摘要：无刷直流电机(BLDCM)的高性能控制研究始终是运动控制领域中的一个重要研究方向,模糊自适应方法的提出为 BLDCM 控制系统的设计带来了全新的思路。基于BLDCM 数学模型,利用结合自适应策略的模糊控制方法,实现转动惯量变化情形下转速的快速跟踪控制,并通过李亚普诺夫函数证明了速度控制器的稳定性。基于模块化建模工具 Matlab/Simulink 建立 BLDCM 控制系统模型,采用dSPACE 实时仿真环境自动生成控制回路的实时代码,构建便捷高效的在线实时控制平台。仿真及实验结果证明:控制系统运行平稳,自适应模糊策略具有良好的静、动态特性。

摘要：大规模双馈风机并网后,由于风电输出功率波动性及远距离输电,互联电力系统将面临不同区域电网间的低频振荡问题,为此提出了一种附加阻尼控制策略。首先基于风力发电系统模型,建立了含风电场的互联电力系统线性化模型;再根据系统状态空间模型特征根分析理论,结合相位偏移补偿环节与反馈增益环节,提出了基于经典PSS结构的时滞广域阻尼器参数计算方法;然后考虑实际时滞呈现莱斯概率分布特性,设计了针对时变时滞的自适应策略;最后,通过含大型风电场的四机两区域系统时域仿真验证了所提出的附加阻尼控制策略不仅适应随机时变时滞,而且在较大的时滞范围和鲁棒性方面性能良好。

摘要：针对现有的短期负荷预测方法易陷入局部极值以及预测精度不高等缺陷,文中提出了一种基于改进免疫算法优化BP神经网络的短期智能负荷预测方法。通过利用改进的矢量距优化免疫网络,从而达到优化网络的目的。融入免疫调节原理,引入抗体浓度的概率选择式,采用自适应变化策略重新设计变异算子,利用新的变异尺度设计种群抗体,采用新的神经元适应度函数,并结合免疫网络调节的进化算法进行网络学习。实例分析表明,基于改进免疫网络优化的BP网络短期负荷预测算法比混沌算法优化BP网络算法精度更高,更具实用性。

摘要：本文探讨了基于动态自适应变参的粒子群优化算法。首先介绍了粒子群优化算法的基础概念和其工作原理。重点讨论了自适应策略在粒子群优化中的应用,以及动态参数调整方法的重要性。文章后半部分深入描述了动态自适应变参策略,包括动态参数的定义、自适应策略的设计原理和变参的更新与调整方法。最后,提供了一种实现动态调整策略的粒子群优化算法,并进行了详细的描述。 。

摘要：针对置换流水车间调度问题(PFSP),以最小化最大完工时间为优化目标建立数学模型,设计了一种改进人工蜂群算法。该算法采用反向学习方法和混沌映射来生成初始种群,为使算法能够求解离散的调度问题,采用LRV规则将位置数值映射成工件排列顺序;在雇佣蜂阶段,融入差分进化算法的思想,加入高斯变异算子,使收敛速度加快;在跟随蜂阶段,加入自适应策略,将算法的勘探和开发能力进行平衡;在侦察蜂阶段,加入柯西变异算子,避免陷入局部极值。最后通过比较几种不同的算法,对Car算例以及部分Rec标准算例集进行仿真测试,验证该算法的有效性和优越性。

摘要：对带时间窗的外卖配送车辆路径规划问题,必须“先取餐再送餐”的准则制约了遗传算法求解时染色体基因的随机性,对此提出了一种改进遗传算法.首先基于配对互换策略设计了染色体基因修复算子,有效消除了不可行解;然后设计了基于种群平均适应度的自适应交叉和变异策略,使得在遗传进化初期个体适应度低于种群平均适应度时会获得较高的交叉变异概率,提高种群多样性,而在进化后期个体适应度高于种群平均适应度时交叉变异概率快速下降,避免破坏优势个体,保证收敛效果.仿真实验表明,与标准遗传算法和标准蚁群算法相比,改进遗传算法的求解结果和遗传进化效率均更优,算法性能在平均值、方差等方面也明显优于另外两种算法,因此算法改进是有效和实用的.

摘要：研究了药房智能存取系统拣选路径的动态规划问题,提出了该问题的数学模型,并设计了一种新的自适应混合粒子群遗传算法(Adaptive hybrid particle swarm algorithm)。该算法在粒子群遗传混合算法的基础上引入了动态调整和自适应进化的策略。在算法前期粒子群搜索阶段,建立了惯性权重系数、认知系数与收缩因子之间的联动关系,随着惯性权重的动态变化,认知系数与收缩因子也适时进行调整,提高了搜索效率和搜索精度。在算法的后期,采用了遗传算法的自适应交叉和变异的进化过程,对陷入局部最优的粒子群进行打散,使得每次迭代中都能最大限度的获取路径信息,使种群的搜索朝向解空间的不同区域发展。经过对某大型医院智能存取系统的路径规划仿真实验,验证了提出的算法相对于其他算法在求解速度和求解精度上都有较大的提高。

摘要：面向海量视频数据的实时识别需求,提出了基于循环神经网络的分布式自适应视频识别框架(AVRNN),该框架能自适应地选择相关帧以进行实时、快速视频识别。构建了增强记忆的长短期记忆网络,结合全局上下文信息,实现视频帧的实时选择。提出基于策略梯度的训练方法,根据生成的预测,确定接下来要观察的视频帧,并设计了奖励函数来计算预期的效用。提出了基于效用的自适应前瞻推理策略,以降低框架的计算成本。最后使用真实数据集对该框架进行评估,实验结果表明,与现有的方法相比,该框架能有效提高识别精度,降低计算成本。

摘要：针对基础蚁群算法易陷入局部最优且收敛速度较差等问题,提出了一种基于自适应策略和蚁群算法的智能汽车轨迹控制与路径规划算法。该算法在初始信息素浓度的分配中,使用自适应函数完成信息素浓度的差异化分配,从而减少了错误浓度信息对路线选择的影响。同时,设计了新的概率转移函数,使不同算法场景拥有不同的概率权重,显著提升了算法的收敛速度。为防止算法陷入局部最优,基于自适应信息熵制定了全局信息素更新规则,令算法在路径规划过程中可兼具性能及效率。仿真测试结果表明,所提算法的路径规划质量在对比算法中为最优,且迭代次数较少,运行时间也仅为5.1 s,证明该算法具有良好的综合性能。

摘要：针对加装二自由度绳驱动机械臂的旋翼飞行机器人在悬停条件下的抗干扰控制,提出了一种自适应终端滑模控制策略。将系统分成四旋翼飞行器和机械臂两个子系统,分别采用拉格朗日法与牛顿⁃欧拉法获得各自的动力学模型。在Lyapunov稳定性框架下设计了旋翼飞行器人的抗干扰轨迹跟踪控制器,并引入自适应策略来估计扰动上界。通过3个仿真算例验证了所设计控制器的有效性,结果表明,与其他控制器相比,本控制器具有较高的跟踪精度、较强的鲁棒性以及较好的抗干扰能力;机械臂质量的变化主要影响x通道和y通道的控制性能;本控制器基本能满足旋翼飞行机器人悬停作业的工作需求,具有一定的工程参考意义。