摘要：为解决定参数轨迹跟踪控制器工况适应性差的问题,基于改进粒子群优化(IPSO)、多层感知机(MLP)算法,设计一种双参数自适应优化的无人履带车辆轨迹跟踪控制算法。离线状态下,基于采集的实车数据,以轨迹跟踪的高精度、高稳定性、低时间成本为目标,利用IPSO算法构建了不同运动基元下的最优参数组合数据集,并以运动基元类型和车速等为特征向量,控制时域长度、时间步长为标签,采用学习率自适应优化算法完成MLP神经网络模型的训练。在线状态下,根据规划层下发的轨迹信息和车辆状态反馈信息,由MLP神经网络输出预测的最优控制时域长度和控制时间步长,作为双参数输入到模型预测控制算法中,完成自适应轨迹跟踪控制。基于ROS-VREP的联合仿真和基于双侧独立电驱动履带平台进行实车试验。研究结果表明,在包含大曲率转向的综合工况下,与相同计算时间成本的定参数轨迹跟踪控制算法相比,所设计的轨迹跟踪控制器横向偏差均值、航向偏差均值以及转角变化率均值分别降低了30.5%、17.2%、7.8%,证明了算法的可行性和有效性。

摘要：针对单向环形设备布局设计问题,建立了新的数学模型。利用多维实数编码及映射方法,将连续粒子群优化算法应用于求解设备单向环形布局问题,提供了求解离散优化问题的新思路。利用遗传算法中的杂交策略扩展了粒子群优化算法,提高了粒子群优化算法性能。建立了问题的图结构描述,以引入蚁群系统算法搜索优化解。给出了两种方法的求解步骤。通过实例计算和结果比较,说明该算法能有效地解决此类离散优化问题,降低成本,提高效率,所得解质量较高,有很好的实用价值。

摘要：汽轮发电机组附加励磁阻尼控制器(SEDC)是为固定串补输电系统次同步谐振(SSR)提供有效阻尼的一种措施。文中采用的SEDC模型,在实现分离模态控制的同时,可使移相补偿和比例放大2个环节相互独立、互不影响。采用并行处理能力强、具有学习机制的粒子群优化(PSO)算法对SEDC参数进行寻优。同时,为防止算法陷入局部最优,引入变异机制以提高全局搜索能力。通过对一个有实际背景的研究算例的特征值分析和时域仿真分析,验证了文中基于改进PSO算法设计的SEDC鲁棒性强,能够为多模态SSR提供有效的阻尼。

摘要：串联补偿装置会引发汽轮机组的次同步谐振(subsynchronous resonance,SSR)。提出了一种改进粒子群算法,并基于该算法利用静止无功补偿器(static var compensators,SVC)抑制SSR的原理,选取适当的测试量,设计了次同步阻尼控制器。将SVC的控制器参数视为自适应参数,通过改进粒子群算法,以阻尼比为目标函数,计算出不同运行情况下的控制器参数,达到抑制SSR的目的。以南方电网墨红串补、砚崇串补子系统的仿真模型为例,验证了该阻尼控制器的有效性。

摘要：导弹发射和飞行过程中,电动伺服系统受发动机点火、气动负载、舵面冲击等载荷作用下,加大结构的磨损,导致系统结构间隙的存在,极大地降低了传动刚度,并加剧谐振带来的危害。本文提出改进自抗扰控制器(active disturbance rejection controller,ADRC)以改善电动伺服系统的位置跟踪特性。首先分析了电动伺服系统的机械谐振机理,设计了线性自抗扰控制器,利用改进粒子群优化(particle swarm optimization,PSO)算法进行控制参数寻优,并进行了仿真分析验证了该方法的可行性,最后电动伺服系统试验结果验证了改进ADRC的有效性,提高电动伺服系统的动态和稳态性能。

摘要：针对影响连续回转电液伺服马达系统低速性能的摩擦干扰问题,提出一种新型的Pol-Ind摩擦模型.利用连续回转电液伺服马达实验台采集马达的进出口油液压差和角速度值,采用改进粒子群优化算法对所建立的摩擦模型进行参数辨识,获得了精确的摩擦力矩数学模型.通过仿真实验与LuGre摩擦模型进行比较,结果表明应用Pol-Ind摩擦模型的系统具有更小的稳态误差和相位误差,说明Pol-Ind摩擦模型更适合于连续回转马达电液伺服系统,为系统摩擦干扰控制补偿器设计奠定了基础.

摘要：针对自动化集装箱码头中岸桥与人工智能运输机器人(ART)的集成调度问题,依据作业阶段将设备能耗划分成多个表现形式,构建以最小化岸桥和ART的总能耗为目标的整数规划模型。为提高求解质量,提出一种具有重组变异和随机扰动的自适应粒子群算法。根据不同时期的搜索需求,对惯性权重实行自适应调整;并引入随机粒子增强个体的交互能力,结合迭代进程对最优粒子实施不定维更新,为其摆脱局部困境提供更多机会。最后,以天津港北疆C段自动化集装箱码头为研究背景设计了不同规模算例,将改进算法与GUROBI求解器以及其他算法进行比较,验证了模型和算法的有效性。结果表明,随着岸桥和ART的配置数量逐渐增加,作业进程加快,码头总能耗分别呈现降低和先降后升的趋势;此外,相比于传统的调度模型,所提方法能够在较短的完工时间里节约更多的作业能耗。

摘要：发光二极管制造过程中,晶粒分类拣选工序的调度问题是典型的并行多机开放车间调度问题,属于NP-hard问题。研究了该调度问题以最小化总加权完工时间为目标的求解模型与算法。根据问题特性构建了可获得最优解的混合整数规划模型,并设计了同时考虑质量与求解效率的启发式算法和改进粒子群优化算法。仿真结果显示,启发式算法和改进粒子群优化算法都能在合理的时间内迅速有效地获得较佳的调度解。

摘要：利用改进粒子群优化算法训练的BP神经网络(BPNN)对以航母为代表的大型舰船主尺度进行了回归分析.对粒子群优化算法(PSO)的学习因子进行了关于迭代进程的自适应调整,并将改进后的PSO算法对BPNN训练过程进行优化.利用新型BPNN对典型航母主尺度(总长、总宽、设计水线长、设计水线宽、吃水与满载排水量)进行数学建模,与基于传统多项式回归的结果进行对比分析.结果表明经改进PSO训练的BPNN具有更高的输出精度且具有良好的分段光滑特性,这对于大型舰船方案论证与总体设计可起到重要的指导性作用.

摘要：针对永磁直线同步电机直接驱动伺服系统的位置跟踪精度易受参数变化、外部扰动、端部效应等不确定性因素的影响,提出了一种将小波神经网络(wavelet neural network,WNN)和增量滑模控制器相结合的智能增量滑模控制方法。利用系统先前的状态信息和控制动作作为反馈量,同时选择饱和函数作为切换函数来设计增量滑模控制器,不仅削弱了抖振,而且提高了系统的跟踪性能;利用WNN实时观测和补偿参数变化和外部扰动等影响,并采用改进的粒子群优化算法在线调整WNN的学习率,对不确定因素进行实时估计。从理论上分析证明了此控制器可以保证系统收敛,提高了直线伺服系统的控制性能。通过系统实验,证明了所提出方案的有效性,与滑模控制(sliding mode control,SMC)相比,系统具有强鲁棒性和良好的位置跟踪精度,明显地削弱了抖振现象。