改进粒子群算法在四旋翼PID参数优化中的应用

采用试凑方式对四旋翼飞行器PID控制参数人工进行调整工作量大、费时且难以达到较好的控制效果。为了解决控制参数优化问题,提出基于带交叉因子的粒子群算法(PSO)的PID参数优化策略。将带交叉因子的粒子群算法能快速准确找到最优参数解的特点与PID控制结合起来,在控制过程中将PID参数作为粒子群中的粒子,用遗传算法对粒子进行选择、保优、交叉,以ITAE准则作为误差性能指标,用粒子群算法调整PID参数,得出最优的粒子作为四旋翼飞行器的PID控制器参数。仿真结果显示,该方法具有更强的灵活性、适应性和鲁棒性,并能提高控制系统的精度,具有很好的工程应用价值。     

一种改进的PSO算法在PID参数优化中的应用

PID控制器具有结构简单、容易实现、控制效果好、鲁棒性强等特点,其关键在于PID参数的优化。微粒群优化算法是一种进化计算技术,其优点是速度快且简单易实现。改进的PSO算法,是在基本PSO算法的基础上引入了遗传算法的思想。仿真实验表明,改进的粒子群算法显著提高了PSO算法的全局搜索能力。     

基于微粒群改进BP算法的非线性方程PID参数整定研究

文章从微粒群算法和BP神经网络基本原理出发,研究了将其用于PID控制的可行性,实现参数的在线自整定。仿真结果表明。基于微粒群优化BP神经网络的非线性PID参数自整定取得了良好的控制效果。     

群智能微粒群算法及参数分析

微粒群算法是继蚁群算法之后提出的又一种新型的进化计算技术,具有典型的群智能的特点。文中首先介绍了微粒群算法的基本原理、流程,在算法参数分析的基础上,运用测试函数对粒子在寻优过程中的轨迹的进行研究,有利于探讨微粒群算法的收敛性,全局和局部平衡性以及算法稳定性和复杂程度,对算法参数的选择提供有效的指导和借鉴意义。     

基于微粒群优化的机器人自抗扰控制

自抗扰控制器是在继承经典PID不依赖于对象模型优点的基础上,通过改进经典PID固有缺陷而形成的新型控制器,性能优良且算法简单.研究微粒群算法和机器人控制技术,采用自抗扰控制器实现了平面两连杆机械手的正弦运动控制,提出用微粒群算法选择和优化控制器参数,取得了很好的仿真结果,验证了算法的可行性和有效性.     

基于改进量子进化算法的PID参数优化

PID控制器是一类广泛使用的控制器,其参数优化决定了控制器的性能。提出了一种基于改进量子进化算法的PID控制参数优化方法。在该算法中量子个体的每位量子比特都可以向不同的目标学习,实现了量子个体之间信息的充分交换,一方面保证了算法的收敛性,另一方面保证了算法的探索能力,有效提高了算法的优化性能。将该方法用于PID控制器参数优化,与其他优化算法的仿真结果比较表明,该方法能获取更好的控制效果,验证了该方法的有效性。     

基于萤火虫算法的PID参数优化方法研究

针对传统的PID参数整定方法越来越费时且难以满足控制要求的问题,提出一种采用萤火虫算法来优化PID控制参数的方法,设计了基于Simulink的参数优化模型,并进行仿真计算。结果表明,利用萤火虫算法优化PID控制器参数的阶跃响应响应时间短,基本没有超调,跟踪过程较平稳,仿真结果证明将萤火虫算法应用于PID参数优化是切实可行的。     

基于微粒群优化算法的图像阈值分割

本文简要介绍了微粒群优化算法、图像阈值分割原理和方法,将微粒群优化算法应用到图像阈值分割问题中,对最优分割阈值进行全局寻优,并与基于迭代法、Otsu法的阈值图像分割结果进行对比,结果表明微粒群算法优化的分割阈值分割效果更好。将本方法应用到犯罪现场灰尘加层足迹图像的处理中,取得了较好的图像分割效果,为公安技术人员对犯罪现场物证信息后期处理提供了一种新的方法。     

微粒群算法参数效能的统计分析

微粒群算法已在函数优化和组合优化问题中取得了比较理想的应用效果,其显著特点是算法表达简单,设置参数少,易于操作.但是其中关键参数的选择方法对算法特性有显著影响.本文利用经典统计分析中的方差分析方法,针对基本微粒群算法中的惯性权、加速常数C₁和C₂的设置对算法基本性能的影响进行了分析.实验结果证明:按照方差分析选择适应的参数设置水平,能够获得稳健和高效的优化效果.     

