电机控制系统PID参数的遗传算法优化

近年来,遗传算法的研究十分引人注目,作为一种新型的、模拟生物进化过程的随机化搜索和优化方法。其算法简单通用,鲁棒性强,在组合优化、机器学习、自适应控制和规划设计等领域的应用中已展现了其特色和魅力。该方法是一种不需要任何初始信息并可以寻求全局最优解的、高效的优化组合方法。文章就是利用遗传算法对某一电机控制系统的PID参数进行优化,以提高控制系统的性能指标。     

基于遗传算法的制导控制系统耦合回路优化设计

为减小天线罩瞄准线误差斜率对导弹制导控制系统的影响，将导引控制器的设计作为参数优化问题．建立了优化模型。采用遗传算法对导引控制器参数进行优化，并给出了遗传算法的操作和优化流程。数字仿真结果表明，所设计的制导控制系统耦合回路对天线罩瞄准线误差斜率的摄动具有较好的鲁棒性。     

最佳矢量与遗传算法在结构系统可靠性优化中的应用

利用目标函数和约束函数的梯度信息,给出了基于结构可靠性的最佳矢量优化方法,其具有较强的局部搜索能力、收敛快等特点,并结合遗传算法较强的全局搜索能力构造了基于最佳矢量优化方法和遗传算法的混合算法。该方法结合了二者的各自的特点,使两种算法的搜索能力得到了相互补充,祢补了各自的弱点。结合算例表明,应用该方法所得的优化结果好于单独使用最佳矢量优化方法或单独使用遗传算法所得的优化结果,该方法是一种优化能力、效率较高的优化方法。     

基于遗传算法的微波类椭圆函数滤波器的优化设计

作为一种有效的全局优化方法，遗传算法（GA）已广泛应用到许多领域。本文介绍了遗传算法的基本原理，讨论了遗传算法在微波类椭圆函数波滤器优化设计中的应用，根据可实现的拓扑结构，优化得到对称和不对称两种特性的微波类椭圆函数滤波器的耦合矩阵，为解决微波电路的离散数值优化问题提供了一个有益的思路。采用微带传输线，根据优化的耦合矩阵设计了一个类椭圆函数波，实验测试结果与设计性能吻合较好。     

最小发汗量冷却系统的PID进化控制策略和实现算法

针对发汗冷却系统中不可压缩发汗剂对热层温度场的优化控制问题,利用径向基函数神经网络建立了被控温度场的预测模型,构造了使发汗剂消耗量和预测温度超调量极小化的泛函性能指标,提出一种基于遗传算法的PID进化控制策略和实现算法。同时,该神经网络预测器可以通过在线学习随时跟踪温度场的变化,以实现对温度场的滚动优化和进化控制。仿真结果表明,这种基于神经网络预测和遗传算法优化的PID进化控制器能够实现在几乎无烧蚀的情况下发汗剂消耗量的最小化。而且,该算法还适合于多样化的性能指标,便于求解和实现,实用性强。     

基于混沌优化自适应遗传算法的数据关联求解

通过判断目标量测值和运动状态之间的最优对应关系,将数据关联问题描述为一类约束组合优化问题,采用混沌优化自适应遗传算法来求解数据关联问题,仿真结果表明,这种算法具有很高的关联成功率;此外,分别采用自适应遗传算法、混沌优化算法以及混沌优化自适应遗传算法求解数据关联问题,结果表明,混沌优化自适应遗传算法求解数据关联问题的最优率明显高于其他2种方法,且其收敛速度也明显快于单独使用自适应遗传算法或混沌优化算法。     

高超声速滑翔飞行器引入段弹道优化

高超声速飞行器弹道优化设计的目的足得到高超声速飞行的控制指令，从而得到方案弹道，针对其数学模型，寻找一个作为输入的攻角规律使得弹道最优。我们将此弹道问题转化成最优控制问题，通过极大值原理得到最优弹道的一阶必要条件。我们采用遗传算法求解了此两点边值问题。首先从次优化弹道得到攻角的变化规律，然后由从次优化弹道估计出的攻角范围推导出初始伴随变量的变化范围，再用遗传算法在此范崮内优化初始伴随变量得到了伞局最优弹道和相应的初始伴随变量。通过一个实例求得了满足热流约束的最大终端速度弹道，通过比较可知优于次优化弹道，从数值计算例子还可以看到遗传算法是求解两点边值问题的一种比较好的方法。     

基于遗传算法的高性能PI控制器设计

介绍了一种５参数非线性ＰＩ控制器，并基于遗传算法对其参数进行了优化整定。仿真结果表明：所设计的非线性ＰＩ控制器的性能明显优于优化的线性ＰＩ控制器。对优化出的非线性ＰＩ控制器对不同幅值阶跃输入的适应性进行了仿真研究。并针对实际的控制能量受限系统，提出了一种分段优化非线性ＰＩ控制器的方法。     

一种自整定模糊PID型控制器

摘 要 本文提出一种简单的模糊PID型控制器，分析了其结构组成，介绍了基于自整定量化因子的参数整定方法，并利用小增益定理对BIBO系统的稳定性进行了研究。仿真结果表明这种控制系统的性能优于线性PID控制器。     

运载火箭自适应增广控制参数优化整定方法

针对参数众多的自适应增广控制(Adaptive Augmenting Control, AAC)技术,提出了两种基于优化算法的参数整定方法,实现了对AAC控制器参数的合理设计。第1种方法是使用粒子群算法,通过设计合理的适应度函数,使得优化得到的参数在标称状态下尽量不影响系统,在有干扰的情况下提升系统的抗扰动能力。第2种方法是重新定义高低通滤波器,减少优化参数数量,使用遗传算法得到优化的参数可以加快计算速度。仿真结果验证了使用优化算法得到的参数的合理性。与PD控制系统相比,AAC控制能够提升抗干扰能力;与滑模控制系统相比,能够看到相同精度下AAC控制的控制指令更加平滑。将第2种方法中得到的参数与使用粒子群算法对比,使用遗传算法得到的参数具有更优的性能。     

