混合果蝇优化算法PID参数整定方法的研究

【目的】解决基本果蝇优化算法（FOA）由于算法局限性而出现比例积分微分（PID）参数整定收敛速度慢且容易过早陷入局部最优的问题。【方法】为了在迭代前期具有更高的全局搜索效率,利用粒子群算法（PSO）寻找多个全局较优种群,迭代后期使用具有较强的局部寻优能力的FOA算法提高收敛精度,实现对全局搜索和局部搜索过程的优化。【结果】两个二阶时滞系统的阶跃响应测试结果表明,基于HFOA的PID控制器参数整定的上升时间、调节时间和超调量等指标更优,能够实现更好的系统响应性能。【结论】优化后算法具有控制精度高、响应速度快、鲁棒性好等优点,为PID参数优化提供了参考。     

动态蚁群算法在梯级水库优化调度中的应用

针对蚁群算法缺乏全局搜索与局部寻优之间的动态调整,蚁群难以保持较好的多样性,算法极易陷入局部最优的问题,以余弦递减的策略动态调整启发式因子的变化,从而平衡算法的全局搜索和局部寻优。同时,利用混沌搜索的随机性和遍历性,对蚁群每次迭代找到的路径进行混沌扰动,从而提高算法跳出局部最优的能力,避免算法早熟收敛。将改进的蚁群算法应用于梯级水库的联合优化调度,模拟计算结果表明了算法的有效性。将其结果与逐步优化法和标准蚁群算法的计算结果进行对比,体现了算法在求解速度和求解精度上的优势。     

基于势场蚁群算法的移动机器人全局路径规划方法

针对移动机器人路径规划蚁群算法收敛速度慢和人工势场法易陷入局部最优的问题,提出一种以栅格地图为环境模型,在蚁群算法搜索过程中加入针对具体问题的人工势场局部搜索寻优算法,将人工势场法中力因素转换为局部扩散信息素,使蚁群倾向于具有高适应值的子空间搜索,减少了蚁群算法在盲目搜索路径过程中产生的局部交叉路径及蚂蚁"迷失"数量,提高了蚁群对障碍物的预避障能力。对不同参数组合下2种算法及其它改进算法仿真结果做了比较,验证了基于势场蚁群算法的全局路径规划能够加快寻优过程且具有较强的搜索能力,收敛速度提高近1倍。     

羊圈降温系统的节能优化技术

在羊圈降温节能问题中,为了解决自适应蚁群算法对多参量和非线性系统寻优求解时发生的系统局部最优的问题,利用Metropolis准则下的模拟退火算法来进一步改善蚁群算法,再利用SA产生的新解进行并行搜索.结合两者的特点,形成了全局最优化参数的退火-蚁群算法,并在羊圈降温系统中进行了试验.结果表明,应用该算法能使降温控制系统寻优能力增强,其节能率达35.18%.     

基于动态反馈A*蚁群算法的平滑路径规划方法

针对移动机器人提出了一种基于动态反馈A~*蚁群算法的平滑路径规划方法。首先,为了克服蚁群算法收敛速度慢的缺点,提出了简化A~*算法来优化初始信息素设置以解决初次搜索的盲目性,并借鉴多策略进化机制加强算法的全局搜索能力。其次,为了进一步提高算法在路径规划中的适应能力,解决陷入局部极小和停滞问题,引入闭环反馈思想来实现参数的动态自适应调节。最后,结合三次B样条曲线对所规划的路径进行平滑处理,以满足移动机器人实际运动路径的要求。通过仿真表明:与原蚁群算法相比,动态反馈A~*蚁群算法平均可减少10.4%的路径成本和65.8%的计算时长。同时,该算法在动态和静态环境中,均能快速规划出一条光滑优质路径。     

基于PSO-PID的拖拉机线控液压转向控制研究

PID控制是典型的控制系统,其核心内容是PID参数优化。为解决拖拉机线控液压转向PID控制参数优化时不能确保得到最佳性能且耗时长的问题,课题组采用了理论分析法及仿真实验法,对线控液压转向系统的模型进行了仿真分析,基于粒子群算法（PSO）优化了PID参数,提出了PSO-PID控制器,并将其控制结果与标准PID进行对比,得出了使整个PID系统性能优异的优化结果。仿真结果表明,PSO算法有效提高了PID参数的稳定性、收敛速度和搜索精度,性能指标更优。     

