生物遗传算法在PID控制无土栽培喷液速度中的应用研究

遗传算法可以直接对结构对象进行操作,具有很好的并行性和全局优化能力。使用遗传算法对模糊PID控制器中的控制规则和隶属函数统一编码进行优化,指导PID3个参数的在线调整,减少对先验知识的依赖,提升控制品质,更准确的控制无土栽培中的喷液速度。     

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.     

基于遗传算法的木材干燥窑PID控制系统

在遗传算法对木材干燥窑控制对象进行系统辨识的基础上，建立一个模型参考自适应PID控制系统。运用遗传算对PID参数进行在线寻优，动态调整PID参数。根据木材干燥基准，产生合理的控制参数，实现了对木材干燥窑对象进行控制的目的。     

基于自适应遗传优化递归神经网络的木工送料平台补偿控制研究

  目的  针对结构较为复杂的并联式多轴联动的新型木工带锯送料平台加工精度较低,控制参数无法优化,有多种不确定因素影响精度等问题。结合遗传算法寻优速度快和递归神经网络具有抑制不确定性因素的优点,设计一种将递归神经网络和自适应遗传算法结合的全局优化的控制策略。  方法  分析送料平台结构和误差产生来源,从而建立了相应的误差源模型;结合自适应遗传算法优化RNN网络参数进而对PID参数进行优化,通过Matlab和Adams联合仿真的方法对该补偿控制策略进行验证,并与传统PID、遗传算法优化PID参数和RNN网络优化PID参数3种补偿控制算法进行对比;分析不同算法下控制参数、送料平台位移与角度变化曲线,并搭建了实际电路和控制器进行实验。  结果  分析仿真结果可知:该控制策略与其他3种控制策略相比,超调量最小,响应最快,大约在0.6 s达到稳定,且其在外部干扰下,更快达到稳定,大约0.3 s达到稳定。经过该控制策略补偿后,Y方向的偏移误差从补偿前6 mm降低至小于3 mm,X方向的偏移误差从6 mm降低到2 mm,倾斜角误差从5.5°减小至3°,平台轨迹曲线大部分曲线段与目标曲线完全重合;传统PID控制时,Y方向的偏移误差为6 mm,X方向的偏移误差6 mm,倾斜角误差5.5°,平台轨迹曲线与目标曲线偏差较大;遗传算法优化PID参数控制时,Y方向的偏移误差从补偿前6 mm降低至小于4.8 mm,X方向的偏移误差从6 mm降低到5 mm,倾斜角误差从5.5°减小至4.5°,平台轨迹曲线部分曲线段与目标曲线重合;RNN网络优化PID参数控制时,Y方向的偏移误差从补偿前6 mm降低至小于4.5 mm,X方向的偏移误差从6 mm降低到4.8 mm,倾斜角误差从5.5°减小至4°,平台轨迹曲线部分曲线段与目标曲线重合。  结论  该方法与其他3种方法相比,响应速度快,超调量小,具有很好的抗干扰性能和较强的鲁棒性,且可有效补偿误差,提高其运动精度,满足驱动要求。      

基于遗传算法的LQG/LTR航空发动机性能优化

针对飞行控制系统控制器的设计中存在建模误差以及飞行过程中外界干扰的影响,采用LQG/LTR鲁棒控制方法完成某型战斗燃油机控制系统控制器的设计。为了提高战斗机控制精度,解决LQG/LTR鲁棒控制方法中存在的权矩阵Q和R选择困难的局限性,加入遗传算法,进行在线寻优。同时针对不同飞行条件下系统以及系统建模过程中造成的参数不确定性问题分别进行仿真，并与传统PID以及控制效果较好的基于遗传算法的PID控制进行对比仿真。理论研究和系统仿真结果表明,基于遗传算法的LQG/LTR控制系统与基于遗传算法的PID控制相比,不但具有良好的鲁棒性,而且响应快速,控制精度高,满足了战斗机飞行控制的要求。     

重型电动轮自卸车自抗扰传动控制

分析了电动轮自卸车传动控制系统的特点,提出了电动轮自卸车自抗扰传动控制,设计了基于遗传算法参数整定的自抗扰传动控制系统.仿真结果表明,自抗扰控制器完全能够满足系统控制要求,且比同样采用遗传算法参数整定的PID控制具有更强的抗扰能力和鲁棒性.     

自主迁移的并行遗传算法用于马斯京根模型参数估计

遗传算法是一种随机性的全局优化算法,但简单遗传算法易陷入局部最优。将并行技术与遗传算法相结合,且针对影响并行遗传算法性能的迁移时机进行研究,提出自主迁移的并行遗传算法用于马斯京根模型参数估计。实验结果表明,该算法为估计马斯京根模型参数提供了一种有效的方法。     

农用多旋翼飞行器串级分数阶PID控制

为提高农用无人机动态性能,基于传统串级整数阶PID控制算法,提出一种串级分数阶PID控制算法。以四旋翼无人机为研究对象建模,并利用遗传算法对串级整数阶PID和串级分数阶PID参数进行整定,得到最优控制后采用MATLAB/SimuLink仿真分析,〖JP2〗证明串级分数阶PID控制效果优于串级整数阶PID。以四旋翼无人机实物为对象进行试验,测试结果表明,串级分数阶PID比串级整数阶PID的调节时间缩短了0.24 s,总体性能更优,表明仿真结论可靠。研究结果表明,串级分数阶PID控制算法可用于农用无人机的飞行控制。     

