優(yōu)化控制和算法的案例
36基于matlab的對分解層數(shù)和懲罰因子進行優(yōu)化。蟻獅優(yōu)化算法優(yōu)化VMD,算術優(yōu)化算法優(yōu)化VMD ￥25.9
基于matlab的對分解層數(shù)和懲罰因子進行優(yōu)化。蟻獅優(yōu)化算法優(yōu)化VMD,算術優(yōu)化算法優(yōu)化VMD，遺傳優(yōu)化算法優(yōu)化VMD，灰狼優(yōu)化算法優(yōu)化VMD，海洋捕食者優(yōu)化算法優(yōu)化VMD，粒子群優(yōu)化VMD，麻雀優(yōu)化算法優(yōu)化VMD，鯨魚優(yōu)化算法優(yōu)化VMD。程序已調(diào)通，可直接運行。
基于四輪轉向和直接橫擺力矩控制的路徑跟蹤集成底盤控制算法設計
Mashadi等人[15]將線性二次調(diào)節(jié)器 (LQR) 技術應用于4WS 車輛的路徑跟蹤控制器設計并得出結論，4WS 車輛顯示出AGV車輛的路徑跟蹤控制潛力。上述設計的 LQR 控制器雖然具有良好的路徑跟蹤能力，但僅適用于沒有參數(shù)擾動和外部擾動的名義模型[1]。顯然，參數(shù)擾動和外部擾動的存在會增加AGV路徑跟蹤控制的難度。為了解決擾動模型的路徑跟蹤控制器設計問題，提出了一種基于SMC理論的4WS車輛自動路徑跟蹤控制器[14]，具有比FWS路徑跟蹤控制器更精確的路徑跟蹤能力，并且具有 抗系統(tǒng)不確定性的魯棒能力。Yakub及其同事[16,17]研究了帶有前饋控制器的MPC方法實現(xiàn)4WS的AGV的路徑跟蹤控制，并證明MPC能夠保持車輛穩(wěn)定性，并具有消除側風效應的能力。文獻[18]設計了一種用于AGV的集成4WS魯棒控制器，在存在參數(shù)不確定性的情況下，能夠使車輛跟蹤所需的路徑。
在各種研究中，直接橫擺力矩控制 (DYC) 是提高車輛操縱穩(wěn)定性的有效方法[19-22]，特別是對于帶有四個輪轂電機的四輪獨立驅動 (4WID) 電動汽車 (EV) ，每個輪轂電機的驅動和制動轉矩都可以獨立控制，可以充分提高DYC的控制性能。為了充分提高動態(tài)性能，本文將4WS和DYC都用于AGV的路徑跟蹤控制器設計。
與其他控制算法相比，魯棒控制可以更有效地處理參數(shù)擾動和外部擾動。通常，魯棒控制理論的主要有力工具是優(yōu)化方法和合成方法。這兩種方法都基于簡化的線性模型，盡管線性模型與實際系統(tǒng)模型相比并不準確[23]。優(yōu)化方法可以實現(xiàn)魯棒穩(wěn)定性和名義性能要求，一些魯棒性能要求也可以滿足[24]，然而，這種方法相對保守，因為該理論無法仔細區(qū)分系統(tǒng)擾動[25]。相比之下，合成方法基于結構化奇異值理論，可以實現(xiàn)魯棒穩(wěn)定性[26,27]。為此，本文使用合成方法來設計路徑跟蹤控制器。
展開 安全舒適兩不誤：探討優(yōu)化算法在規(guī)劃控制中的應用
往細一點說，就是如何通過優(yōu)化算法在規(guī)劃和控制模塊中找到安全性和舒適性的平衡點。
安全性和舒適性的定義
安全性的定義其實比較好理解，一般包括不發(fā)生碰撞和遵守交通規(guī)則（交通燈、停車標志、限速）。
而舒適性則受下面兩個指標影響：
Jerk，即加速度的變化率。當加速度的變化越小，乘客體感越舒適。
Curvature rate，即曲率變化率。當曲率的變化率越小，乘客體感越舒適。
在二者的定義基礎上，
