基于单神经元PID的温室系统多变量解耦控制研究

温室系统是一个典型的多变量、非线性动态系统,环境变量之间相互影响,常规PID控制方法难以取得理想的控制效果。为了获取良好的控制效果,本文根据温室系统环境变量耦合特性,提出了自适应粒子群算法(PSO)与单神经元PID相结合的解耦控制方法,利用自适应PSO算法对单神经元PID网络参数进行优化,从而提升系统解耦效果,并在温室系统多变量输入输出模型中仿真验证。结果表明,改进后的控制方法使得各变量输出调节时间可平均缩短22 s,光照强度超调量降低45%,且鲁棒性更好,对温室系统解耦效果理想。     

改进的PSO-SVM模型在大坝变形预测中的应用

支持向量机(SVM)由于理论基础完善,在处理高维度非线性问题中,表现出了许多特有的优势。因此,支持向量机模型在处理大坝变形预测问题时具有明显的优越性,且常采用粒子群(PSO)算法对SVM模型的惩罚参数C和核函数σ进行寻优,但是标准的PSO算法存在早熟收敛以及易于陷入局部极小值等缺陷。引入柯西分布函数和密度函数,根据函数变化的性质对标准PSO算法中粒子位置和速度的更新公式进行改进,有效提升了算法的寻优性能。运用改进后的PSO-SVM模型对水布垭面板堆石坝的面板挠度变形进行预测分析,并与SVM模型、标准PSO-SVM模型的预测结果进行对比,结果显示,改进的PSO-SVM模型的拟合效果和预测精度都更加优秀,为进行大坝变形预测工作提供了一种性能优良,精度较高的预测模型。     

基于粒子群算法和SDAE的采棉头故障诊断研究

针对采棉头故障诊断和故障预警缺失的问题,提出基于粒子群优化算法(PSO)优化堆叠降噪自编码器(SDAE)的采棉头故障诊断方法。将采棉滚筒转速与采棉头输入转速比和采棉头液压驱动压力作为输入,利用PSO算法对SDAE网络的超参数进行自适应选取,确定网络结构,然后将预处理后的数据输入PSO-SDAE网络进行深度特征提取,经过前向传播和反向微调,得到采棉头故障诊断模型。通过采棉头堵塞故障模拟试验对算法进行验证,试验结果表明：PSO-SDAE网络诊断方法在特征有效提取、故障诊断准确率方面均优于SDAE网络、支持向量机(SVM)、反向传播神经网络(BPNN)以及深度置信网络(DBN),可用于采棉头故障诊断和故障预警。     

基于CAN总线和PSA模型的AMT在线故障诊断系统

为解决电控自动变速器故障诊断和维修问题,建立了基于CAN总线和PSA(PCA-subtractive cluster-ing-ANFIS)模型的自动变速器故障在线诊断系统.通过CAN总线实时采集变速器控制单元各传感器状态数据作为诊断样本,利用主成分分析(PCA)实现输入变量降维和去相关,应用减法聚类(subtractive clustering)方法生成初始模糊推理结构,并以此建立自适应模糊神经网络(ANFIS)故障诊断模型.仿真结果表明,结合CAN总线网络应用的PSA故障诊断模型能够准确地诊断出变速器的故障,其拟合能力及收敛速度均优于PCA-BP网络模型.     

基于模糊神经网络的滚动轴承滑动擦伤诊断

针对故障诊断知识模糊性及引起轴承滑动擦伤的参数间的非线性特点，提出了基于模糊神经网络的故障诊断方法，建立了模糊神经网络模型，并将其应用于滚动轴承的滑动擦伤诊断。网络测试结果表明，本文方法对于滚动轴承的滑动擦伤诊断是十分有效的。     

基于动态相量法的双馈异步发电机建模与仿真

双馈异步风力发电机组因其技术成熟、性价比高等优点,已成为当前兆瓦级风力发电的主流机型。将动态相量法引入双馈异步发电机的建模,并在平衡和不平衡条件下进行仿真研究,通过与时域模型的比较,验证了所提出模型的准确性、快速性。为双馈异步发电机进行仿真分析提供了新的选择。     

基于PSO-BP优化PID模型的水肥控制系统研究

针对传统灌溉施肥方式无法切实满足作物生长需求和水肥资源浪费严重的问题,设计一种基于PSO和BP神经网络优化PID模型的水肥控制系统。系统通过结合作物种植环境水肥浓度信息,利用PSO和BP神经网络算法优化PID控制参数,以解决水肥施灌过程中系统的非线性、时变性和滞后性等问题。综合MATLAB/simulink仿真试验结果可知,利用PSO和BP神经网络优化的PID控制模型较传统PID控制模型系统响应速度提高9.33%,调节时间缩短72.24%,超调量仅为PID控制的11.78%,优化效果较好。系统试验结果表明,施灌过程中系统控制稳定,在一定程度上达到水肥浓度精准控制的效果,具有实际应用价值。     

