题名 | 基于小生境混合蛙跳算法的优化迭代学习控制算法研究 |
作者 | 王东江 |
答辩日期 | 2017 |
导师 | 郝晓弘 |
关键词 | 学习控制 迭代 PID 参数优化 收敛速度 小生境混合蛙跳算法 |
学位名称 | 硕士 |
英文摘要 | 迭代学习控制是控制领域的一个分支,它研究的是一种具有重复运动性质的控制系统,通过不断地修正系统的控制输入,使得实际输出逐渐逼近期望输出,最终实现对期望轨迹的完全跟踪。迭代学习控制已经成为了现代控制技术中一种重要的控制方法。近年来,学者们对学习控制系统进行了深入研究,其中包括对算法的改进和优化,提出了诸如遗传算法、克隆选择算法和混合蛙跳算法。这些算法虽然能在求解一般的非线性系统时可以保证系统收敛,但是对于有扰动和期望有约束的非线性系统时,存在系统收敛速度慢,容易陷入局部最优等问题。甚至需要迭代多次才能实现对系统的完全跟踪,导致系统的学习效率低。针对以上问题,本文通过对混合蛙跳算法的改进提出基于小生境混合蛙跳算法的优化迭代学习控制算法,该算法引进基于限制竞争策略的小生境技术。小生境混合蛙跳算法具有寻优能力强,收敛速度快等优点。在该算法中,将初始种群划分为相互排斥的子种群,子种群间可以形成独立的搜索空间,这样可以抑制种群间的趋同性,从而保持解的多样性。将PID型控制器引入到优化迭代学习控制中,PID型控制器增加了参数的自由度,算法的参数设置简单,而且寻优效果好。此外建立参数优化迭代学习控制,在每次迭代时对系统的参数进行优化,降低算法的复杂度。对基于PID型参数优化迭代学习控制算法收敛性进行算法分析和证明。通过实验仿真小生境混合算法和遗传算法,克隆选择算法进行对比,实验结果表明,小生境混合蛙跳算法收敛速度更快,而且稳定性高。最后,将小生境混合蛙跳算法应用到振动控制系统中,通过实验仿真表明了该算法不仅搜索效率高而且寻优能力强,表明了该算法的可行性和有效性。 |
语种 | 中文 |
页码 | 62 |
URL标识 | 查看原文 |
内容类型 | 学位论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/92804] ![]() |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学 |
推荐引用方式 GB/T 7714 | 王东江. 基于小生境混合蛙跳算法的优化迭代学习控制算法研究[D]. 2017. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论