“安全舒適兩不誤”也就意味著在遵守交規(guī)且不發(fā)生碰撞的基礎上，控制好行駛時的加加速度和行進路線的曲率變化率
。
規(guī)劃和控制的定義
規(guī)劃（Planning）和控制（Control）是自動駕駛最底層的部分，
決定了車在路上如何行使
。
一般來說，規(guī)劃所需要的輸入（Input）信息包括：地圖信息，起點終點，障礙物預判，交通標志以及感知信息，即周圍的物體位置、大小、速度、方向等。
借助這些輸入信息，規(guī)劃模塊可以輸出（Output）一段時間的行駛軌跡（Traj
ectory），即某一個時間無人車行駛到到某個位置的函數(shù)（Xt~Yt）
。
而規(guī)劃輸出的軌跡正好是控制（Control）模塊的兩項輸入之一，另一項輸入是車輛自身的狀態(tài)，包括車的位置、heading（行駛朝向）、速度、加速度、角速度等信息。
而控制模塊會輸出以下兩類信息：
Brake/throttle pedal，剎車和油門
Steering angle，轉向角
簡單來說，控制的目的是讓自動駕駛車能夠精準實現(xiàn)規(guī)劃模塊給出的行駛指令。
上面就是規(guī)劃和控制的簡單定義。
展開 基于遺傳算法優(yōu)化阻尼器空間位置的結構振動控制
基于遺傳算法優(yōu)化阻尼器空間位置的結構振動控制
李宏男 董松員 李宏宇
大連理工大學海岸和近海工程國家重點實驗室，沈陽建筑大學土木學院
摘要：通過對多層結構在二維地震動作用下的控制算法和控制機構布置準則的分析，建立了控制機構的布置優(yōu)化模型，利用改進的遺傳算法中二進制單點交叉，避免了用懲罰函數(shù)。以一棟帶有阻尼器控制的結構為例，進行了數(shù)值計算和分析，結果與窮舉法比較表明，本文優(yōu)化算法是快速而有效的。
關鍵詞：主動控制，遺傳算法，優(yōu)化布置，阻尼器，多維地震動
內(nèi)容簡介：
0 引言
1 運動方程及求解方法
2 控制機構的最優(yōu)布置準則
3 采用的遺傳優(yōu)化算法
3.1 編碼
3.2 適應度函數(shù)
3.3 選擇
3.4 改進的二進制單點交叉
3.5 變異
3.6 收斂
3.7 懲罰函數(shù)
4 數(shù)值計算及分析
5 結語
基于遺傳算法優(yōu)化阻尼器空間位置的結構振動控制.pdf
展開 
一本優(yōu)化方面的不錯的書（有粒子群算法和遺傳算法）
一本優(yōu)化方面的不錯的書（有粒子群算法和遺傳算法）書 名 精通MATLAB最優(yōu)化計算
出 版 社 電子工業(yè)出版社
此書含有100多個實用程序，完全可以直接拿來使用。
《精通MATLAB最優(yōu)化計算》的主要內(nèi)容是應用MATLAB來解決最優(yōu)化問題，通過將“最優(yōu)化問題”、“MATLAB優(yōu)化工具箱”和“MATLAB編程”這三方面有機結合進行講述，即一方面是使用工具箱來快速解決最優(yōu)化問題，另一方面是通過算法編程深入解決最優(yōu)化問題。
《精通MATLAB最優(yōu)化計算》側重于最優(yōu)化算法的MATLAB實現(xiàn)，同時精選了大量的最優(yōu)化問題實例，通過實例的求解，生動地教會讀者掌握MATLAB在最優(yōu)化問題方面的應用。
通過《精通MATLAB最優(yōu)化計算》，讀者不僅能掌握使用MATLAB最優(yōu)化工具箱來快速解決實際問題，而且能學會分析優(yōu)化算法和采用MATLAB編程解決最優(yōu)化問題，從而提高分析和解決問題的能力。
