一种基于ACO的RBF神经网络训练方法

针对k平均聚类径向基(Radial Basis Function简称RBF)网络算法的聚类结果易受初始参数选取的影响,并常收敛于局部极小值的问题,提出一种将蚁群优化算法用于径向基神经网络训练过程,优化径向基函数的中心点,建立相应优化模型的算法.实验结果表明,该算法精确度高于k平均聚类径向基神经网络算法,且函数的拟合程度也得到了改善.     

基于粒子群优化的汽温系统神经网络自整定PID控制

为了使神经网络PID取得更好的控制性能,采用改进的粒子群算法对神经网络的权值进行优化,通过对具有严重参数不确定性、多扰动以及大迟延的电厂主蒸汽温度被控对象进行的仿真研究结果表明,所提出的嵌入混沌序列的小生境粒子群算法可以避免局部极小,具有全局优化的能力,对神经网络PID的权值优化是成功和有效的,使得具有多模型特性的汽温控制系统在不同的负荷下均获得很好的调节品质。     

基于蚁群神经网络算法的机器人逆解

提出了一种机器人逆运动学问题建模的新方法.利用神经网络逼近机器人逆运动学的输入与输出、利用改进的蚁群算法学习神经网络.针对蚁群算法主要用于离散优化的特点,对基本的蚁群算法进行了改进,采用了全局搜索、局部搜索和确定性搜索,为连续问题的优化提供了一条新的思路.利用改进的蚁群算法学习神经网络,为神经网络提供了一种新的学习算法,使得该方法兼具了蚁群算法与神经网络的优点.应用实例表明了该方法的有效性,提高了机器人逆运动学求解的速度和精度.     

基于蚁群神经网络算法的机器人逆解

提出了一种机器人逆运动学问题建模的新方法．利用神经网络逼近机器人逆运动学的输入与输出、利用改进的蚁群算法学习神经网络．针对蚁群算法主要用于离散优化的特点,对基本的蚁群算法进行了改进,采用了全局搜索、局部搜索和确定性搜索,为连续问题的优化提供了一条新的思路．利用改进的蚁群算法学习神经网络．为神经网络提供了一种新的学习算法,使得该方法兼具了蚁群算法与神经网络的优点．应用实例表明了该方法的有效性。提高了机器人逆运动学求解的速度和精度．     

基于蚁群算法的PID参数优化

针对传统的PID控制器参数多采用试验加试凑的方式由人工进行优化,提出了一种新型的基于蚁群算法的PID参数优化策略.蚁群算法是近几年优化领域中新出现的一种仿生进化算法,该算法采用分布式并行计算机制.在简要介绍蚁群算法基本思想的基础上,推导了蚁群算法PID参数优化方法,并给出了新算法的具体实现步骤,最后将该优化方案应用于某型高精度飞行仿真伺服系统.仿真应用研究表明,该PID参数优化策略具有很强的灵活性、适应性和鲁棒性,进而验证了该方案的可行性和有效性.     

改进PSO优化RBF智能电能表端子温度检测方法

针对智能电表前端接线端子温度难以直接检测的问题,提出一种改进粒子群优化径向基神经网络的智能电能表温度端子检测方法。首先基于RBF神经网络建立电能表端子温度与其影响因素映射关系式,通过K-Means++算法获取合适网络核函数的中心位置;然后利用递推最小二乘法求解网络核函数连接权值;最后通过改进粒子群优化RBF神经网络宽度系数和模型训练,推导优化温度映射表达式,据此实现智能电能表端子温度检测。仿真实验结果表明：提出的多种群互生改进粒子群优化径向基神经网络算法计算准确度高、搜索能力强、收敛速度快,温度检测相对误差小于0.17%,相比于现有检测方法具有更高的准确度。     

基于蚁群优化算法的模糊神经网络控制器及仿真研究

提出了一种基于蚁群优化算法的模糊神经网络控制系统,并介绍了模糊神经网络控制器的结构及其参数的蚁群优化算法.仿真结果表明了该方法的可行性和有效性.     

应用径向基神经网络求解第二类线性Fredholm积分方程

提出用径向基神经网络求解第二类Fredholm方程的方法.首先使用径向基神经网络逼近积分方程中的未知函数,然后将求解第二类积分方程转化为一个优化问题.粒子群优化算法具有不易陷入局部极小、易实现和调整参数较少的优点,从而利用粒子群优化算法的求解该优化问题.数值实验表明所提方法是可行的.     

基于组合训练方法的RBFNN转炉炼钢静态模型

为了提高转炉炼钢终点碳含量和温度的预报命中率,该文采用径向基神经网络建立转炉炼钢静态模型.量子微粒群优化算法具体较好的全局搜索能力,而梯度下降法有较好的局部搜索能力,为了能够发挥这两种算法的优势,该文提出了一种组合训练方法,用来训练径向基神经网络.并通过对某炼钢厂的历史数据进行仿真实验,比较组合训练方法与非组合训练方法...     

基于改进蚁群的BP神经网络WSN数据融合算法

为了保证无线传感器网络（WSN）在深井中能有效地工作,提出了一种改进蚁群的反向传播（BP）神经网络WSN数据融合算法（IFA-IACOBP）.通过规划蚂蚁运动方向和引入节点剩余能量对蚁群算法启发因子进行改进,优化蚂蚁下一跳节点选择概率,利用改进后的蚁群算法对BP神经网络进行优化,引入井下WSN数据融合,数据经两级融合处理后,能去除大部分冗余信息.仿真实验结果表明,IFA-IACOBP算法能有效减少网络数据通信量,提高数据实时性,降低网络能耗,延长网络寿命.     

