的参数解集中求得一组最优的参数解。最后通过进行数值仿真,验证算法效果。     

基于改进Oustaloup滤波器的分数阶PID控制器简化设计

针对分数阶微积分算子的直接和间接近似化方法所表现出来的形式复杂、运算量大的问题,对Oustaloup滤波器的结构进行改进,对常规分数阶PID控制器进行了简化设计,并采用自适应遗传算法对控制器的参数进行整定.选取两种代表性分数阶系统,在模型处于两种典型状态下,对简化型分数阶PID控制器、常规分数阶PID控制器和整数阶PID控制器的控制性能进行仿真实验对比.结果表明,在控制器性能基本相同的情况下,通过该方法设计的简化型分数阶PID控制器性具有结构简单,耗时量小的优点,提高了工程可实现性.     

基于遗传算法的分数阶控制器参数整定研究

针对动态系统可用包含非整数阶的积分和微分方程来描述的特点。同样将这一工具引入到分数阶控制器中,即包含分数阶积分和微分的PI^λD^β控制器;提出了基于改进遗传算法的分数阶PI^λD^β控制器定阶次参数整定的方法。通过使用该遗传算法,分别进行了采用整数阶PID控制器和分数阶PI^λD^β控制器,对整数阶和分数阶系统的控制器参数整定的对比仿真。结果表明,在限定相同的参数整定范围时,采用分数阶PI^λD^β控制器的控制效果优于整数阶PID控制器。     

基于改进BBO算法的分数阶PID控制器设计

针对分数阶PID(Fractional-Order Proportional-Integral-Derivative,FOPID)控制器参数整定,提出了一种改进生物地理学优化(Biogeography-Based Optimization,BBO)算法。该算法改进点主要包括:迁移操作中保留精英个体;变异操作中引入差分进化(Dtferential Evolution,ED)算法的变异策略;消除重复样本。仿真结果表明:在分数阶PID控制器参数整定中,与原始的BBO算法、遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)比较,提出的改进BBO算法具有超调量小、误差小,收敛更快的特点。     

基于粒子群优化的分数阶PID滑模控制参数整定

为了提高系统的控制性能,解决单一控制方法不足,将分数阶PID算法与滑模变结构算法相结合,同时为了规避分数阶PID的滑模变结构算法手动调节参数的复杂性以及不确定性,采用粒子群算法对其参数进行优化,完善分数阶PID的滑模变结构控制器,提高其控制精度.并将新型算法应用于单相全桥逆变器,通过Matlab仿真并与分数阶PID滑模变结构控制函数(PID-SMC)及滑模变结构控制(SMC)方法相比较,研究结果表明,粒子群算法整定参数收敛速度快,较短时间内可以找出最优解,整定后的算法静态误差小,上升速度快,抑制系统抖振能力强,具有较强的鲁棒性.     

基于D分解的分数阶PID控制器的图形化参数整定

针对二自由度分数阶PID控制器设计的参数多,结构复杂等复杂问题,提出了一种基于D分解法和主导极点配置的新型参数整定方法。其基本原理首先基于动态响应指标约束进行主导极点配置,在确保闭环系统的响应特性良好的条件下确定系统超调量和调节时间,由此经过转换得到未知参数之间的函数关系。其次,使用D分解法,将未知参数在不影响的控制性能的条件下由多减少,再由相关参数取得系统性能稳定的参数域中优化,最后以差分进化算法为导向,以两种方法取得的相关约束条件为指标取得最优控制器参数,在确保所选极点的优势下使所设计的控制器达到理想的控制性能。最终,将所设计的控制器通过应用在整数阶和分数阶被控对象上,使用仿真验证新方法的鲁棒性和快速性,同时也表现了新方法的有效性和实用性。     

基于人工鱼群算法的分数阶PIλ控制器参数整定

针对分数阶Piλ控制器的参数整定,提出图像法和人工鱼群优化算法相结合的方法来对分数阶Piλ控制器进行参数整定。分别以一阶系统和二阶系统来模拟典型的速度伺服系统,以此模型为被控对象进行分数阶Piλ控制器的设计,首先在频域内,根据系统的相对稳定性和增益变化的鲁棒性等条件,推导出方程式;然后根据图像法解出分数阶Piλ控制器的参数,以解出的参数为中心位置,指定寻优的范围,进而用人工鱼群算法对其周围进行寻优。最后进行仿真研究,通过仿真可以看出,通过人工鱼群算法寻优得到的控制器,比单纯用图像法得到分数阶Piλ控制器能使系统具有更好的动态响应特性,并且满足增益变化鲁棒性的条件。     

基于衰减频率特性的PID参数优化整定研究

用衰减频率特性法整定PID控制器可使闭环系统获得要求的衰减比,但是求得的整定参数的解是不确定的,因而难以确定最佳整定参数。就此,将基于衰减频率特性的PID控制器整定问题转换成带衰减比约束的控制器参数优化问题,首先用Matlab计算出整定参数的解曲线或解曲面,然后利用Simulink在仿真环境下寻优,获得期望性能下的最佳整定参数。仿真结果表明所提出的整定方法有效,且控制器具有良好的抗干扰能力。     

基于改进的遗传算法的有刷直流电机PID参数整定

针对有刷直流（DC）电机的比例积分微分（PID）参数整定工作复杂耗时的问题,提出了一种基于改进型遗传算法（GA）的PID参数整定方法。首先,提出了适应度增强淘汰法则,改进了传统GA的选择过程;然后,提出了基因感染交叉方法,保证了进化过程中平均适应度值的增加;最后,删除了传统GA中不必要的复制操作,提升了算法的运行速度。通过电机传递函数进行建模和仿真分析。实验结果表明,与常规整定方法相比,所提改进型GA能够显著提升PID参数整定效果,且改进型GA相较于传统GA,达到同样进化效果所需的进化代数减少了79%,算法运行速度提升了4.1%。所提出的改进型GA从选择和交叉两个关键操作步骤对GA进行了改进,并应用于PID参数整定使得上升时间更少、稳定时间更短、过冲更小。     

Threshold image segmentation based on improved sparrow search algorithm

Multimedia Tools and Applications - Threshold segmentation based on swarm intelligence optimization algorithm is a research hotspot in image processing, because of its good segmentation effect and...     

