感应电机的智能控制及其DSP实现研究

在分析感应电机数学模型的基础上，提出了一种基于免疫遗传算法（IGA）的递归模糊神经网络（RFNN）控制器的设计方法，并应用于交流感应电机双闭环矢量控制系统中的转速控制器中，对感应电机实现精确的速度控制。为满足控制运算实时性的要求，采用高速数字信号处理器（DSP）作为速度控制与运算单元，成功完成了递归模糊神经网络控制器的DSP实现。实验结果验证了该控制器的可行性。     

高精度电液系统的模糊滑模控制仿真研究

结合模糊逻辑和滑模理论,对带有大转动惯量负载的电液系统实现了高精度的控制。该控制器在系统状态到达滑模面时由模糊逻辑求出等效控制量,有效地削弱了抖振、抑制了外部干扰。为了在没有专家经验时,设计出性能良好的模糊控制器,采用遗传算法优化隶属函数和控制规则。在MATLAB中的仿真结果表明,所设计的控制器表现出良好的性能,满足了系统控制指标的要求。     

基于模糊规划的处理时间不确定条件下的Job shop问题

研究了处理时间不确定条件下的 Job shop生产调度问题 ,建立了基于模糊规划理论的不确定 Job shop调度模型。在采用两种模糊运算的基础上 ,结合模糊优化和遗传算法给出了一个解决非线性模糊优化问题的可行算法 ,通过仿真数据说明了所建模型及算法的有效性 ,并就结果进行了讨论     

暖通空调系统的新型模糊自调节PID控制

针对暖通空调系统中由于存在高度非线性，外部扰动，多变量等因素而难以控制的现状，提出一种利用模糊控制器的解析表达式实时调节PID控制器各参数的新型模糊PID控制算法。闭环系统中的模糊模型在发挥控制作用的同时，作为调节器实现了对PID控制器各参数的在线自适应调节，并且给出了具体控制算法设计。仿真结果表明与传统PID控制器相比，这一新型模糊PID控制器具有超调量小，调节时间短，鲁棒性强等优良的控制性能。     

一种基于模糊辨识器的自适应交流伺服系统

提出用模糊辨识器对交流伺服系统离线进行辨识，使用遗传算法（GA）对辨识器参数寻优，用BP算法对控制器FNC最后一层权值在线调整，论述了用GA对控制器模糊隶属函数的参数优化训练方法。仿真结果证明了控制策略的有效性。     

一种模糊趋近律转台伺服系统滑模控制器设计

针对飞行模拟转台位置伺服系统中存在的非线性摩擦环节,设计了一种补偿摩擦的模糊趋近律滑模变结构控制器.在常规的滑模变结构控制中引入模糊控制,利用模糊控制器来调整滑模控制的趋近律参数.Matlab仿真结果表明,该控制器优于常规指数趋近律变结构控制器,有效地抑制了摩擦力矩的影响,保证了系统的快速性和鲁棒性,实现了高精度的位置跟踪.     

基于IGWO的燃料电池汽车模糊控制能量管理策略

基于模糊逻辑控制进行燃料电池混合动力汽车(FCHEV)能量管理策略设计。根据燃料电池/锂电池混合储能系统特性,设计模糊控制规则。考虑将燃料电池工作效率和电流添加为模糊控制器输入量,对模糊规则进行改进。针对FCHEV模糊控制能量管理策略存在的局限性,以氢耗量最优为目标,结合灰狼优化(GWO)和改进的灰狼优化算法(IGWO)进一步对模糊逻辑参数进行优化。在满足功率需求的前提下,实现燃料电池和锂电池间功率的合理分配,并将SOC维持在一定区间。仿真结果表明:新提出的基于IGWO的模糊逻辑能量管理策略相较其他几种能量管理策略显著降低了FCHEV的等效氢耗量。在不同驾驶工况下,燃料电池均可工作在高效区间,延长燃料电池的使用寿命。     

基于ARM与多模型实现的试运线列车超速防护系统

针对试运线列车运行的安全性与停车准确度的要求,提出一种基于ARM与多模型实现的列车超速防护系统。通过车载设备传感器采样时间序列数据,并将其进行小波去噪,从而得到基于傅里叶模型的目标跟踪运行曲线。设计以模糊神经网络为动态预测模型的速度控制器,利用预测控制的滚动优化与误差矫正特性增加速度控制器在不同运行环境下的鲁棒性。为加快模糊神经网络的训练速度,将改进型粒子群模糊聚类算法的聚类结果作为模糊神经网络的前件规则构建参数。以中车试运线数据为例对其进行仿真,并通过基于曲线面积误差的评价指标对全局速度下的停车精确度进行分析。仿真结果表明:所提出的以傅里叶模型作为目标函数实现的基于模糊网络的预测控制策略具有明显的优势。     

采用模糊逻辑的移动机器人轨迹跟踪

针对差动轮驱动的移动机器人动力学的高度非线性和运动环境的不确定性,提出了基于模糊逻辑的移动机器人路径跟踪控制方法。该方法通过合理选择模糊控制器的参数和优化规则库,使其输出合适的线速度和角速度,从而控制移动机器人准确地跟踪预规划的路径。提出了两轮差动式移动机器人的动力学模型,使得该模糊控制器对不同几何参数的差动式机器人具有普遍的适应性。在实际场地试验和亚太机器人大赛中验证该方法的有效性。     

