基于模拟退火遗传算法的PID控制器参数优化

针对遗传算法存在容易早熟的不足,将模拟退火算法融合到遗传算法中,建立了模拟退火遗传算法,并将其应用于PID控制器的参数优化.结果表明,将模拟退火算法融合到遗传算法中是有效的,基于模拟退火遗传算法的PID控制器参数优化是可行的.     

基于遗传算法的PID控制器参数优化研究

本文提出了一种基于遗传算法的PID控制器参数优化设计。在参数整定与优化过程中。考虑了过程控制系统的参数整定特点和寻优精度。通过仿真研究表明：该方法比一般PID参数整定方法具有更好的控制性能指标。     

基于遗传算法的翼型性能优化

采用Hicks-Hence函数构建翼型,利用FLUENT软件对翼型的气动性能和噪声水平进行计算,并根据均匀设计试验方法,利用偏最小二乘回归法进行数据统计分析,构建多项式响应面模型;以翼型升阻比和噪声水平为目标函数,采用遗传算法对翼型性能进行优化设计,得到优化翼型;将优化翼型与基准翼型的性能进行了对比,结果表明,优化翼型的升阻比提高,噪声水平下降,优化效果明显.     

基于遗传算法的切削用量优化

遗传算法是一种全局优化自适应概率搜索方法，并且具有很强的全局优化性和搜索效率，文中基于遗传算法优化切削用量，在保证加工精度的前提下，提高了生产率，降低了生产成本。     

桥式吊车系统基于遗传算法的LQR控制

针对欠驱动系统——桥式吊车系统提出了基于遗传算法的LQR控制方法。首先，通过牛顿力学建立数学模型，再通过遗传算法选取的Q和R矩阵，结合线性二次型最优控制方法实现吊车系统的最优控制。仿真试验的结果表明了该方法是有效的。     

基于遗传算法的PID控制器参数优化与仿真

阐述了一种基于遗传算法的PID控制器参数优化设计方法。仿真研究表明,遗传算法应用于PID参数优化,与传统的寻优方法相比可提高控制器的稳定性和动态特性。     

基于遗传算法的风力机叶片优化

绍了遗传算法的基本知识并提出了风力机叶片优化设计模型,采用全局优化的方法,以叶片各截面年发电量最大为设计目标,叶片各截面处的弦长和扭角为优化变量,使用遗传算法进行了搜索寻优。以1.5 MW 风力机为例,利用 MATLAB 软件中已开发的优化程序设计并优化叶片,把用全局优化方法设计的叶片与 Glauert 方法所设计的叶片进行了比较,同时把所设计的叶片与已有叶片相比,结果表明其输出功率明显增加,从而说明了该方法的有效性。     

基于神经网络的齿轮传动遗传算法优化

以一对齿轮机构分度圆柱体积之和最小为优化目标，建立了优化设计的数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题，故通过神经网络方法拟合待求系数，结合遗传算法，应用manab遗传算法工具箱寻求最优解，使求解过程得到简化，确保可靠地获得全局最优解。     

基于变形遗传算法的切削用量优化

针对切削用量优化问题，提出了一种基于变形遗传算法的寻优方法，即在基本遗传算法的基础上增加了精英选择策略、交叉变异概率的动态自适应。将该方法与基本遗传算法进行了比较，并列举了最高生产率、最低成本和最大利润率的计算事例。结果表明，该方法的有效性和良好性能。     

基于精英策略遗传算法的主动隔振系统集成优化设计

针对传统主动隔振系统先设计结构参数后设计控制器的方法很难达到全局最优这一问题,本文提出一种采用精英策略遗传算法对结构参数和控制参数进行集成优化的方法。该方法将主动隔振系统机械结构及LQG控制器的设计结合起来,以隔振平台加速度,隔振系统动挠度和底座动位移三者总加权均方根为性能指标,对主动隔振系统进行集成优化。通过理论分析与仿真结果表明此方法能有效提高主动隔振系统的隔振效果。     