空中发射运载火箭弹道优化设计

以现有空中发射运载火箭"飞马座"(Pegasus)为研究对象,研究了空中发射运载火箭的弹道优化设计方法。在建立的空中发射运载火箭动力学模型的基础上,考虑空中发射火箭独特气动外形,设计发射全过程的飞行控制模型;给出了使用遗传算法(GA)筛选弹道优化问题全局最优初值,并交叉运用起作用集算法(ASM)与内点法对GA算法获得的初值二次寻优,从而获得空中发射火箭弹道的分级优化设计方法,另与"飞马座"空中发射运载火箭的弹道数据对比,验证了该分级优化方法相比传统弹道优化设计方法,适用的目标轨道范围广阔,发射位置灵活,能够更大程度挖掘空中发射运载火箭的运载能力。     

一种基于空间映射的多星成像调度方法

针对NP难解的多星成像过度调度问题,从置换空间到问题空间的映射方法和置换空间 搜索算法两方面进行了研究。基于资源优先卫星分配算法,建立了置换空间到问题空间的映 射关系,以在置换空间优化多星成像调度。提出了一种分散式随机搜索算法,基于有记忆随 机邻域搜索,在置换空间上搜索产生优化调度的置换序列。实验表明,所提算法相对模 拟退火算法平均获得3.12％的改进。     

基于混合遗传算法的火箭姿态控制设计方法

针对火箭控制系统姿态网络设计,提出了一种采用遗传算法和模拟退火算法混合的算法进行姿态网络自动设计的方法。该算法实现了已知校正网络幅频特性曲线的幅频向量,通过系统辨识和寻优搜索,可以计算出该网络的传递函数。本文对该算法进行了试验验证,证明该方法可行并优于单纯的模拟退火算法和遗传算法。     

基于OPTIMUS的临近空间飞行器再入轨迹优化设计

针对临近空间飞行器再入飞行受到热流率、动压和过载等多约束情况下的轨迹优化问题,提出了基于OPTIMUS优化软件平台搜索初值的编程求解方案。首先根据再入飞行动力学原理建立数学模型,并合理简化,应用最优控制理论设计滚转角控制律;然后利用OPTIMUS软件平台搭建系统工作流程,进行试验设计并建立响应面模型,通过平台集成的优化算法寻找初值;最后结合不同优化算法的优点,基于遗传算法加模式搜索法编写程序求解轨迹。结果表明,基于OPTIMUS分析所设计的轨迹优化方案,可以快速确定较为准确的初值,计算效率显著提高,且能够保证较高精度。     

航天器壳体压力自动加载系统的研究

航天器壳体的压力加载实验对于航天器的安全飞行具有十分重要的意义。研究并建立了航天器壳体水压自动加载系统的数学模型,针对该系统的高度非线性以及高低压特性显著不同的特点,利用误差及误差导数构造了一种变比例因子的模糊PD控制器。采用一种新型的遗传算法对控制器系统参数进行寻优。针对模糊控制器控制规则表与量化比例因子的不同特点,分别采用两种不同的编码方法,进而采用两种不同的遗传操作算子与遗传操作概率。通过MATLAB与C 语言接口编程实现对系统的仿真设计。实验表明该方法取得了良好的压力加载效果。     

基于并行禁忌遗传算法(PTGA)的预警卫星传感器调度研究

对预警卫星的传感器调度进行了研究，提出了传感器管理调度的系统组成。通过对传感器调度的分析，建立起相应的数学模型，定义了评价指标。结合并行遗传算法和禁忌搜索的特点，提出了一种新的解决预警卫星传感器调度问题的并行禁忌遗传算法(PTGA)。该算法采用多种群和禁忌搜索思想改进遗传算法的性能，从而提高整个算法的收敛速度和精度。实验结果表明该算法有效地解决了多目标情况下的传感器实时调度问题，并优于一般启发式算法。     

固体火箭推进剂药柱优化设计方法的进展

根据对有关文献的分析,介绍了模型搜索技术结合简化性能模型的优化设计方法,该方法是以发动机的推力-时间曲线为优化目标进行药柱几何形状的优化设计,简化了设计分析,达到了“速度和精度”的折中要求,大幅度的缩短了设计周期.     

混合遗传算法在远程交会轨道设计中的应用

远程交会是交会过程中能量消耗最大、时间消耗最长的阶段,属于多变量、多极值优化问题,传统的优化算法很难求得全局最优解。本文在对四冲量远程交会制导方法建模和分析的基础上,利用混合遗传算法对基于轨道要素的轨道设计进行了优化和仿真分析。仿真结果表明,遗传算法能够弥补传统优化算法的不足,对远程交会进行轨道优化设计。     

Membrane structure active flatness control using genetic algorithm with online objective reweighting

This paper presents experimental studies on active flatness control of a membrane structure using genetic algorithm (GA). Different from the previous algorithms with a single objective function, a genetic algorithm with online objective reweighting capability is proposed here. This genetic algorithm implements an objective function that re-weights its objective online and the objective function is the flatness plus tension. The goal of the reweighting genetic algorithm is to allow for a computationally efficient method by which membrane wrinkling can be reduced, while maintaining a consideration for control authority. Experiments are conducted on our membrane test facility with two implementations: a static mutation rate and an adaptive mutation rate. The experimental results show that the proposed genetic algorithm is able to converge on flatness while reducing the total amount of tension required.