基于BFO算法的超声波电机非线性Hammerstein辨识建模

超声波电机具有明显的非线性和时变特性。线性模型难于准确表达超声波电机的非线性特性,通常需要采取变参数的模型形式,导致模型复杂化。直接采用适当的非线性模型形式来建立超声波电机的模型,可以得到更为简单、有效的电机模型。针对超声波电机位置控制需要,采用菌群觅食优化算法进行模型参数和阶次辨识,建立了以频率为输入、电机转轴位置为输出的超声波电机非线性Hammerstein模型。模型计算数据与实测数据的比较,表明了所建模型的有效性。     

基于粒子群优化的超声波电机非线性Hammerstein辨识建模

由于超声波电机(USM)具有机电能量转换、不规则外形的定转子以及复杂的摩擦和接触机理,很难建立其适合于控制的非线性数学模型。针对这个问题,本文采用粒子群优化算法建立了超声波电机的非线性Hammerstein模型。该模型由静态非线性和动态线性两部分串联而成,能够以相对简单的形式表述超声波电机的非线性特性。所得模型的仿真计算结果与实验数据接近,表明了建模方法的合理性和所建模型的有效性。     

基于Hammerstein模型的超声波电机非线性补偿

超声波电机的运行过程具有明显的非线性特征,影响电机控制精度。超声波电机Hammerstein模型中的非线性环节,反映了电机控制关系中非线性的主要特征。通过求取模型非线性环节的逆函数,实现对控制非线性的有效补偿,简化控制器设计,有利于提高控制性能。基于非线性逆补偿,给出一种迭代学习转速控制方法,并进行实验研究。实验表明了所述非线性逆补偿及控制方法的有效性     

超声波电动机二输入Hammerstein非线性建模

为给超声波电动机多变量控制系统的设计与分析提供必要基础,建立超声波电动机二输入Hammerstein非线性模型。将模型的静态非线性环节设计为Gauss函数,更准确地表述超声波电动机的非线性特性。采用改进差分进化算法,进行模型参数辨识,给出优化算法参数值的调试方法,以保证建模过程的有效性。模型计算结果与实验数据的对比表明,该模型精度较高,建模方法有效。     

适用于电机辨识建模的改进差分进化算法

针对采用标准差分进化算法进行超声波电动机辨识建模存在的算法不够稳健、建模效率低等问题,对差分进化算法的变异操作进行改进,并设计自适应系数来调节优化进程。电机模型辨识应用表明,该改进差分进化算法表现更稳健,建模精度和建模效率更高,更适合电机辨识建模应用。     

基于MPSO-BP的超声波电动机Hammerstein模型建模

超声波电动机由于随着驱动条件不同具有严重非线性以及负载依赖特性,因此其建模成为一件困难并且具有挑战性的工作。文中提出基于改进的粒子群优化BP(MPSO-BP)的超声波电动机Hammerstein模型建模方法,该方法中静态非线性部分采用MPSO-BP神经网络建模,动态线性部分采用一阶传递函数建模。仿真结果显示该方法建立的模型和实验获取的模型较吻合。     

基于差分进化算法的开关磁阻电机转矩脉动抑制

针对开关磁阻电机(switched reluctance motors,SRM)转矩脉动大的问题,提出一种基于差分进化算法的开关磁阻电机转矩控制方法。利用差分进化算法的优秀寻优能力,将其应用到转矩分配函数开关角在线寻优过程中,直接将转矩脉动作为优化目标来确定最佳开关角。以1台12/8极开关磁阻电机为研究对象,构建了以DSP为控制核心的转矩控制系统实验平台,实验结果证明了基于差分进化算法的控制方法能有效抑制开关磁阻电机转矩脉动。     

基于Hammerstein模型的MAF传感器的动态非线性建模

改进了热膜式空气质量流量（MAF）传感器的静动态标定实验。基于Hammerstein模型描述MAF传感器。采用多项式回归分析建立其静态非线性环节的模型。针对动态线性环节,分别采用基于ARMAX、ARX、OE的模型进行建模。通过误差平方和的比较,确定利用基于输出误差（OE）模型的预报误差法所建立的模型的精度最高。再分别根据不同幅值输入时的实验数据,建立相应的多个模型,比较误差平方和,最终确定误差平方和最小的模型为传感器的模型。该模型精度高且适应性好,实现了MAF传感器在不同工况下模型的统一。     

基于改进差分进化算法的VSG控制策略

新能源发电系统的并网稳定性成为了微电网技术研究的热点。虚拟同步发电机（VSG）控制技术通过并网逆变器模拟同步发电机（SG）的运行特性,使之具备惯性和阻尼特性。VSG控制器参数设计困难,使用传统的计算方法得到的并网效果并不理想。针对此问题,建立VSG控制系统,应用改进的差分进化算法（DE）寻优参数。对比电网在频率和电压扰动下的仿真结果,验证了改进差分进化算法相比较传统算法更适用于VSG并网稳定研究。     

基于改进差分进化的车用驱动电机智能设计

研究了一种基于有限元、差分进化算法与帕累托算法的智能自动优化方法,可以改进内置永磁电机用于车用驱动系统时传统优化算法在多变量、多目标优化方面存在的所需评估模型众多,优化时间长,在优化目标指标范围内优化结果单一等不足,并针对一台内嵌式永磁同步电机进行了仿真优化及对比。结果表明,该算法可以给出接近,甚至优于人工优化的一系列符合优化目标指标范围的结果,可以直观地选取优化结果中的最适最优电机参数组合,同时优化时间只有人工优化的十分之一,大幅提升了电机研发与设计的效率与质量。     

