蚁群算法滚动优化的LS-SVM预测控制研究

针对非线性过程预测控制的模型预测和滚动优化问题,提出一种蚁群算法滚动优化的最小二乘支持向量机(LS-SVM)新型预测控制器.该控制器以建模简单,精度高的LS-SVM作为预测模型,蚁群算法作为滚动优化策略,避免了滚动优化中复杂的梯度计算.仿真研究表明,该控制器具有良好的非线性控制效果.

     

基于侦察蚁和觅食蚁协作的机器人路径规划算法

根据对真实蚂蚁的最新研究成果,提出了一种全新的机器人路径规划蚂蚁算法.该算法由两组侦察蚁采用最近邻侦察搜索策略相向搜索出一条较优路径,再由一组觅食蚁通过在该路径附近觅食实现对该路径的优化,从而得到一条优化的路径.计算机仿真实验结果表明,算法收敛速度提高显著,且在障碍物非常复杂的地理环境,也能迅速规划出最优或基本最优的路径,效果令人满意.

     

交通诱导预测控制仿真研究

将动态交通分配实施过程纳入预测控制框架下以满足实时交通诱导的目的,提出一种交通诱导预测控制算法．该算法是在滚动时域基础上进行的,包括实时交通分配、交通流模拟运行及评价以及进化最佳路径３ 个重要环节．仿真结果表明,交通诱导预测控制是一种良好的计算机控制方法学,其优化过程预先考虑了目前交通分配对未来路网的影响,因而可有效地防范交通拥堵,实现考虑反馈的路网交通流实时分配优化,同时为出行者提供最佳路径．

     

板球系统的参数自调整反步控制

为解决系统初始值大范围变化,且控制量受到饱和特性约束的板球系统镇定控制问题,提出一种自动调整待设计参数的反步控制方法.分析了反步法偏差系统的平衡点特性;说明了反步法待设计参数与偏差系统动态间的关系;构造了Mamdani模糊逻辑,以自动调整反步法待设计参数;考虑了控制量受饱和特性限制而引入的约束条件,进而以遗传算法优化了模糊规则.仿真和实验结果均表明,自动调整待设计参数的反步控制方法降低了镇定控制中的位置偏差和位置超调.

     

梯度微粒群优化算法及其收敛性分析

针对标准微粒群优化算法微粒运动轨迹的收敛性进行了分析,给出并证明了微粒运动轨迹收敛的充分条件.提出一种简便的等高线图判别法,该方法能够通过参数的位置判断微粒轨迹是否收敛并衡量收敛速度.为提高算法的收敛速度,构造出一种梯度微粒群优化算法,给出并证明了该方法收敛的充分条件.仿真结果表明,梯度微粒群优化算法具有优良的搜索性能.

     

知识引导遗传算法实现机器人路径规划

针对传统遗传算法求解机器人路径规划问题存在的收敛速度较慢的缺陷,设计一种知识引导遗传算法,在染色体的编码,初始种群的产生,各种遗传算子和优化算子中加入相关的领域知识.综合考虑机器人路径的长度,安全度和平滑度等性能指标,在对机器人进行路径规划的同时,利用删除,简化,修正和平滑,种优化算子进行路径优化操作.仿真结果表明.所提方法能够有效提高遗传算法求解实际路径规划问题的能力和效率.

     

基于移动机器人路径规划的鼠群算法

研究静态环境下机器人路径规划问题,并根据老鼠觅食行为提出一种鼠群算法.该算法引入环境因子和经验因子,每次搜索后对路径进行经验因子更新,通过迭代的方式寻找静态环境下机器人最佳路径.同时提出一种禁忌策略,有效地避免了路径死锁问题.理论分析和实验结果表明,该算法能使机器人在有较多障碍的环境下迅速找到一条优化路径,而且安全避碰,与同类算法相比具有一定的优越性.

     

基于动态学习策略的群集蜘蛛优化算法

为了提高群集蜘蛛优化(SSO) 算法的性能, 提出一种基于动态学习策略的群集蜘蛛优化(DSSO) 算法. 该算法通过群体协作过程中学习因子的动态选择, 平衡算法的搜索能力和勘探能力; 采用随机交叉策略和云模型改进协作过程个体更新方式, 在维持种群多样性的同时尽量提高收敛速度. 基于标准测试函数的仿真实验表明, DSSO 算法可有效避免早熟收敛, 在收敛速度和收敛精度上较标准SSO 算法和其余4 种较具代表性的优化算法均有显著提高.

     

基于NEI 调节机制的非线性智能优化控制器

基于神经内分泌系统的整体调节机制,提出一种非线性优化智能控制器. 该控制器由提呈单元#抗体控制单元,主控单元,优化单元和辨识单元组成 .提呈单元根据免疫提呈机制对控制偏差进行动态处理,抗体控制单元通过调整控制实体的数量来消除控制偏差,主控单元调整提呈单元和抗体控制单元的控制作用,优化单元和辨识单元优化提呈单元和抗体控制单元的参数 .仿真结果表明,相对于传统的PID 控制,该智能控制器具有较好的控制性能.

     

约束非线性系统构造性模型预测控制

研究了连续时间约束非线性系统模型预测控制设计. 利用控制 Lyapunov函数离线构造单变量可调预测控制器,再根据性能指标在线优化可调参数,其中该参数近似于闭环系统的,衰减率,同时,控制 Lyapunov函数保证了算法的可行性和闭环系统的稳定性 .最后通过数值仿真验证了该算法的有效性.

