论文部分内容阅读
智能优化算法是现代计算机科学炙手可热的研究领域之一。在众多的智能优化算法中,布谷鸟算法是近些年来发展的一种群智能算法。它需调参数少,却拥有良好的收敛效果,所以引起了越来越多的重视。木文就布谷鸟算法的参数与算法性能之间的关系进行研究,同时提出了一种改进的布谷鸟算法,即群布谷鸟算法。通过对几种不同类型的标准测试函数进行测试,说明了群布谷鸟算法的快速收敛性和结果精确性。同时,将群布谷鸟算法应用于自动控制领域的几个方面,包括：(1)适用于多种激励信号的模型参数辨识。本文对模型参数与性能指标之间的关系进行分析,并使用群布谷鸟算法,估计在多种不同测试信号时模型的参数,取得了良好的效果。通过对几类不同对象的辨识仿真实验,说明了群布谷鸟算法能够用于解决适用于多种激励信号的模型参数辨识的问题。(2)适用于带有多个目标和多种约束条件的PID设计问题。本文提出了使用群布谷鸟算法解决多目标多约束PID设计的方法。通过将多目标问题转化为单目标问题,多约束条件转化为单一约束条件,简化了设计PID时的目标函数。通过使用群布谷鸟算法,本文获得了控制器参数。(3)本文所提出的一种抗饱和控制器中的补偿器设计问题,该问题是一类非凸优化问题。本文提出了一种通过定性分析进行静态前馈补偿的抗饱和IMC-PID控制结构,并借助群布谷鸟算法,进行静态前馈补偿器的设计。该结构通过定性分析,引入了三个静态抗饱和回路,使得对象输出能够较改进前能更快地跟踪设定值。(4)多变量系统的IMC-PID控制器设计问题。本文针对基于EOTF的IMC-PID设计方法进行改进,提出了基于多变量系统粗模型的设计方法。粗模型是以多变量系统的控制回路为研究对象所得到的模型。本文采用群布谷鸟算法获取多变量系统的粗模型,同时也采用群布谷鸟算法获取IMC-PID参数。仿真实验表明该方法设计过程简单,控制效果良好。