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。     

基于改进PSO算法的导弹控制参数优化

研究了将粒子群算法(PSO)应用于空对空导弹控制参数自动设计的方法,解决导弹控制参数手工设计中遇到的困难与问题.标准PSO算法在导弹静稳定工作点参数优化中表现出良好性能,但在静不稳定工作点优化时容易限入局部最优,因此引入遗传算法(GA)的杂交思想对标准PSO算法进行了改进,以扩大解空间的范围.仿真结果表明:改进后的PSO优化算法具有更强的全局搜索能力,获得的参数能够满足给定的性能指标,并且可以节省大量的设计时间,具有很高的工程应用价值.     

飞机自动驾驶仪俯仰控制系统仿真研究

分别对比设计了PID控制器、LQR最优控制器和模糊控制器,并建立了对应的Matlab控制模型进行仿真研究。阶跃响应仿真实验结果表明：飞机俯仰系统LQR控制器与模糊控制器比飞机俯仰系统PID控制器能更好地实现对飞机俯仰角的控制,具有响应快速、超调小、误差小的优点;飞机俯仰系统LQR控制器比模糊控制器响应更快,跟踪性能更好,而飞机俯仰系统模糊控制器在抗干扰鲁棒性、跟踪性能和稳态性能指标综合考虑上优于LQR控制器,更适用于实际的飞行环境。     

模糊控制算法分析及改进

基于E.H.Mamdai等人的模糊控制算法,本文讨论了模糊控制器参数的选择及对系统输出性能的影响。与已有的方法不同,本文注重物理概念的分析,并研究了模糊控制器参数的自调整问题。这是因为基本模糊控制器参数的选择难以同时兼顾控制系统的动静态性能,一般只好采取折衷的方法。为了改善控制系统性能,一种实用的方法是在线调整模糊控制器的参数。文中提出了一种分段式自调参方案,仿真结果表明该方案优于已有的自调参方案。为了达到有效的调参目的,本文给出了模糊控制器参数初始配置的一种关系,并通过仿真,验证了该关系是确切的。最后,基于模糊控制算法的特点,探讨了一种新的模糊控制算法的构思,作为今后进一步研究的问题。     

云计算环境下基于遗传粒子群优化算法的DAG任务调度的研究

云计算是在网格计算、并行计算和分布式计算的基础上发展出的新的计算模式。云计算采用虚拟化技术,其中的任务调度是云计算中的一个关键环节。文章采用有向无环图(DAG图)进行数学建模,分析DAG图的任务之间的通信量、优先关系和云计算环境下各个节点的计算能力和相互之间的通信成本,提出一种云计算环境下DAG任务调度模型的遗传粒子群优化算法,通过把粒子群算法作为遗传算法的变异算子的方法,提高了云计算子任务调度的有效性。最后,采用CloudStack工具搭建云仿真实验平台验证算法有效性和性能指标提升率,并通过平台仿真实验,比较了轻重负载环境下优化后的算法和传统算法在性能调度上的差异。     

协同多目标攻击空战决策的启发式粒子群优化算法

利用协同多目标攻击战术的特定知识，并结合粒子群算法，提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强，容易跳出局部最优陷井及启发式算法局部搜索能力强的优点，快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明。本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。     

基于VGWO算法的风力机二阶积分滑模转矩控制器设计（英文）

提出了一种基于变速灰狼优化算法(Variable speed grey wolf optimization,VGWO)的二阶积分滑模(Sec?ond?order integral sliding mode control,SOISMC)鲁棒控制策略。该策略的目的是实现风力机的最大风能捕获,提高风力机的发电量。首先,根据风力机的不确定性模型,设计了一种收敛速度快、鲁棒性强且能有效抑制抖振的二阶积分滑模转矩控制器,保证了转矩控制器能够有效地跟踪参考转速。其次,考虑到灰狼优化算法(Grey wolf optimization,GWO)具有较强的局部搜索能力和粒子群优化算法(Particle swarm optimization,PSO)具有较快的收敛速度和较强的全局搜索能力,将PSO的速度分量引入GWO中,使改进的VGWO具有较快的收敛速度、较高的求解精度和较强的全局搜索能力。然后,利用VGWO对风力机转矩控制器的参数进行优化。最后,在Simulink/SimPowerSystem平台上进行了仿真,结果表明了该策略在存在外部干扰和模型不确定性情况下的有效性。     

