一种基于差分进化算法的多模型建模方法

针对非线性系统的多模型建模问题,基于差分进化算法提出了一种优化建模方法.从系统的输入输出数据出发,将样本空间分割与局部模型建立相结合,首先将PWA辨识问题转化为MIQP问题;然后采用自适应混沌差分进化算法对模型数量及模型参数同时优化;最后利用支持向量基求取分割曲面方程.仿真结果表明,该方法能以最优的线性子模型集准确地逼近非线性系统.     

一种基于PSO的自适应神经网络预测控制

针对非线性系统,提出了一种基于微粒群优化(PSO)的自适应神经网络预测控制方法.采用对角递归网络(DRNN)对非线性系统进行建模,并利用扩展卡尔曼滤波(EKF)递推估计算法在线计算网络模型参数的Jacobian矩阵以实现模型参数的自适应.利用PSO算法在线优化求解非线性系统的预测控制律,以克服传统基于梯度法的非线性规划方法求解预测控制律时对初始条件非常敏感的缺点.生化发酵过程的仿真结果表明,所提出的控制方法具有良好的跟踪能力和抗干扰能力.     

基于混合系统模型的非线性系统最大可控不变集求解

针对非线性系统线性化在状态约束下最优鲁棒控制求解问题,提出了一种基于混合系统的分段仿射系统(PWA)建模,通过多次优化迭代的方法求解系统的最大鲁棒控制不变集的方法,并求得不变集内的最优控制器,解决系统的状态约束问题.通过一个非线性系统实例进行建模、仿真,证明了本方法的可行性.     

改进粒子群优化Takagi-Sugeno模糊径向基函数神经网络的非线性系统建模

针对复杂非线性系统建模的难点问题,提出了一种基于改进的粒子群优化算法（PSO)优化的T-S模糊径向基函数（RBF）神经网络的新型系统建模算法。该算法将T-S模糊模型良好的可解释性及RBF神经网络的自学习能力相结合,构成T-S模糊RBF神经网络用于系统建模,并采用动态调整惯性权重的改进的PSO算法结合递推最小二乘算法实现网络参数的优化调整。首先,利用所提算法进行了非线性多维函数的逼近仿真,仿真结果均方差（MSE）为0.00017,绝对值误差不大于0.04,逼近精度较高;又将该算法用于建立动态流量软测量模型,并进行了相关的实验研究,动态流量测量结果平均绝对误差小于0.15L/min,相对误差为1.97%,基本满足测量要求,并优于已有算法。上述仿真及实验研究结果表明,所提算法对于复杂非线性系统具有较高的建模精度和良好的自适应性。     

微粒群算法在非线性约束优化中的应用

该文将微粒群算法(PSO)应用于非线性约束优化问题的求解,提出了一种求解非线性约束优化问题的新算法,数值试验表明该算法具有很强的全局寻优能力。     

基于PSO的预测控制及在聚丙烯中的应用

输入输出受限非线性系统的预测控制问题，可以看作是一个难以直接求解的约束非线性优化问题。针对预测控制在解决此类优化问题时，存在易收敛到局部极小或者非可行解，对初始值敏感等缺点，提出了一种基于微粒群优化方法的非线性预测控制算法。采用微粒群优化算法（PSO）作为模型预测控制的滚动优化方法，在线实时求解最优控制律。将PSO与序贯二次规划（SQP）算法进行对比仿真实验，求解两个标准函数优化问题，结果表明PSO能够快速有效地求得全局最小点，而SQP则很容易陷入局部极小点。将该算法应用于丙烯聚合反应过程的温度控制中，仿真结果显示了该方法的有效性。     

基于双层优化的非线性系统多模型建模方法

针对非线性系统的建模问题,借鉴种群划分和递阶进化的思想,设计了一种基于双层优化的多模型建模方法。该方法将多模型建模问题转化为一个双层优化问题,在上层采用多个种群对多模型的区域进行优化划分,在下层采用多个个体微粒对各个局部模型的参数进行寻优,从而有效避免了多个参数同时优化带来的局部最优问题。最后,通过微粒群优化算法对其进行求解,并通过一个仿真算例验证了该建模方法的有效性。     

基于微粒群算法的非线性系统建模方法研究

针对非线性系统多模型自适应控制中的模型覆盖问题,提出一种基于微粒群算法的多模型建模方法.首先,对非线性系统定义了基于混合逻辑模型的多模型描述,建立了非线性系统的混合线性多模型;然后,基于微粒群优化算法对非线性系统进行优化建模,在保证建模准确性的同时采用最少的子模型逼近非线性系统;最后,通过一个仿真算例表明了该建模方法的有效性.     