基于差分进化小波神经网络的多维非线性系统辨识

提出一种基于差分进化小波神经网络(DE-WNN)的多维非线性系统辨识方法。利用差分进化算法同时优化小波神经网络的结构和参数,简化网络结构,提高小波神经网络的学习精度和收敛速度。将该方法应用于多维非线性系统的辨识,并与RBF神经网络和遗传小波神经网络的辨识结果进行了比较,实验结果表明,差分进化算法优化的小波神经网络隐层节点为6,迭代次数为30,网络训练时间为0.58s,辨识均方误差达到1.02×10?4,所提出的方法具有更高的辨识精度和收敛速度,能够更好的辨识出多维非线性系统。     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

基于多策略差分进化算法的输电网规划

差分进化(DE)算法是一类基于种群的、具有全局优化性能的、通过实数编码的启发式算法。但差分算法搜索策略过于单一,局部搜索能力差,因此通过增加多策略变异和局部寻优策略来提升全局和局部搜索能力,同时降低搜索时间,使其适应于求解大规模输电网规划问题。采用基于线路投资费用、网损费用、正常运行时的过负荷费用及输电走廊费用的输电网规划模型,通过对Garver-6系统和18节点系统的计算,不仅验证了算法及模型应用于输电网规划的正确性和有效性,而且验证了算法具有很高的计算速度和收敛性,为DE算法的进一步改进应用打下基础。     

基于差分进化算法的VSC-HVDC系统控制参数优化

基于差分进化算法(Differential Evolution,DE),对逆变器侧内电流环PI控制参数进行优化。MATLAB/SIMULINK下的算例分析表明,通过参数优化,当交流系统发生故障时,VSC-HVDC逆变侧交流电压的超调量减小,调整时间减短,系统响应特性得到明显改善。     

基于改进差分进化算法的配电网无功优化

采用改进差分进化算法(Improved Differential Evolution Algorithm,IDEA)求解配电网无功优化问题。该算法引入基于反学习的种群初始化方法,使算法得到的初始种群具有多样性,能够充分提取搜索空间的信息;引入高斯扰动机制到交叉操作中,提高了在维尺度上的种群多样性;在进化过程中融入人工蜂群搜索思想,引入蜂群加速进化与侦查操作策略,使算法能快速跳出局部最优,避免了早熟问题。建立了配电网无功优化数学模型,并采用IDE算法对IEEE30节点系统求解该模型,并与基本DE算法进行对比,仿真结果证明了所提IDE算法具有更佳的性能,能够有效的求解配电网无功优化的问题。     

基于改进差分进化算法的配电网状态估计

状态估计是当前配电网中的研究重点,为了获得更加理想的配电网状态估计结果,提出一种基于改进差分进化算法的配电网状态估计方法。首先在标准差分进化算法中引入混沌变异策略,保持种群个体的多样性,增强全局搜索能力,然后建立配电网状态估计目标优化函数,并采用改进差分进化算法对其求解,最后采用配电网状态估计仿真实验测试其有效性和优越性。结果表明,改进差分进化算法加快了配电网状态估计的求解速度,获得了较高的配电网状态估计准确度,配电网状态估计性能要优于其他配电网状态估计方法。     

基于改进差分进化算法的微电网经济优化

为了解决差分进化算法局部搜索能力差、收敛速度较慢的问题,结合不同方式的变异特点,引入模拟退火策略,保证算法有较强的全局搜索能力和较快的收敛速度,使其适用于微电网经济优化问题.建立了基于各微源燃料成本、运行和维护成本、污染物排放成本和污染气体或温室气体排放约束的微电网环保经济优化模型.通过算例验证了算法和模型应用于微电网经济优化的正确性和有效性,以及该算法具有很好的收敛性和较高的计算速度,为DE算法进一步改进打下基础.     

基于差分进化算法的水电站短期经济运行研究

以水电站运行成本最小为目标,提出了一种用差分进化算法（differential evolution, DE）实现大型水电站最优运行的方法。差分进化算法是一种基于群体的多目标进化算法,通过群体内个体间的合作与竞争产生的群体智能指导优化搜索。将改进的方法应用于水电站经济运行,模型考虑了机组能量特性差异,并能在旋转备用、启停成本、气蚀振动区、机组可用性等约束条件下,制定出电站日内96段最优运行计划。计算表明,该方法避免了动态规划等算法处理多约束、大型优化问题的困难,同时提高了进化算法的精度。     

超声波电机非线性自适应位置控制

超声波电机的运行过程具有明显的非线性和时变特性,不易获得良好的运动控制性能。针对这种非线性和时变特性,本文基于超声波电机非线性Hammerstein模型,给出一种非线性位置控制策略。该控制策略由两部分构成;一部分是超声波电机模型非线性部分的逆,用来抵消电机的主要非线性特性;另一部分为直接多步预测自适应控制策略,通过滚动优化实现对电机系统时变特性的在线补偿。实验结果表明了所提控制策略的有效性。     

基于测距修正的差分进化的DV-Hop定位算法

设计精确的定位算法是无线传感网络(wireless sensor networks,WSNs)的研究热点.针对距离向量-跳距(distance vector-Hop,DV-Hop)定位算法的定位精度不高问题,提出基于测距修正的差分进化的节点定位算法(RDEL)算法,提高节点定位精度.首先,RDEL算法利用接收信号强度值...