变刚度柔性关节机构的驱动调节控制优化

变刚度柔性关节机构在主-被动复合驱动调节时受到关节部位阻尼的作用,导致驱动调节的全局稳态性不好,提出一种基于复合式幅值饱和非线性状态反馈的变刚度柔性关节机构优化控制设计方法,构造变刚度柔性关节机构的动力学模型,以柔性关节等效刚度、阻尼力和关节弹簧压缩量等参量为控制约束参量,建立变刚度柔性关节机构的被控对象模型,结合幅值饱和非线性状态反馈控制方法进行自适应阻尼误差修正,根据主-被动复合刚度特性进行变刚度柔性关节机构的驱动惯性参量调节,实现关节机构驱动调节控制。仿真结果表明,采用该方法进行变刚度柔性关节机构控制的稳定性较好,驱动调节能力较强。     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

基于模拟退火算法的PID参数优化设计

PID参数整定与优化一直是控制领域的重要问题,合适的PID参数可以使系统有很好的控制效果。自Ziegler和Nichols提出了PID参数整定方法起,有许多的算法已经用于PID参数的整定优化。模拟退火算法(SA)具有渐进收敛性,而且是一种以概率1收敛于全局最优解全局优化算法。本文针对模拟退火算法,利用MATLAB对PID参数进行优化设计,该方法可使整个寻优过程简洁,精确度高,提高了计算效率。     

基于改进灰狼优化算法的射频识别室内定位算法

为了解决当前射频识别室内定位算法中存在的定位误差较大问题，把智能算法应用到室内定位算法中，提出了一种基于改进灰狼优化算法的射频识别室内定位算法。针对传统的灰狼优化算法中存在的收敛精度低、收敛速度慢和容易得到全局最优解问题，在算法中引入基于幂函数的非线性收敛因子提高算法的寻优能力；采用基于指数因子的位置更新策略提高算法的收敛精度；加入多次位置更新策略使得算法容易跳出局部最优解。实验结果表明：三边定位算法的定位误差为0887 m，基于改进的灰狼优化算法的室内定位算法能够有效实现目标定位，定位平均误差为0276 m，定位精度明显提高。     

基于遗传算法的永磁同步电机调速系统PID参数优化

在分析永磁同步电机（PMSM）数学模型的基础上,针对传统PID整定方式存在的不足,引入了遗传算法对PMSM调速系统PID参数进行寻优。在迭代计算过程中采取最优保留策略,保证个体最终收敛于全局最优值。为了实现理想的电机转速控制效果,采用误差绝对值时间积分型目标函数,并在其中加入了超调惩罚项。仿真研究的结果表明,经过遗传算法优化后的PMSM控制系统具有超调量小、调节时间短、鲁棒性好的特点,与传统PID控制相比具有较高的动态品质和稳态精度。     

基于遗传算法的永磁同步电机调速系统PID参数优化

在分析永磁同步电机(PMSM)数学模型的基础上,针对传统PID整定方式存在的不足,引入了遗传算法对PMSM调速系统PID参数进行寻优。在迭代计算过程中采取最优保留策略,保证个体最终收敛于全局最优值。为了实现理想的电机转速控制效果,采用误差绝对值时间积分型目标函数,并在其中加入了超调惩罚项。仿真研究的结果表明,经过遗传算法优化后的PMSM控制系统具有超调量小、调节时间短、鲁棒性好的特点,与传统PID控制相比具有较高的动态品质和稳态精度。     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题。该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力。通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快。     

基于粒子群优化神经网络的变压器故障诊断

为克服电气分析应用中误差反向传播(BP)神经网络存在的不足,提出了一种利用改进粒子群算法优化神经网络的变压器故障诊断新方法。该法的惯性权重自适应调整,以平衡局部和全局搜索能力;收缩因子加快算法的收敛速度,有利于更快地收敛于全局最优解。利用改进的粒子群算法优化神经网络参数,并结合BP算法训练网络可有效地克服常规BP算法训练网络权值和阈值收敛速度慢、易陷入局部极小和遗传算法独立训练神经网络速度缓慢等缺点。最后,进行变压器故障实例分析的仿真结果表明,该算法具有较快的收敛速度和较高的诊断准确度,证实了该方法的正确性和有效性。     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化     

