基于改进海鸥优化算法的PID控制器参数优化

PID控制器广泛应用于自动控制、电子等领域,其参数的合理性是衡量系统性能指标的关键因素。引入自适应权重策略来平衡海鸥优化算法的全局搜索和局部搜索能力,通过惯性权重的余弦策略来增强局部搜索能力,以使算法更好地优化PID控制器的参数。对12个标准测试函数和二阶温控延迟系统进行测试,将算法与遗传算法、粒子群算法、人工鱼群算法进行比较,结果表明此算法具有更优的搜索性能。最后,将算法用于优化PID控制器的参数,结果显示算法具有良好的特性。     

基于改进PSO算法的热连轧粗轧短行程控制曲线优化

在对热连轧粗轧短行程控制原理和模型进行深入分析的基础上,采用一种新的进化寻优方法--粒子群优化方法(简称PSO算法),对短行程控制曲线进行优化.为了保证粒子群算法的全局最优性,在算法中采用带有变异算子的改进粒子群算法.经实验仿真证明,采用改进PSO算法优化后的短行程曲线,可以降低板坯头尾宽度偏差,减少头尾切损量,获得满意的效果,PSO算法是一种有效的短行程控制优化方法.     

自聚合飞蛾火焰优化算法对PID参数优化研究

PID控制器的控制对象通常具有高阶非线性等特点,在参数整定时容易使控制器出现超调、振荡、性能变差等缺陷。为解决此问题,提出一种自聚合飞蛾火焰优化(SMFO)算法对PID参数进行优化。在常规飞蛾火焰优化(MFO)算法中引入萤火虫算法中的光强吸引特性,以提高算法的寻优性能。采用高斯分布对火焰种群适宜个体进行选取,其利用光强吸引特性周期性地对适宜火焰的位置进行调整,强化火焰之间的联系,增强算法的局部勘探能力。将改进算法用于PID控制参数优化实验,以PID参数作为算法中的个体,以ITAE为适应度函数,进行PID参数优化。仿真结果表明:SMFO算法具有较好的寻优性能,相比于MFO算法和Z-N法,其超调量至少减少26.3%、调节时间至少减少69.6%,保证了控制系统的稳定性。     

基于混沌PSONN-PID神经网络的热连轧活套系统自适应解耦控制

为改善粒子群优化算法的寻优性能,提出了一种新的算法———混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,同时采用增加粒子交互性策略及先增后减的惯性权重因子模型来设置惯性权重因子,改善了递减策略中存在的缺陷。将改进后的算法与PID型单神经元相结合,并将其用于热连轧活套解耦控制系统。仿真试验表明：该算法较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决活套系统高度张力耦合问题提供了一种新的有效途径。     

基于混沌PSONN-PID神经网络的热连轧活套系统自适应解耦控制（英文）

为改善粒子群优化算法的寻优性能,提出了一种新的算法——混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,同时采用增加粒子交互性策略及先增后减的惯性权重因子模型来设置惯性权重因子,改善了递减策略中存在的缺陷。将改进后的算法与PID型单神经元相结合,并将其用于热连轧活套解耦控制系统。仿真试验表明:该算法较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决活套系统高度张力耦合问题提供了一种新的有效途径。     

基于混沌振荡PSO-BP算法的电阻率层析成像非线性反演

粒子群优化算法是一种启发式的全局优化算法,将其与 BP 神经网络结合,能够有效地改善 BP 神经网络在进行电阻率层析反演中的收敛速度和求解质量。提出一种基于混沌振荡的粒子群算法,使用混沌振荡曲线来自适应调整惯性权重w以提高PSO算法的全局寻优能力,并使用其训练和优化BP神经网络的权值和阈值。比较不同隐含层节点数目和惯性权重w值对反演结果的影响,并给出混沌振荡PSO-BP算法非线性反演的具体实现方案。对均匀半空间中异常体理论模型进行反演,实验结果表明：混沌振荡PSO-BP不依赖初始模型,在稳定性和准确性上优于BP反演和标准PSO-BP反演,成像质量优于最小二乘法反演的。     