展開 77基于matlab的蟻群優(yōu)化路徑算法，二維路徑和三維路徑優(yōu)化 ￥55.9
基于matlab的蟻群優(yōu)化路徑算法，二維路徑和三維路徑優(yōu)化。輸出可視化最優(yōu)路徑和距離迭代曲線。數(shù)據(jù)可更換自己的，程序已調(diào)通，可直接運行。
21GA-ELM，遺傳算法優(yōu)化ELM預測，并和優(yōu)化前后以及真實數(shù)值進行對比，確定結果。 ￥15.9
GA-ELM，遺傳算法優(yōu)化ELM預測，并和優(yōu)化前后以及真實數(shù)值進行對比，確定結果。基于MATLAB平臺，程序已經(jīng)調(diào)通，可以直接運行。
PID控制算法如何通過C語言和梯形圖實現(xiàn)
PID控制算法公式
C語言程序
其實用代碼將算法的加減乘除實現(xiàn)一下就可以了。
梯形圖程序
21GA-ELM，遺傳算法優(yōu)化ELM預測，并和優(yōu)化前后以及真實數(shù)值進行對比，確定結果 ￥18.8
GA-ELM，遺傳算法優(yōu)化ELM預測，并和優(yōu)化前后以及真實數(shù)值進行對比，確定結果，基于MATLAB平臺，程序已經(jīng)調(diào)通，可以直接運行，需要直接拍下。
永磁同步電機降階模型抽取和矢量控制算法仿真
永磁同步電機矢量控制系統(tǒng)聯(lián)合仿真模型
7 總結
通過對永磁同步電機降階模型抽取得到數(shù)據(jù)表，等效抽取的結果是基于有限元計算得到的，在控制系統(tǒng)聯(lián)合仿真過程中只需通過查表的方法就能快速得到電機得性能，既保證了精度又保證了速度。在控制系統(tǒng)聯(lián)合仿真過程中具有重要的意義。同時將電機模型與控制系統(tǒng)進行系統(tǒng)性聯(lián)合仿真將有助于提高仿真準確度，為進一步優(yōu)化電機本體及控制器策略提供了重要的參考意義。
永磁同步電機降階模型抽取和矢量控制算法仿真
永磁同步電機矢量控制系統(tǒng)聯(lián)合仿真模型
7 總結
通過對永磁同步電機降階模型抽取得到數(shù)據(jù)表，等效抽取的結果是基于有限元計算得到的，在控制系統(tǒng)聯(lián)合仿真過程中只需通過查表的方法就能快速得到電機得性能，既保證了精度又保證了速度。在控制系統(tǒng)聯(lián)合仿真過程中具有重要的意義。同時將電機模型與控制系統(tǒng)進行系統(tǒng)性聯(lián)合仿真將有助于提高仿真準確度，為進一步優(yōu)化電機本體及控制器策略提供了重要的參考意義。
有限元網(wǎng)格剖分算法和網(wǎng)格優(yōu)化資料
提供兩篇文章，一篇講剖分算法，一篇講網(wǎng)格優(yōu)化
qmorph.pdf
An approach to combined Laplacian and optimization-based smoothing for triangula.pdf
『公告』歡迎各位網(wǎng)友討論上傳關于tosca軟件以及優(yōu)化算法的作品和資料！
歡迎各位網(wǎng)友討論上傳關于tosca軟件以及優(yōu)化算法的作品和資料！相對與其它板塊來講，tosca板塊發(fā)展的比較慢，一方面是這個軟件進入中國比較晚，因此不是有很多人在用；另一方面就是相關資料很少。因此希望有比較好的tosca作品已經(jīng)相關資料的網(wǎng)友，不要吝嗇，上傳上來和各位一起分享，作為鼓勵措施我會給予一定的獎勵分并推薦為精華貼，如果非常經(jīng)典的資料或者作品我將幫助上報給管理員進行一定程度的可用分獎勵。