模拟退火算法在单相电机优化设计中的应用

模拟退火算法是一种有效的解决组合优化问题的方法，它通过模拟退火过程，理论上可避免算法过早收敛于局部最小点，从而保证到全局最优解或佤中近似最优解，故其具有相当广泛的应用前景，本文中将模拟退火算法用于单相电机优化设计问题的研究，取得了令人满意的结果。     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收 敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题.该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力.通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快.     

基于果蝇算法的开关磁阻电机多目标优化研究

针对采用传统算法对开关磁阻电机(SRM)本体进行多目标优化时存在算法复杂、调节参数多、计算量大且易陷入局部最优解等问题,提出一种基于果蝇算法(FOA)的SRM本体多目标优化设计方法。利用极限学习机算法建立SRM非参数模型,采用FOA算法对其进行优化,实现了SRM定转子极弧的全局最优设计,最后对该优化算法的效果进行了仿真验证,同时与传统粒子群优化算法(PSO)进行了对比分析,结果表明,FOA算法不仅获得了较PSO算法更好的转矩波动系数和效率指标,而且具有参数设置少、收敛速度快且不易陷入局部最优解等特点,具有较好的应用价值。     

改进多目标蚁群算法在电网规划中的应用

针对电网规划需综合考虑经济性和可靠性的问题,提出一种改进的多目标蚁群算法。该算法采用改进的快速排序方法构造Pareto最优解集,缩短了慢速链,降低了算法的时间复杂度;采用聚类算法裁剪非支配解,使所得解在整个Pareto解空间具有良好的多样性和分布性;采用信息素更新变参数控制,加快算法的全局收敛速度;采用挥发系数动态自适应调节机制,提高算法全局搜索能力。通过18节点电网规划算例证明,提出的改进算法与基本多目标蚁群算法相比,所得的Pareto最优解数量更多,Pareto前沿分布更加均匀,同时收敛性和快速性也得到了提高。     

基于NACS-PSO算法的光伏系统 MPPT控制研究

对于局部遮阴下的光伏阵列,传统的最大功率点跟踪算法收敛速度慢、精度差、功率波动大且容易陷入局部最优。为此,提出一种基于新型自适应布谷鸟算法与粒子群算法相结合的复合算法。该方法在布谷鸟算法中引入自适应发现概率和自适应莱维飞行步长控制因子,同时加入对立种群策略,以提高算法收敛速度和全局寻优能力。在算法前期,用粒子群算法全局搜索快速找到全局最大功率点附近,后期用新型自适应布谷鸟算法在局部范围内精准寻优,以快速、准确和稳定地跟踪到全局最大功率点。仿真结果表明,本文提出的算法在四种光照模式下的收敛时间和跟踪误差分别为0.106 s和0.012%、0.108 s和0.034%、0.110 s和0.059%、0.106 s和0.031%,均优于其他算法,验证了本文算法在六种对比算法中,收敛速度最快、跟踪精度最高、功率波动最小、陷入局部最优的可能性最小。     

改进蚁群算法求解移动机器人路径规划

在全局静态环境下,提出一种改进蚁群算法,解决传统蚁群算法用于路径规划出现的收敛速性差、局部最优和求解质量差等不足。该算法引入障碍物排斥权重和新的启发因子到路径选择概率中,提高避障能力,增加路径选择的多样性;然后,设置局部信息素的阈值和限定范围更新局部信息素,采用交叉操作获取新路径,引入最优解和最差解,改变全局信息素的更新方式,提高全局搜索能力和解的质量,避免算法陷入局部最优。仿真结果表明,该算法能有效获得最优路径,在长度上比蚁群算法及其他算法分别减少了18%、5.7%和11%,算法迭代次数及运行时间都有所降低,提高了收敛速度和搜索能力。     

