目录
第一章引言---------------------------------------------- 1第二章系统方案论证与选择-------------------------------- 2
2.1 路面黑线检测模块--------------------------------------------------- 2
2.2 电机驱动模块------------------------------------------------------- 2
2.3 测速及距离检测模块------------------------------------------------- 3
2.4 电源模块----------------------------------------------------------- 4 第三章系统的硬件设计-------------------------------------------------5
3.1 红外检测电路设计--------------------------------------------------- 5
3.2 电机驱动电路设计--------------------------------------------------- 5
3.3 转速检测电路设计 -------------------------------------------------- 6
3.4 电源电路设计 ------------------------------------------------------ 7
3.5 加速度检测电路设计-------------------------------------------------7
3.6 辅助电路设计-------------------------------------------------------7 第四章控制规则分析-------------------------------------- 8
4.1 一般寻迹的控制规则-------------------------------------------------8
4.2 特殊寻迹的控制规则-------------------------------------------------9第五章系统的软件设计------------------------------------------------11
5.1 主程序流程图------------------------------------------------------11
5.2 中断程序流程图----------------------------------------------------11
5.3 电机调速程序流程图------------------------------------------------12
5.4 保护电路程序流程图------------------------------------------------12
5.5 出线处理程序流程图------------------------------------------------12
5.6 交叉处理程序流程图------------------------------------------------13第六章系统设计说明-------------------------------------------------14
6.1 开发工具----------------------------------------------------------14
6.2 制作、安装--------------------------------------------------------14
6.3 调试过程说明------------------------------------------------------14
6.3.1 测速电机调试--------------------------------------------------15
