模拟电路故障诊断的仿真研究

研究模拟电路故障诊断优化问题,模拟电路故障特征和故障诊断器之间密切相关,然而传统算法忽略两者之间的联系,无法获取最优故障诊断器,导致故障诊断正确率低.为了提高了模拟电路故障诊断正确率,提出一种特征和故障诊断器联合优化的模拟电路故障诊断算法.首先利用故障特征选择和分类器参数间的相互联系,建立故障诊断数学模型,然后采用遗传算法对模型进行求解,最后对具体电路故障进行仿真测试.测试结果表明,联合优化算法有效提高了模拟电路故障诊断正确率,为模拟电路故障诊断提供了一种新的工具.     

遗传算法在智能车控制器参数寻优中的应用

研究智能车控制器优化设计问题,由于控制器参数不准确,引起控制误差.为解决上述问题,根据智能车的运动学模型,设计出智能车轨迹跟踪控制律.采用遗传算法对控制律参数寻优,利用逆推(Backstepping)方法,在搜索空间里获得全局最优解.最后利用提出的遗传算法对控制律参数优化方法,通过智能车对圆周轨迹的跟踪仿真,证明了智能车在遗传算法对该控制律参数寻优下,能够实现对给定轨迹的全局渐近跟踪,获得了较好的控制效果.验证了遗传算法对智能车控制器参数寻优的可行性和有效性.     

鸟体动力学本构模型参数反演的并行优化技术

研究鸟体本构模型的动力学过程,是飞行器抗鸟撞,保证飞行安全的重要问题。由于鸟体模型参数难确定,为得到准确而合理的鸟体参数,在已知鸟体本构模型的前提下,采用并行优化技术对本构参数进行反演。将鸟撞平板的试验结果与数值仿真结果的相对误差平方和最小作为目标函数,将待反演的鸟体参数作为设计变量,在同一撞击速度范围内,将鸟撞不同靶板分为不同工况构造并行优化反演模型。把反演得到的鸟体参数代回到鸟撞平板仿真模型中检验,经与试验结果对比,效果较好,表明采用的并行优化技术是有效的、可靠的。并行优化反演技术的实现为更准确的获取鸟体参数提供了新的思路和方法,也为提高飞行器抗鸟撞设计研究提供有益参考。     

小生境网格进化算法在电力系统控制中的应用

研究电力系统自动控制的准确性.电力系统的供电输出需要满足多条线路目标的最优状态输出,即在电力系统的自动控制中就存在多目标优化问题,并且实际的电力系统输出线路需电量不均衡,使得多目标优化的解集存在非均匀分布的情况,造成电力系统稳定性和可靠性受到影响.传统的多目标优化算法不能有效处理解集非均匀分布的问题.为了提高优化解集接近真实解的程度,提出一种小生境网格进化算法来解决电力系统中的多目标优化解集非均匀问题.采用小生境技术在算法中设置排挤因子,利用个体间的进化排挤作用形成小的个体环境,可维持个体解集的分布多样性.实验表明,改进方法能够有效解决电力系统多目标优化的解集非均匀问题,保证了电力系统自动控制的准确性.     

永磁同步电机PID参数优化研究

研究永磁同步电机优化控制问题,永磁同步电机具有强耦合和强非线性特性的特点,应用环境一般较为复杂且常常存在各种干扰使电机系统稳定性差,针对传统PID控制方式很难满足电机系统要求,控制效果差,超调大。为提高控制精度,提出一种改进的PID控制方法。将PID控制器的参数作为粒子群中的粒子,系统控制精度作为粒子的寻优目标,通过粒子搜索找到最优PID控制参数,从而对电机进行精确的控制。仿真结果表明,粒子群算法的PID控制器提高了永磁同步电机系统控制精度,为永磁同步电机优化设计提供了科学依据。     

无人机空中加油控制设计与仿真

无人机空中加油控制精度问题,无人受油机模型的各种不确定性与来自外部的各种干扰归结为扰动,造成控制精度差。为解决上述问题,提出一种免疫粒子群优化算法的自抗扰无人机自主空中加油飞行控制律设计方法。利用自抗扰控制能够自动检测并补偿内部与外部干扰影响的特点,并利用扩张状态观测器进行估计与补偿,从而增强了所设计飞行控制律的鲁棒性,用免疫粒子群优化算法对自抗扰控制器参数进行了优化研究,以提高设计效率。仿真结果表明,所设计的自抗扰自主空中加油控制系统具有优良的控制性能与较高的控制精度,能够满足无人机自主空中加油的要求。     

二维溃坝液面定位方法研究与仿真

研究溃坝过程中自由液面的定位问题,定位的准确性可有效防自然灾害。针对溃坝过程中,液面的变化情况很复杂,存在高度非线性,很难建立准确数学模型。当液面遇到阻力,变化幅度较大,变动较为频繁时,传统方法很难准确定位液面的问题。为解决上述问题,提出一种优化仿真溃坝液面准确定位方法,运用液面变化过程中,张力、流体区域的细微变化对液面进行准确的定位和捕捉,克服传统方法的缺陷。仿真结果证明:新方法能快速求解二维溃坝问题,仿真精度高,能成功模拟溃坝后的液面波浪翻卷、界面破碎和包含气泡等复杂现象,准确定位液面,取得良好的效果。     

多类型物流配送优化策略研究

研究多类型物流配送优化问题。物流中货物的配装以及送货的线路优化是物流配送的核心难点问题。对目前常见的物流配送过程中优化调度算法进行比较,分析了物流配送抽象流程,阐述了半启发式的遗传算法,以求取优化配送效率、降低算法的时间和空间复杂度为目标,建立了多类型物流配送整数线性规划模型,并设计了相关求解算法。将自适应遗传算法的多类型物流配送优化策略应用到实际物流配送过程中进行仿真,处理结果进行科学评价。通过实例的应用,验证了提出算法的可行性和高效性。     

基于改进遗传算法的多脉冲交会轨道优化研究

最优空间多脉冲轨道交会是一个复杂的非线性系统。由于结构复杂,存在非线性特性,影响系统的快速性和实时性。建立最优空间多脉冲轨道交会模型,传统遗传算法不能满足要求,因此提出了在自适应遗传算法的基础上引入多位变异的多变异位自适应遗传算法,对空间多脉冲交会轨道优化进行了求解。多变异位自适应遗传算法增加了种群的多样性,可避免算法的早熟收敛现象。仿真结果表明,利用多位变异自适应遗传算法求解空间多脉冲交会轨道优化效果好,避免了早期收敛,提高了全局寻优能力,为多脉冲交会轨道优化提供了较好的方法。     

汽车制动优化控制方法研究

研究汽车车轮制动时的刹车性能优化,缩短刹车距离。传统的汽车制动算法参数是固定的,不能改变,在路况不佳的情况下,遇到汽车轮胎抱死的状况时,制动器反应较慢、调节时间较长、刹车过程不稳定,导致刹车距离过长的问题。提出利用神经优化网络的汽车制动调节算法,通过控制汽车制动时,优化各种设备状态比例参数,使参数能够动态的改变,根据车况信息做出调整,得到最优控制参数,克服传统方法缺陷。实验表明:通过动态改变参数的控制可明显提高制动控制器的性能。大幅缩短在抱死情况下的刹车距离,取得了满意的效果。