基于分类学习粒子群优化算法的液压矫直机控制
在处理工程控制及设计中含有多参数,多约束的单目标优化问题时,为了获得更好的优化解,提出一种分类学习的粒子群优化算法.它根据每个粒子的函数适应值,将群体分为优势群体、中层群体和劣势群体三类,分别采取不同的学习方法和学习方向.优势群体继续保持自身的学习速度和学习方向;中层群体采取互相学习的策略;劣势群体采取加强向优势群体学习的策略.其优势在于不受函数连续、可导形式的制约.数值试验结果表明,相比于近年提出的一些改进粒子群算法,这种算法在处理含有单峰,多峰,离散,动态问题的函数时,具有良好的收敛性能.结合工程实例,在处理压力容器结构设计以及液压矫直机PID控制的参数优化问题时,此算法能够获得使系统性能更佳的参数组合.
粒子群优化、分类学习、结构设计、PID、液乐矫直机
53
TP13(自动化基础理论)
2017-12-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
202-208