6.3.2 舵机调试------------------------------------------------------15
6.3.3 按键调试------------------------------------------------------15
第七章车模主要技术参数说明------------------------------16
7.1 车模基本参数------------------------------------------------------16
7.2 传感器及电机个数--------------------------------------------------16
7.3 电路参数----------------------------------------------------------16
7.4 赛道信息----------------------------------------------------------16 第八章结论----------------------------------------------17参考文献
附录A：系统硬件原理图
附录B：主程序源代码
附录C：中断服务程序源代码
附录D：研究论文
第一章引言
本设计采用飞思卡尔16位微控制器MC9S12DG128作为核心控制单元。赛道黑线检测使用反射式红外传感器，车速采用闭环PI控制，速度传感器使用测速电机，利用PWM实现动态电机调速。测距应用简单而精确的光电码盘。电机驱动采用H桥半桥控制。基于这些可靠的硬件设计，开发了一套完备的软件设计，包括电机PI控制算法，舵机仿人智能控制算法，低电压报警设计等。
本设计主要特色：
●模块化设计
●连续的电机调速，精确可靠；
●优化的软件算法，智能化的自动控制，定位精确；
●主板设计兼顾多种用途方案，复用性强；
●车模重心适当，整车设计美观、合理；
●电源指示灯、低压指示、报警，电源工作状态一目了然；
第二章系统方案论证与选择
整个系统可以划分为以下几个基本模块，如图2.1所示：
图2.1 系统整体框图
2.1 路面黑线检测模块
通常用以检测黑线的传感器有CCD和红外两种。
方案一：使用CCD传感器探测赛道。原理是通过CCD传感器将赛道图像以数字信号传送给MCU。优点是CCD摄像头可以更远的探测赛道的变化，受外界光源干扰小，但其输入的数字信号处理复杂，需要对图像信号进行分割和识别，对于MCU来说处理速度很慢。不适合用在高速行驶的赛车上。
方案二：使用加载波信号的红外传感器探测赛道。原理是发射管加入高频载波信号，接收管接收到的信号通过滤波、检波和比较器，输出高低电平给单片机的IO口，其优点是不需要单片机进行信号的处理，直接通过IO口就可以读出传感器的状态，且传感器不受自然光影响，缺点是对反射物体表面反射系数要求较高，容易受到其他同频率的光源影响，且电路复杂，不容易调试。
方案三：使用直流发射的红外传感器探测赛道。原理是发射管工作在直流发射，接收管接收到的信号幅值大小表示反射面反射系数的大小，从而区别黑色和白色。优点是电路简单可靠，受高频信号干扰小，缺点是自然光影响较大。但是对于固定不变的光源，其在黑线和白线上检测的信号还是有很大的区别，完全不影响检测赛道。
基于上述方案分析，本次设计采用了方案三。
2.2 电机驱动模块
绝大多数直流电机采用开关驱动方式。开关驱动方式是使半导体功率器工作
在开关状态，通过控制脉宽调制PWM来控制电动机电枢电压，实现调速。PWM调速分为：定宽调频法、调宽调频法和定频调宽法。前两种方法由于在调速时改变了控制脉冲的周期（或频率），当控制频率与系统的固有频率接近时，将会引起振荡，因此，选用定频调宽法。
直流电机PWM控制系统有可逆和不可逆系统之分。可逆系统是电机可以正反两个方向旋转；不可逆是指电动机只能单向旋转。双极性可逆系统具有低速运行平稳性的优点，但也存在着电流波动大，功率损耗较大的缺点，尤其是必须增加死区来避免开关管直通的危险。单极性可逆系统在制动时，其制动效果会受到一定的限制。不可逆系统又分为无制动与有制动之分。由于不可逆控制系统控制简单可靠，结合本设计的需要，我们选用了有制动的不可逆PWM系统。对于其实现有两种方案。