一类非线性随机系统的分布控制方法

为了解决实际生产过程中非线性控制系统受到的随机扰动,文中针对受到随机扰动的非线性系统,设计了一类随机分布控制方法.主要研究了非线性随机系统的稳态响应概率密度函数分布情况与控制目标的关系,其控制设计首先将含有随机扰动的实际模型变换成非线性系统哈密顿模型,然后利用非线性随机系统精确平稳解求解技术,使得受控系统的输出满足预先给定的概率密度分布;控制系统的收敛性通过引入李雅普洛夫函数的方法使得闭环非线性随机系统的输出收敛于一个预先设定的稳态目标概率密度函数,从而确保受控系统闭环稳定.仿真实例的结果表明该方法有效,能够使得受控系统追踪到预先设定的目标稳态概率分布.     

变形监测数据分析的群集智能模型

针对标准微粒群优化算法(PSO)存在早熟收敛和搜索精度低等缺陷,对其惯性权重因子进行改进,并将非均匀变异机制引入PSO,即在算法进行搜索时以一定变异概率对选中的粒子进行变异操作,同时对飞离搜索区域的粒子用新产生的粒子取代,由此得到改进的微粒群优化算法(IPSO)。然后将IPSO用于优化BP神经网络的连接权重和阈值,分析和建立变形监测数据处理的群集智能模型(IPSO-BP),为了进行比较,同时建立了回归分析模型、标准PSO-BP模型,并将3种模型分别应用于某大坝水平位移数据的分析预测,结果表明,IPSO-BP模型收敛速度更快、预报精度更高,是一种新的且有效、可靠的变形数据处理方法。     

改进粒子群优化（MPSO）算法在动

基于在水资源不充足的情况下，对都江堰灌区六大渠干水资源的合理分配，使农业效益达到最大。首先建立灌区优化配水模型，并将粒子群优化算法（PSO）及其改进的算法应用于该模型。分别对标准PSO、两种改进PSO（MPSO）算法与遗传算法进行仿真对比，结果显示采用PSO算法及其MPSO在农业经济效益上可获得更好的寻优效果，提高了水资源的利用率。     

一种水稻田稻飞虱图像识别的混合算法

BP神经网络方法和粒子群(PSO)方法较常用于稻飞虱图像处理。但是,BP算法容易陷入局部极值且收敛速度缓慢;PSO方法容易实现,而其参数较难合理设置。为此,提出一种基于BP和PSO的混合型算法,应用于稻飞虱图像的识别。算法利用PSO方法来优化BP网络权值,提高训练性能。为了避免PSO方法参数难以设定的缺点,采用了基于均匀设计的算法来设定PSO参数。同时,在稻飞虱图像预处理的关键环节,采用HLS模型实现图像的灰度转换。实验结果表明:与BP算法和PSO算法相比,BP-PSO混合算法识别率明显提高,平均正确识别率达到97%,训练时间降到1s以内,满足算法的实时性要求。     

基于小波分析-PSO优化ANFIS的径流组合预测模型研究

径流序列由于多种因素的影响,存在十分复杂的变化特性,如果利用常规方法直接进行预测,其预测精度一般不高.如果将径流序列分解成比较简单的序列,再利用非线性预测方法进行预测,其精度将会得到提高.利用小波分析的多分辨率分解功能对径流序列进行分解,降低了径流序列的复杂程度.利用PSO对自适应神经模糊推理系统的网络参数进行优化,提高模型结构参数的确定精度.将小波分析与PSO优化的ANFIS进行组合对径流序列进行预测,经实例验证:该模型能够提高径流预测的精度,预测效果较好.     

基于SA-PSO优化神经网络的拖拉机齿轮箱故障诊断

采用模拟退火算法,并融合了遗传算法的杂交和变异思想,对粒子群进行寻优运算,利用优化后的SA-PSO对BP神经网络权值和阈值进行优化.通过对拖拉机变速箱的齿轮故障进行诊断,结果表明,该方法解决了基本粒子群算法迭代速度慢容易陷入早熟问题;同时克服了传统BP算法容易陷入局部最小问题.与传统BP算法和Elman算法比较,在网络性能、收敛速度方面均优于前者,可以推广应用到其他故障模式和特征量之间具有非线性关系的故障诊断领域.     