基于BFO-PSO的LT-MED海水淡化温度控制

提出一种基于混合粒子群算法和细菌觅食算法的温度控制器,重点研究了菌群优化粒子群（BFO-PSO）算法的性能,包括突变、交叉、步长变化、趋化步骤和细菌的生命周期等。利用MATLAB仿真平台将其与传统比例积分微分算法（PID）及粒子群算法（PSO）进行控制效果对比,发现该方法效率高。与传统PID和PSO调节的PID相比,细菌觅食优化算法的智能PID在系统响应速度和系统稳定性能上都有很大的提高。     

ACS algorithm-based adaptive fuzzy PID controller and its application to CIP-Ⅰ intelligent leg

Based on the ant colony system(ACS)algorithm and fuzzy logic control,a new design method for optimal fuzzy PID controller was proposed.In this method,the ACS algorithm was used to optimize the input/output scaling factors of fuzzy PID controller to generate the optimal fuzzy control rules and optimal real-time control action on a given controlled object.The designed controller,called the Fuzzy-ACS PID controller,was used to control the CIP-I intelligent leg.The simulation experiments demonstrate that this controller has good control performance.Compared with other three optimal PID controllers designed respectively by using the differential evolution algorithm,the real-coded genetic algorithm,and the simulated annealing,it was verified that the Fuzzy-ACS PID controller has better control performance.Furthermore,the simulation results also verify that the proposed ACS algorithm has quick convergence speed,small solution variation,good dynamic convergence behavior,and high computation efficiency in searching for the optimal input/output scaling factors.     

基于蚁群算法的变风量空调室温控制研究

在变风量空调系统中,采用总风量控制方式改变空调区域送风量以满足人们的舒适性要求.针对常规PID控制参数优化困难的问题,提出了采用蚁群算法对风机变频调速和室内温度控制环节中的PID控制优化,并将常规PID控制和基于蚁群算法的PID控制在MATLAB仿真环境中进行仿真对比.通过对比结果表明,基于蚁群算法的PID控制策略能使系统的动态稳定性得到较大的改善.     

基于RBF神经网络的PID自适应真空炉温度控制

提出一种基于RBF辨识神经网络算法的神经网络PID控制方案，由RBF网络对系统进行在线辨识．建立其在线参考模型并为PID控制器提供了梯度信息，从而实现控制器参数的在线调整。仿真结果表明，该控制方法应用于真空炉温度控制时控制精度高，动态特性好，收到了良好的效果。     

模糊系统结合蚁群算法的金具温升建模

为了得到准确可靠的阀厅连接金具温升模型,运用模糊系统结合蚁群算法的方法进行建模。在分析基本蚁群算法与梯度下降法优缺点的基础上,将两种方法结合形成改进蚁群算法,即在基本蚁群算法基础上应用梯度下降算法。通过试验得到的训练数据分别用基本蚁群算法、梯度下降算法、改进蚁群算法训练模糊系统,改进蚁群算法的收敛效果优于其他两种方法;通过试验得到的测试数据对4种方法所得的模型进行测试,由改进蚁群算法训练模糊系统所得模型的测试效果是最好的。结果表明,若能通过试验得到足量训练数据,用改进蚁群算法训练模糊系统的方法对阀厅连接金具的温升进行建模是可行的。     

PID控制器在S7-300 PLC中的实现及应用

PID控制算法在流程工业自动控制系统中具有广泛的应用.本文分析了PID控制器的基本工作原理,研究了西门子S7-300 PLC中PID控制器算法和逻辑,并以某蒸汽加热系统为研究对象,利用Step7提供的PID功能块,在S7-300 PLC中实现了加热器温度自动控制,并在实际应用中取得了良好的控制效果.     

基于蚁群寻优的汽车牵引力PID控制参数整定

将蚁群算法应用于汽车牵引力PID控制参数整定控制器设计。在搭建软件在环仿真平台和硬件在环试验平台的基础上,调试、标定了控制器参数,获得了满足实时性要求的查询算法,进行了典型工况硬件在环试验。试验结果表明:控制算法能有效改善汽车在弱附着地面的加速性能。     

混合算法在轻钢结构优化设计中的应用

结合粒子群优化（PSO）算法快速的全局收敛性和蚁群优化（ACO）算法较强的寻优能力,提出了一种融合PSO算法和ACO算法的混合算法。首先利用PSO算法较强的全局搜索能力,产生各粒子的最优位置值;然后对ACO算法的蚂蚁总个数进行调整,在保证算法全局搜索能力的同时,避免陷入局部最优;最后利用改进的ACO算法对最优位置值做进一步优化。将该混合算法应用于轻钢结构优化设计中,建立优化设计模型。以轻钢门式框架为例,利用该模型进行优化分析,并与文献[11]中改进模拟退火算法的优化结果进行对比。结果表明,混合算法经过61次迭代后能够求出较好的全局最优解,合理可行。     

火电机组过热汽温神经网络控制的研究

研究了单神经元PID控制器和BP神经网络PID控制器在火电机组过热汽温的应用．实验结果表明,神经网络PID控制结构简单,有较强的鲁棒性,取得了较好的控制效果．