多策略协同改进的麻雀搜索算法

针对麻雀搜索算法(SSA)种群多样性差、易陷入局部最优等问题,提出了一种多策略协同改进的麻雀搜索算法(ISSA)。首先,ISSA采用一种融合转移概率的边界学习策略的发现者位置更新方式,扩大发现者搜索范围并丰富其种群多样性;其次,ISSA在麻雀跟随者更新过程中引入混合粒子群机制,扩大目标跟随个体的选择范围;最后在算法寻优过程中,ISSA利用模糊推理系统动态监控种群陷入局部最优的概率,以差分变异操作提高种群跳出局部最优的能力。采用CEC2017测试函数中的12个函数作为性能基准函数,将ISSA与标准SSA及其他四种改进的麻雀搜索算法(ESSA、CSSOA、SSASC、MSSA)进行性能测试,基于实验数据的Friedman检验表明,ISSA能获取更好的性能。     

基于改进麻雀搜索算法的服务功能链优化映射算法

为了实现5G网络场景下服务功能链的低成本高效率部署,提出了一种基于改进麻雀搜索算法的服务功能链优化映射算法。在服务功能链映射过程中,采用双层编码方式,将服务请求的组链方案和映射方案进行混合编码,然后使用改进离散麻雀搜索算法进行求解,得到该请求的服务功能链部署方案,并计算其映射权重。当同一时间片内存在多个请求类型时,按照映射权重对所有服务功能链进行排序,优先映射权重高的请求,以此减少延迟开销,提高节点计算资源利用率和链路资源利用率。仿真结果表明,该算法可以有效减少部署开销,提高资源利用率。     

Correction to: Threshold image segmentation based on improved sparrow search algorithm

Multimedia Tools and Applications -     

基于麻雀搜索算法和改进粒子群优化算法的网络入侵检测算法

针对网络入侵检测模型自适应能力不足的问题,将麻雀搜索算法（SSA）中的大范围快速搜索能力引入到粒子群优化（PSO）算法,提出基于麻雀搜索算法的改进粒子群优化（SSAPSO）算法。该算法通过对轻量级梯度提升机（LightGBM）算法中难以整定的参数进行寻优,使PSO算法在保证寻优精度的同时快速收敛,并得到最优的网络入侵检测模型。仿真实验结果表明,在4种基准函数上,SSAPSO比基本PSO算法收敛速度更快;在KDDCUP99数据集上,SSAPSO优化LightGBM后得到的SSAPSO-LightGBM算法比分类特征和梯度提升（CatBoost）算法的准确率、召回率、精确率和F1指数分别提升了15.12%、3.25%、21.26%和12.25%;SSAPSO-LightGBM算法在上述数据集中正常流量（Normal）、未授权远程访问（R2L）攻击、未授权本地访问（U2R）攻击、监听（PROBE）攻击的检测准确率比LightGBM算法分别提升了0.61%、3.14%、4.24%、1.04%和5.03%。     

基于麻雀算法的Web服务组合

为解决当前Web服务组合问题模型单一,面对复杂问题效率低下等问题,提出一种基于Petri网的服务组合模型(SCPN),清楚描述服务之间约束关系和执行逻辑,通过实验验证所提模型的可行性;提出一种改进的麻雀搜索算法(SSA)对所提模型进行结合求解服务组合问题,通过使用一种自适应调节步长因子的方法,提高SSA算法的全局搜索能...     

基于多策略改进麻雀搜索算法的并联冷机系统节能优化

针对并联冷机系统负荷分配优化问题,提出一种基于多策略的改进麻雀搜索算法,以系统功耗最小为优化目标,以各冷机的部分负荷率为优化变量进行求解.在改进算法中,首先,针对基本麻雀搜索算法初始解的质量差且不均匀问题,引入混沌序列机制对位置初始化;然后,针对算法初期易早熟导致搜索精度低的问题,提出将粒子群算法中的速度概念引入发现者的位置更新公式中,提高算法的寻优精度.为了避免算法长期陷入局部最优,结合狼群算法猛狼的跟随策略优化跟随者的位置,自适应调整个体权重提高算法的收敛速度;接着,选取两个测试案例对所提出算法的性能进行详细测试,并与其他常用算法对比,改进的麻雀搜索算法在案例中最高分别可节能17.8%和23.97%;最后,运用实际系统仿真平台验证所提出改进算法收敛快、运行时间短、鲁棒性好的优点.     

利用改进遗传算法优化PID参数

为了改善单纯遗传算法早熟收敛与寻优能力不足的问题,将粒子群算法引入遗传算法变异操作中,提出了一种基于遗传算法与粒子群算法的组合算法。将改进的遗传算法应用于PID控制器参数优化中,通过仿真实验表明,新算法效果明显优于单纯遗传算法,能有效克服早熟收敛现象、降低随机性初始种群的影响、提高算法收敛精度,具有良好的收敛性和寻优能力。