方案一：采用MC33886集成芯片进行驱动。其优点就是电路简单。芯片内部集成了自举电路、MOS管，死区保护电路等，具有短路保护、过温保护、错误标志反馈等功能。由于其集成度高，价格也就相应的比较贵。
方案二：采用分立元件驱动。其最大缺点就是需要外接电路。但其应用很灵活，可以根据不同的驱动电流选择不同的MOS管，一旦发生烧元件的事故，可以很容易的换取。并且采用分立元件构成的电路也比较便宜。
综上所述，两种方案各有千秋，难以取舍，最终我们采取折中的办法，主板上兼顾两种方案。
2.3测速及距离检测模块
2.3.1速度检测方案
方案一：采用霍尔集成片。该器件内部由三片霍尔金属板组成，当磁铁正对金属板时，由于霍尔效应，金属板发生横向导通，因此可以在车轮上安装磁片，而将霍尔集成片安装在固定轴上，通过对脉冲的计数来进行车速测量。
方案二：受鼠标的工作原理启发，采用断续式光电开关。由于该开关是沟槽结构，可以将其置于固定轴上，再在车轮上均匀地固定多个遮光条，让其恰好通过沟槽，产生一个脉冲。通过脉冲的计数，对速度进行测量。
方案三：采用测速发电机。从废弃的手机中取出一个震动小电机，将该电机固定在车轴上，后轮带动震动电机旋转并输出电压信号，将该电压放大后送入单片机进行处理。当驱动电机全速运行时，震动电机输出最大电压；而在实际运行中，单片机对电压进行处理后，即可判断当前车速的快慢。
以上三种都是比较可行的转速测量方案。尤其是霍尔元件，在工业上得到广泛应用。但是在本次设计中，由于小车的车轮较小，方案一的磁片密集安装比较困难，容易产生相互干扰。方案二较方案一的检测精度要高一些，但是当车速很快时，单片机读取的脉冲不准确，存在误差，对车速的控制有影响。而方案三采用的是模拟量来测速，无论车速快慢，单片机均能准确地检测到电压，经过大量实验，用测速发电机测速精度可以达到97.7~99%。
综上论证，最终我们选择方案三。
2.3.2 距离检测方案
在小车的设计中，距离检测只是作为一种辅助手段，用于处理特殊情况，比如十字交叉角。我们拟采用光电码盘。在车后轮的轴上安装一铝片，在铝片上打18个孔，经过测算，车轮周长接近18cm，故每两个脉冲间隔相当于1cm。2.3.3 加速度检测方案
为了更好地控制小车，我们考虑把加速度检测作为一种辅助手段，拟选用美新公司的RD6400。该传感器是双轴的：X轴和Y轴，输出电压值。理论上讲，小车在直道行驶时，X轴输出很小，Y轴输出最大，此时可以加速；过弯时，X 轴和Y轴均有电压输出，此时可以稍稍减速。
2.4 电源模块
为了能使智能车系统能正常工作，就需要对电池电压调节。其中，单片机系统、车速传感器电路需要5V电压，路径识别的光电传感器和接收器电路电压工作为5V或直接由电池提供、伺服电机工作电压范围4.8V到6V，直流电机可以使用7.2V 2000mAh Ni-cd蓄电池直接供电。考虑到由于驱动电机引起的电压瞬间下降的现象，因此采用低压降的三端稳压器成为必然。
常见的电源滤波电路分为三种：电容滤波，RC滤波及π型滤波。电容滤波是最简单常见的滤波电路，只要把滤波电容并联在电路的输出端与负载之间即可。但对于大电流的电路，为了要让电路有稳定的直流输出、较低的涟波直流变化，往往需要加大滤波电容的容量。RC滤波的效果比电容滤波效果更佳。对于大电流的电路，会产生大的压降。π型滤波用在负载直流电流较大的场合，压降较小，就能得到更好的消除涟波效果。在本设计中，由于是用电池供电，电压的稳定性和功耗对我们的设计很重要。因此，π型滤波是我们的最佳选择。
第三章 系统的硬件设计
3.1 红外检测电路设计
为了检测路面黑线，我们采用红外检测方法，图4为红外检测电路。原理为：当使能端EN 为高时，检测屏蔽以节约能量。当EN 为低时，发射管SE 导通，当检测到黑线时，接收管RE 电压将发生变化。这样我们就可以根据这种变化来识别黑线。对于电压的变化，我们采用了两种方法来处理：模拟量采集和数字量采集。模拟量采集就是把AN 端直接接到单片机里，用软件的方法来设定阈值。数值量的方法就是把检测到的值通过比较器后输入单片机里，进行处理。图4中，由于发射电流较大，单片机是不能驱动的，因此，控制段输出是由ULN2003输出。R42、LED7用于显示检测的情况，便于观察调试。