改进PSO算法优化交流伺服系统PID参数研究

伺服系统PID控制参数的优化整定对系统可靠性和稳定性有着重要意义,而传统整定方式下参数优化整定时间较长、效果不佳、反应较慢。为了解决以上问题,提出一种优化交流伺服系统参数的控制方法。基于改进PSO算法实现惯性权重和学习因子随迭代次数的改变自适应调整,引入适应度函数快速优化整定PID控制器参数。利用MATLAB分别对基于遗传算法(GA)、量子遗传算法(QGA)、粒子群算法(PSO)的伺服系统PID参数整定进行仿真实验及对比分析。通过实验测试基于改进PSO算法和GA算法的PID控制器对伺服系统稳定性的影响。结果表明:利用改进PSO算法对PID参数进行优化整定,使得伺服系统具有鲁棒性强、稳定性高、超调量小等优点。     

基于改进粒子群算法的多电机智能控制研究

伺服电机作为全自动线束端子组装设备驱动、控制和机械传动的主要联系环节,其控制系统的优劣决定了整个设备的性能。结合端子组装设备的结构和工作原理,对端子组装设备中重要的伺服系统建立了控制数学模型。为了得到较优的控制器参数,对粒子群算法(PSO)搜索寻优进行了改进,通过PSO对PID控制器进行参数优化,并利用优化后的PID控制器设计多电机功率平衡控制策略。仿真验证表明：改进粒子群算法能有效实现多电机功率平衡控制,在负载发生变化的情况下,控制策略能够控制每个电机的输出实现均衡分配负载。     

多策略改进粒子群优化AGV模糊PID控制

为解决AGV在复杂环境下控制精度低下、响应速度慢和鲁棒性差等问题,提出一种基于改进粒子群优化模糊PID控制方法。在粒子群算法（PSO）引入Logistic混沌映射对种群进行初始化,其次对惯性权重和学习因子进行非线性控制更新,提升种群寻优能力和避免陷入局部最优;选取9个测试函数验证改进PSO算法效果。仿真结果表明改进PSO在寻优精度和收敛速度都优于其他3种算法,而且不易陷入局部最优。最后对被控系统进行效果验证,结果表明改进PSO优化模糊PID控制器在常规和外部干扰两种环境下控制性能都优于传统PID和模糊PID,具有高可靠性、高控制精度,满足系统要求。     

基于混合粒子群算法的注塑机电液伺服系统控制研究

注塑机电液伺服系统是一个时滞、非线性复杂系统,传统PID控制往往难以取得理想的控制效果。为了获取良好的控制效果,提出一种用混合粒子群算法优化PID控制器参数的方法,将模拟退火算法引入到粒子群算法中,能够更加快速、准确寻优出PID控制器最优参数。利用MATLAB仿真软件建立注塑机电液伺服系统控制模型,将混合粒子群算法与粒子群算法、遗传算法进行对比。仿真结果表明:利用混合粒子群算法优化的PID控制器收敛速度快、准确性高、鲁棒性强,明显提高了系统的控制性能。     

基于混沌粒子群算法的钛合金薄壁筋铣削变形优化

针对薄壁筋受铣削力影响易变形的问题,提出一种基于薄壳划分和周期性施加铣削负载的变形仿真方法,通过仿真和试验两方面对比研究,分析了薄壁筋的变形过程并得出其变形规律。为了解决标准粒子群算法在优化铣削参数时容易陷入局部最优解的问题,提出一种基于变异算子与自适应动态惯性权重的改进混沌粒子群算法,并以变形量为约束,铣削力最小为目标优化了铣削参数。结果表明:改进后的混沌粒子算法在全局搜索能力和计算速度方面相比粒子群算法显著提高,试验证明采用优化后的铣削参数组合可有效减小薄壁筋的变形。     

基于改进混合粒子群算法的机器人轨迹规划

针对机器人工作效率以及运行平稳性问题,提出一种基于改进混合粒子群算法的轨迹规划方法。建立新的模拟退火机制,并结合粒子群算法进行多目标优化;使用非线性惯性权重递减策略以及动态学习因子平衡局部和全局搜索能力。以某六自由度机器人(SFR-TA)为研究对象,使用5-7-5插值多项式构造轨迹曲线;利用权重系数法,将基于时间-脉动冲击的目标函数归一化处理以求得最优值。结果表明：相比于传统粒子群算法,该算法的运行时间更短,同时可有效减少机械臂脉动冲击,具有更好的稳定性。     