遗传算法在函数优化问题中的应用研究

系统地论述了遗传算法在函数优化问题中的应用,提出了基于遗传算法的函数优化问题的通用框架,通过实例的分析及计算,得出较为理想的结果。     

基于免疫遗传算法的优化设计

遗传算法作为一种生物进化计算模型,在优化计算中得到了广泛应用,但其存在的缺陷,影响了其在一些问题求解中的正确性和有效性.将生物免疫算法与遗传算法相结合,提出了一种基于免疫遗传机理的优化计算模型,避免了遗传算法易出现早熟、搜索效率低及不能很好保持个体多样性等问题.并以免疫遗传算法为基础,研制了优化设计支持IGBODS(Immune & Genetic based Optical Design Support) 系统, IGBODS系统已在多个优化问题中得到应用,优化计算结果表明,免疫遗传算法在优化设计中,具有很大的优越性与良好的应用前景.     

基于遗传算法的孔群加工路径优化

为提高孔群加工的效率,采用遗传算法对孔群加工空行程路径进行了优化。对遗传算法的实施过程进行了细致的描述,通过实例演示了遗传算法的孔群路径优化性能,并对遗传算法的运行效率及影响因素进行了研究。实验表明,运用遗传算法对孔群路径进行优化能提高孔群加工的效率,减小孔群加工中空行程的消耗;遗传算法运行中可以根据最佳个体的保持时间在一个代中加入活性因子,防止早熟的出现;遗传算法的各个参数对遗传算法的运行有一定的影响。选用合适的运行参数,本程序可应用于工程中,提高少批量孔加工的生产效率。     

基于遗传算法的非线性控制系统参数优化方法

本文针对非线性控制系统参数优化问题,结合非线性控制系统理论、最优化理论及遗传算法,提出了一种新的仿真优化方法,该方法利用遗传算法来求解非线性控制系统参数优化问题,由于遗传算法是在解空间的多个区域内进行搜索,能以较大的概率跳出局部最优,因此可技巧以整体最优解。仿真结果表明,该方法是一种有效的非线性控制系统参数优化方法。     

基于遗传算法的桁架结构动力学形状优化

针对桁架结构动力学形状优化的复杂性及其设计变量的不统一性,本文采用实数编码技术进行统一处理,并提出了基于自适应遗传算法的结构动力学形状优化方法。算例结果表明本文方法的有效性和工程适应性。     

基于遗传算法的汽车行驶平顺性优化仿真

为了探讨遗传算法应用于汽车行驶平顺性仿真的可行性,以1/4汽车两自由度振动模型为对象,建立了汽车行驶平顺性优化仿真模型,运用遗传算法对该优化仿真模型进行了求解.优化前后汽车行驶平顺性指标的对比结果表明,遗传算法用于汽车行驶平顺性优化仿真取得了较好的效果,可以进一步应用于基于高自由度汽车振动模型的汽车行驶平顺性仿真优化问题中.     

基于模糊神经网络和遗传算法的仿人智能PID控制器设计

阐述一种新型的模糊神经网络加遗传算法的智能PID控制器     

基于改进蚁群算法的模糊控制器优化研究

作为智能控制的一种新技术,模糊控制不依赖于工业对象模型。它不是用数值变量而是用语言变量来描述系统特征。并依据系统的动态信息和模糊控制规则进行推理以获得合适的控制量。因而具有较强的鲁棒性。本文使用蚁群算法对模糊控制器进行优化实现模糊规则的自寻优。通过MATLAB进行仿真试验,系统阶跃响应表明经改进的蚁群算法寻优得到的模糊控制器具有良好的性能。     

一种用于优化PID参数的改进蚁群算法

PID控制由于算法简单,鲁棒性好在工业的过程控制中应用很广泛,但是传统的Z-N算法整定的PID参数却并不是最佳的。蚁群算法作为一种新型的仿生优化算法。该算法具有很多优良的性质,近年来在优化领域中得到了广泛应用。本文提出了一种改进的蚁群算法。通过增加高斯变异这一环节来增强算法的智能性。最后通过仿真实验获得了较好的控制效果。