3.2 电机驱动电路设计
主板兼顾了两种驱动方案，下面就驱动电路进行详细介绍。MOS 管驱动电路
电路中，选用的MOS 管为K2554，驱动电流为75A 、内阻为4.5 m
。Q4、Q8
图3.1 红外检测电路
R37
SE
RE
R38
EN
VC
V+PA6
54
2
U3B
LM339
R41
R42R39
LED7
R40
EN6VCC AN 图3.2 电机驱动电路
R20
R21
+C17
+
C14
b c
e
Q6
b
c e
Q7
PW2b
c
e
Q5
b
c
e
Q2
Q3
V
b
c
e
Q4
b
c
e
Q8
b c
e
Q9
R22
R23
R24
R26R25
R27
R28
C16
C18
V
2
31
FET2
PW0
2
3
1FET1
OUT1
VMO
与R22、R23、R24、R25构成高端驱动信号；Q9和R26、R27、R28构成低端驱动信号。PW0为电机的驱动信号。C16、C18用于消除电压尖波。由于电池电压较低不能够驱动高端MOS管FET1，因此，需要对高端控制部分进行升压处理。升压电路由Q2、Q3、Q6、Q7、Q8、R20、R21和C14、C17组成。PW2为升压脉冲输出端，输出为10KHz占空比50％。原理为：当PW2为低时，Q2、Q5截止、Q6、Q7导通，Q3中与V端相的二极管导通，C14端电压接近V伏；当PW2为高时，Q2、Q5导通、Q6、Q7截止，由于电容电压不能突变，因此C14端电压接近为2*V伏，达到了升压的目的。电容C17的作用为滤波和储能。
MC33886的驱动电路如下图所示：
图3.3 MC33886驱动电路图
3.3 转速检测电路设计
速度检测采用的是测速电机，输出的电压先经过高、低通滤波器（R15、C1、C8构成）滤除电磁干扰，再对信号进行放大，完整的检测电路如图3.4所示。
图3.4 转速检测电路
3.4 电源电路设计
本电路中，我们所使用的稳压器为LM2940，其不仅外接电路简单，而且带负载能力也比较强。LM2940的输出电流为1A，在输出为1A的情况下，其典型的压降只有0.5V。图3.5为5V电源产生电路，其中C3、L2和C5组成π型滤波器，这样使输出电压更稳定；C6、C8为存能、滤波电容。图3.6为舵机电源电路，在设计中，考虑到尽量使用相同芯片的原则，由于舵机电压需6V，因此在G脚并联两个二极管（D1为肖特基管，D11为普通二极管）使输出电压升高。
VCC
为了检测车的加速度情况，以便于控制，图3.7为加速度检测电路。传感器U3我们选用美新公司的RD6400，此传感器为双轴加速度传感器，其输出单片机可以直接采集处理。
硬件电路中，还加了许多去耦电容，其作用一是集成电路的蓄能电容，提供和吸收该集成电路的瞬间充放电能量、一是去除该器件的高频噪声。
3.6辅助电路设计
为了使智能车更智能，更人性化，我们加入了按键设定、声音提示、指示灯显示等电路。
第四章控制规则分析
4.1 一般寻迹的控制规则
赛车寻迹的好坏关键在于对转向的控制，由于赛车在行驶的过程中是一个非线性时变系统，所以我们在自主寻迹的控制算法中运用了仿人智能控制的思想。仿人智能控制的基本思想是在控制过程中利用计算机模拟人的控制行为、功能，最大限度地识别和利用控制系统动态过程所提供的信息特征，进行启发和直觉推理，从而实现对缺乏精确数学模型的对象进行有效控制。具体来说，就是依据被控量偏差的变化(变化量大小、变化趋势等)，及时调整控制量的大小，来抑制偏差的变化。
在小车的寻迹算法中，首先要明白偏差与偏差的变化的确切含义。小车的前排检测部分装有9个传感器，行驶时要始终保证最中间的传感器与轨道重合，故将最中间的传感器定义为中位。当轨迹偏离中位时，轨迹与中位之间的距离差即为算法中的偏差。此次偏差与下一次偏差的差值称为偏差的变化。偏差不仅有大小还有方向，由于传感器部分是对称的，若设定偏差向某一方变化为正，则向相反的方向变化就为负。