车辆路面不平度输入的随机激励时域模型

作为随机过程的车辆道路不平度高程,通用的模拟方法是频域模型——道路不平度功率谱密度(PSD)。但在对人一车一路系统进行非线性或耦合动力学分析研究时,必须获得关于道路的时域模型。由等级道路的标准谱或实测道路的估计谱反求道路时域模型具有重要的理论意义和实用价值。本文基于道路PSD,描述了几种基于路面功率谱模型的道路时域模型重构方法,阐述了时域建模的原理、特点和适用范围,给出了其数学上的实现过程。最后,指出了道路时域建模进一步研究的方向。     

小波神经网络在电力系统月度负荷

在研究了电力月负荷特性的基础上提出了一种新型的月度负荷预测模型——小波神经网络负荷预测模型。该模型以非线性小波基为神经元函数,通过伸缩因子和平移因子计算小波基函数合成的小波网络,以横向和纵向历史负荷数据作为输入神经元,采用基于BP(back propagation)算法的网络自调整算法,同时还采取自判断调整步长的方法,使得跨过局部极小点的同时还加快了收敛速度。该网络不但能达到全局最优的逼近效果,还能有效地克服了人工神经元网络学习速度慢、难以合理确定网络结构、存在局部极小点的固有缺陷。应用该模型预测我国某地区月负荷,结果表明,该模型预报精度高,自适应性好,收敛速度也明显快于单纯的神经网络。     

基于时域模型的车轮随机动载特性仿真分析

作为随机过程的车辆道路不平度,通用的模拟方法是频域模型,但在对人-车-路系统进行非线性动力学分析研究时,必须获得关于道路的时域模型。本文描述了两种基于路面功率谱模型的道路时域模型重构方法,利用该方法对C级公路路面进行数值模拟,同时建立了汽车的两自由度模型,应用SIMULINK软件仿真分析了车轮的随机动载特性,结果表明分形模型与路面的实际情况接近。     

变速箱故障模糊诊断的研究

变速箱是机械设备的重要组成部分.由于机械设备的特殊运行条件和运行环境使得变速箱中齿轮副、轴、轴承等常发生故障.因而随着科学技术的发展,对变速箱实施故障诊断,显得尤为重要.而故障诊断的前提是对于故障特征信号的提取.近年来,模糊故障诊断技术在故障诊断和特征提取方面的应用也越来越多.为此,利用故障模糊诊断技术,通过对齿轮在运转时产生的振动信号进行特性分析,诊断齿轮系统的故障.     

基于专家系统和稀疏编码的农机液压系统故障诊断

针对农业机械液压系统故障诊断问题,提出一种基于专家系统和稀疏编码的故障诊断模型。分析农业机械液压系统的元件故障和系统故障,构建故障诊断专家系统,并设计适合于农业机械液压系统故障诊断的知识库和推理机。为进一步提高故障诊断专家系统的诊断准确性,设计基于稀疏编码的故障诊断,将稀疏编码故障诊断结果与专家系统进行融合,提高诊断准确性。试验结果表明,农机液压系统故障诊断专家系统准确性可达85%以上,经过稀疏编码融合后,故障诊断准确率可以提升至91%以上。该模型符合故障诊断要求,为农机液压系统的故障诊断提出新的思路。     

小波神经网络在电力系统月度负荷预测中的应用

在研究了电力月负荷特性的基础上提出了一种新型的月度负荷预测模型--小波神经网络负荷预测模型.该模型以非线性小波基为神经元函数,通过伸缩因子和平移因子计算小波基函数合成的小渡网络,以横向和纵向历史负荷数据作为输入神经元,采用基于BP(back pmpagation)算法的网络自调整算法,同时还采取自判断调整步长的方法,使得跨过局部极小点的同时还加快了收敛速度.该网络不但能达到全局最优的逼近效果,还能有效地克服了人工神经元网络学习速度慢、难以合理确定网络结构、存在局部极小点的固有缺陷.应用该模型预测我国某地区月负荷,结果表明,该模型预报精度高,自适应性好,收敛速度也明显快于单纯的神经网络.     

基于杂交PSO算法的直线电机伺服参数优化

伺服参数整定是影响直线电机系统控制性能优劣的关键因素,针对其参数难以整定的问题,提出一种基于杂交PSO算法的解决方案.通过引入粒子杂交操作,有效增强算法对最优参数的全局搜索能力,并且其收敛速度和精度得到提升.仿真结果表明,应用杂交PSO算法对电机系统数学模型的伺服参数进行整定优化效果明显.对比标准粒子群算法与文献改进粒...