基于改进PSO-BP的模糊PID烧结炉温度控制

采用改进粒子群算法整定优化PID参数,并在反馈回路中加入BP神经网络预测下一时刻温度,将超前温度信息作为改进粒子群算法适应度函数参数,提前调整PID控制器参数,从而给出超前的控制,以此来减弱烧结炉温度变化的滞后性.通过模糊推理在温度控制过程中在线调整PID控制器参数,加强温度控制的跟随性.试验结果表明,与传统PID控制...     

水下作业型ROV定深控制系统的设计

根据水下作业型机器人(remotely operated vehicle,ROV)作业任务需要,研制了自动定深控制系统及其控制方法。设计的ROV定深控制系统主要由深度传感器及检测系统、推进器控制分配器、姿态检测系统和中心处理器组成。建立了水下作业型ROV的运动学数学模型,并进行了单自由度解耦。根据ROV控制系统特点设计了模糊比例积分微分(proportion integration differentiation,PID)控制方法。通过仿真实验和实际试验验证,所研制的控制系统性能可靠,可实现ROV的深度自动控制。     

基于外部单目视觉的仿生扑翼飞行器室内定高控制

针对扑翼飞行器的定高飞行,设计了基于外部单目视觉的室内定高控制系统:通过外部单目相机获取扑翼飞行器的飞行图像,基于Qt编写的地面站软件接收图像并利用基于OpenCV的图像处理算法检测扑翼飞行器上的发光标识点,获得标识点在图像上的像素坐标;基于卡尔曼滤波器(KF)建立标识点像素坐标的运动状态估计器,降低环境噪声干扰并解决了标识点被短暂遮挡的问题;分别建立常规PID和单神经元PID控制系统,通过蓝牙控制扑翼飞行器的电机转速,实现了基于图像的扑翼飞行器室内定高飞行.对比实验结果表明,本文设计的定高飞行控制系统可以使扑翼飞行器标记点的图像坐标保持在外部单目相机图像的中心横线处.针对阶跃响应信号,单神经元PID控制系统的响应速度比常规PID控制系统响应速度稍慢一些,但是控制精度明显优于常规PID控制器,最大相对误差为3%.     

基于粒子群优化模糊PID控制的水厂加氯系统

水厂加氯过程具有非线性、大时滞等特点,采用传统的PID控制方式难以实现消毒剂精准投加。因此,以某采用次氯酸钠消毒系统的水厂为例,首先通过分析该水厂加氯系统工作原理,结合工程经验和运行数据确定了加氯过程的近似数学模型。然后综合使用粒子群优化算法、模糊控制算法和PID控制算法,设计了一种粒子群优化模糊PID控制器,并利用MATLAB软件搭建了粒子群优化模糊PID控制系统和传统PID控制系统的模型进行仿真验证,结果表明：相较于传统PID控制系统,粒子群优化模糊PID控制系统的超调量减少了89.36%,调节时间减少了46.63%,其抗干扰能力也更强,系统整体控制效果有了较大提升。最后使用基于粒子群优化的模糊PID控制法对水厂加氯控制系统进行改造,试运行后发现,新系统控制效果良好,出厂水游离氯值能够稳定在设定值附近。     

基于二进制型粒子群算法的相邻两结构主动控制系统安装位置优化

用作动器将两相邻结构的一些楼层连接,以使两结构的动力响应都得到控制的方法具有较高的实用价值,而确定作动器沿楼层的合理安装位置是关键问题。将多亲杂交算子引入传统的粒子群优化算法,提出了一种二进制型粒子群优化算法来解决相邻两结构主动控制系统安装位置的优化问题。结果表明,综合考虑控制效果与控制力付出,将相邻两结构间的作动器布置在靠近结构顶部是有效的。     

基于改进粒子群算法的海洋钻机系统布局优化

为提高海洋钻机的工作效率和平台的空间利用率,应用改进的粒子群算法对海洋钻机系统进行布局优化研究。针对多目标、多约束的钻机系统布局优化问题,建立钻机系统布局优化数学模型,应用多目标粒子群算法直接求解,得出相应的最优解集。利用线性加权法将多目标转变为单目标进行求解分析,针对单目标粒子群算法的缺点,基于约束条件、惯性权重以及遗传算法的选择和杂交对粒子群算法进行改进,完成不同改进算法的测试实验。结果表明,在应用粒子群算法求解布局问题时将约束条件作为目标函数、单独引入遗传算法的杂交思想求解速度和精度更好。提出的基于杂交的动态惯性权重粒子群算法的布局优化问题求解性能更优,得到的优化方案符合海洋钻井作业要求且占用甲板面积较小。     

无人驾驶速度控制算法研究

针对常规PID控制参数的固定性,难于满足非线性的控制要求,利用模糊控制的自整定PID参数量,本文提出一种基于模糊PID控制算法研究其在无人驾驶汽车速度控制系统中的应用,并建立了Matlab模型来仿真汽车速度控制过程。仿真实验表明,与常规PID控制算法相比,模糊PID算法具有超调量低、调整时间短、稳定性强等优点。为下一代联网车辆以及智能车辆速度控制提供新的思路。     

改进粒子群优化BP神经网络的轮毂分类算法

针对轮毂识别系统前期图像特征提取误差较大时分类准确性降低的问题,提出了基于改进粒子群算法优化BP神经网络的轮毂识别模型。在标准粒子群中引入遗传算法的变异因子、惯性权重、时间因子、速度边界限制和反弹策略,以改进粒子群算法,从而提高寻找最优阈值与权值的性能。经过与不同算法的对比数据看出,采用改进粒子群优化BP神经网络算法的分类识别率比其他算法提高了9%左右,且收敛速度、收敛精度均有提高,证明了所提IPSO(improved particle swarm optimization)算法的有效性。     

一种基于翻转角度的二进制粒子群优化算法

为了提高二进制粒子群优化的收敛速度和收敛效果,提出一种新的改进二进制粒子群优化算法,该算法利用翻转角度作为进化条件,利用局部翻转因子和全局翻转因子来决定粒子群的收敛速度。实验证明,该方法具有更快的收敛速度和更佳收敛值。     

粒子群优化算法在离散变量结构优化中的应用

介绍了用于离散变量的粒子群优化(PSO)算法以及加入了约束处理的启发式粒子群优化(HPSO)算法.将HPSO算法的约束处理策略与另一种适用于粒子群算法的约束处理方法结合,并将改进后的算法应用到3个离散变量桁架结构截面优化设计算例中,同时与HPSO算法进行了对比分析.对于每个算例,改进算法和HPSO算法都运行了多次,从多次运行的统计数据中可以看出,改进算法比HPSO算法更稳定、收敛速度更快、搜索精度更高,且其约束处理方法减少了结构分析的次数,从而提高了整个程序运行的速度.