-
Patent Agency Ranking
公开(公告)号：CN108399451A
公开(公告)日：2018-08-14
申请号：CN201810110235.4
申请日：2018-02-05
Applicant: 西北工业大学
Abstract: 一种结合遗传算法的混合粒子群优化算法，综合了粒子群优化(Particle Swarm Optimization,PSO)算法全局搜索能力强和遗传算法(Genetic Algorithm,GA)局部收敛速度快的优点，首先借助粒子群优化算法全局搜索能力强的特点进行全局搜索，当迭代次数进行到指定代数并接近全局最优解时，此时整个种群进入全局最优解的邻域内；其次，利用改进的遗传算法在全局最优解的邻域内进行局部快速搜索，最终到达全局最优解。
-
-
公开(公告)号：CN112082552A
公开(公告)日：2020-12-15
申请号：CN202010665446.1
申请日：2020-07-11
Applicant: 西北工业大学太仓长三角研究院
Abstract: 本发明涉及一种基于改进混合粒子群优化算法的无人机航迹规划方法，该方法，针对无人机航迹约束条件，改进了航迹编码方式，并对结合遗传算法的混合粒子群优化算法，首先借助粒子群优化算法全局搜索能力强的特点进行全局搜索，当迭代次数进行到指定代数并接近全局最优解时，此时整个种群进入全局最优解的邻域内；其次，利用改进的遗传算法在全局最优解的邻域内进行局部快速搜索，最终到达全局最优解，航迹段跨越多个网格节点，可以避免进行分层规划的复杂性，提高了无人机航迹规划的算法效率，更便于工程应用。
-
公开(公告)号：CN108445749A
公开(公告)日：2018-08-24
申请号：CN201810110338.0
申请日：2018-02-05
Applicant: 西北工业大学
IPC: G05B13/04
Abstract: 本发明涉及一种高阶滑模控制器的参数整定方法，基于随机鲁棒性分析，通过蒙特卡洛随机试验的方式对控制系统的稳定性和性能进行评估，以闭环控制系统的鲁棒性最大化为目标，实现对高阶滑模控制器参数的优化设计。首先，使用随机鲁棒性分析方法在概率的维度上对控制系统的稳定性和性能进行描述，其中概率估计方法选为蒙特卡洛随机试验；然后使用Chernoff边界理论对蒙特卡洛试验所得到的概率估值进行评估，确定随机试验的样本量，减少不必要的随机试验，以节约计算资源；最后，确立闭环控制系统的随机鲁棒性与控制器设计参数之间的一一对应关系，运用优化算法对高阶滑模控制器的设计参数进行寻优计算，以实现闭环系统鲁棒性最大化的目标。
-
公开(公告)号：CN108445749B
公开(公告)日：2020-05-12
申请号：CN201810110338.0
申请日：2018-02-05
Applicant: 西北工业大学
IPC: G05B13/04
Abstract: 本发明涉及一种高阶滑模控制器的参数整定方法，基于随机鲁棒性分析，通过蒙特卡洛随机试验的方式对控制系统的稳定性和性能进行评估，以闭环控制系统的鲁棒性最大化为目标，实现对高阶滑模控制器参数的优化设计。首先，使用随机鲁棒性分析方法在概率的维度上对控制系统的稳定性和性能进行描述，其中概率估计方法选为蒙特卡洛随机试验；然后使用Chernoff边界理论对蒙特卡洛试验所得到的概率估值进行评估，确定随机试验的样本量，减少不必要的随机试验，以节约计算资源；最后，确立闭环控制系统的随机鲁棒性与控制器设计参数之间的一一对应关系，运用优化算法对高阶滑模控制器的设计参数进行寻优计算，以实现闭环系统鲁棒性最大化的目标。
-
-
-
-
Search Results
5
records
(took 0.027 seconds)