一类具有极点约束的不确定采样系统鲁棒H∞状态反馈控制

为了适应干扰对系统输出的影响,本文研究了一类参数不确定采样系统具有极点约束的鲁棒H_∞状态反馈控制问题。在该控制器控制下,采样系统同时受到参数扰动和未建模扰动时仍然是稳定的,且扰动后各项性能指标变化较小。控制器的求得借助于求解一类具有LMI约束的凸优化问题,方法简单易行,为实际系统中的应用提供方便,最后给出了算例仿真,说明了本文方法的有效性。     

基于QPSO粒子滤波的航空发动机突变故障诊断

针对标准粒子滤波算法对突变故障诊断迟缓的问题,提出了量子行为粒子群优化(Quantum-behaved particle swarm optimization,QPSO)的粒子滤波算法。该算法引入权值偏差系数的概念,当权值偏差系数超出设置的阈值时,认为系统发生故障,并结合最新的观测值,将量子行为粒子群优化算法融入到粒子的采样过程中,驱使粒子向高似然区域移动,提高粒子群对突变故障的估计性能。仿真结果表明,与标准粒子滤波算法相比,量子行为粒子群优化的粒子滤波算法显著提高了对突变故障的反应速度。     

高超声速飞行器自抗扰分数阶PID控制器设计(英文)

自抗扰控制器利用跟踪微分器可解决超调量及快速性之间的矛盾,分数阶PID控制器在提高控制品质的同时扩大了被控系统参数的稳定域。结合自抗扰技术及分数阶PID控制器设计了自抗扰分数阶PID控制器,并应用于高超声速飞行器再入姿态控制。仿真结果表明,自抗扰分数阶PID控制器对于高超声速飞行器非线性模型及强外干扰的影响下具有很好的控制效果,并且有较大的稳定域,即针对被控系统参数变化具有更强的鲁棒性。     

有界丢包情况下网络化控制系统的可靠保成本控制

针对任意丢包和马尔可夫丢包两种有界丢包情况,考虑了系统元件发生故障时网络化控制系统可靠保成本控制问题。提出了一种新的把传感器与执行器同时发生故障的情况考虑在内的故障描述方法,利用丢包依赖的李亚普诺夫方法,得到了可靠控制器存在的充分条件,通过求解具有线性不等式约束的凸优化问题,得到最优可靠控制器增益的参数表达式,它使得系统在有界丢包与元件故障情况下保持渐近稳定,同时使系统性能指标达到最优。数值仿真验证了方法的有效性。     

飞行器伺服回路的变结构设计

本文根据变结构系统(VSS)理论对某飞行器伺服回路进行了变结构设计,给出了控制器设计的详尽步骤。设计方法几何意义直观,在IBM4341机上通过了数字仿真,给出了仿真框图,并与原伺服回路的控制性能进行了比较。仿真表明,VSS比传统普通控制系统具有以下几个突出的优点;(1)快速、无超调、无稳态误差:(2)对系统参数变化具有鲁棒性;(3)对外界干扰具有鲁棒性。     

基于蚁群和粒子群的混合光网络路由优化算法

基于蚁群算法和粒子群算法的特性,提出解决光网络路由问题的混合算法。研究了将粒子群算法生成的信息素作为蚁群算法的初始解,然后利用蚁群算法寻找更优解,再由粒子群算法进行变异、交叉操作,得到了"三阶段"的混合算法。仿真结果表明,在解决光网络路由问题时,混合算法比其他几种优化算法效果较好。     

一种新的基于粒子群算法的聚类方法

建立了聚类分析问题的数学优化模型,提出了一种新的粒子群算法解决聚类问题。对基本粒子群优化算法作了改进,思路是将K-均值方法的结果作为一个粒子和利用新的分类中心调整粒子位置。对Iris植物样本数据的测试结果表明:4种粒子群算法的效果都比较好,特别是第3种改进的粒子群算法的效果更好,粒子群优化聚类技术很有潜力．     