一种基于PSO的自适应神经网络预测控制

针对非线性系统,提出了一种基于微粒群优化（PSO）的自适应神经网络预测控制方法。采用对角递归网络（DRNN）对非线性系统进行建模,并利用扩展卡尔曼滤波（EKF）递推估计算法在线计算网络模型参数的Jacobian矩阵以实现模型参数的自适应。利用PSO算法在线优化求解非线性系统的预测控制律,以克服传统基于梯度法的非线性规划方法求解预测控制律时对初始条件非常敏感的缺点。生化发酵过程的仿真结果表明,所提出的控制方法具有良好的跟踪能力和抗干扰能力。     

QPSO算法优化的非线性观测器设计方法研究

具有量子行为的粒子群优化算法(Quantum-behavedParticleSwarmOptimization,简称QPSO)是继粒子群优化算法(ParticleSwarmOptimization,简称PSO)后,最新提出的一种新型、高效的进化算法。论文在研究基于PSO算法的非线性观测器基础上,提出了一种基于QPSO算法的非线性观测设计方法。以vanderPol系统为例进行了仿真实验,其基本思想是将非线性连续时间系统的状态估计问题转换为非线性函数的在线优化问题,然后利用PSO或QPSO算法获得系统状态的最优估计。仿真结果显示了基于QPSO算法的非观测器比基于PSO算法的非线性观测器的性能更优越。     

PSO优化在模糊联合补充问题中的应用

对用PSO算法解决需求为不确定的联合补充问题进行了研究。运用模糊规划方法处理需求为模糊变量的联合补充问题,得到了作为求解目标的模糊数学模型;采用PSO思想对该模型进行分析,转化为PSO问题模型,制定出算法流程,并用数值实例验证了提出的粒子群优化模型和求解算法的有效性;对随机生成的大量数据进行处理,结果证明问题规模相同时该算法较遗传算法具有更高的效率。     

不确定环境下基于鲁棒粒子群优化的物流射频识别网络优化

针对电子标签位置不确定的物流射频识别(radio frequency identification,RFID)网络优化问题,综合考虑覆盖率、负载平衡程度、成本,建立了鲁棒优化模型.为求解负载平衡程度,采用基于Korobov点阵的蒙特卡洛方法.为减少计算量,提高算法寻优能力,提出一种基于不对称时变S–形(Sigmoid)函数的鲁棒粒子群算法(PSO).样本规模仅取部分较小整数、部分较大整数.仅在算法迭代后期,样本规模期望值大,保证算法开发精度;在较多迭代次数中,样本规模期望值小,加快算法探索速度.仿真实验表明,该方法具有较佳的搜索性能.     

一种改进细菌觅食优化算法及其在软测量建模中的应用

针对软测量建模中模型参数的优化需求,在分析细菌觅食优化算法(BFOA)和粒子群优化(PSO)算法的基础上,将二者有机结合,提出了一种新型细菌觅食粒子群混合优化算法(BSOA)。该算法将PSO粒子移动的思想引入BFOA,有效解决了BFOA趋向性操作中细菌位置更新的盲目性。将其分别用于典型函数的寻优与成品油研究法辛烷值最小二乘支持向量机(LSSVM)模型参数的优化,仿真结果表明:该方法有效增强了算法的全局寻优能力与收敛速度,并在一定程度上改善了模型的预测精度与泛化能力。     

协同进化算法及在软测量建模中的应用

综合基本微粒群优化算法（Particle Swarm Optimization,PSO）和模拟退火（Simulated Annealing,SA）算法,提出了一种新型的协同进化方法（SAPSO）。通过PSO和SA两种算法的协同搜索,可以有效地克服微粒群算法的早熟收敛。用SAPSO训练神经网络,并将其用于延迟焦化装置粗汽油干点和高压聚乙烯熔融指数的软测量建模。与几种常见建模方法比较,结果表明该软测量模型具有更高的测量精度和更好的泛化性能,能够满足现场测量要求。     

基于改进粒子群算法的无人机爬升轨迹优化

研究无人机控制优化爬升性能问题,由于单独提高速度或节省燃油问题,均存在互相影响。为了使无人机能够快速、省油地爬升到预定高度,综合考虑了油耗和时间这两个因素。在分析了无人机爬升段数学模型的基础上,提出将油耗和时间的综合运营成本作为优化指标,并提出了一种改进粒子群算法的无人机爬升轨迹优化方法。将无人机轨迹优化问题转化为有约束的参数优化问题,并用改进粒子群算法进行参数优化,从而得到综合指标最优的爬升轨迹。对某无人机实例进行爬升轨迹优化,仿真结果比传统方法更节省了运营成本,证明了改进方法的优越性。     

一种引入复合形算子的变异粒子群算法

针对粒子群算法存在的收敛速度较慢和早熟收敛两大难题提出了一种新的改进型粒子群算法：搜索初期由粒子群算法进行全局寻优,当判断粒子群体已经进入局部最优区域时,引入复合形算法迅速达到局部收敛,从而有效地提高粒子群算法的局部搜索能力。同时引入自适应变异惯性权重提高摆脱局部最优的能力,增加种群的多样性。通过典型优化函数的实验验证,该算法是一种兼顾局部性能和全局搜索能力的高效算法。     

基于混合微粒群算法的说话人识别

为了解决传统高斯混合模型(GMM)对初值敏感,在实际训练中极易得到局部最优参数的问题,提出了一种采用微粒群算法优化GMM参数的新方法。该方法将最大似然估计融入到微粒群算法迭代过程中,形成了新的混合算法。它利用微粒群算法的全局优化性及最大似然估计的局部寻优性求解高斯混合模型的参数,以提高参数精度。说话人辨认实验表明,与传统的方法相比,新方法可以得到更优的模型参数,使得系统的识别率进一步提高。     

旋转卫星舱内长方体群的布局

该文以人造卫星舱布局为背景,研究二维带平衡及不干涉等约束的长方形集在圆容器内的布局优化问题,此问题属于NP-困难问题。文章将粒子群算法(PSO)应用于该问题,构造此类问题的粒子表达方法,建立此类问题的粒子群算法。文中通过4个算例(其中一个属于高维)的数值计算,验证了该算法的可行性和有效性。