改进PSO-BP神经网络对尾矿坝地下水位的预测方法

为解决传统算法收敛速度慢、精度低的问题,提出一种改进粒子群算法(improved particle swarm optimization, IPSO),通过在寻优过程中动态调整惯性因子ω和加速因子c₁和c₂,提高算法的寻优效率;利用改进算法优化BP(back propagation)网络的权值和阈值,建立尾矿坝地下水位预测模型,结合实例数据对预测模型进行验证。研究结果表明,改进算法的收敛速度得到改善,预测模型对坝体地下水位的预测精度得到提高。     

改进PSO-BP神经网络对尾矿坝地下水位的预测方法

为解决传统算法收敛速度慢、精度低的问题,提出一种改进粒子群算法(improved particle swarm optimization, IPSO),通过在寻优过程中动态调整惯性因子ω和加速因子c₁和c₂,提高算法的寻优效率;利用改进算法优化BP(back propagation)网络的权值和阈值,建立尾矿坝地下水位预测模型,结合实例数据对预测模型进行验证。研究结果表明,改进算法的收敛速度得到改善,预测模型对坝体地下水位的预测精度得到提高。     

基于正态分布衰减惯性权重的粒子群优化算法

针对粒子群优化(particle swarm optimization,PSO)算法无法在提高收敛速度的同时避免早熟的缺陷,提出基于正态分布衰减惯性权重粒子群优化(normal distribution decay inertial weight particle swarm optimization,NDPSO)算法.以正态分布曲线作为惯性权重的衰减策略曲线,通过引入控制因子对粒子的位置进行改善,使得NDPSO算法能很好的在优化过程中平衡全局搜索和局部搜索能力.使用8个标准函数测试分别对粒子群优化(particle swarm optimization,PSO)、线性权重衰减粒子群优化(linear decay inertial weight particle swarm optimization,LDWPSO)、指数权重衰减粒子群优化(exponential decay weight particle swarm optimization,EXPPSO)、收缩因子粒子群优化(constriction factor particle swarm optimization,CFPSO)、高斯分布衰减惯性权重粒子群优化(Gaussian decay inertial weight particle swarm optimization,GDIWPSO)、基于动态加速度系数的粒子群优化(particle swarm optimization based on dynamic acceleration coefficients,PSO-DAC)、性权重自适应粒子群优化(inertia weight adaptive particle swarm optimization,简称PSO-LH)算法以及NDPSO算法进行仿真,分析他们的收敛速度和收敛精度.结果表明,NDPSO算法不管在单峰函数问题还是多峰函数问题上,总体性能都优于其他算法.     

基于改进粒子群寻优的数据中心精密空调无模型自适应预测控制

为实现数据中心热通道温度的精确控制，减少由于温度控制方式粗放造成的能源浪费，提出一种基于改进粒子群寻优(improved particle swarm optimization, IPSO)算法的数据中心精密空调无模型自适应预测控制(model free adaptive predictive control, MFAPC)方法.首先，考虑到MFAPC控制器参数空间大以及数据中心被控系统的动态复杂性，对粒子群寻优(particle swarm optimization, PSO)算法的惯性权值进行变权改进，从而提高PSO算法的前期探索和后期挖掘能力，最终获得最优控制器参数.然后，由于数据中心存在冷通道温度和风量的限制，因此将控制量约束问题转化为二次规划约束问题，并利用IPSO算法实现MFAPC控制器的每一控制步参数最优化，使得MFAPC输出的每一步控制量都是当前系统状态下的最优控制量.最后，基于北京市某数据中心现场数据，通过控制数据中心机房热通道温度预测模型对所提方法进行验证.带控制量约束IPSO-MFAPC方法在总体控制误差、超调量、快速性上都极大地优于MFAPC控制器.结果表明该文...     

基于免疫粒子群的调峰炉热力站优化调度

为了实现供热节能,对调峰炉热力站进行优化调度．首先结合供热能耗最小和运行费用最小两种调度模型,建立一种综合节能最优的调度模型,该模型可适应不同调峰模式下的供热需要．然后将免疫粒子群算法(Immune particle swarm optimization,IPSO)应用于优化调度的寻优计算,采用免疫算法,对粒子群算法(PSO)进行改进,避免了粒子群算法中存在的算法早熟、容易陷入局部极值等问题,能更准确快速地求解出优化调度结果．通过实例验证了该算法的优越性,计算结果表明调峰炉热力站的优化调度达到了节能的目的．     

基于多智能体粒子群优化的移动机器人动态路径规划

为了确保机器人在动态环境下无碰撞地到达目标位置,将多Agent粒子群优化算法（multi-agent particle swarm optimization, MAPSO）引入到粒子滤波（particle filter, PF）中,提出一种基于多Agent粒子群优化粒子滤波算法（multi-agent particle swarm optimized particle filter, MAPSOPF）的路径规划方法。通过多Agent系统的竞争、协作机制,调整MAPSOPF中粒子的提议分布,更新预估粒子的位置。与PSOPF算法相比较,该算法的迭代步数减少了50%~60%,计算时间复杂度降低了5%~50%。与改进的遗传算法相比较,MAPSOPF算法的计算时间复杂度降低了95%。三种算法中,MAPSOPF可近似得到最短的路径。实验结果表明该算法可有效应用于移动机器人动态路径规划。     

