改進的克隆選擇算法及其在控制器參數整定中的應用.pdf

1、克隆選擇算法是根據生物免疫系統(tǒng)中的克隆選擇學說而提出的一種仿生智能計算方法，該算法依據親和度，對抗體進行不同程度的繁殖和變異操作，具備較強的自適應能力、學習能力和保持種群多樣性的能力，已在眾多實際工程領域中得到了廣泛的應用。但算法本身也存在一些缺陷，如求解精度不高、收斂速度較慢及易出現早熟收斂等。因此，對克隆選擇算法的改進研究已成為熱點課題。
　　 在算法原理及其改進原則研究的基礎上，本文提出一種改進算法一混沌云克隆選擇算法(C

2、CCSA)。其基本思想是:利用混沌序列初始化種群，提高初始種群的質量，以提高算法的求解精度;在算法進化的過程中融入基于云模型的變異算子，改善種群多樣性，防止陷入局部最優(yōu)。標準函數測試結果表明，改進算法求解精度高，收斂速度快。但該算法在解決高維(10維以上)、復雜函數問題時，其優(yōu)化性能欠佳，為此，在混沌云克隆選擇算法框架的基礎上，融入文化算法，利用文化算法信念空間的知識結構指導種群的進化過程，增強算法搜索的方向性和目的性，以提高算法的全局

3、搜索和局部精細搜索能力。典型函數測試結果表明，改進的算法能有效防止早熟收斂，具有較強的全局搜索能力。
　　 自抗擾控制器參數眾多難以優(yōu)化，制約了該控制器在工程上的廣泛使用，因此，控制器的參數整定優(yōu)化已成為研究的熱點。通常，對其性能影響比較突出的（β01，β02，β03，β1，β2）5個參數進行整定優(yōu)化。因此，本文中將混沌云克隆選擇算法應用于二階自抗擾控制器的參數優(yōu)化整定，以時滯系統(tǒng)為受控對象，參考ITAE性能指標建立目標評價函數