基于改进萤火虫算法的有限元模型修正

针对标准萤火虫算法后期收敛速度慢、收敛精度低、易陷入局部最优解的问题,提出了参数自适应策略的改进萤火虫算法,建立了基于改进萤火虫算法的有限元模型修正方法。通过隔代随机吸引度因子扩大了算法搜索路径,提升了算法遍历性,避免计算陷入局部最优;通过自适应步长因子使得算法寻优过程中能随迭代次数逐渐减少随机搜索范围,从而提高收敛速度。单、多峰测试函数计算结果表明,改进算法显著提高了收敛速率与收敛精度;简支梁数值算例与某刚构桥实桥有限元模型修正结果表明,简支梁参数最大误差由初始的66.7%降低至修正后的1.08%,刚构桥频率最大误差由14.47%降低至3.25%。所提方法具有良好的更新精度,适用于大型复杂结构的有限元模型修正。     

基于PSO算法的GMM改进J-A磁滞模型的参数辨识与验证

为了解决现有的GMM-FBG电流传感器的磁滞非线性问题,基于经典的J-A磁滞模型提出了一种改进的适用于低频(＜ 120 Hz)条件下的J-A模型.采用粒子群(PSO)算法对改进后的J-A模型进行了分段参数辨识与优化,提高了模型的预测精度.搭建了相应的GMM-FBG交流电流传感系统实验平台,运用所提出的改进的J-A模型对...     

基于改进蝠鲼优化算法的光伏组件参数辨识模型

为了解决当前光伏组件模型中存在的参数辨识精度低和稳定性差的问题,提出了一种基于折射学习机制的蝠鲼觅食优化算法的三二极管光伏组件参数辨识模型(RLMRFO-TDM)。该模型将差分进化机制融入到MRFO算法的种群更新环节,提高了MRFO算法的局部探索能力,并加快了MRFO算法收敛速度;引入折射学习机制改善了MRFO算法的随机性,提高了种群在搜索区域中的离散性和MRFO算法的全局搜索能力。利用基准测试函数,验证了RLMRFO算法的有效性;采用STP6-120/36和STM6-40/36两种光伏组件的数据集对RLMRFO-TDM模型的参数辨识进行性能测试,与其他模型相比,RLMRFO-TDM模型的辨识精度、稳定性以及收敛速度表现最优。     

基于遗传算法和人工神经网络的冷水机组模型参数辨识及误差补偿方法

DOE-2模型被广泛应用于冷水机组仿真建模,如何根据有限传感器实测数据对某特定冷水机组DOE-2模型的参数进行可靠地辨识,并补偿模型误差,对于节能运行等场景具有重要意义.在实践中由于传感器不足且数据质量不高等问题,DOE-2模型参数的可靠辨识较为困难.因此,本文提出一种基于外部知识库的遗传算法和一种基于人工神经网络的方...     

基于改进蝗虫优化算法的光伏电池模型参数辨识

针对蝗虫优化算法容易陷入局部最优、收敛精度不足等缺点,提出一种改进蝗虫优化算法。将混沌算法与蝗虫优化算法融合,对蝗虫优化算法进行混沌初始化,改善初始种群质量;再引入差分进化算法的差分策略,通过变异、交叉和选择过程,维持种群的多样性,增大算法跳出局部最优的可能性,从而使算法能搜索到更好的解;在个体更新部分引入了粒子群算法的思想,以当前的最优个体为目标进行个体位置更新,加快算法寻优速度。将改进蝗虫优化算法用于多晶硅太阳能电池模型参数的辨识中,并通过与其它智能优化算法的比较,验证了改进蝗虫算法辨识太阳能电池参数的有效性和优越性。通过实验验证了改进蝗虫优化算法在不同光照下对太阳能电池参数的辨识效果。     

基于PSO算法的MFF模型的参数辨识与优化

基于磁链理论和Monte-Carlo法,建立了磁流体薄膜(MFF)传感模型和MFF透射模型,分析了磁流体透射特性。采用粒子群算法对MFF透射模型进行了参数辨识,分析了群体数目、迭代次数、惯性权重、加速度因子等参数选值对算法运行结果的影响,并选取了最佳参数组合。搭建了MFF电流传感器实验平台,运用MFF透射模型对MFF电流传感器进行了仿真预测,分析了MFF厚度和粒子浓度对MFF透射性的影响,实验及仿真结果表明该模型预测误差在2.3%以内,该MFF电流传感器的测量灵敏度达到12 μW/A。     