智能车的自主寻迹不外乎两种：直道跟踪、弯道跟踪。小车在不同情况下的控制规则是不一样的，下面就对这两种状况下的控制规则进行详细阐述。
1) 直道跟踪
①置一位置标志保存传感器和黑线的相对位置，始终让正中的传感器对准黑
线。
②如果出现了偏差,将根据偏差和偏差的变化对转向进行控制。
③若偏差增大，偏差的变化也增大，转向的调整幅度也要相应地增大，舵机角
增大；若偏差减小，偏差的变化也减小，转向的调整幅度也要相应减小，舵机角可以保持不变或者稍稍减小；若偏差不变，舵机角将保持不变，直至偏差为零，最中间的传感器与轨迹重合，小车沿着轨迹行驶。
④若偏差反方向变化，转向的控制规则同③。
⑤转向的调整速度还与小车目前的速度有关。速度越快，转向的调整速度越快；
速度越慢，转向的调整速度越慢。
⑥当偏差等于零时，直道要加速。
2) 弯道跟踪
①判断是否进入弯道。若进弯前的速度很快，在进行刹车的同时以较快的
速度调整到适合弯道的转向。
②进入弯道后，让小车以给定速度行驶，转向的调节尽量小，调节过大会出现
来回摆动的现象。
③小车出弯时加速。
4.2 特殊寻迹的控制规则
当赛车由于速度过快冲出赛道或者在行驶的过程中遇到赛道交叉，我们针对这两种特殊的情况需做特殊处理。
1）赛车冲出赛道
图4.1 小车偏离轨道
如图4.1所示，当赛车跑出赛道时，传感器检测不到黑线（即读出状态是0），针对这种情况，我们制定以下规则：
①置一位置标志保存传感器和黑线的相对位置。
②当黑线出了传感器检测范围时，查询位置标志，控制舵机为和出线前位置同
向的最大舵机角。
③保持最大舵机角直到传感器再次检测到黑线，然后进入正常寻迹。
2）十字交叉
如图4.2所示，交叉角分为两种，直线上的交叉和弯道后的交叉，针对这两种情况，我们分别制定了相应的规则。
(1)直道交叉
①置一位置标志保存传感器和黑线的相对位置。
②当有多个传感器同时检测到黑线时，查询位置标志，控制舵机为交叉前位置
同向的舵机角
图4.2 十字交叉角
(2) 弯道后的交叉
① 置一位置标志保存传感器和黑线的相对位置。
② 当出现传感器间隔检测到黑线时，查询位置标志，控制舵机为交叉前位置同向的最大舵机角。
③ 保持最大舵机角直到后排传感器检测到交叉，然后进入正常寻迹。
第五章系统的软件设计5.1 主程序流程图
5.2 中断程序流程图
图5.2 中断程序流程图
图5.3 电机调速程序流程图
5.3 电机调速程序流程图 5.4 保护电路程序流程图
图5.4 保护电路程序流程图 5.5 出线处理程序流程图
图5.5 传感器出线处理程序流程图5.6 交叉处理程序流程图
图5.6 交叉处理程序流程图
第六章系统调试过程说明
6.1开发工具
本次设计采用清华大学制作的BDM for S12开发工具。BDM全称背景调试模式（Background Debug Mode），优点有：
●针对MCU在工作电压和工作频率范围内所有功能的实时仿真
●针对目标器件的单步调试，全速运行和跟踪
●运行时可查看和更改内部寄存器和内存的数值
●片内多重硬件断点
●片内硬件触发和缓存替代了昂贵的总线分析器
6.2 制作、安装
本次设计电路板为两层PCB板，测速电机和光电码盘安装于车尾，红外检测安装在车前端10cm处，主板装于车身上，车体配重适当。车模的外形如图6.1 所示：
图6.1 车模外形图
6.3调试过程说明
6.3.1测速电机调试
驱动电机采用闭环控制，应用PI调节器，速度值通过测速电机后经AD采集，送入MCU处理。经过反复试验，确定了PI值。
6.3.2测速电机调试
经过试验，舵机右转极限位置对应脉冲宽度为 1.15ms，左转极限位置对应脉冲宽度为1.85ms，中心位置对应脉冲宽度为1.5ms。
6.3.3按键调试
调试中，为了方便一些基本参数的调节，使用了MCU中EEPROM，将按键设定的基本参数存入EEPROM中，方便读取和修改，而不需重新烧写程序。
第七章车模主要技术参数说明7.1车模基本参数
表6.1 车模基本参数
7.2传感器及电机个数
表6.2 检测元器件清单
7.3 电路参数
静态电流：0.5A
最大电流：2.5A
电容总容量：1920uF
7.4赛道信息
传感器检测精度：传感器检测分17个等级.
赛道采点频率：1次/1cm.
