基于小生境技术的改进鲸鱼优化算法北大核心CSCD

针对标准鲸鱼优化算法全局搜索能力不足、收敛速度慢等问题,采用小生境技术和引入自适应权重对鲸鱼优化算法进行改进。首先,引入小生境技术中的竞争选择策略,通过比较距离添加共享函数计算适应度来提高鲸鱼算法的寻优能力,避免WOA算法陷入局部最优,解决算法早熟现象;其次,采用自适应参数作为位置权重调整鲸鱼算法的位置公式,提高算法的收敛速度和寻优精度。将该算法引入单峰和多峰模态基准测试函数中,仿真实验表明,在保证算法收敛速度的同时,所提出的改进鲸鱼优化算法有效地提高了搜索能力和寻优精度。     

遗传参数自适应调整算法及其在液压动力系统优化控制中的应用

针对固定参数的遗传算法容易陷入过早收敛,进入局部最优状态等问题,建立了交叉概率及变异概率的模糊逻辑控制器以实现遗传算法策略性参数的自适应调整,从而提高优化算法的收敛速度及获得全局解的能力。运用常规优化方法及改进优化算法对永磁电机驱动的液压系统流量进行优化控制和对比,仿真和实验结果表明：采用遗传参数自适应调整算法优化控制器,可使系统在典型工况下,保持良好的控制性能,并且具有高于常规优化方法的控制精度和鲁棒性。     

一种自适应寻优的社会蜘蛛优化算法(SA-SSA)

针对标准社会蜘蛛优化算法(SSA)全局搜索能力不足、收敛速度慢等问题。提出一种自适应寻优的社会蜘蛛优化算法(SA-SSA)。在蜘蛛振动更新公式中,引入权重思想来构成振动自适应函数,动态调节最优位置的影响力,提高算法收敛速度;引入最优领域扰动策略,避免算法早熟,解决算法易陷入局部最优解的问题。在6个测试函数中进行仿真实验,结果表明所改进的自适应寻优的社会蜘蛛优化算法(SA-SSA)相较于其他群优化算法,如蝙蝠优化算法(BA)、人工鱼群(AFA)以及标准社会蜘蛛优化算法(SSA),具有更高的寻优精度和收敛速度,证明了改进策略的有效性。     

基于采蜜机制的正弦余弦算法及其在机械优化设计中的应用

针对标准正弦余弦算法（SCA）在求解函数优化问题时存在局部开发能力差、收敛速度慢和求解精度低等问题,提出了一种基于采蜜机制的正弦余弦算法（SCAHGM）。首先,更改参数r2、r3、r4的位置,使每个个体采用相同的参数r1、r2、r3和r4,按幂递减函数自适应调整参数r1,并动态调整参数r3,减少随机性,提高算法搜索效率;其次,利用贪婪选择策略、采蜜蜂算子、侦察蜂算子,加快算法收敛速度,提高算法优化精度,增加种群多样性,防止算法陷入局部最优;然后,在算法迭代过程中,以一定概率交替执行正余弦算子或采蜜蜂算子,更好地平衡算法的全局探索与局部开发能力。最后,选取23个标准测试函数进行仿真实验,结果表明SCAHGM算法较标准SCA、改进SCA和其他元启发式算法具有更佳的寻优性能,并通过优化2个机械设计实例,验证了SCAHGM算法的可行性和适用性。     

基于改进蜂群算法优化支持向量机的故障诊断

针对支持向量机(Support Vector Machine,SVM)的故障诊断性能受参数选择影响较大的问题,提出了基于改进蜂群算法(Improved Artificial Bee Colony,IABC)优化SVM的故障诊断方法。为提高ABC算法的寻优能力,引入Levy飞行策略,对原始蜂群算法进行了改进。利用改进的ABC算法进行SVM参数的优化,可以有效地提高SVM的分类性能。滚动轴承不同类型、不同程度故障诊断的实例表明,与ABC、GA和PSO等方法相比,IABC算法能够获得更优的参数组合,提高了SVM的故障诊断准确率,可有效应用于故障诊断。     

基于改进PSO算法的电液位置伺服系统MRAC跟踪控制

针对电液位置伺服系统控制性能不佳的问题,提出一种基于改进PSO算法优化的模型参考自适应(Model Reference Adaptive Control,MRAC)跟踪控制方法。首先,建立电液位置伺服系统数学模型,设计出模型参考自适应控制器;其次,分析PSO算法、APSO算法在参数寻优过程中的不足,提出一种改进的PSO算法;最后,将改进的PSO算法用于模型参考自适应控制器以改善其控制性能。结果表明,改进PSO算法优化的模型参考自适应控制具有响应速度快、跟踪精度高的优点。     

