基于VRML的倒立摆三维仿真

传统方法分析动态系统抽象而且繁琐,本文利用虚拟现实技术的编辑系统VrmlPad和软件平台VRML语言,建立倒立摆的三维虚拟场景.通过Matlab的虚拟现实工具箱将虚拟倒立摆的三维场景与Simulink中倒立摆的仿真模型连接起来,采用PID算法对倒立摆进行控制,实验结果实现了逼真的可视化和交互性仿真.整个设计分析过程较传统方法直观.     

环形一级倒立摆系统单神经元PID控制仿真

【目的】针对环形一级倒立摆的稳定控制问题,提出一种基于单神经元PID的控制算法.【方法】通过拉格朗日方法推导出环形一级倒立摆系统的数学模型,设计了单神经元PID控制器,该控制器不但结构简单,而且具有良好的自适应性和鲁棒性,并采用有监督Hebb学习规则对加权系数进行修正.在Matlab中的Simulink仿真平台下,分别使用单神经元PID控制、常规PID控制和LQR控制,对环形一级倒立摆进行控制仿真.【结果】单神经元PID控制较常规PID控制与LQR控制获得更好的控制效果,能够有效地解决环形一级倒立摆的控制问题.     

基于PLC技术的倒立摆系统的设计及控制试验

倒立摆在检验不同控制方法对不稳定非线性系统的处理能力时,传统上采用单片机或基于PC机的运动控制卡,存在控制模式单一或便携性差、成本高等缺点。针对上述问题提出采用PLC进行控制。经过对倒立摆平衡过程的分析,建立了数学模型,并用极点配置法确定状态反馈系数。设计制作了一级倒立摆实物模型,通过梯形图编程对不同控制方法进行检验。PLC控制试验结果表明:在0.01s的采样周期下,所制作的倒立摆能在导轨的有限长度(1.5m)内保持摆杆-7°～7°的平衡状态;经过硬件和软件方面的优化,系统成本降至同类系统的1/3。     

基于模糊控制和PID控制的一阶倒立摆系统建模与仿真

对一阶倒立摆系统的平衡控制问题进行了控制策略研究.建立了系统数学模型,分别采用模糊控制和PID控制策略设计了控制器,并用Matlab/Simulink对控制系统进行了仿真实验研究.仿真实验结果不仅证明了两种控制策略对系统平衡控制的有效性,同时也展示了它们的控制品质和特性.     

简易旋转倒立摆及控制装置的设计

[目的]设计并制作一套简易旋转倒立摆及其控制装置.[方法]采用9S12XE单片机作为简易旋转倒立摆及控制装置的监测和控制系统的核心,采用L298驱动直流电机作为动力.通过编码器及最优控制策略LQR在平衡点附近给出系统的线性化模型,对系统的稳定性、能控性进行调试.[结果]应用Lagrange方程对试验采用的单级旋转倒立摆系统进行建模,获得了旋臂长度（r）、水平和竖直方向的角位移（Q）、摆杆质心与铰链距离（L）4者的最佳平衡点与动态方程;优化LQR控制器获得最优状态反馈增益矩阵;进行计算机编程,应用9s12XE单片机控制,并执行试验;结果表明旋转臂的转动频率趋近于摆杆的转周期则摆杆能到达正负155度以上,能很快地完成设计要求的基本动作,并且能迅速进入PID控制器调控范围,完成坚立状态.[结论]经误差分析表明该装置的稳定性良好,误差范围可控制在正负15度之内;调试结果证明,已实现了倒立摆的平衡控制.     

平面倒立摆系统的自校正仿人协调控制

针对平面倒立摆系统的多变量、强耦合特性,在充分分析其物理特性后,设计出 X和 Y 方向的摆杆/小车九 点控制器,并结合摆杆优先级高于小车原则,提出了自校正仿人协调控制方案,实现了平面倒立摆系统各耦合变量 之间的协调解耦,进而完成系统的无模型稳定控制.该方案模拟人的智能,体现人认识物理对象特性的过程,是一 种表达人类控制经验、逻辑的新型方案.鲁棒性实验表明该方案简单有效且具有良好的鲁棒性.     

