1．對PSO算法進行改進

對PSO算法進行深入的分析和研究，PSO算法在使用過程中存在易于陷入局部最優(yōu)，收斂精度不高等缺陷。提出遞階粒子群優(yōu)化算法(HPSO)，并對算法的收斂性進行證明。HPSO的基本思想是：將待優(yōu)化的參數(shù)分為控制層和參數(shù)層兩部分，控制層處于上層，采用二進制方式編碼，“l(fā)”表示對應的粒子處于激活狀態(tài)；“0”表示對應的粒子處于休眠狀態(tài)，與之相聯(lián)系的參數(shù)層處于無效狀態(tài)。參數(shù)層處于下層，受控制層的控制，參數(shù)層粒子采用實數(shù)編碼方式。

通過仿真分析證明，HPSO算法比PSO算法計算精度高、收斂速度快。

其中算法設計部分包括： = 1 \* GB3 ①粒子以隨機的方法在整個問題空間中流動并且可以對自己所處的環(huán)境進行評價(計算適應度)。 = 2 \* GB3 ②每個粒子均可以記憶自己到過的最好位置。 = 3 \* GB3 ③每個粒子可以感知鄰近粒子已達到的最好位置。 = 4 \* GB3 ④在改變速度的時候同時考慮自己到過的最好位置和鄰近粒子已達到的最好位置。

2．解耦控制器的設計

考慮到車床控制系統(tǒng)具有非線性、強耦合、大時滯的特點，若對板形板厚進行高精度的控制，必須實現(xiàn)板形板厚解耦。因此，建立RBF神經(jīng)網(wǎng)絡板形板厚多變量控制系統(tǒng)。用HPSO算法優(yōu)化RBF神經(jīng)網(wǎng)絡設計解耦控制器。為了使RBF神經(jīng)網(wǎng)絡解耦控制器具有更好的魯棒性和自適應性，提出基于過程最優(yōu)的隱含約束條件加權目標函數(shù)的權值在線自學習算法。

RBF神經(jīng)網(wǎng)絡的訓練過程實際上就是對兩組網(wǎng)絡參數(shù)的學習，即隱層節(jié)點中心、RBF的寬度、以及隱層節(jié)點數(shù)和隱層到輸出層連接權值。所以目前出現(xiàn)的算法也都可以大致分為兩步：第一步是利用非監(jiān)督聚類方法訓練徑向基函數(shù)的參數(shù)，包括函數(shù)的中心和寬度；第二步是訓練隱層到輸出層的連接權值。

---------------------------------------------------------------------------------------------------------------------------

FPGA公司項目代做|matlab碩士代做|matlab博士代做|非中介|淘寶交易|MATLAB SCI代寫|MATLA期刊代寫

FPGA公司項目代做|FPGA碩士代做|FPGA博士代做|非中介|淘寶交易|FPGA SCI代寫|FPGA期刊代寫

FPGA公司項目代做|Simulink碩士代做|Simulink博士代做|非中介|淘寶交易|Simulink SCI代寫|Simulink期刊代寫