电磁式主动悬置系统分目标控制研究

为提高汽车动力总成悬置系统的隔振性能,建立了同时考虑动力总成及车身垂直、俯仰方向的6自由度半车主动悬置系统动力学模型。考虑作动器动态特性对系统控制精度的影响,采用分目标控制的方式,将主动悬置系统分成悬置部分和作动器两部分。对悬置部分设计了适应性强、鲁棒性好且易于实现的模糊控制器及变论域模糊控制器,作动器电路部分则选择简单实用的PID控制器,并利用粒子群算法对PID参数进行优化。为验证控制器的效果,以发动机和路面的联合激励为系统输入进行仿真。结果表明:与被动悬置系统相比,采用分目标控制的主动悬置系统,作动器能更好地跟踪输出悬置所需的理想控制力,使得系统各方面性能均得到不同程度的改善,提高了整车舒适性水平。     

遗传算法中交叉操作的两种改进方法

通过分析交叉算子，提出了分别与模拟退火算法以及神经网络相结合的改进型遗传算法，改进型遗传算法的收敛性能远远优于标准遗传算法。     

基于BP神经网络的资产经营绩效评估模型

针对传统资产经营绩效评估模型的缺陷,提出使用BP神经网络对企业的资产经营进行绩效评 估,并对传统的BP网络进行了优化。其中自适应学习机制优化了学习率,动量项加速机制加 速了传统BP网络的收敛速度,遗传算法用于选择BP网络的初始参数。最后,采用500家工业 企业的资产经营绩效数据对模型的有效性进行了初步验证。     

一种求解JOB SHOP问题的新型混合遗传算法

针对一般车间（JOB SHOP）的作业排序问题设计了一种新的混合遗传算法,该算法将遗传算法和启发式方法相结合,利用遗传算法优化每台机器的首工序,并确定每台机器的优先工序,借助仿真,按照启发式方法安排每台机器的后续工序。通过算例比较,表明该算法具有良好的求解性能。     

基于粗集规则编码的神经网络控制器设计

利用通过粗糙集产生的控制规则对神经子网络进行编码,用遗传算法独立进化每一个子网络,把进化后的子网络用改进的遗传算法通过适当连接形成最后的神经网络。利用该神经网络进行在线控制,并和PID控制效果相比较,证明了其有效性。     

实际控制人的特征、多元化经营与财务风险?--基于浙江玻璃公司的案例研究

研究表明：企业实际控制人的性别、年龄、学历、职业背景、履历及风险偏好等个体特征会影响其多元化经营;实际控制人的社会地位、声望、社会资本等社会特征会影响其通过非市场机制获取资源的能力,从而影响其多元化经营的目的;企业多元化经营战略对财务风险的影响主要取决于企业实际控制人的特征。企业中已经形成了“实际控制人特征-实际控制人行为动机-实际控制人的企业决策-实际控制人的决策执行-企业成败”的决策机制。     

冷却塔辅助地源热泵系统控制算法仿真

针对目前复合式地源热泵系统控制方法不完善的问题,文中以小型冷却塔辅助地源热泵系统为研究对象,通过响应实验法进行控制器参数整定,利用MATLAB/Simulink软件对其不同运行模式、不同控制算法进行了控制仿真。仿真结果表明：与传统PID控制和模糊PID控制相比,Smith预估PID控制在冷却塔单独运行、地埋管单独运行、二者联合运行3种不同模式下均可以达到较好的控制效果。该控制方法调节精度较高,速度快,超调小,对冷却塔辅助地源热泵系统具有一定的可行性。     

基于改进的遗传算法的快速图像相关匹配

为了解决图像匹配中计算速度慢和匹配精度不高的缺陷,提出了一种基于改进的遗传算法的匹配方法,算法的主要改进手段是,用自识别交叉算子进行交叉操作,避免种群过早成熟。实验结果表明,与基本遗传算法相比,基于该算法的图像匹配具有运算量小、匹配精确等优点,且算法稳定。     

一种提高局部搜索能力的混合遗传算法

针对遗传算法局部搜索能力弱的缺陷,提出了一种改进的混合遗传算法。根据遗传的不同阶段分为两个不同的群体——竞争群体和适应性群体,提出相关的遗传算子——繁殖因子。将运筹学中的单纯形法应用于遗传算法中,增强了遗传算法的局部搜索能力。对复杂函数的寻优实验验证了混合遗传算法的有效性,并通过与传统SGA的实算结果对比,更进一步说明了算法的改进效果。     

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题( TSP)的混合 粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及 粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合 粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。     

自动化立体仓库中货位实时分配优化问题研究

本文研究了单元货格式自动化立体仓库中的货位实时分配问题。该问题可分为两方面：为入库分配空货位和为出库选择货位。在考虑了堆垛机的加减速对其运行速度的影响后,以堆垛机将要进行的所有操作的行程时间之和作为优化目标,通过调整堆垛机的后续操作的行程时间在总行程时间中的权重,依次构建了三个优化目标函数。然后利用结合了模拟退火方法的遗传算法对其进行了求解,并利用了多种技术提高算法的效率。最后利用仿真技术,通过改变仿真时系统中的货物类型总数、堆垛机的停留策略和装载能力,对该算法在不同情况下的效果进行了验证。仿真结果表明在不同情况下,该算法都可不同程度地减少堆垛机的平均行程时间。