基于AMESim的动压缸电液伺服压力控制系统积分滑模自适应控制

 根据轨道路基测试装置工作原理,建立了动压缸电液伺服压力系统AMESim模型和数学模型。基于期望变量构造了积分滑模控制切换函数,设计积分滑模控制器使切换函数收敛来实现对期望变量的跟踪,同时采用参数自适应估计来减小参数不确定性对系统控制性能的影响,最后将积分滑模自适应控制作用于该系统AMESim模型上。仿真结果表明：该算法不仅可以快速有效地估计系统中参数,保证估计参数的有界收敛,而且可以很好地跟踪期望变量,具有较好的跟踪精度和抗干扰能力。     

基于新自适应差分进化算法的Magic Formula轮胎模型参数辨识方法

针对传统差分进化法固定的控制参数设置与进化策略难以适应复杂多变的问题的状况,提出一种新的自适应差分进化方法,并将其应用于魔术公式(Magic formula,MF)轮胎模型的参数辨识中以解决其参数辨识难的问题。该方法结合基于成功进化个体的控制参数选择策略以及基于双审判矢量的进化策略,实现控制参数的有效自适应。通过对纯侧偏工况下轮胎数据的侧向力和回正力矩参数辨识,证明该方法比另外两种先进的自适应差分进化算法IOA和SspDE具备更好的全局优化与快速收敛能力,也比传统的数值优化Levenberg-Marquardt方法识别精度更高,是辨识MF轮胎模型参数的一种有效手段。     

基于隔代映射算子的差分进化算法

提出一种基于隔代映射算子的差分进化算法以求解优化问题,该方法在保证解的精度的同时具有较快的收敛速度。在经典的差分进化算法基础上,采用反向学习策略产生初始种群,并采用两种差分变异策略产生变异个体,以增加种群的多样性;利用隔代映射算子产生三个新个体替换当前进化种群中最差的三个个体,以实现精英策略提升算法的收敛性;为了保持种群的多样性和避免获得局部解,利用探测算子策略产生新个体加入进化种群。采用11个单峰、多峰测试函数和两个工程实例验证了该方法的有效性。     

ESD模型参数识别的差分进化方法

提出了一种以差分进化算法对静电放电模型进行参数辨识的新方法。以基于Heidler雷电流方程的静电放电模型参数为辨识对象,分别以仿真和实验数据验证了该方法的可行性,并从电流波形整体和局部两方面对拟合效果进行了评估。结果表明,与遗传算法相比,差分进化算法的执行速度更快,所得的辨识参数精度更高,对电流波形的整体和局部关键点的拟合度均高于遗传算法。因此,差分进化算法比遗传算法更适用于解决静电放电模型参数辨识问题。从实例可以看出,差分进化算法不需要过多的初始参数值先验知识,而只需提供一个较宽的初始参数搜索范围即可获得良好的辨识结果。此外,本文还以差分进化算法对Bruce-Golden和Gaussian函数静电放电模型进行参数辨识,验证了该方法的适用性。     

并联机构位置正解的自适应差分进化算法

根据杆长约束条件,建立求6自由度一般6-SPS并联机构位置正解的无约束优化模型,再应用差分进化（Differentialevolution,DE）算法求解该问题。针对基本DE算法可能出现进化停滞或陷入局部极值区域的缺点,提出一种引入新个体的自适应策略,以增强算法全局优化性能。将引入新个体的自适应策略融入DE算法,并使用混合变异算子及基于三角函数扰动的缩放因子和交叉因子,形成自适应差分进化（AdaptiveDE,ADE）算法。数值结果表明,对于一般6-SPS并联机构正运动学分析问题,ADE算法能以较少计算开销求出全部高精度位置正解。通过与基本DE算法、自适应变异粒子群算法和改进人工蜂群算法比较,验证了ADE算法的收敛精度和计算稳健性指标优于对比算法。     

融合自适应邻域差分进化的FastSLAM算法

机器人导航与建图中FastSLAM算法应用最广,但FastSLAM算法存在较多的问题,对算法中存在粒子集退化、重采样中丢失粒子多样性问题进行研究,研究结果表明,融合了自适应邻域差分进化算法的AMNDE-FastSLAM算法能有效改善这一问题。AMNDE-FastSLAM算法根据FastSLAM算法中的运动模型对粒子进行位姿估计更新,从建议分布中提取粒子,将FastSLAM算法中的重采样步骤替换为具有自适应能力的改进邻域差分进化算法。最后的实验结果表明,与传统的FastSLAM算法相比,AMNDE-FastSLAM算法具有更好的鲁棒性,在处理机器人被"绑架"问题上收敛速度更快、更优。     

基于自适应变异差分进化算法的电弧时域模型

随着电弧炉功率不断增大,电弧炉对供电网络的负面影响越来越受到关注.主要的负面影响是引起谐波、电网电压波动和闪变.因此,建立精确的电弧模型,对于研究上述问题有着重要的意义.新的电弧时域模型以能量守恒定律为基础,用非线性微分方程描述电弧电导与电流之间的函数关系,并且利用现场检测到的数据,采用自适应变异差分进化算法对参数进行辨识.通过调整参数,模型完全可以模拟电弧炉冶炼过程的电弧特性.仿真结果表明,模型输出的电压、电流与现场实测数据一致,验证了模型的正确性.     

双向随机多策略变异的自适应差分进化算法

针对差分进化算法中局部搜索和全局搜索之间的均衡难题,设计了一个基于符号函数的多策略变异算子,进而提出一种改进的自适应差分进化算法。新算法为提高跳出局部最优和搜索到全局最优解的可能性,用正负随机数代替了原有的变异率F,实现了两个方向上的随机搜索。同时为进一步简化参数选择过程,提高算法的寻优性能和通用性,新算法还设计了交叉率CR的两区间选择策略,在进化过程中通过学习以往的成功经验,实现自适应调整。对比实验结果表明,该算法具有更快的精确寻优和跳出局部最优的能力。     

改进差分进化算法及其应用

将基于混合差分策略的改进差分进化优化算法应用在PID控制器在线优化中。MDE(改进差分进化算法)结合了差分策略DE/rand/1的多样性和DE/best/1的高收敛速度的优点,算法的寻优性能远超过两种策略单独作用时的性能。此方法充分利用了差分进化的进化寻优优势与PID控制器的简单方便,让控制器在系统运行过程中进行自我设计和优化。     

材料试验机伺服压力控制系统的模型辨识研究

介绍了材料试验机伺服压力控制系统的结构，依据面向对象的建模方法，结合材料试验机的实际结构和现场的诸多影响因素，建立了相应的数学模型。分别采用ARX和BJ两种模型结构形式，采用阶跃信号和M序列作为输入信号来进行系统辨识，获得了系统的结构参数和模型参数，分析了两种输入在两种模型结构形式时辨识的差异，从而确定适合材料试验机伺服压力控制系统的辨识方式，得到了系统的数学模型，并对所得数学模型的正确性进行了验证。