基于GA-PID参数优化的网络拥塞控制

推导了基于流体流理论的网络简化模型。基于该模型将P ID控制器应用于网络主动队列管理系统中,将遗传算法应用于P ID控制器参数优化,定义了一种新的综合调节时间、上升时间、超调量、系统误差等动静态性能指标的时域标准函数,克服了IAE,ISE标准函数中减小超调与缩短调节时间的矛盾,弥补了ISTE标准函数计算复杂的缺陷。在给定的参数空间进行组合优化搜索,迅速求得获取使性能指标优化代价函数极小化的一组P ID控制器参数。仿真结果表明,在大时滞和突发业务流的冲击情况下,该方法设计的控制器的动静态性能优于RED,P I算法。     

主动队列管理中内模控制系统设计

P I控制器常用于主动队列管理中,但参数整定上的试凑法具有盲目性,算法的瞬态性能也不够理想。本文针对TCP网络系统的时滞特性,设计基于内模补偿控制器,提出了基于幅值与相位稳定裕度的控制参数整定方法。仿真实验表明,与P I算法相比较,该方法设计的控制器的稳定性与鲁棒性有显著的提高。     

自适应遗传 PID 算法在风洞风速控制中的应用

风速控制是风洞的核心控制部分,风速控制系统的优劣直接影响风洞性能指标,为了完成 FDxx 风洞的风速控制系统,设计了一种基于自适应在线遗传算法的 PID 参数整定方法,在风洞气源资源有限的情况下,快速建立流场,确保流场稳定时间。首先对控制参数进行联合编码,在种群个体进化前期采用锦标赛精英保留策略,后期采用基于轮盘赌非线性选择方法,加快算法收敛速度,同时避免了算法过早陷入局部最优,交叉选用单点交叉,变异采用均匀取反法,动态调整过程为了减小甚至避免超调,采用误差绝对值及误差和误差变化率加权方式设计目标函数,并采取了惩罚措施,即一旦产生超调,将超调量作为最优指标的一项,现场测试验证了算法的可靠性及实用性。     

基于粒子群优化的直升机飞行控制律设计方法

针对直升机强耦合特性导致飞行控制律设计难度高的问题,提出了一种基于粒子群优化算法的改进线性二次型调节器(Linear quadratic regulator,LQR)设计方法。针对直升机的线化状态空间模型,基于LQR设计方法建立了直升机飞行控制律全状态反馈矩阵的基本求解算法;以系统稳定性为约束,以最大化主状态反馈系数影响因子为目标,设计了粒子群优化算法的指标函数,实现了加权矩阵Q的多参数同步优化设计,并以优化后的主状态反馈系数作为直升机控制律设计结果。采用本文方法对UH-60A直升机悬停状态的飞行控制律进行了设计和验证。结果表明,基于本文方法得到的控制律具有良好的控制性能,并且能够显著提高直升机的飞行品质。同时本文的优化方法系统地解决了LQR设计过程中加权矩阵确定的困难,提高了控制律的设计效率。     

基于现场可编程门阵列实现二维光栅优化设计算法

提出了一种基于现场可编程门阵列实现的遗传算法对二元光栅直接进行二维优化设计的方法。采用二次多项式函数描述二元光栅曲面的面形,给出了基于现场可编程门阵列的遗传算法优化光栅的解决方案;以多项式系数为优化设计对象,选用了适合本设计的硬件实现编码、选择、交叉、变异算子、适应度计算算法,同时引进了精英保存策略来提高程序的健壮性和加快收敛速度。算法充分考虑硬件处理的并行性和流水线特点,利用Verilog HDL语言编程,在Altera的cycloneⅡEP2C50器件上实现。结果表明,该算法对二元光栅优化设计计算速度比软件实现的快四十倍以上,有效提高了二维二元光栅优化设计的速度。     