基于粒子群优化的半整车半主动模糊PI 控制悬架研究

针对不同路况下车辆悬架力学性能复杂多变的问题,利用数值分析方法研究半整车半主动悬架的性能特征。根据半整车半主动悬架的力学原理,建立半整车半主动动力学数学模型;利用2个模糊PI控制器分别控制车辆的前后轮,得到模糊PI控制悬架系统;利用粒子群算法对模糊PI控制悬架系统进行优化,得到不同悬架的车身质心加速度、车身俯仰角加速度、前后轮变形量与前后悬架动挠度性能参数的变化规律与均方根值,并分析悬架性能参数对车辆性能的影响以及各性能参数之间的内在联系。对2种PI控制悬架的可靠性进行研究,结果表明:2种PI控制悬架性能与被动悬架相比,均有很大改善,且利用粒子群优化后的模糊PI控制悬架的综合性能最好;当车辆在不同的路面行驶时,2种PI控制悬架均具有较好的可靠性。     

基于改进粒子群算法优化SVM的变压器故障诊断

为提高变压器的运行可靠性,提出一种基于核主成分分析（kernel principal component analysis,KPCA）和改进粒子群优化（improved particle swarm optimization,IPSO）算法优化支持向量机（support vector machines, SVM）参数的变压器故障诊断方法。首先建立变压器状态评估的基础指标体系,并采用KPCA对基础指标进行关键参量的提取,得到降维后的评价指标,然后将其输入SVM训练诊断模型,最后采用IPSO对SVM进行参数优化。仿真结果表明,该方法对变压器故障诊断的准确率达到95.42%,相比KPCA-PSO-SVM以及KPCA-SVM诊断模型,准确率有显著提升。     

基于改进的自适应粒子群算法的给水管网优化设计

针对粒子群算法在优化给水管网设计时易陷入局部最优难以寻找到最优解的问题,提出改进的动态自适应粒子群算法(modified dynamically adaptive particle swarm optimization,M-DAPSO).定义趋同因子和参数调整函数,使算法能根据种群内部信息自适应调整参数,提出自适应变异策略增加种群多样性.最后,将M-DAPSO算法应用到Hanoi管网优化中,仿真结果表明:该算法能以最小的计算代价求得最优的工程造价;与其他优化算法相比,M-DAPSO算法具有较强的全局搜索能力和较快的收敛速度.     

基于偏好信息的双阈值多目标粒子群算法

以获取偏好解为研究重点,提出了一种双阈值多目标粒子群( multi-objective particle swarm optimization with double thresholds,DT-MOPSO)算法。该算法利用g-支配增加选择压力,借助光束距离阈值σ控制非劣解的数量。另外,引入多样性指标的阈值实现对解集的分布性的控制。当解集的多样性指标低于阈值时,采用自适应网格技术增加解的多样性。通过对典型问题的测试,验证了改进算法的正确性和有效性。     

基于电液比例阀减振器半主动悬架系统的研究

为提高汽车的平顺性和操纵稳定性,设计了以电液比例阀半主动减振器为控制对象,采用自适应神经网络控制方法的半主动悬架系统。在对电液比例阀减振器阻尼力变化规律进行分析的基础上,建立了基于电液比例阀减振器的半主动悬架模型,采用神经网络自适应控制方法对模型进行了研究。路面输入采用积分白噪声模拟B级路面谱,以簧载质量垂向加速度、悬架动行程以及轮胎动载荷作为评价指标。利用Matlab/Simulink工具箱进行仿真,结果表明,设计的半主动悬架与被动悬架相比,其平顺性与稳定性均得到了良好的改善。     

基于极点配置算法的列车横向半主动悬挂自适应PID控制系统设计

为了使PID控制器具备自适应能力,以适应列车受到外部环境扰动时产生的结构参数变化,使用了增量式数字PID控制器,将PID控制器与极点配置控制算法结合,利用极点配置算法在线实时优化kP,kI,kD参数,设计了自适应极点配置PID控制器,实现了kP,kI,kD参数的自动校正.最后给出基于极点配置自适应PID的高速列车半主动悬挂控制系统的设计方案,利用MATLAB-Simulink搭建仿真平台并进行仿真.仿真结果表明：基于极点配置算法的列车半主动悬挂自适应PID控制系统能够有效降低列车横向振动.     

