-
题名机械臂自抗扰控制的自适应-重构粒子群优化
被引量：1
- 1
-
-
作者
郑伦川
梁新元
袁乖宁
-
机构
重庆水利电力职业技术学院大数据学院
重庆工商大学人工智能学院
-
出处
《机械设计与制造》
北大核心
2025年第2期231-235,共5页
-
基金
重庆市教委科学技术研究项目(KJQN201805405)。
-
文摘
为了减小机械臂在扰动作用下的控制误差,提出了基于自适应-重构粒子群算法的机械臂自抗扰控制优化方法。介绍了自抗扰控制器的组成和工作原理,依据ITAE指标建立了自抗扰控制参数的优化模型。对粒子群算法的粒子进化能力和算法进化能力进行了定义,基于两种进化能力构造了自适应学习因子,使粒子能够自适应选择高效率学习对象;引入了粒子随机重构策略,使算法具备跳出局部最优的能力,将新型算法命名为自适应-重构粒子群算法。经过仿真测试和验证,自适应-重构粒子群算法的优化能力强于标准算法;在时变扰动和恒值扰动作用下,自适应-重构粒子群算法优化的机械臂控制误差远小于标准粒子群算法。仿真结果验证了自适应-重构粒子群算法在机械臂自抗扰控制优化中的优越性。
-
关键词
机械臂
自抗扰控制
自适应学习因子
粒子重构策略
粒子群算法
-
Keywords
Manipulator
Active Disturbance Rejection Control
Adaptive Learning Factor
Particle Re-construc⁃tion Strategy
PSO
-
分类号
TH16
[机械工程—机械制造及自动化]
TP241
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于特征增强和优化SVM的工控入侵检测
被引量：5
- 2
-
-
作者
黄一鸣
赵国新
魏战红
刘昱
-
机构
北京石油化工学院信息工程学院
-
出处
《计算机工程与设计》
北大核心
2021年第12期3373-3379,共7页
-
基金
国家自然科学基金青年基金项目(51405023)
北京市教委科研科技计划一般基金项目(KM201810017006)。
-
文摘
针对工控入侵检测系统数据质量低、模型优化差等问题,提出一种基于特征增强和优化支持向量机(LMDRT-AWPRPSO-SVM)的工控入侵检测方法,从数据和模型两方面进行改进。数据方面,针对工控系统缺乏高质量数据,通过对数边际密度比变换(LMDRT)生成新的数据特征,提高数据的质量;模型方面,为解决SVM参数优化过程中易陷入局部极小等问题,采用种群聚集度指导权重自适应变化和粒子重构策略改进粒子群算法(AWPRPSO),增强优化算法搜索能力。使用工控标准数据集进行实验,其结果表明,该方法提高了数据的质量,优化了SVM模型性能,构建的检测模型在检测精度与训练时间方面均有改善。
-
关键词
工控系统入侵检测
对数边际密度比变换
支持向量机
粒子群算法
种群聚集度
粒子重构策略
-
Keywords
industrial control system intrusion detection
logarithmic marginal density ratio transformation
support vector machine
particle swarm optimization algorithm
population aggregation degree
particle reconstruction strategy
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