基于双弹簧负载倒立摆模型的步态模拟

利用双弹簧负载倒立摆模型模拟出双足在各类体育运动项目中走、跑、跳的稳定步态,并适配出合适的模型参数。基于质点动力学建立双弹簧负载倒立摆模型在各种状态(相)下的动力学方程,分析各相间的切换条件,利用MATLAB求解各相的动力学方程,并对解进行条件判断,从而变相循环。在给定初始条件下,通过适配合适的模型参数,可以稳定地模拟出双足前进时的走、跑、跳等步态。     

一类非线性系统的模糊自适应控制器设计

针对一类非线性系统，构造了具有高斯隶属度函数的T-S函数逼近器．根据逼近误差和控制要求，运用Lyapunov稳定性理论设计了一种模糊自适应控制器．该控制器不仅可以调节模糊规则参数，同时也能调节隶属度函数的参数．将这种模糊自适应控制器应用到倒立摆系统的跟踪控制，仿真结果表明，它具有良好的控制性能，从而验证了该方法的有效性．     

基于改进遗传算法的移动机器人PID参数优化设计

针对移动机器人位置与速度控制的要求,基于遗传算法对移动机器人PID控制器的参数进行优化设计。采用误差绝对值时间积分性能指标作为参数选择的最小目标函数,利用遗传算法的全局搜索能力,使得在无须先验知识的情况下实现对全局最优解的寻优,以降低PID参数整定的难度,达到总体上提高系统的控制精度和鲁棒性的目的。     

基于遗传算法的高功率PWM整流器

把一种基于遗传算法PI控制器应用于三相PWM整流器，仿真结果了控制策略的可行性及其在改善PWM变换效率方面的优越性。     

基于两点交叉多子代遗传算法

针对目前遗传算法局部搜索能力差、收敛精度低问题,提出基于两点交叉多子代遗传算法(TPC-MCGA),阐明该算法优越性,并给出多子代个体产生方法。该方法可增加优秀个体概率及算法在当前最优解周围搜索精度,提高算法局部搜索能力。在进化策略中引入种群内部竞争操作,使种群在有限生存空间内加速进化,提高算法运算速度。结果表明,与传统遗传算法相比,TPC-MCGA平均计算时间减少31%~36%,平均迭代次数减少50.2%~51.6%,TPC-MCGA运算速度与最优解精度均明显提高。     

基于遗传算法的154T电动车牵引励磁PID控制器的设计

讨论了154T电动轮自卸车牵引励磁控制的基本问题;分析了传统PID控制器的不足和基于遗传算法PID控制器的优势;论述了遗传算法的原理、基本问题和实现步骤.研究了电动轮自卸车的牵引特性和牵引励磁控制系统的结构,根据设计,该系统被控对象可简化为二阶系统,而控制器采用基于遗传算法的PID控制.用MATLAB对PID参数整定进行了仿真,以考察利用遗传算法的进化能力优化PID的效果.仿真结果表明,经过遗传算法优化的PID控制器具有较高的精度和较强的适应性,能获得满意的控制效果.     

基于自适应遗传算法的奇异离散系统降阶H∞控制器

考虑一类奇异离散系统,应用自适应遗传算法给出其降阶H∞ 控制器的设计方法。通过对目标函数的全局搜索,得到控制器的最小阶次及相应的正定矩阵参数,进而设计出降阶H∞控制器。仿真表明,所提出方法不论对非奇异系统,还是奇异系统都可以得到降阶H∞控制器,且控制器易于求解。     

自适应粒子群算法的整定模糊PID控制器的参数优化

提出了一种基于自适应粒子群算法（APSO）优化模糊PID控制器隶属函数的方法以及基于模糊控制规则的权值来消减规则数目的参数优化方法.仿真实验表明,该方法相比传统方法能得到具有更快响应速度和更小的超调量的模糊PID控制器.     