第八章结论
经过我们三名队员及指导老师3个月的设计、制作、调试，赛车已经达到较高水平，在本对自行设计长25米的赛道上，能够顺利过急弯、交叉弯等，且速度达1.2m/s以上。红外传感器工作稳定，能够适应不同环境和赛道，适应能力强。驱动电机实现动态调速，速度控制稳定。舵机控制采用仿人智能控制，控制效果好，寻迹精确。但赛车仍存在需要改进的地方，主要改进方面是舵机的转向不足，车轮附着力不够强等硬件部件，另外软件设计上仍有优化空间，可以进一步优化，提高单片机使用效率。
图A 系统硬件原理图
论文 题目：遗传应用算法 院系：计算机工程系 专业：网络工程 班级学号： 学生姓名： 2014年10月23日
摘要: 遗传算法是基于自然界生物进化基本法则而发展起来的一类新算法。本文在简要介绍遗传算法的起源与发展、算法原理的基础上,对算法在优化、拟合与校正、结构分析与图谱解析、变量选择、与其他算法的联用等方面的应用进行了综述。该算法由于无需体系的先验知识,是一种全局最优化方法,能有效地处理复杂的非线性问题,因此有着广阔的应用前景。 关键词: 遗传算法; 化学计量学; 优化 THEORY AND APPL ICATION OF GENETIC AL GORITHM ABSTRACT: Genetic Algo rithm( GA) is a kind of recursive computational procedure based on the simulation of principle principles of evaluati on of living organisms in nature1Based on brief int roduction of the principle ,the beginning and development of the algorithms ,the pape r reviewed its applications in the fields of optimization ,fitting an d calibration,structure analysis and spectra interpretation variable selection ,and it s usage in combination with othersThe application o f GA needs no initiating knowledge of the system ,and therefore is a comprehensive optimization method with extensive application in terms of processing complex nonlinear problems。 KEY WORDS : Genetic Algorithm( GA) Chemometrics Optimization 遗传算法是在模拟自然界生物遗传进化过程中形成的一种自适应优化的概率搜索算法，它于1962年被提出，直到1989年才最终形成基本框架。遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机化搜索算法, 由美国J. H. Ho llad教授提出, 其主要特点是群体搜索策略和群体中个体之间的信息交换。该算法尤其适用于处理传统搜索方法难以解决的复杂和非线性问题, 可广泛用于组合优化、机器学习、自适应控制、规划设计和人工生命等领域。 顾名思义,遗传算法(Genetic Algorithm ,GA)是模拟自然界生物进化机制的一种算法 ,即遵循适者生存、优胜劣汰的法则 ,也就是寻优过程中有用的保留 ,无用的则去除。在科学和生产实践中表现为 ,在所有可能的解决方法中找出最符合该问题所要求的条件的解决方法 ,即找出一个最优解。这种算法是 1960 年由