基于转向稳定性的汽车悬架协调优化

基于试验研究建立了某款车用磁流变阻尼器的数学模型。利用多体动力学仿真软件SIMPACK建立了某款乘用客车整车多体动力学模型和虚拟仿真环境。针对半主动悬架系统和转向系统对汽车操纵稳定性的影响,提出了一种PID神经网络协调控制器,并在Matlab环境中定义了半主动悬架协调控制器与整车多体动力学模型的数据交换接口,实现了汽车半主动悬架和转向系统的协调控制。仿真结果表明:PID神经网络协调控制策略可以抑制由悬架传递的振动,调节汽车转向时车身的横摆及侧倾运动,有效地解决了汽车悬架设计中操纵稳定性与行驶平顺性之间的矛盾。     

Neuron PI control for semi-active suspension system of tracked vehicle

A neuron proportion integration (PI) control strategy for semi-active suspension system of tracked vehicle was proposed based on its unique structure and the multiple and complex environment of the driving traffic. An adaptive genetic algorithm is used to optimize the parameters of the neuron PI controller. The simulation result of the neuron PI control for semi-active suspension system of tracked vehicle indicates that the vertical amplitude, pitch angle and vertical acceleration of the vehicle are well controlled. The root mean square (RMS) of the vertical amplitude decreases by 37.2%, and 45.2% for the pitch angle, 38.6% for the vertical acceleration. The research of neuron PI control experiment for the semi-active suspension system of the tracked vehicle model mining in benthal indicates that the RMS of the weight acceleration vibrating along the vertical direction decreases by 29.5%, the power spectral density resonance peak of the acceleration of the car body decreases by 23.8%.     

汽车半主动悬架神经模糊融合网络控制

针对汽车半主动悬架模糊控制器的模糊控制规则无法有效调整的问题,建立了两自由度1/4车辆模型.利用白噪声模拟路面激励并作为系统的输入,将人工神经网络与模糊逻辑控制相融合,采用人工神经网络模拟模糊控制过程,实现了模糊规则的自适应调整.将直接控制力作为参考控制力对神经网络进行训练,输出控制力结合开关控制策略实现悬架的半主动控制.仿真分析表明,神经模糊融合网络控制器相对于模糊控制器和被动悬架,使悬架性能得到了显著的改善.     

基于模糊—神经融合的自适应模糊控制系统研究

模糊逻辑系统与人工神经网络各具优势,前者善于利用专家语言信息,后者有强大的学习能力,两者的结合可以取长补短。基于模糊逻辑系统与神经网络技术提出一种自适应模糊控制系统,其特点是模糊控制器具有多层前向网络结构。基于一种近最优的性能指标导出其参数自适应的误差反向传播算法。为了克服传统算法收敛慢的缺点,提出用模糊逻辑来调整学习过程的方法。通过倒立摆平衡控制仿真研究验证了所提出的自适应模糊控制系统及其快速学     

非线性神经网络自适应控制及其在导弹中的应用

研究了用神经网络控制未知动态特性的非线性系统。基于神经网络学习系统的反向动态特性，调整控制网络的参数，使控制系统具有自适应的特性。网络学习采用误差反向传播算法，仅需要对象的输入输出值。对含有非线性环节的系统，该方法取得较好的效果。     

Observer-based hybrid control algorithm for semi-active suspension systems

In order to improve ride comfort and handling performance of the vehicle, an adaptive hybrid control algorithm is proposed for semi-active suspension systems. The virtues of sky-hook is combined with ground-hook control strategies and a more suitable compromise for the suspension systems is chosen. The hybrid coefficient is tuned according to the longitudinal and lateral acceleration so as to improve the vehicle stability especially in high speed conditions. Damping continuous adjustable absorber is used to continuously control the damping force so as to eliminate the damping force jerk instead of traditional on-off control policy. Based on suspension stroke measured by sensors, unscented Kalman filter is designed to estimate the suspension states in real-time for the realization of hybrid control, which improves the robustness of the control strategy and is adaptive to different types of road profiles. Finally, the proposed control algorithm is validated under the following two typical road profiles: half-sine speed bump road and the random road. The simulation results indicate that the hybrid control algorithm could offer a good coordination between ride comfort and handling of the vehicle.     

基于神经网络的自适应控制器在CSTR中的应用研究

针对工业过程的特点和控制要求，提出一种基于多步预测的神经网络自适应控制算法。该控制器采用改进的RBF神经网络对过程进行建模，利用多步预测误差对神经网络控制器进行训练，从而实现控制器参数的在线自适应寻优。针对CSTR系统的仿真结果表明，该控制器对非线性、时变对象有很好的跟踪控制效果和鲁棒性。     

基于滑模控制的半主动悬架系统仿真分析

建立1/4车2自由度半主动悬架系统动力学模型,并根据滑模变结构方法设计了车辆半主动悬架滑模控制器。控制器将天棚阻尼系统作为参考模型,把半主动悬架和参考模型间的广义误差动力学引入渐进稳定的滑模动态中,使用等速趋近率改善运动段的动态品质。仿真结果表明,滑模控制器的性能稳定,能有效地提高车辆行驶的平顺性和行驶的安全性。