基于新加密结构和Sponge结构的轻量级Hash函数CHF

针对能耗等资源受限环境对密码算法的需求,基于Sponge迭代结构,采用基于新加密结构(命名为MS结构)的CLEFIA-128*(轻量级分组密码国际标准的修订算法)作为压缩函数,设计了一个轻量级Hash函数CHF。效率测试和分析表明CHF算法的软件效率高于常见轻量级Hash函数,并兼顾了硬件效率,既能满足射频识别(Radio frequency identification, RFID)等资源极端受限环境对硬件的使用需求,也可以满足其他一些诸如嵌入式系统和单片机等环境对软件实现的需求,适用范围更广。依赖性测试和安全分析表明,该算法能够满足轻量级Hash函数的安全需求,也从侧面论证了MS结构的安全性。     

加权自适应模式识别系统的数学描述

基于n元原理,采用加权训练思想,为克服经典自适应模式识别系统——WISARD的简单训练策略之不足而提出的加权自适应模式识别系统,具有自动消除伪特征、突出训练模式的固有特征、改进系统的分类性能筹优点。本文首次用数学手段描述了加权自适应模式识别系统,把系统的训练与分类过程抽象为对模式进行矩阵变换的过程。系统的分类行为由训练模式所建立的逻辑函数矩阵来表征。文中还对系统的性质作了初步探讨,指出只要合理地选取加权训练阀值,加权系统的分类性能不会弱于非加权系统。最后还给出了加权训练阀值的上界和下界。     

基于遗传算法的飞机着陆调度

使用遗传算法对飞机着陆进行优化调度。算法以所有飞机的排列次序作为个体编码,适应度函数的构建综合考虑了飞机的各种约束条件,通过选择、交叉、变异得到优化输出。仿真结果表明遗传算法用于飞机着陆调度可行、有效。     

采用进化算法优化H∞加权阵的选取

在H∞控制设计中，加权阵函数直接反映了系统的稳定性和性能要求。本文提出了一种采用进化算法优化加权阵选取的方法，把控制系统的多个设计目标转化成不等式约束，将H∞控制器设计中加权阵的选取表示成一个多目标优化问题，并通过进化算法求解该优化问题。仿真结果表明，所提出的方法能够找到满意的加权阵，同时找到满足给定频域和时域性能指标要求的H∞控制器，是一种有效的加权阵选取方法。     

电站典型大滞后过程自适应预估控制器设计及应用

电站典型大滞后过程难于控制的原因在于其大滞后本身导致系统不稳定及锅炉负荷频繁变化导致的参数时变特性。本文设计了一种模型参考自适应预估控制算法,引入二阶惯性与时间滞后两个补偿器,其主要参数如增益、时间常数和滞后时间均可在线自适应调整,致使过程与参考模型时刻匹配。该算法已应用于电站200 MW锅炉机组再热汽温过程控制,控制精度达到2℃以内。     

基于ESO与NTSM的汽车主动前轮转向控制

提出基于扩张状态观测器(Extended state observer,ESO)与非奇异终端滑模(Nonsingular terminal sliding mode,NTSM)的车辆主动前轮转向控制。首先建立二自由度车辆模型计算车辆理想参考横摆角速度。其次以二自由度模型为基础设计扩张状态观测器与非奇异终端滑模控制器,扩张状态观测器能估计车辆状态与扰动,非奇异终端滑模控制器能对扰动进行补偿并输出控制量。最后在Matlab/Simlink中建立了扩张状态观测器与非奇异终端滑模控制器,采用CarSim非线性车辆模型进行仿真试验,研究了NTSM与PID控制器的闭环控制性能以及鲁棒性,并对两种控制器试验结果进行对比。结果表明,非奇异终端滑模控制的车主动前轮转向系统能有效改善车辆的操纵稳定性,控制器具有强抗干扰能力、良好的路径跟踪性能和鲁棒性,且优于PID控制器。     

航空发动机模型参考模糊自学习控制

模型参考模糊自学习控制方法利用一个参考模型作为被控对象的输出性能要求，并且根据参考模型的输出和实际对象的输出间的误差，经过一个逆模糊模型学习产生模糊控制系统的控制规则。本文基于该方法离线构造了某型发动机的模糊控制器，并在发动机的其它状态及飞行包线的其它点进行在线学习校正，以得到期望的性能。仿真结果表明用该方法设计的模糊控制系统获得了满意的控制效果。     

