基于改进粒子群算法的约束隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出了一种基于改进粒子群算法的广义预测控制算法。广义预测控制算法采用隐式算法,用最小二乘法直接辨识控制增量表达式中的参数,避免求解丢番图方程;为避免粒子群算法陷入早熟,提高精度,在广义预测控制算法的滚动优化环节采用速度变异的粒子群优化算法,克服了受约束优化问题处理的缺陷,更快更准确地寻到最优目标函数值。仿真结果表明了该方法的有效性和良好的控制性能。     

基于粒子群优化的非线性预测控制算法的特性分析与仿真研究

介绍了基于粒子群优化的非线性预测控制算法(PSO-NPC)的基本原理和算法流程。通过仿真实验,分析了预测控制和粒子群算法参数对PSO-NPC控制性能的影响。针对基于预测误差的单目标优化的PSO-NPC常规算法不足之处,提出了粒子群多目标优化的非线性预测算法。仿真结果表明,提出的算法是正确有效的。     

基于微粒群优化和模拟退火的约束广义预测控制算法

提出一种基于微粒群优化和模拟退火的约束广义预测控制算法,将微粒群优化和模拟退火引入到广义预测控制的滚动寻优过程中,增强对约束边界的搜索能力,并将约束条件构成约束违反度函数和适应度函数一起判断最优解的优劣,该算法可以有效地提高广义预测控制处理约束的能力.通过对一个工业对象的仿真,验证了该算法的可行性和有效性.     

转向系统背压加载的广义预测控制

针对转向系统背压加载的时变、非线性、多变量耦合等过程特性,研究了一种基于最小二乘支持向量机(least square support vector machine,LS-SVM)的广义预测控制算法.采用LS-SVM辨识方法对系统进行建模,并用粒子群算法对LS-SVM的参数进行寻优,为控制器的设计奠定基础;对于时变的特点,采用基于在线LS-SVM的广义预测控制混合算法,实时修改模型参数.转向系统背压加载的控制实验结果表明,基于LS-SVM的广义预测控制混合算法是有效的,能准确地跟踪设定的加载压力,对扰动有较强的鲁棒性,具有实际工程应用价值.     

基于粒子群-BP神经网络算法的电价预测

为了解决现有电价预测中BP神经网络法对初始权值敏感、易陷入局部最小值和收敛速度慢等问题,在神经网络训练中引入基于全局随机优化思想的粒子群优化(PSO)算法,先利用PSO优化BP神经网络的初始权值,然后采用神经网络完成给定精度的学习,建立了粒子群-BP神经网络模型.与传统BP神经网络、粒子群广义神经网络相比,该方法收敛速度快、所需历史数据少、预报精度高,可用于电力系统的短期电价预测.     

基于广义预测算法的焦炉立火道温度控制系统

一般焦炉立火道温度控制采用传统的PID算法,PID算法存在控制精度不高,鲁棒性差等缺点。广义预测控制应用"多步预测、滚动优化、反馈校正"的思想,其算法鲁棒性好,控制效果佳。采用广义预测控制方法对立火道的温度进行控制,并通过计算机仿真说明其控制算法的有效性。     

基于BP神经网络的广义预测控制算法在一级倒立摆控制中的应用

提出了一种基于BP神经网络的广义预测控制算法,其实质是利用BP神经网络来求取广义预测控制的最优控制律,该算法对广义预测控制算法进行了简化,可以应用于快速系统的控制.以倒立摆系统作为研究的对象,将新算法应用于一级倒立摆的控制,仿真结果证实了该算法的有效性和实用性.     