基于改进粒子群算法的白车身焊接路径优化

为优化白车身焊接路径,提高焊接效率,提出一种改进粒子群算法,在传统粒子群算法思想的基础上,将算法寻优过程分为追随和盘旋两部分.基于较近原则生成初始粒子,以减少种群规模,加快收敛速度;在追随部分,通过个体极值追随全局极值和随机原始参考值以贪婪重组的方式重新生成粒子,在增强算法局部寻优能力的同时加快算法的收敛速度;在盘旋部分,采用多次局部调序的策略,通过随机调整粒子局部排列序,保证算法种群的多样性,防止陷入局部最优解;从种群进化代数和种群个体适应度函数值实现算法各参数的自适应调节,加快收敛速度;对粒子个体采取精英保留策略,保留最优粒子.算法通过Matlab平台实现,实验仿真结果表明,提出的改进粒子群算法对于中小规模的白车身焊点旅行推销员问题(Travelling Salesman Problem,TSP)有良好的寻优能力.     

基于多领导粒子策略的DMPSO算法在冷轧液压APC系统中的应用

冷轧液压伺服位置自动控制(APC)系统中,系统参数会随着运行时间发生改变,针对系统这一特性,提出了一种基于改进动态多目标粒子群（DMPSO）算法的PID控制器参数整定策略。当系统发生变化时,该策略利用动态多目标粒子群算法的寻优能力和对环境变化的适应能力重新对PID参数进行整定和寻优。同时,针对算法存在的易于陷入局部最优和收敛速度较慢等缺陷,提出了一种基于多领导粒子策略的动态多目标粒子群算法。仿真结果表明：该控制系统对环境变化跟踪快,超调量小,调整时间短,性能明显优于传统PID控制。     

粒子群优化的变论域模糊 PI 机电作动器控制

为了提高飞机机电作动器的位置跟踪速度,克服传统 PI 算法参数调试依赖于人工经验的缺陷,提出一种基于粒子群优化的变论域模糊 PI 控制方法。首先根据机电作动器的结构与工作原理,建立永磁同步电机与机械传动部分的数学模型;然后根据电机控制系统建立机电作动器位置环变论域模糊 PI 控制模型;最后利用粒子群优化算法对量化因子、比例因子以及伸缩因子寻优并进行仿真验证。仿真结果表明,与传统 PI 控制和模糊 PI 控制相比,基于粒子群优化的变论域模糊 PI 控制方法在具备着传统模糊控制算法优点的同时,又能够根据偏差变化实时调整论域,改善系统的性能。     

改进粒子群算法和ELM的刀具磨损量预测

为了提高车刀磨损量预测模型的训练速度和在线预测精度,提出了一种基于改进粒子群算法（Improved Particle Swarm Optimization,IPSO）和极限学习机（Extreme Learning Machine,ELM）的刀具磨损量预测方法。采集车削加工中的声发射信号,利用小波包变换理论对信号进行降噪和特征提取,并通过主成分分析对提取的特征进行降维,选取其中对刀具磨损量敏感的特征值组成特征向量。建立基于极限学习机的刀具磨损量预测模型,并通过改进粒子群算法优化模型中的初始权值和阈值。实验结果表明：优化后的刀具磨损量预测模型相比于传统BP神经网络有更快的训练速度,同时改进后的粒子群算法有更好的寻优能力,提高了模型对于刀具磨损量的预测精度。     

基于自适应粒子群算法的篦冷机电液位置伺服系统PID参数优化

针对PID控制器的参数选取直接影响到第四代篦冷机刮板在调速过程中的稳定性和调节时间的问题,提出一种新的粒子群算法的PID参数整定方法。新的粒子群算法充分利用了适应函数提供的搜索信息,对传统粒子群算法中的权值进行自适应动态控制,并用飞行时间参数替代了压缩因子,飞行时间参数的变化规律是线性递减,并把它命名为自适应粒子群算法。通过测试函数证明提出的自适应粒子群算法比传统的粒子群算法收敛速度快和寻优效率高,应用改进的方法对篦冷机电液伺服系统进行仿真实验,结果证明自适应粒子群算法的PID参数整定方法比传统的整定方法有更好的控制效果,即调速过程稳定和调节时间快。     

Implementation of a MFAC based position sensorless drive for high speed BLDC motors with nonideal back EMF

In order to improve the reliability and reduce power consumption of the high speed BLDC motor system, this paper presents a model free adaptive control (MFAC) based position sensorless drive with only a dc-link current sensor. The initial commutation points are obtained by detecting the phase of EMF zero-crossing point and then delaying 30 electrical degrees. According to the commutation error caused by the low pass filter (LPF) and other factors, the relationship between commutation error angle and dc-link current is analyzed, a corresponding MFAC based control method is proposed, and the commutation error can be corrected by the controller in real time. Both the simulation and experimental results show that the proposed correction method can achieve ideal commutation effect within the entire operating speed range.     

