1．对PSO算法进行改进

对PSO算法进行深入的分析和研究，PSO算法在使用过程中存在易于陷入局部最优，收敛精度不高等缺陷。提出递阶粒子群优化算法(HPSO)，并对算法的收敛性进行证明。HPSO的基本思想是：将待优化的参数分为控制层和参数层两部分，控制层处于上层，采用二进制方式编码，“l”表示对应的粒子处于激活状态；“0”表示对应的粒子处于休眠状态，与之相联系的参数层处于无效状态。参数层处于下层，受控制层的控制，参数层粒子采用实数编码方式。

通过仿真分析证明，HPSO算法比PSO算法计算精度高、收敛速度快。

其中算法设计部分包括： = 1 \* GB3 ①粒子以随机的方法在整个问题空间中流动并且可以对自己所处的环境进行评价(计算适应度)。 = 2 \* GB3 ②每个粒子均可以记忆自己到过的最好位置。 = 3 \* GB3 ③每个粒子可以感知邻近粒子已达到的最好位置。 = 4 \* GB3 ④在改变速度的时候同时考虑自己到过的最好位置和邻近粒子已达到的最好位置。

2．解耦控制器的设计

考虑到车床控制系统具有非线性、强耦合、大时滞的特点，若对板形板厚进行高精度的控制，必须实现板形板厚解耦。因此，建立RBF神经网络板形板厚多变量控制系统。用HPSO算法优化RBF神经网络设计解耦控制器。为了使RBF神经网络解耦控制器具有更好的鲁棒性和自适应性，提出基于过程最优的隐含约束条件加权目标函数的权值在线自学习算法。

RBF神经网络的训练过程实际上就是对两组网络参数的学习，即隐层节点中心、RBF的宽度、以及隐层节点数和隐层到输出层连接权值。所以目前出现的算法也都可以大致分为两步：第一步是利用非监督聚类方法训练径向基函数的参数，包括函数的中心和宽度；第二步是训练隐层到输出层的连接权值。

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

FPGA公司项目代做|matlab硕士代做|matlab博士代做|非中介|淘宝交易|MATLAB SCI代写|MATLA期刊代写

FPGA公司项目代做|FPGA硕士代做|FPGA博士代做|非中介|淘宝交易|FPGA SCI代写|FPGA期刊代写

FPGA公司项目代做|Simulink硕士代做|Simulink博士代做|非中介|淘宝交易|Simulink SCI代写|Simulink期刊代写