基于PSO与LMI优化的非线性模型预测控制

将微粒群算法(PSO)与线性矩阵不等式(LMI)用于输入受限非线性预测控制器的设计,提出了基于PSO与LMI联合优化的非线性预测控制算法。算法采用双模控制策略,利用LMI离线优化确定终端不变区域,以扩大非线性优化的求解范围,降低算法的保守性。利用PSO在线优化求解非线性预测控制输入,以避免求解非线性规划问题,同时对算法的稳定性进行了分析。仿真结果表明了该算法是有效的、可行的。     

PID型广义预测控制算法在EPA中的应用

在分析PID算法和广义预测控制算法(GPC)的基础上,将广义预测控制算法的性能指标构造成PID形式,并推导了改进的PID型广义预测控制算法(PIDGPC).通过工业实时以太网(EPA)实验装置的模型仿真,在时域内分析了PID型广义预测控制算法控制器的参数选择对控制性能的影响,说明了PID型广义预测控制算法比基本广义预测控制算法具有更好的控制性能,将会有较好的工程应用前景.     

基于神经过程-粒子群算法的移动机器人路径规划

针对传统粒子群算法在移动机器人路径规划过程中早熟引起的局部最优问题,将运动过程预测思想集成到粒子群优化算法中,构造神经过程-粒子群混合算法。主要思路是在粒子群个体进行下一次迭代时,利用神经过程预测个体位置,增加了迭代后期粒子群体的多样性,避免过早陷入局部最优,从而提高算法优化能力。实验结果显示,改进算法用于解决机器人路径规划问题,整体性能优于传统的粒子群优化算法。     

一种新型生物地理学智能优化算法及其比较研究

生物地理学优化算法（BBO）包括迁徙模型和算法流程,在一些基准函数下,通过BBO算法与其他较为传统智能优化算法的性能比较,显示出BBO算法的优越性能.论述了算法中的某些参数的影响,指出了BBO算法有待解决的问题.     

渐进结构优化方法及算例

渐进结构优化法(ESO)是近年来兴起的一种解决各类结构优化问题的数值方法。其原理是通过将结构中无效或低效的材料逐步去掉,使剩下的结构逐渐趋于优化。与其它优化方法相比,该方法原理简单,计算效率高,工程应用方便。本文阐述了渐进结构优化法的基本原理和具体步骤,并按照各种约束条件详细介绍了该方法在国内外的研究进展和典型范例。     

基于拓扑和尺寸组合优化的ATV车身轻量化研究

针对车身结构在概念设计阶段出现的拓扑优化结果不连续,结构优化设计周期时间长等问题,基于optistruct优化软件,提出一种拓扑和尺寸组合优化模型.该模型可以同时进行尺寸优化和拓扑优化设计,得到车身蒙皮优化尺寸和最优的车身骨架加载路径,同时缩短了结构的概念设计阶段的设计周期.以ATV车身的结构优化设计为研究对象,对比优化前后的分析结果,在不降低结构性能的前提下优化后的结构减重105.5kg,验证了该方法的可行性.     

桁架结构形状优化的粒子群优化算法

为解决有应力约束、几何约束以及局部稳定性约束的桁架结构的形状优化设计,将粒子群优化(PSO)算法应用于桁架结构的形状优化设计.首先详细介绍了原始PSO算法的基本原理,然后引入压缩因子改进了原始的PSO算法,并提出了合理的参数设置值.优化计算过程中,综合考虑了节点坐标和截面面积等两类不同性质的设计变量.最后对几个经典问题进行了求解,并与传统的优化算法进行了比较.数值结果表明,改进的PSO算法具有良好的收敛性和稳定性,可以有效地进行桁架结构的形状优化设计.     

笼型粉碎机的优化设计

本文在对笼型粉碎机结构和运动分析的基础上,建立了笼型粉碎机离散混合变量的优化设计模型,提出了离散混合变量优化问题的两步优化算法。该算法充分发挥了连续变量优化算法效率高和离散变量优化算法符合实际变量取值要求的优点,以连续变量优化的结果作为离散变量优化算法的初始点,大大提高了解决此类问题的效率。经对一实际产品的优化表明:在满足各种约束条件下,增大笼轮外径,间隙增大,生产率提高,并可最大限度地发挥原动机的潜力,优化后生产率提高了9.86 t/h,相对增加66.7%.     