硫化罐温度和压力的两级控制

推导了Ｈａｍｍｅｒｓｔｃｉｎ模型描述的一类多变量非线性系统的加权最小方差自校正控制器算法，并将该算法应用在硫化罐温度和压力控制上。为提高该算法应用在工程上的可靠性，本文提出了两级控制思想──即先用本文推导的算法和常规多变量ＰＩＤ控制算法分别计算控制值，若两者计算结果差别不大，则认为自校正算法收敛，自校正计算控制值可直接输出；若两者计算结果差别较大，则认为自校正算法可能发散，这时可根据两种算法对控制值进行调整，然后输出调整后的控制值。实际运行结果表明，这种控制器具有较强的鲁棒性和较好的控制效果。     

机载光电跟踪系统基于遗传算法的模糊控制器优化设计研究

分析了机载光电跟踪系统的构成，并对机载光电跟踪系统的最主要成部分－陀螺平台框架系统设计了基于GA（遗传算法）的模糊控制器，由于遗传算洒可以搜索整个空间，不易陷入局部最优解，不受搜索空间的限制性假设的约束，因此本文通过遗传算法对模糊控制器的控制规则，参数以及量化因子和比例因子进行了优化，在对模糊控制器设计的过程中，为了提高模糊控制的精度并加速遗传算法的收敛速度，还采用了变论域的方法，通过对系统详细的仿真研究，验证了基于GA的模糊控制器设计的良好控制效果。     

采用ABC算法的关节机器人动力学参数辨识

实验辨识机器人动力学参数是获取基于模型的控制器参数的主要方式。针对一般方法仅能辨识线性动力学模型从而辨识精度不高的问题,提出采用人工蜂群(Artificial bee colony,ABC)算法辨识机器人动力学模型。通过Newton-Euler法建立关节型机器人的刚体动力学模型,并用低速动态特性更佳的非线性摩擦模型描述关节间摩擦特性,代替传统的库仑-黏性摩擦模型。优化辨识实验所用的激励轨迹,采集实验数据进行必要的预处理后,采用ABC算法辨识机器人动力学参数。结果表明,ABC算法能够精确辨识动力学参数,基于辨识结果的预测力矩抑制了误差峰值的出现。应用辨识结果设计基于模型的前馈控制器,实验结果表明基于模型的控制器能够提高轨迹跟踪精度。     

基于PID控制方法的模糊变增益振动主动控制试验研究

结合模糊控制方法智能化的特点,设计出一种不依赖模型参数且可以自动调节控制器增益的控制算法。该方法以比例、积分和微分(Proportional integral and derivative,PID)控制为基础,根据系统输出及输出变化率自动调节控制器增益,使控制系统具有更强的适应能力。同时针对振动测试信号中含有噪声干扰和直流分量的情况,构造依赖模型部分参数的二阶窗函数,在保证不改变受控模态信号特征的同时有效衰减非受控模态信号干扰及直流分量。建立悬臂梁模型进行试验验证。结果表明,该方法能够使受控系统的振动幅值减小到开环时的5%以下,其效果明显优于普通PID控制。并且,通过引入二阶窗函数,系统在具有非受控模态信号干扰的情况下能够保持有效控制,使算法具有更好的稳定性和鲁棒性。     

多旋翼无人机飞行控制自动调参技术

目前,多旋翼无人机控制器设计问题中存在着大量的依靠经验的调参工作。为了使调参简单而又可靠,本文基于控制器参数与控制系统性能响应存在的对应关系,提出了自动调参思想。在满足控制器各项性能指标的前提下,利用粒子群算法(Particle swarm optimization,PSO)提炼出优化目标和约束条件。对被控对象进行建模并搭建非线性模型。然后,利用工程实践方法估算出参数范围,并利用粒子群快速优化特点自动寻找在约束条件下符合性能指标的控制器参数。最后,通过Matlab/Simulink对模型进行仿真验证。仿真结果分析表明,PSD可快速准确地对飞行控制进行自动调参。     

基于径向基函数神经网络的模型跟随自修复控制

提出一种基于径向基函数神经网络的模型跟随非线性自修复控制方法。该方法可不必精确已知故障的位置及程度，即可重构控制律使系统在故障情况下的输出精确跟踪期望参考模型的输出，并采用神经网络控制器以补偿邦联引起的非线性因素的影响。