基于改进粒子群算法的六自由度机械臂时间最优轨迹规划

针对六自由度机械臂时间最优轨迹规划问题,提出一种基于改进粒子群算法的4-3-4混合多项式插值轨迹规划算法。算法采用自适应惯性权重,它能根据搜索过程的各个阶段采用相应大小的权重,有利于跳出局部最优陷阱,保持粒子群多样性;以非线性学习因子代替传统粒子群算法中固定的学习因子,有效提高算法的收敛速度和求解精度。通过MATLAB进行仿真验证,结果表明改进粒子群算法收敛速度提高46%,寻优精度提高38%,同时机械臂轨迹规划时间缩短了大约36%,充分地证明了该轨迹规划算法的可靠性和优越性。     

基于CEEMDAN-IGWO-SVM的轴承故障诊断研究

为了提高支持向量机(SVM)在轴承故障诊断时的准确率和识别效率,提出了一种基于具有自适应白噪声的完整集成经验模态分解方法(CEEMDAN)、改进灰狼优化算法(IGWO)和支持向量机(SVM)相结合的故障诊断方法。首先用CEEMDAN与Shannon熵对振动信号消噪、分解,获得典型故障的敏感信号;其次,将粒子群算法(PSO)惯性权重w与粒子“飞行”速度v引入灰狼优化算法(GWO),得到IGWO,通过IGWO算法优化SVM得到诊断模型的最优参数,增强SVM的学习能力和泛化能力;最后,利用美国西储大学的轴承试验数据验证优化模型的有效性。结果表明,IGWO算法优化SVM的模型可以准确、高效地对轴承进行故障诊断;与GA、PSO、和GWO算法优化的SVM模型相比,该方法的故障诊断准确率和识别效率更高。     

异类粒子群算法的机械臂轨迹多目标规划

为了减少机械臂工作过程中的耗时、耗能和冲击,提出了基于异类粒子群算法的机械臂轨迹多目标规划方法。建立了7自由冗余机械臂运动学模型和优化模型;以传统粒子群算法为基础,根据学习信息的不同来源,设计了4种粒子进化行为,根据粒子当前状态计算不同进化行为的当前价值和未来价值,根据当前价值和未来价值的综合价值计算不同进化行为的选择概率,从而完成了异类粒子群算法的构造。以耗时最少单目标优化为例,与传统粒子群算法相比,异类粒子群算法不仅收敛速度快,而且优化程度提高了27.48%;使用异类粒子群算法对机械臂轨迹进行多目标综合优化,给出了Pareto最优前沿面,可根据不同需求和优化重心从中选择优化结果。     

基于粒子群优化的焊接工作台伺服系统PID控制

提出了基于粒子群优化的焊接进给工作台位置PID控制。焊接进给工作台是焊机伺服系统的重要组成部分,其位置控制对提高焊接质量具有重要意义。采用简单高效的PID控制算法,但由于焊接伺服系统具有非线性等特点,使得PID控制器参数调整困难,传统的齐格勒—尼柯尔斯法则参数整定效果不佳。粒子群算法是一种全局优化算法,可以有效地实现PID参数整定,因此,在Simulink软件下建立进给工作台位置控制模型,采用粒子群算法来实现PID参数的调整,并进行了仿真。仿真结果显示,基于粒子群优化的PID控制器具有超调量小、精度高的特点,控制效果明显好于齐格勒—尼柯尔斯法则。     

汽车用钢铝异种材料的自冲铆接工艺智能优化

为了提高钢铝异种材料的铆接强度和平整度,提出了神经网络与启发式算法相结合的工艺优化方法.分析了自冲铆接工艺流程,确定了铆接接头质量参数和影响接头质量的工艺参数.设计了铆接实验,采用单隐藏层神经网络对质量参数与工艺参数间的非线性关系进行拟合.经过分析,拟合误差符合正态曲线分布,且误差均值接近于0,误差标准差极小,说明单隐...     

粒子群-蚁群融合算法的机器人路径规划

为了提升移动机器人在全局静态环境下搜寻到达指定目标点的最优路径的能力,提出一种粒子群算法和蚁群算法改进求解路径规划问题的融合算法。改进算法针对粒子群算法易陷入局部极值,利用蚁群算法获得全局最优路径;设置标识栅格,提升路径安全度;同时引入活跃因子增加粒子速度的多样性,根据粒子群算法最优解调整路径上信息素分布,解决蚁群算法中初始信息素缺乏的问题。融入简化算子,对路径做进一步处理,优化路径长度。仿真结果表明,融合算法具有较强的安全性以及改善了算法寻找最优解的能力。