     

基于DESO的Mean Shift目标跟踪算法研究

将基于DESO的运动预测算法和Mean Shift算法相结合,形成一种新的基于Mean Shift的快速目标跟踪算法.该算法以DESO预测位置作为Mean Shift算法下一帧候选模型的计算中心,实现了对快速运动目标的跟踪,并通过DESO对目标运动轨迹进行预测,较好地解决了目标完全遮挡时的跟踪问题.实验结果表明,该算法具有预测精度高,实时性好,抗遮挡能力强的优点.

     

非线性系统RBF神经网络多步预测控制

针对较强非线性的控制问题, 提出一种以RBF 神经网络为模型的多步预测控制方法. 构建多步预测模型, 并给出预测误差关于控制序列的雅可比矩阵的计算方法. 利用Levenberg-Marquardt(L-M) 算法设计滚动优化策略, 过误差修正参考输入的方法实现了反馈校正, 证明了控制系统的稳定性. 仿真结果表明所提出的控制方法效果较好.

     

基于瞬态相对模型的轨道机动目标运动参数估计

空间目标可能存在未知的机动,针对该类目标相对导航问题,提出一种基于瞬态相对模型的运动参数估计方法.该方法依据轨道密切性思想,在瞬态意义下建立相对运动模型和机动辨识算法,然后通过密切轨道到参考轨道的量测变换对冻结时间模型进行状态滤波,可为目标机动下的自主导航提供所需的相对状态与目标机动参数估值.误差分析表明"所得估值偏差均有界.仿真验证了该方法在目标存在机动情况下的有效性和一般性.

     

求解动态优化问题的自组织进化算法

为在环境发生变化后跟踪最优解的变化,提出一种自组织单变量边缘分布算法(SOUMDA)来求解动态优化问题.自组织策略包含扩散和惯性速度模型,扩散模型利用当前环境的局部信息使群体向外扩散,惯性速度模型利用最优解的历史信息进行预测.将自组织策略与单变量边缘分布算法(UMDA)结合,使得算法在环境变化后自适应地增加种群多样性,提高算法适应能力,快速跟踪最优解.利用动态sphere函数对所提出的算法进行测试,并与iUMDA和UMDA算法进行比较,结果表明所设计的算法能快速适应环境的变化,跟踪最优解.

     

铝液配载问题建模及混合遗传算法优化

针对电解铝生产过程中电解槽调配及出铝调度问题, 在建立数学模型分析基础上, 设计一种混合策略优化算法. 通过引入人工经验排出特例, 利用遗传算法完成优化. 以出铝路径为优化适应度函数, 利用交叉算子调配电解槽铝液组合, 利用变异算子改变槽装车路线. 最后通过某铝厂电解槽3 组数据优化实例表明了所提出方法的有效性.

     

基于多面体不变集的离线鲁棒预测控制器综合

提出一种基于多面体不变集的离线鲁棒预测控制器综合算法.该算法离线确定一组反馈控制律及其对应的不变集,在线控制时根据当前状态所处的位置选择相应的控制律,不仅扩大了初始可行域,还能在一定程度上改善控制性能.仿真结果表明了采用多面体不变集的优越性.

     

适应性粒子群寻优算法Ⅱ

适应性粒子群寻优算法Ⅰ(APSO-Ⅰ)是在有序的决策中始终引入随机的,不可预测的决定.为解决APSO-Ⅰ算法收敛深度不够的问题,提出适应性粒子群寻优第Ⅱ代算法(APSO-Ⅱ).APSO-Ⅱ算法是将有序(标准PSO粒子群寻优)和无序(自适应寻优)进行适当的分离,以发挥各自的优势.在自适应寻优阶段,通过在最优粒子邻域空间探寻更优化的解,一但新的优化解被发掘,便利用标准PSO快速寻优.典型复杂函数优化的仿真结果表明,APSO-Ⅱ在收敛速度和收敛深度上均优于DPSO(耗散型PSO),HPSO(自适应层次PSO),AEPSO(自适应逃逸PSO)和APSO-Ⅰ.

     

基于改进教学算法优化BP 神经网络的催化剂碳含量预测模型

为提高待生催化剂碳含量预测的准确性, 提出一种基于改进的教学算法(MTLBO) 来优化BP 神经网络的预测模型. 针对基础教学算法全局搜索能力差的问题, 在教师阶段前后增加了预习和复习过程, 并在学生阶段采用量子方式进行更新. 测试结果表明, 该改进能够提高教学算法全局探索和局部改良能力, 利用改进教学算法可优化BP神经网络的权值和阈值, 并进行待生催化剂碳含量预测. 仿真结果表明, 改进后预测模型的预测精度和泛化能力均有一定程度的提高.

     

一类新的粒子群算法

提出一种新的模糊粒子群优化算法---收敛模糊粒子群优化算法.重点研究了收敛因子的确定和模糊隶属度函数的选择对算法性能的影响.在考虑计算效率的同时,提高了算法的精度.利用4个基准函数测试了收敛模糊粒子群优化算法的性能,并与模糊粒子群优化算法$收敛粒子群优化算法以及基本粒子群优化算法进行了对比.实验结果表明#新算法具有很好的性能.

     

自治飞艇直接自适应模糊路径跟踪控制

针对具有模型不确定和未知外部干扰的自治飞艇, 提出了直接自适应模糊路径跟踪控制方法. 该方法由路径跟踪控制和自适应模糊控制两部分组成. 首先基于飞艇的平面运动模型设计路径跟踪控制律, 包括制导律计算、偏航角跟踪和速度控制3 部分; 然后构造直接自适应模糊控制器逼近路径跟踪控制律中的不确定项. 稳定性分析证明所设计的控制律能使飞艇跟踪给定的期望路径, 跟踪误差收敛到原点的小邻域内. 仿真结果验证了所提出方法的有效性.