基于PSO优化的模糊PID恒力控制研究

针对工业机器人在抛磨等工作过程中对接触压力的要求，提出了一种基于粒子群(PSO)优化的模糊PID恒力控制方法。对柔性力控法兰装置的受力和气体流量模型进行分析，建立柔性力控法兰装置的数学模型；设计了基于PSO算法的模糊PID控制器，自适应调节模糊PID的控制参数，通过MATLAB仿真对比了普通PID、模糊PID和基于PSO算法优化的模糊PID这3种控制方法的性能；最后，通过搭建基于柔性力控法兰装置的打磨实验平台，对柔性力控法兰的恒力控制输出性能进行实验验证。仿真实验结果表明，与传统PID和模糊PID控制方法相比，基于PSO算法优化的模糊PID控制没有超调，系统响应速度更快，在0.43 s时系统达到稳定；在进行恒力打磨实验时，柔性力控法兰实际接触力输出误差小于0.85 N;打磨后的壳体表面各区域粗糙度稳定在Ra0.1～Ra0.2之间。该方法能够有效地抑制接触压力波动，具有更强的鲁棒性。     

基于改进人口迁移算法的输电网扩展规划

输电网扩展规划是一个非常复杂的大规模组合优化问题,对比提出了一种改进人口迁移算法的求解方法.标准人口迁移算法在求解过程中搜索容易陷入局部最优解和后期收敛时间较长等问题,针对以上缺点,对算法的迭代初始化、种群生成策略以及参数设置进行了改进,将遗传算法的最优保留思想引入到算法中,提高了算法搜索全局最优解的能力与收敛到最优解...     

基于改进离散粒子群算法的多目标无功优化

针对离散粒子群算法直接应用于无功优化后存在优化迭代过程易陷入局部最优解且后期收敛速度慢等问题,结合混沌算法,提出更加有效的改进离散粒子群算法求解多目标无功优化问题。同时,对每次迭代后产生的控制变量进行混沌优化,从而避免无功优化控制变量陷入局部极值区域。通过算例分析表明,采用改进离散粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快。     

真空断路器电机操动机构RBF-PID控制方法研究

为提高真空断路器分合闸性能和智能化操作水平,提出了适用于真空断路器电机操动机构的RBF-PID控制方法,结合有限转角永磁无刷直流驱动电机动态数学模型,分析了驱动电机转速响应特性和运动过程可控性,构建了电机操动机构神经网络控制方程,对PID控制参数进行优化整定,分别计算分析常规PID和RBF-PID控制方法作用下真空断路器操作速度的跟踪特性。研制了电机操动机构速度控制系统,开展了真空断路器电机操动机构速度跟踪特性实验,结果表明,采用RBF-PID控制方法可以有效降低速度跟踪误差,操作过程中最大跟踪误差小于0.2 m/s,满足真空断路器智能化操作要求。     

混合多策略改进蜣螂算法的避障路径规划

为了实现移动机器人在复杂环境中路径规划的高效搜索能力,提出了一种混合多策略的改进蜣螂算法。首先,引入改进ISPM混沌策略用于初始化蜣螂的初始种群,使初始总体分布更均匀,并降低算法落入局部最优解的可能性。然后,将贪婪选择策略与改进透镜成像反向学习策略相结合,改进蜣螂觅食行为的位置更新,平衡算法的局部开发和全局搜索能力,提高算法的收敛能力;最后,利用莱维飞行策略并加入改进动态权重更新方式,改进蜣螂偷窃行为的位置更新,改变最优全局解,防止算法陷入局部最优。为了验证改进算法的性能,采用基本测试函数和路径优化方面仿真,将改进后算法与其他四种群体智能算法进行了比较。实验结果表明,改进的蜣螂优化算法显著提高了收敛速度和优化精度,具有良好的鲁棒性。