微粒群优化算法在协同建筑设计中的应用

介绍了群体智能的特点、算法以及基于群体智能的多agent协同设计系统模型。重点介绍微粒群优化算法的原理,工作流程。最后,以一个建筑外观设计为实例,介绍了算法在协同建筑设计组装过程中的应用。     

基才PSO—BP神经网络的PID控制器参数优化方法

针对传统PID控制系统参数整定过程存在的在线整定困难和控制品质不理想等问题,结合BP神经网络自学习和自适应能力强等特点,提出采用BP神经网络优化PID控制器参数。其次,为了加快BP神经网络学习收敛速度,防止其陷入局部极小点,提出采用粒子群优化算法来优化BP神经网络的连接权值矩阵。最后,给出了PSO—BP算法整定优化PID控制器参数的详细步骤和流程图。并通过一个PID控制系统的仿真实例来验证本文所提算法的有效性。仿真结果证明了本文所提方法在控制品质方面优于其它三种常规整定方法。     

基于基因片段分解的粒子群算法求解置换Flowshop问题

针对粒子群算法在求解置换流水车间调度问题时容易早熟的现象,提出了一种基于基因片段分解的粒子群优化算法求解置换流水车间调度问题。首先,对工件加工顺序采用了基因片段分解的方法,个体的初始值是随机生成的,但是初始种群采用贪婪方法得到。然后,通过加入综合学习策略和增强基因片段间的合作来提高该算法的全局搜索能力,对基因片段最优解进行交换局部搜索。最后,通过对Rec系列20个子问题的仿真测试,得出该算法在每个子问题上都取得了优于粒子群算法的解。仿真结果表明该算法收敛速度快,且具有较高的求解质量。     

一种改进的PID参数整定方法

当使用先进策略整定PID控制器参数时,往往要依赖于系统所辨识的对象模型。为了降低对系统模型的依赖性,提出了一种基于同时扰动随机逼近的在线、无模型的参数整定方法。算法的核心思想是利用高效的同时扰动技术对PID控制器性能指标函数的梯度进行估计,并利用随机逼近技术对PID的三个参数进行在线调整。仿真结果验证了该方法的有效性。     

空间映射粒子群算法用于电磁优化计算

将粒子群算法与空间映射算法相结合,提出了一种空间映射粒子群优化算法,并用于电磁问题的优化计算.算法实现过程中,将电磁仿真计算中精确网格剖分的计算模型作为精确模型,将粗糙网格剖分计算模型作为粗糙模型,在粒子群算法中计算粒子适应度前,使用粗糙模型结合基于卡尔曼滤波的映射关系,估计出粒子是否对算法最优解更新有效,并对有效的部分粒子做适应度计算,可以很大程度上减少算法的计算耗时.通过E型贴片天线和谐振腔缝隙天线的优化仿真说明了本算法的有效性.     

基于粒子群算法改进的电力系统

本文针对传统粒子群算法自实际应用中出现速度缓慢及局部最优解等等问题,提出了一种改进粒子群算法,并且将其应用在电力系统中,希望能够解决电力系统所存在的例如无功优化等问题中.改进后的粒子群算法在实际应用中收敛速度更加合理,能够有效保证种群的多元性,有效解决传统粒子群所存在的局部最佳解问题.     

带惯性权重的粒子群优化算法性能仿真

粒子群优化算法是一种随机搜索算法,并能以较大概率收敛到全局最优,微粒群算法中关键参数的选择方法对算法特性有显著影响.文中针对微粒群算法中的加速常数、惯性权重、取值范围、种群规模的设置对算法基本性能的影响进行了分析.实验结果证明:选择适合的参数设置水平,能够获得稳健和高效的优化效果.     

基于混沌优化的双种群量子粒子群算法

提出了一种基于混沌优化的双种群量子粒子群算法(BCQPSO)。算法利用混沌序列随机生成两个种群,在子种群中惯性权重分别采用不同的更新策略,并通过种群间的融合和变异进行信息交互,提高了算法的收敛速度和解空间的遍历范围。仿真实验结果表明,所提算法具有很好的搜索能力和优化效率。     

基于粒子群算法的3维激光雷达回波分解

为了提高3维激光雷达回波分解的精度和准确度,采用粒子群算法与最小二乘法相结合的方法,分析了激光雷达回波分解原理以及粒子群算法原理,研究了粒子群算法在激光雷达回波信号分解中的应用;进行了理论分析与实际数据验证,取得了实际激光雷达回波数据的分解结果。结果表明,采用粒子群算法与最小二乘法相结合的分解方法,激光雷达回波可以更高精度地分解为一系列单个波形的叠加,并获得了延时、强度及脉宽等参量,拟合度提高至0.989,一定程度上抑制了噪声的干扰。该算法可以有效提高激光雷达回波分解的精度。