遗传算法 遗传算法（Genetic Algorithm）是基于进化论的原理发展起来的一种广为应用，高效的随机搜索与优化的方法。它从一组随机产生的初始解称为“种群”，开始搜索过程。种群中的每个个体是问题的一个解，成为“染色体”是一串符号。这些染色体在每一代中用“适应度”来测量染色体的好坏, 通过选择、交叉、变异运算形成下一代。选择的原则是适应度越高,被选中的概率越大。适应度越低，被淘汰的概率越大。每一代都保持种群大小是常数。经过若干代之后，算法收敛于最好的染色体，它很可能是问题的最优解或次优解。这一系列过程正好体现了生物界优胜劣汰的自然规律。 比如有编号为1到10的特征，现在要选取其中的5个，基于遗传算法的特征选择可以如下这样直观的理解： 下续（表格） 下续……
即设有4个不同的初始特征组合，分别计算判别值，然后取最大的2个组合（[1,2,3,4,9]和[1,3,5,7,8]）进行杂交，即互换部分相异的特征（4和7），得到新的两个特征组合（[1,2,3,7,9]和[1,3,4,5,8]）,然后再计算这两个新的组合的判别值，和原来的放在一起，再从中选择2个具有最大判别值的组合进行杂交。如此循环下去，在某一代的时候就得到了一个最好的特征组合（比如第2代的[1,3,5,7,9]的特征组合）。当然，在实际中每代的个体和杂交的数量是比较大的。 遗传算法的具体的步骤如下：
1.编码：把所需要选择的特征进行编号，每一个特征就是一个基因，一个解就是一串基因的组合。为了减少组合数量，在图像中进行分块（比如5*5大小的块），然后再把每一块看成一个基因进行组合优化的计算。每个解的基因数量是要通过实验确定的。 2.初始群体（population）的生成：随机产生N个初始串结构数据，每个串结构数据称为一个个体。N个个体，构成了一个群体。GA以这N个串结构数据作为初始点开始迭代。这个参数N需要根据问题的规模而确定。 3.交换(crossover)：交换（也叫杂交）操作是遗传算法中最主要的遗传操作。由交换概率( P)挑选的每两个父代 c 通过将相异的部分基因进行交换（如果交换全部相异的就变成了对方而没什么意义），从而产生新的个体。可以得到新一代个体，新个体组合了其父辈个体的特性。交换体现了信息交换的思想。 4.适应度值(fitness)评估检测：计算交换产生的新个体的适应度。适应度用来度量种群中个体优劣（符合条件的程度）的指标值，这里的适应度就是特征组合的判据的值。这个判据的选取是GA的关键所在。
仿人智能控制 仿人智能控制是仿效人的政行为而进行控制和决策，即在宏观结构上和功能上对人的控制进行模拟。 开展仿人智能控制的研究，是目前智能控制的一个重要研究方向。 1.仿人智能控制的原理 1.1 仿人智能控制的基本思想 传统的PID控制是一种反馈控制，存在着按偏差的比例、积分和微分三种控制作用。 比例：偏差一产生，控制器就有控制作用，使被控量想偏差减小的方向变化， 器控制作用的强弱取决于比例系数Kp 积分：它能对偏差进行记忆并积分，有利于消除静差，但作用太强，既Ti太大 会是控制的动态性能变差，以至使系统不稳定。 微分：能敏感出偏差的变化趋势， To大可加快系统响应（使超调减小），但又会 使系统抑制干扰的能力降低。 下面来分析一下PID控制中的三种控制作用的是指以及他们的功能与人的控制思维的某种智能差异，从而看出控制规律的智能化发展趋势。1）比例；PID中实质是一种线性放大或缩小的作用，它类似于人的想象能力，可以把一个量想得大一些或小一些，但人的想象力是非线性的是变的，可根据情况灵活变化。 2）积分作用：对偏差信号的记忆功能（积分），人脑的记忆功能是人类的一种基本智能，人脑的记忆是具有某种选择性的。可以记住有用的信息，而遗忘无用或长时间的信息，而PID中的积分是不加