超静定捆绑火箭传力路径的组合优化策略

为了获得新一代 大推力捆绑火箭捆绑方案的最优设计参数，针对超静定捆绑传力路径进行分析与优化设计。基于PATRAN的二次开发语言PCL对超静定捆绑火箭进行了参数化建模和仿真分析，并运用拉丁超立方试验方法对传力路径设计参数进行灵敏度分析。在此基础上提出了一种多目标粒子 群和序列二次规划算法的组合优化策略，确定了捆绑联接方案设计参数，实现了对捆绑联接装置和助推器结构载荷的高效优化。计算结果表明：组合优化策略能够将主捆绑联接结构的受力减少了30%左右，明显优于单独使用一种全局优化算法或局部优化算法的优化结果。本文研究成果将为新型捆绑火箭捆绑方案优化设计提供参考。     

基于平方和方法的H∞最优励磁控制

为了改善电力系统在干扰信号下的稳定性,在单机无穷大电力系统的基础上,提出了一种基于平方和方法的H_∞最优励磁控制设计方法。本文电力系统属于非多项式系统,而所提方法利用泰勒公式将非多项式系统等效转化为多项式系统,并保留高阶无穷小项。在给定扰动抑制率,以及利用平方和方法构造Lyapunov函数、控制器参数优化方面的优势前提下,可以将哈密顿-雅克比-伊萨克等式问题松弛为不等式约束表示的最优问题,最终结合策略迭代方法,实现了H_∞最优励磁控制器设计,提高了仿真的真实度。仿真结果表明所设计最优控制器可以有效改善系统性能,增强系统抗干扰能力。     

转台伺服控制系统模糊PID算法研究

转台伺服系统的控制是一个复杂的过程,精确的数学模型推导非常困难,传统PID控制算法对转台的控制效果不理想。针对转台伺服系统的结构和运行特点,研究一种模糊PID控制算法,利用模糊控制理论对目标误差值进行处理,实现PID参数的自整定,提高转台伺服系统的控制效果。仿真结果表明,所设计的模糊PID控制器实现了参数实时自整定,转台伺服系统的性能指标得到了保证。     

基于粒子群优化的多导弹动态武器目标分配算法

针对复杂多变的未来战场环境,对空防御系统需要实现对多个目标进行武器分配。由于传统静态武器目标分配（Static weapon target assignment, SWTA）模型受到很多因素的限制,无法适应战场态势的快速变化。为了解决多导弹的动态武器目标分配（Dynamic weapon target assignment, DWTA）问题,将对空防御过程离散为多个阶段,并根据战场实时态势数据构建了DWTA的数学模型,提出了一种改进的粒子群优化算法,引入了武器转火时间窗等约束条件,在算法中考虑拦截概率和导弹耗费等多个指标。最后通过大量仿真实验,验证了粒子群算法进行多导弹目标分配的合理性和有效性。     

基于云滴粒子群优化算法的多道次端铣削高效稳定切削参数优化方法（英文）

多道次端铣削切削参数对加工时间和加工质量有着正面或负面的影响,因此对多道次端铣削加工参数的优化是非常重要的。本文建立了基于二阶全离散法(Second-order full-discrete method,2ndFDM)的三维稳定性预测模型,以同时优化主轴转速、轴向切深和径向切深。在综合考虑三维稳定性、机床性能、刀具寿命和加工要求的条件下,得到各道次的最佳加工参数,以达到最短的生产时间。同时提出了一种基于云滴的粒子群优化(Cloud drop-enabled particle swarm optimization,CDPSO)算法,并利用13个标准测试问题对CDPSO算法的性能进行了评估。数值结果表明,该算法在计算成本、搜索能力和鲁棒性方面具有一定优势。最后通过一个切削参数优化实例验证了所提方法在提升加工效率与稳定性方面的有效性。     

基于博弈论的8自由度整车悬架参数优化设计

建立了包含座椅垂直振动、车身垂直、仰俯、侧倾振动以及4个车轮垂直振动的整车8自由度悬架物理模型,并应用达朗伯尔原理建立其动力学方程,使用Matlab／Simulink软件对A,B,C不同等级路面激励进行时域模拟仿真。通过模态叠加法对方程进行求解,得到了整车的模态特性和3种路面激励输入下各个自由度位移、速度、加速度等振动响应量。在悬架参数的设定范围内,分析了座椅、悬架、车轮等的刚度、阻尼参数变化对车辆行驶性能的影响;根据博弈论,对多目标优化模型进行博弈分析．利用Stackelberg寡头博弈对多目标优化模型进行求解,计算结果表明,车辆的乘坐舒适度和对路面的损坏等性能指标均有所改善。