基于改进蚁群算法的蔬菜大田无人农机路径优化

推进蔬菜机械化与无人化种植能够保障优良的蔬菜规模化种植技术效益,有力保证蔬菜质量与品质,有利于蔬菜规模化生产种植技术产业体系的发展。利用无人拖拉机作业GPS定位点集将实际农业作业区域转化为规则矩形,在此基础上建立以无人拖拉机总转弯距离最短为优化模型,采用蚁群算法对无人拖拉机耕地作业路径序列进行搜索。同时考虑到传统蚁群算法易陷入局部最优、全局搜索能力不足等问题,提出一种基于和声搜索策略的改进蚁群算法,通过引入sigmoid函数与和声搜索机制改善路径搜索能力,得到高质量耕地作业路径序列。将传统蚁群算法(AC)、精英蚁群算法(ELAC)作为对比算法,将传统梭形、回形作业方法作为路径对比作业方法,针对不同耕地作业规模进行无人拖拉机作业路径搜索试验。结果表明,本文算法得到的总转弯距离较梭形耕法降低35.53%～43.08%、较回形耕法降低24.98%～86.88%。精英蚁群算法在小规模作业区域中性能较优,但随着蔬菜大田规模扩大,改进和声蚁群算法优化效果更明显。     

基于双向搜索策略的改进蚁群路径规划算法

针对在多障碍物地形中将传统蚁群算法运用在移动机器人路径规划问题上出现收敛速度慢,容易陷入局部最优,易于陷入死锁等一系列问题,提出了一种改进蚁群算法。在传统蚁群算法的基础上,根据蚂蚁周围可行栅格距离目标点的远近,自适应地调整启发函数,加快算法收敛速度;针对传统蚁群所用的回退和死亡策略,提出了一种最优路径保留策略,提高了算法性能;使用两组不同种类的蚂蚁分别从起始点和目标点进行双向搜索的方法来构建最优路径,进一步提升了算法的搜索效率。实验表明该方法与传统的蚁群算法相比减少了搜索时间,降低了迭代次数,明显提高了算法的寻优效率。     

分析抽水试验数据的单纯形差分进化混合算法

分别以无限含水层和有直线隔水边界含水层情况下的解析解为基础,应用提出的单纯形差分进化混合优化算法求解分析2种条件下的抽水试验数据,确定含水层参数的函数优化问题.将具有全局搜索能力强、原理简单、受控参数少、而局部搜索能力弱等特点的差分进化算法与具有局部搜索能力强、运算速度快、而对参数初值的选取依赖性较强和易于陷入局部极值等特点的单纯形优化算法进行结合,构成了一种混合优化算法,即单纯形差分混合优化算法.这种混合算法同时具有确定性运算和随机性搜索所具有的共同优点,能够较好地平衡全局搜索能力和局部搜索能力.数值实验结果表明,单纯形差分混合优化算法能够有效地应用于分析抽水试验数据,识别含水层参数;与其他方法相比较,其具有运算速度快、效率高和计算结果精度高等优点.     

基于Pareto蚁群算法和3S技术的灌区水资源空间优化配置

为了解决灌区水资源配置中的信息采集方法落后和多目标模型求解易陷入局部最优等问题,通过伪随机并行搜索和最近邻域选择等策略对Pareto蚁群算法进行改进,然后将Pareto蚁群算法与3S技术耦合,以宁夏银北灌区为仿真对象,利用改进的Pareto蚁群算法计算灌区多目标、多约束的水资源空间优化配置模型,获得最优的井灌水量、渠灌水量、排水量以及最优的经济效益和灌排费用。基于Pareto蚁群算法和３S技术的灌区水资源空间优化配置,能加快算法的收敛速度,获得全局最优解,使优化结果更接近实际,对灌区的水资源宏观调度具有一定的参考价值。     

封闭式养殖空调系统的节能优化算法研究

在解决养殖空调系统节能问题中,采用了自适应蚁群算法对多参量、非线性系统可寻最优求解的算法,并考虑到可能发生系统局部最优问题,利用Metropolis准则下的模拟退火算法来改善全局优化能力,提出了全局最优化参数的退火-蚁群算法,并在空调系统中进行了验证.结果表明,应用算法能使空调控制系统鲁棒性增强,节能率可达27.12%.     