基于改进平衡优化算法的多无人机网络覆盖技术

针对通信受限区域网络覆盖优化问题,提出一种改进平衡优化算法,提高多无人机编队飞行网络覆盖率。分析无人机网络覆盖特性,对多无人机进行网络覆盖面积建模,完成无人机数量预估;采用随机反向学习机制生成平均初始种群个体,提高了平衡池候选解的样本分布;对候选解采用莱维飞行方法进行优化迭代,提高了算法的收敛速度;并引入非线性递减的变种群数量策略,动态调整平衡算法的粒子数量,有效地提升了算法的计算效率。设计算法仿真样例,仿真结果表明,所设计的改进型算法比传统的平衡优化算法迭代次数减小近50%,同时目标区域的网络覆盖率得到显著提升。     

超声电机伺服控制的研究评述

为改善超声电机性能,实现超声电机快速、准确、稳定的控制,对于超声电机的现有的伺服控制策略和方法进行评述和比较,并且根据超声电机运动机理不同于传统的电磁电机,具有复杂的动力学现象及时变、强非线性等特点,提出了基于参考模型的模糊神经网络控制方法、遗传算法或其他的组合控制方法将是适用于超声电机的控制策略。     

基于模糊神经网络系统的三相感应电机矢量控制

为实现三相感应电机稳定控制,提出了一种基于自适应模糊神经网络推理系统（ANFIS）的感应电机矢量控制方法。ANFIS结合了模糊逻辑的调节能力与神经网络的自适应能力,被广泛的应用到电机的参数估计、转速、转矩和磁链控制中。在分析感应电机工作原理的基础上,推导出其数学模型,在Matlab/Simulink上采用基于ANFIS的矢量控制对三相感应电机进行系统仿真,仿真结果表明,该控制策略转矩波动小,转速响应快,具有良好的动态和静态性能。     

HUMAN-SIMULATING VEHICLE STEERING CONTROL ALGORITHM

A new vehicle steering control algorithm is presented. Unlike the traditional methods do, the algorithm uses a sigmoid function to describe the principle of the human driver's steering strategy. Based on this function, a human simulating vehicle steering model, human-simulating steering control(HS) algorithm is designed. In order to improve the adaptability to different environments, a parameter adaptive adjustment algorithm is presented. This algorithm can online modify the value of the key parameters of the HS real time. HS controller is used on a vehicle equipped with computer vision system and computer controlled steering actuator system, the result from the automatic vehicle steering experiment shows that the HS algorithm gives good performance at different speed, even at the maximum speed of 172 km/h.     

模糊无模型自适应控制在CSTR中的仿真研究

连续搅拌反应釜(Continuously Stirred Tank Reactor,CSTR)是工业生产中常用的设备,其温度系统具有强非线性、耦合性、时变性的特点,反应机理复杂,精确建模困难,传统控制方法很难满足生产需要。为解决上述问题,采用基于数据驱动的无模型自适应方法(Model Free Adaptive Control,MFAC)对反应釜出料温度进行控制。在SIMULINK环境下搭建反应釜数学模型,采用基本MFAC方法对其进行仿真研究,针对控制器参数调整复杂的问题,采用模糊控制方法对无模型控制器参数进行优化。仿真实验结果表明,基于模糊控制的MFAC方法改善了系统动静态性能指标,系统的抗干扰能力和自适应能力得到增强。该方法对反应釜实际生产具有一定的指导作用。     

单神经元PID在多电机同步控制中的应用

针对多电机同步控制系统在动载荷扰动情况下各电机之间的传动比会发生变化这一问题,设计了具有自学习和自适应能力的单神经元PID同步控制算法,建立了多电机同步控制系统的单神经元PID控制规则。系统仿真结果表明,运用单神经元自适应PID控制算法能有效实现多电机同步控制,该算法收敛速度较快,鲁棒性较好,具有较强的抗干扰能力。最后,将该控制算法应用于精梳机四轴同步控制系统,其结果表明单神经元自适应PID同步控制算法能大大增强系统的动态性能,有效缓解负载带来的同步误差。在相同扰动情况下,该方法能更好的使多电机以一定速度同步运行。     

Study on self-tuning pole assignment speed control of an ultrasonic motor

Ultrasonic motors have a heavy nonlinearity, which varies with driving conditions. The nonlinearity is a problem as an accurate motion actuator for industrial applications and it is important to eliminate the nonlinearity in order to improve the control performance. In general, complicated control strategies are used to deal with the nonlinearity of ultrasonic motors. This paper proposes a new speed control scheme for ultrasonic motors to overcome the nonlinearity employing a simplified self-tuning control. The speed control model which can reflect the main nonlinear characteristics is obtained using a system identification method based on the step response. Then, a pole assignment speed controller is designed. To avoid the influence of the motor’s nonlinearity on the speed control performance, a control parameters’ on-line self-tuning strategy utilizing the gain of the model is designed. The proposed control strategy is realized using a DSP circuit, and experiments prove the validity of the proposed speed control scheme.