使用tosca主要是為了作結構優(yōu)化，以指導我們的設計工作，也歡迎大家討論優(yōu)化算法方面的問題和心得！
希望各位和我一起把此板塊盡快發(fā)展起來，使用這個軟件的人員盡快壯大起來，我想這對我們自身的學習也會有很大幫助的。
展開 基于optistruct考慮靜態(tài)和動態(tài)的多目標下汽車控制臂拓撲優(yōu)化 ￥100
案例是基于optistruct考慮靜態(tài)與動態(tài)特性下的汽車控制臂拓撲優(yōu)化。結構多目標拓撲優(yōu)化是以體積分數(shù)不超過0.3為約束條件，同時考慮靜態(tài)多剛度目標和動態(tài)振動頻率（1階模態(tài)頻率）為目標的拓撲優(yōu)化。
有限元模型
基于SIMP的多工況靜態(tài)剛度-特征值拓撲優(yōu)化數(shù)學模型如下：
折衷拓撲優(yōu)化后的結果
目標響應迭代曲線
優(yōu)化前的前三階模態(tài)及陣型：
一階模態(tài)
二階模態(tài)
三階模態(tài)
優(yōu)化后的前三階模態(tài)及陣型：
一階模態(tài)
二階模態(tài)
三階模態(tài)
本案例僅提供模型文件結果文件及相關指導，凡購買的朋友針對本案例仿真實現(xiàn)上有什么疑問可以私信。
展開 基于optistruct考慮靜態(tài)和動態(tài)的多目標下汽車控制臂拓撲優(yōu)化 ￥200
本案例是基于optistruct考慮靜態(tài)與動態(tài)特性下的汽車控制臂拓撲優(yōu)化。結構多目標拓撲優(yōu)化是以體積分數(shù)不超過0.3為約束條件，同時考慮靜態(tài)多剛度目標和動態(tài)振動頻率目標的拓撲優(yōu)化。由折衷規(guī)劃法結合平均頻率法可得到多目標拓撲優(yōu)化的綜合目標函數(shù)：
有限元模型
基于SIMP的多工況靜態(tài)拓撲優(yōu)化數(shù)學模型如下：
折衷拓撲優(yōu)化后的結果
目標響應迭代曲線
優(yōu)化前的前三階模態(tài)及陣型：
一階模態(tài)
二階模態(tài)
三階模態(tài)
優(yōu)化后的前三階模態(tài)及陣型：
一階模態(tài)
二階模態(tài)
三階模態(tài)
更加詳細的說明見收費內(nèi)容部分，本案例僅提供模型文件結果文件及相關指導，凡購買的朋友針對本案例仿真實現(xiàn)上有什么疑問可以私信。
請尊重原創(chuàng)，版權所有，翻版必究！
展開 優(yōu)化控制和算法的相關專題、標簽、搜索
優(yōu)化控制和算法噪聲控制和優(yōu)化人形機器人運動控制算法優(yōu)化優(yōu)化算法電機控制算法FOC控制算法 優(yōu)化設計仿真優(yōu)化 tosca structure拓撲優(yōu)化進階16講-掌握tosca控制算法和敏感算法實際工程應用能力tosca structure拓撲優(yōu)化進階16講-掌握tosca控制算法和敏感算法實際工程應用能力-在目錄_仿真秀-1000宇樹unitree as2 優(yōu)化運動控制算法遺傳算法優(yōu)化規(guī)則因子的模糊控制器基于代理模型和遺傳算法的仿真優(yōu)化基于遺傳算法和bp神經(jīng)網(wǎng)絡的參數(shù)優(yōu)化