基于串行通信的在线遗传算法PID优化控制系统设计

遗传算法是一种模拟自然进化的简单而且高效的优化组合方法。文中采用一种基于AT89C52单片机、在系统上位机采用遗传算法并通过串口通信方式来自动对下位机PID参数优化和控制的方法,有效节约了成本,充分利用了上位机的系统资源,并为操作提供了方便,最后实验证明了该系统的有效性。     

遗传算法在杨木单板改性中的应用

介绍了遗传算法原理、特点和算法过程,回顾了国内外把遗传算法应用到木材科学领域的研究现状;在此基础上,提出了遗传算法在该领域研究和生产中的应用前景。最后应用遗传算法全局搜索能力对杨木单板强化复合材进行研究,对混合树脂液聚合工艺参数与树脂转化率之间的神经网络模型权值、阈值进行优化,探索最佳的树脂液聚合工艺。结果显示优化后网络的训练步长减小,推广性能有所提高。     

苹果采摘机械手的逆运动学求解研究

为了提高苹果采摘机械手的采摘成品率,保证采摘后苹果质量,提出一种引入采摘综合因素的苹果采摘机械手的逆运动学求解方法。首先,采用Denavit Hartenberg模型对苹果采摘机械手进行建模,并将逆运动学求解问题转化为规划问题,其中,目标函数为所求得逆运动学参数对应的机械手末端中心坐标与待求坐标欧式距离。然后,在遗传算法选择、交叉、变异算子进行全局搜索的基础上,结合非线性规划对目标函数进行局部搜索。最后,借助随机森林算法将逆运动学求解结果分为3个姿势等级。试验表明,非线性遗传算法在苹果采摘机械手的逆运动学求解上相比遗传算法精度提高了8～25 mm,随机森林算法可以很好地对其求逆结果进行优化,从而提高苹果采摘成品率。     

动态环境中基于遗传算法的机器人路径规划

为解决动态环境中足球机器人的路径规划问题,采用栅格法对机器人工作空间进行划分,用序号标识栅格,并以此序号作为机器人路径规划参数编码,建立了以路径最短、避障为优化目标的遗传算法个体评价函数．采用轮盘赌选择、重合点交叉、多种变异结合等方法完成了遗传操作．针对遗传算法易陷入局部最优的不足,在标准遗传算法基础上加入了复原操作和重构操作,使改进后的遗传算法收敛于全局最优．仿真结果表明：该算法能够成功地在动态环境里规划出一条近似最优的路径,算法是有效的．     

足球机器人运动控制算法研究

在建立基于小转角的足球机器人运动学模型的基础上,提出了单神经元自适应PID控制算法和基于Kalman滤波的PID控制算法.通过仿真分析,系统在单神经元自适应PID控制下,超调量、上升时间和峰值时间分别是常规PID控制下的30.7%,54.3%和72.7%,完全满足足球机器人现场比赛竞技性的要求;基于Kalman滤波的PID控制能够抑制干扰,提高控制精度,控制效果明显改善.     

卡尔曼滤波融合遗传PID控制算法在提高播种精度中的应用

为提高排种器的排种精度,在传统气吸式排种盘转速控制的基础上,设计了一套卡尔曼滤波融合遗传PID控制算法,通过PID控制算法实现排种盘电机转速的闭环控制,通过卡尔曼滤波算法滤除排种盘在转动过程中因振动和外界干扰等原因产生的噪声,并采用遗传算法快速准确的寻找PID控制过程中的最优控制参数.为验证算法的有效性,假设输入信号为单位阶跃信号,并在噪声大小为0.002和0.1的情况下分别进行了实验.在噪声为0.002时,传统PID控制响应波动值可达到1.5,遗传PID控制响应波动值最大仅为1.2;加入卡尔曼滤波后,传统PID控制输出响应趋于稳定的时间约为0.2 s,遗传PID控制的输出响应趋于稳定的时间约为0.08 s;同理,将噪声增大为0.1后,采用相同的实验方案进行实验,最终实验说明了卡尔曼滤波融合遗传PID控制算法在提高排种盘电机转速稳定性中的有效性.     

收获机器手移动路线优化算法的研究

针对农业收获机器手,提出一种基于遗传算法的移动路线优化算法。利用收获机器手位置的数学模型,通过遗传算法优化机器手移动的角度和距离。结果表明,该算法结果的位置误差较小,取得较好的结果。     

基于自适应升温模拟退火算法的农业机器人全区域覆盖策略

目的 提出一种复杂农田环境下农业机器人全区域覆盖策略,以便合理规划农业机器人的工作遍历路径。方法 根据农田实际生产环境定义农业机器人复杂工作环境模型,并在此基础上建立一级分区与二级分区的概念。引入遗传算法变异操作的思想,建立基于贪婪机制的模拟退火算法优质可行解生成方法;建立解集多样性的概念,设计基于自适应升温的模拟退火算法改进方法,以此求解分区间的最佳遍历顺序问题。通过A*算法与八邻域搜索法相结合进行农业机器人跨区域衔接路径规划,依此,实现机器人覆盖全区域。结果 仿真结果表明,改进的模拟退火算法所规划的路径长度分别比传统遗传算法和模拟退火算法减少了14.7%和10.1%,收敛时的迭代次数分别减少9.8%和59.1%;农业机器人全区域覆盖仿真试验中遍历路径重复率为14.86%。高地隙喷药机器人现场遍历试验中,路径重复率为15.83%。结论 研究结果可为农业机器人在复杂农田环境中全遍历覆盖提供研究思路。