双线性模型参数辨识的遗传算法

本文以遗传算法为基础，提出了一种辨识双线性离散动态系统模型参数的方法。该方法能够有效地克服噪声的污染，获得双线性系统参数的无偏估计值，应用该算法对双线性系统进行仿真表明，该方法辨识精度高，稳定性好。     

基于粒子群算法的6自由度机械臂动力学模型参数辨识

提出了基于粒子群优化(PSO)算法的工业机器人动力学参数辨识方法。首先利用改进的牛顿-欧拉方法,建立考虑关节摩擦的机械臂线性动力学模型,然后引入PSO算法,建立基于PSO算法的估计未知动力学参数的算法,最后以UR工业机器人为实验对象,通过设计激励轨迹,激励工业机器人关节运动,并对关节运动参数进行采样,实现UR工业机器人的动力学参数估计,并根据力矩预测精度验证动力学模型。实验证明了所提出算法辨识工业机器人动力学模型参数的准确性和有效性。     

基于IHHO算法的光伏电池工程模型的参数辨识

针对HHO算法存在搜索过程调整不够灵活,不能针对性地进行阶段性搜索,有时会陷入局部最优使算法搜索精度相对较差等问题,提出了一种基于改进哈里斯鹰优化(IHHO)算法的参数辨识方法.对HHO算法进行了两项改进:引人柔性递减策略,在迭代初期扩大全局搜索范围,在迭代后期延长局部搜索时间,从而加强了初期的全局搜索能力和后期的局部...     

基于匹配追随算法的摩擦力自适应辨识与补偿研究

提出一种基于匹配追随算法的摩擦力自适应辨识与补偿新方法,该方法利用正交多项式实现对系统中以摩擦力为主的非线性动态充分逼近与补偿,不要求任何摩擦力模型,相对于基于线性化模型的自适应补偿算法,该算法具有更高的优越性,基函数集的选取对该算法精度及计算量有重要影响,该算法给出了一种基于残差分析法的基函数集优选方法,最后,通过仿实验验证了该算法的有效性。     

基于混沌搜索的改进狮群算法及其在光伏电池参数辨识中的应用

目前已有多种智能算法应用到光伏电池模型的参数辨识中,然而大都存在易陷入局部最优、收敛速度慢等问题,基于改进狮群算法,提出了一种有效的光伏电池参数辨识方法.首先,通过引入混沌初始化、自适应参数和混沌搜索,弥补了狮群算法收敛速度慢、寻优精度不高等不足;将改进狮群算法应用到光伏电池的单二极管模型和双二极管模型的参数辨识中,与...     

基于神经网络分色算法的补偿模型

神经网络模型在分色算法中具有预测不确定和精度较低的缺点,在其基础上提出了补偿模型。该模型将神经网络预测CMYK 的各通道差值拟合成L*a*b* 多项式的函数,并对CMYK 值进行补偿。通过对该模型的实验测试表明,采用CMYK 值进行补偿后与原模型相比,提高了分色算法的精度,并且其分色精度要高于其他常用的模型。     

汽车悬架整车动力学模型的参数辨识

根据汽车悬架动力学特性的理论知识,建立了七自由度汽车悬架整车动力学方程。推导了悬架动力学方程从惯性物理坐标到传感器坐标的变换,利用执行器作为激励,采用时域辨识方法对参数进行辨识。根据最小二乘估计递推算法,建立了从执行器到传感器的汽车悬架整车动力学模型,实现了悬架模型在线参数辨识,为七自由度汽车悬架的振动主动控制打下了基础。     

基于改进飞蛾火焰算法的单相逆变器参数辨识

提出一种基于改进飞蛾火焰优化算法的逆变器电路参数辨识方法。针对飞蛾火焰算法的不足,改进了飞蛾火焰优化算法。前期使飞蛾向最优个体位置直线移动,加快了算法收敛速度;后期利用Levy飞行增强种群多样性,提高了算法全局搜索能力。参数辨识结果表明,改进飞蛾火焰算法辨识得到的参数值与实际值非常接近,误差很小。改进飞蛾火焰算法能够有效实现逆变器电路参数的精确辨识,进而可应用于参数型故障诊断、运行状态监测和预知维护。     