模拟退火粒子群优化投影寻踪的渠道防渗模式评价

为了对渠道防渗工程的方案进行优选,采用模拟退火粒子群优化投影寻踪方法对渠道防渗模式进行优化评价.优化粒子群算法,使其在退火过程中接受优解,且还以一定的概率接受差解.同时利用模拟退火粒子群算法在搜索过程中具有概率突跳的能力,有效地避免搜索过程陷入局部极小解,提高了算法的收敛速度和精度.将该模拟退火粒子群算法与投影寻踪结合,建立了模拟退火粒子群优化投影寻踪模型,将该模型应用到灌区渠道防渗模式优化评价中,选取10个指标作为评判因子,提出适合该地区的干渠渠道防渗工程优化模式,其优劣排序依次为方案Ⅳ、方案Ⅱ、方案Ⅲ、方案Ⅴ、方案Ⅰ.研究表明模拟退火粒子群优化投影寻踪的评价模型对灌区渠道防渗模式进行综合评价是切实可行的,模拟退火粒子群优化投影寻踪的评价方法在解决实际问题中展示了其优越性,并取得了良好的应用效果.     

基于人群搜索算法的多电机协同控制研究

单轴跟踪响应是多伺服电机协同控制的关键技术之一,针对此,文章提出了一种基于人群搜索算法的SOA-PID控制器的控制策略。该策略基于搜索和进化思想的群体智能算法,融合PID控制,设计了SOA-PID控制器,提高了PID参数的优化效果和优化速率。仿真结果表明,SOA-PID控制器优化后的PID参数有收敛快、扰动小等特性。     

自调节退火粒子群改进算法在水电站厂内经济运行新算法

为进一步改善用于求解大型水电站厂内经济运行一般算法的收敛速度及收敛精度,提出了一种混合优化算法—自调节退火粒子群改进算法(ASAPSO)。该算法以粒子群算法(PSO)与模拟退火算法(SA)的协同搜索为搜索机制,在此基础上加入自调节适应惯性权重参数以平衡算法全局与局部收敛性,并同时引入交叉算子、变异算子以提高解的多样性,克服了算法前期精度低、后期收敛速度慢、易于陷入局部最优等缺点。算例结果表明,较PSO算法、退火遗传算法(AGA), ASAPSO算法在收敛性能方面有明显的提高,能有效解决复杂的厂内经济运行问题。     

基于改进B样条神经网络-PID控制器的温室温度控制技术

针对温室温度控制系统所存在的大惯性、非线性等问题,提出神经网络PID控制算法,并利用知识局部存储且具有较快学习速度的B样条函数作为网络隐层神经元函数,同时,提出了β参数型-B样条曲线的重新参数化方法,通过学习算法对β参数搜索来动态调节B样条基函数,从而建立B-BP神经网络,并利用其对PID控制器的比例、积分和微分参数进行优化调整,从而为B-BP-PID控制器的参数自适应调整提供更好的保证,使温度控制系统有效跟踪系统模型并达到较高的辨识精度。仿真试验获得B-BP-PID控制器的最佳β因子为3.2,其温度控制超调量为27%,调节时间为0.8 s,而BP-PID控制器的超调量为25%,调节时间为4.8 s,RBF-PID控制器的超调量为40%,调节时间为1.2 s,新算法有效提高了温度控制过程的稳定性、精确性与鲁棒性。     