弧形钢闸门结构整体优化设计

对闸门结构的优化多将其简化为平面体系或者分别对各构件进行优化,而各构件的最优往往不能等同于结构整体最优.利用APDL语言对ANSYS进行二次开发,融合了有限元法数值计算的准确性和优化方法求极值的高效性,按真实的三维情况对闸门进行优化设计,成功解决了弧形钢闸门的三维优化问题,为优化设计的工程应用提供了一种方法.     

Optimal design of dynamic and control performance for planar manipulator

k]A design and optimization approach of dynamic and control performance for a two-DOF planar manipulator was proposed. After the kinematic and dynamic analysis, several advantages of the mechanism were illustrated, which made it possible to obtain good dynamic and control performances just through mechanism optimization. Based on the idea of design for control (DFC), a novel kind of multi-objective optimization model was proposed. There were three optimization objectives: the index of inertia, the index describing the dynamic coupling effects and the global condition number. Other indexes to characterize the designing requirements such as the velocity of end-effector, the workspace size, and the first mode natural frequency were regarded as the constraints. The cross-section area and length of the linkages were chosen as the design variables. NSGA-II algorithm was introduced to solve this complex multi-objective optimization problem. Additional criteria from engineering experience were incorporated into the selecting of final parameters among the obtained Pareto solution sets. Finally, experiments were performed to validate the linear dynamic structure and control performances of the optimized mechanisms. A new expression for measuring the dynamic coupling degree with clear physical meaning was proposed. The results show that the optimized mechanism has an approximate decoupled dynamics structure, and each active joint can be regarded as a linear SISO system. The control performances of the linear and nonlinear controllers were also compared. It can be concluded that the optimized mechanism can achieve good control performance only using a linear controller.     

不压井井口装置的结构优化设计

采用拓扑优化和尺寸优化对不压井装置进行结构优化设计。首先利用基于变密度法的拓扑优化,以柔度最小为优化目标,体积分数作为约束条件,得到设计空间内最优的材料分布路径。然后根据得到的拓扑结构重新设计不压井装置结构。利用最终得到的不压井装置的拓扑结构建立新的有限元模型,利用尺寸优化工具,以最小质量为优化目标,最大位移与最大应力为约束条件,实现不压井装置的减重。通过综合两种优化方法,不仅提高了不压井装置的性能,而且大大降低了不压井装置的质量,为工程结构提供了一种新设计思路。     

抗震结构的优化设计

本文以近十年来我院抗震结构优化设计的研究成果为例简要地介绍了抗震优化的理论和方法。首先指出了抗震结构优化设计的数学模型是有时间参数约束的非线性规划问题,它可以简化为不含参数约束的问题来求解.然后,以剪切型框架抗震优化为例给出满约束设计的概念和方法;以平板网架抗震优化为例介绍了用最大总应变能为优化目标的一种抗震优化方法;以桁架与钢筋混凝土烟囱抗震优化设计为例阐述了抗震优化设计非线性规划解法的特点.最后用剪切型框架抗震优化设计为例介绍了如何建立和应用抗震经验优化规律。     

渐进演化类拓扑优化算法的优化准则对比研究

渐进演化类拓扑优化算法的优化准则是影响结构优化结果的关键因素之一。以不同荷载和边界条件下的深梁模型为数值算例，比较了基于不同优化准则的3种算法在优化解和优化效率上的差别。结果表明：对于荷载和边界等条件较简单的构件，采用单向和确定性优化准则的渐进演化类拓扑优化算法能高效地得到最优拓扑，采用概率性优化准则和采用双向优化准则的渐进演化类拓扑优化算法有着更广的适用范围，在荷载和边界等条件较复杂的构件上，同样表现出较强的避免优化畸变的能力和全局寻优能力。对结合概率性优化准则和双向优化准则的遗传双向渐进演化结构优化算法建立了流程图，并进行初步讨论，以期进一步提高渐进演化类拓扑优化算法的实用性和寻优能力。