基于改进扩展卡尔曼滤波的PMSM在线参数辨识

为解决永磁同步电机多参数辨识过程中辨识精度较小、收敛速度慢的问题,设计一种基于扩展卡尔曼滤波的在线参数辨识方法。首先,结合永磁同步电机数学模型,采用Popov超稳定理论设置自适应律,经过模型参考自适应算法辨识出电机实时转动惯量;其次,将转动惯量送入扩展卡尔曼滤波模块,最终实现电机电感和磁链的在线辨识,引入的转动惯量能够实时更新修正电感与磁链的辨识结果。Matlab仿真表明：所提出的方法收敛速度快、误差较小且稳定性好,在负载变化时能够实时修正辨识结果。所设计系统辨识误差小于1%,验证其可行性。     

一类基于先验信息的时变参数辨识算法

提出了一类基于先验信息的时变参数辨识算法以克服病态辨识,仿真结果证明,此类算法不仅能克服病态辨识而且具有有较高的辨识精度。文中给出了有关新算法的定理及其证明。     

基于改进LuGre摩擦模型的阀控缸系统非线性控制策略研究

针对具有高度非线性的电液伺服系统控制问题,提出了一种适用于伺服系统的摩擦模型,利用遗传算法对所建立的摩擦模型进行参数辨识,获得了精确的摩擦力矩数学模型,并将其作为前馈补偿加入非线性控制中,以减小摩擦非线性对电液伺服系统的影响。为解决伺服系统换向过程中易出现的抖振现象,设计了一种基于摩擦模型前馈补偿的模糊变系数自抗扰控制器。基于类双曲正弦函数设计了状态误差反馈控制部分,平滑切换点处的输出抖动,在此基础上结合模糊自适应控制方法,通过误差和误差微分对非线性状态反馈系数进行调节。研究表明,上述控制策略能够有效提高系统响应速度、收敛速度、稳定性和鲁棒性,降低了对摩擦的过补偿、欠补偿的影响,对伺服系统换向和速度零点处的抖振具有较好的抑制作用。     

Stribeck模型自适应滑模摩擦补偿控制

针对高速高准确度滚珠丝杠伺服控制系统,提出一种基于Stribeck模型的滑模自适应摩擦补偿控制方法。采用PMAC运动控制器搭建开放式控制平台,建立伺服系统的动力学模型,并通过Stribeck模型来反映系统的摩擦特性。采用Backstepping方法设计自适应滑模摩擦补偿控制器,并采用Lyapunov定理证明系统的全局渐进稳定性,最后通过编写伺服算法实现该摩擦补偿。实验结果表明:与速度加速前馈控制补偿相比,当输入速度为10 mm/s信号时,自适应滑模摩擦补偿其跟踪误差由35μm降低到±4μm;当输入速度为100 mm/s信号时,自适应滑模摩擦补偿其跟踪误差由98μm降低到±4μm。采用该补偿方案能有效抑制伺服系统的摩擦干扰,提高伺服系统准确度和动态跟踪性能。     

基于IALO算法的蓄电池参数辨识

合理的等效电路模型及准确的模型参数对蓄电池荷电状态(SOC)的准确估计具有重要影响.针对蓄电池三阶Thevenin等效电路模型,基于改进蚁狮优化算法,提出了一种模型参数辨识方法.引入混沌Logistic映射初始化,使初始化群体遍及解空间,有利于寻找全局最优解;引入自适应惯性权重加随机柯西变异策略,有效提高了算法收敛速度...     

基于遗传算法的材料特性参数的辨识

为了得到一个相对精确的材料特性参数,引入遗传算法(GA)到有限元模型更新的应用中,以一个简单的转轴模型为例,以模态实验得到的固有频率数据和模型输出数据之间的误差建立遗传算法的目标函数,以材料的特性参数为更新参数,对该转轴的有限元模型进行了修正,辨识出了材料的特性参数.然后通过比较由修正后的模型计算得到的频率响应函数(FRF)和模态实验得到的FRF,检验了基于GA辨识的有效性.最后比较了模型计算得到的固有频率、FRF和模态实验,结果表明吻合性非常好.