基于神经网络PID的拖拉机空调温控系统优化设计

为了提高拖拉机空调温控系统的调节精度和效率,提升驾驶室内的环境舒适程度,将PID控制器引入到了拖拉机空调控制系统的设计上,采用温度误差反馈调节的方式,提高温控的精确性。在PID控制器的优化上采用了神经网络算法,通过神经网络训练和权值的修改,实现了PID控制器的3个参数的优化,进而提高了控制系统的效率和精度。为了验证神经网络算法对PID控制器的优化作用,以拖拉机的温控误差和调节时间为研究对象,对单独采用PID控制器和采用神经网络PID控制器时的控制结果进行了测试,结果表明:神经网络算法使PID控制器具有更快的响应速度和更高的控制精度。     

基于动态扩展邻域蚁群算法的移动机器人路径规划

针对蚁群算法易陷入局部最优、路径转折点多、收敛速度慢的问题,提出一种基于动态扩展邻域蚁群算法（Dynamic extended neighbourhoods ant colony optimization,DENACO）。在蚂蚁搜索方式上采用动态扩展邻域方法,并定义新的信息素计算方式和增量规则,在取得更优收敛路径长度的同时,减少路径转折点数量及路径节点数量;引入自适应调整因子改进启发函数,提高算法的全局搜索能力,并设定迭代阈值,提升算法的收敛速度;提出一种路径节点双优化策略,对规划好的路径进一步优化,提高路径综合质量。不同复杂度及不同规模栅格地图中的仿真实验表明,DENACO算法所规划的路径更优,路径转折点数量减少,收敛速度加快,路径节点数量明显减少,表明算法具有更高的可行性和适用性。     

基于混合策略粒子群算法的含水层参数确定

将混合策略粒子群优化算法用于分析无限延伸含水层和直线隔水边界含水层条件下的抽水试验数据,求解含水层参数,为预估含水层参数提供一种新的方法。这种混合算法是将紧凑度的思想融入到粒子群优化算法中,加强算法的局部搜索能力,结合调度系数的控制,提高算法寻优精度及收敛速度,再通过一定小概率的约束,提高全局搜索能力,构造混合策略粒子群优化算法。这种混合算法能够有效解决原算法收敛速度慢,精度差和易陷入局部极值的问题。实验结果表明,混合策略粒子群优化算法是可行的含水层参数估计方法,并且具有精度高,收敛性好,稳定性好等优点。     

基于粒子群算法的车辆悬架PID控制器研究

PID控制器是应用最为广泛的控制器,可用于车辆半主动空气悬架的控制,但是,传统的PID控制器参数整定方法需要丰富的工程经验和大量试验。因此,本文提出运用粒子群算法对PID控制器参数进行整定从而提高PID控制器设计效率。首先,建立1/2车辆半主动空气悬架系统数学模型,并在Simulink环境下搭建带有PID控制器的仿真模型。然后,进行粒子群算法优化PID控制器的仿真试验。仿真结果显示,与被动悬架系统相比,在B、C两种路面条件下,基于粒子群算法的PID控制器使车身质心垂向加速度均方根值分别下降25.5%和33.13%,提高车辆的乘坐舒适性。本文对用于半主动空气悬架系统的PID控制器的进一步发展具有一定积极意义。     

基于改进PSO的无人自转旋翼机二自由度PID飞行控制

针对传统无人自转旋翼机自动控制采用一自由度PID和优化算法相结合,因自转旋翼机的响应滞后特性,一自由度PID不能同时满足快速响应和抑制干扰的问题,提出基于粒子群算法和模拟退火算法的二自由度PID控制器,同时设计前馈控制器的降噪方法,实现对无人自转旋翼机的有效控制。通过搭建Matlab仿真模型验证其可行性,其仿真结果表明本研究中算法相对于传统一自由度PID控制响应速度较快,前馈控制器能有效地抑制外部干扰,鲁棒性强,且系统响应速度快,响应时间提升约11%,响应精度更高,收敛误差小,约是传统PID的1/6,控制系统更稳定。同时在2种不同飞行环境下实际飞行实验验证了基于PSO-SA的二自由度PID控制器可行性,可为无人自转旋翼机在农业航空领域中的应用提供理论基础。