基于个体优势遗传算法的水稻生育期模型参数优化

【目的】快速并准确估算作物生育期模型参数。【方法】本文提出了一种新的改进型遗传算法——个体优势遗传算法（individual advantages genetic algorithm,IAGA）,并应用于水稻生育期模型参数估算。在遗传算法的基础上引入个体优势算子,并改进了变异算子及种群更新策略。以完全嵌入方式耦合RiceGrow和ORYZA2000水稻生育期模型,实现了模型参数的自动率定。利用汕优63等5个水稻品种在徐州、高要等地的多年田间试验资料,对IAGA算法的有效性进行对比试验。【结果】（1）试验验证结果的RMSE<3.05 d,NRMSE<3.19%,MDA<2.41 d,R2>0.9885,表明利用IAGA获得的模型参数准确性较高。（2）调参的实测数据量大小对调参结果影响不大。由3年数据增加到6年数据,试验拟合结果最大NRMSE值由2.58%增大到3.08%,增加了0.5%。选择隔年并包含全生育期天数最大值与最小值的调参数据,可以获得较准确的模型参数值。（3）IAGA与复合形混合演化算法、遗传模拟退火算法以及标准粒子群算法相比,可获得更准确的模型参数值。【结论】IAGA算法可以实现水稻生育期模型参数的自动率定,为作物生长模型参数的快速准确估算提供了一种有效新方法。     

基于遗传算法优化模糊PID的甘蔗收获机切割器控制系统

针对甘蔗收获机切割器无法自动控制入土深度,从而影响收获质量的问题,设计一套甘蔗收获机切割器入土深度自动控制系统。该系统主要包含角度式仿形机构、入土深度检测系统以及液压系统和控制系统。利用基于遗传算法优化的模糊PID控制算法进行入土深度的实时调节,通过Simulink阶跃响应以及带随机干扰的阶跃响应仿真,结果显示：基于遗传算法优化的模糊PID控制算法超调量为4.9%、调节时间为1.535 s,与PID控制算法以及模糊PID控制算法相比均有所改善。室内试验结果表明,基于遗传算法优化的模糊PID控制算法误差在（-0.5,0.5）,误差最小,有效实现了切割器入土深度自动控制。     

系统动力学模型关键参数的遗传算法估计

基于遗传算法 (GA)的理论与方法 ,提出了系统动力学 (SD)模型关键参数估计的遗传算法 ,并阐述了该方法的原理 ,给出了具体估计工作的流程 .最后 ,构造了一个 2种种群相互竞争的 SD模型 ,在无任何辅助信息的条件下 ,对其关键参数——种群间的竞争力系数用 GA进行估计 ,并与定性理论分析结果相比较 ,验证了该方法的有效性和可行性     

基于遗传算法的微藻类光分布模型参数优化

藻类的生产力模型大致可以分为3类:Ⅰ型模型预测光合速率,Ⅱ型模型计算生产力,Ⅲ型模型考虑光梯度和短光周期的影响。其中Ⅱ型模型能够对全面的工程应用提供精度和实用性之间的最佳折衷。雨生红球藻是一种单细胞淡水绿藻。在高盐、强光照射等恶劣条件胁迫下会在其体内积累虾青素,虾青素作为一种强抗氧化剂应用广泛。遗传算法自1967年提出以来应用在诸多领域,其在非线性模型参数优化具有高速、准确等优点。本次研究是针对雨生红球藻在发光二极管(LED)光照培养下建立起的Ⅱ型光分布模型,使用遗传算法对模型的参数K_1、K_2进行优化,经验证表明,所建立的模型准确、可靠。本研究可以为雨生红球藻的高效培养提供独特的思路,为解决复杂的非线性模型参数优化问题提供一种办法。     

改进的模糊优选多目标优化遗传算法及其应用

提出一种改进的模糊优选多目标优化遗传算法.算法采用个体在总群体中的相对优属度作为适应度值,将总群体中的全部个体按子目标函数的数量平均划分为子群体,对每个子群体分配1个子目标函数,以子目标函数值计算子群体中个体的适应度值.2次选择后满足了整体最优的要求,又尽可能地逼近各子目标最优值.经实例计算,效果显著.