选择的长期记忆，其中包括对控制不利的信息，同比PID中不加选择的积分作用缺乏智能性。 3）微分：体现了信号的变化趋势，这种作用类似于人的预见性，但PID中的微分的预见性缺乏人的远见卓识，且对变化快的信号敏感，对变化慢的信号预见性差 仿人智能控制的基本思想是指：在控制过程中利用计算机模拟人的控制行为能力，最大限度的识别和利用控制系统动态过程所提供的特征信息进行启发和直觉推理，从而实现对缺乏精确数学模型的对象进行有效的控制 1.2 仿人智能行为的特征变量 对系统动态特征的模式识别，主要是对动态模式的分类，根据系统偏差e及偏差变化△e以及由它们相应的组合的特征变量来划分动态特征模式，通过这些特征模式刻画动态系统的动态行为特征，以便作为智能控制决策的依据。 a b 图1 系统的典型阶跃响应曲线 图1给出了一个系统的典型阶跃响应曲线，曲线上a,b,F三处的系统输出是一样的，但他们的动态特征是不同的，a处偏差将继续偏离平衡
智能控制算法及其用于结构振动控制的实践 发表时间：2016-07-25T14:37:52.590Z 来源：《电力技术》2016年第4期作者：郝志伟[导读] 本文着重的概述智能控制领域中正在热门研究的模糊算法、人工智能算法和遗传算法等各个研究的方向。 新疆华隆油田科技股份有限公司新疆克拉玛依 834000 摘要：在智能控制的领域里有很多的研究方向可以供科研工作者们进行探索，而在土木工程的领域里结构振动的相关研究方向里，结构振动控制一直都是其中的热点。本篇文章主要是论述了智能控制算法的有关现状和发展的方向，并且还探讨了目前国内对于智能控制算法及其用于结构振动控制的实践上的发展前景。总的来说，在某种程度上智能控制算法的不断进化为土木工程的不断发展提供了充分的科学和技术支持，并且目前结构控制的热门研究方向就是结构智能控制【1】。本文着重的概述智能控制领域中正在热门研究的模糊算法、人工智能算法和遗传算法等各个研究的方向，也会对目前国内的智能控制算法在结构振动控制上的发展进行探讨。关键词：结构控制；智能算法；模糊推理；人工智能 国内的现代结构主动控制相关研究是在70年代的时候在国内刚刚兴起，目前已处于不断成熟的阶段，在国内的许多机械化的领域之内都十分的成功的应用了现代的控制理论，所以目前的结构控制的相关研究就是这样打下基础的。通过研究我们可以发现，在抗风和抗震程度上只有结构控制是能够得到的明显有效的效果。所以在国内的工程学一线领域里，结构控制是一个十分热门的研究方向。新兴的智能控制系统是一个十分新颖的理论技术，其具有十分强大的对整个局面的控制能力，即使面对复杂的系统操作也能进行有效的运算，容错能力显著，并且对于数学模型的处理能力很精通。 一、智能控制理论的起源 近百年以来各种新式技术不断的被发明发现，日新月异的更新着我们的生活和思想，而近十几年以来高新技术的迅速发展让越来越多的复杂数据需要更为精尖的科学技术理论和设备来进行操作处理，所以人工智能是顺应时代而生的产物。首次提出将人工智能和自动控制系统有效结合创新了这一领域的研究方向。从此以后，国内的相关领域便逐渐的转移到智能控制的高阶领域之中。除此之外，计算机领域的高速发展尤其是微计算机的研发和应用也为智能控制的研究提供了支持【2】。随着技术的不断进步和研究的逐渐深入，智能控制系统也在不断的完备。而智能控制算法和相关的智能控制结构也是以这个为基础得以被研究。 二、智能控制发展的相关方向 （一）模糊控制科研者通过制定一系列的控制策略和相关的数据规则总成一个控制规则并加给被操纵者和操作过程就是模糊控制的基本内容。模糊控制的鲁棒性较强，使用的时候不需要输入和建立具体的模型，在处理时滞或者时变等复杂程度较强的系统时易于给出专家的知识。然而模糊算法也有其短板，如果模糊处理的操作选择简单的处理时容易出现所控制的品质出现问题不易提高系统的精度，这种较大的局限性导致了模糊控制的系统性缺失。 （二）人工智能算法在某种程度上被称为机器智能的人工智能算法是一门较为边缘性的学科。通常被研发出来用于进行各种模拟替代人类行为，其研究前景极为广泛，在现阶段的发展范围之内，已经融入了多种学科并且涵盖了极为丰富的人文信息。并且根据现在科技的发展程度来看，其算法具有极强的可靠性和独立性。在进行运算的时候并不需要十分详细的具体参数数据和抗干扰能力十分了得。并且将人工智能算法用于产品的设计时，对于产品的设计整体性能都有更好的提升，其科学性设计理念和运算方式都对产品研发的效率大有裨益。 （三）优化算法优化算法是结合新式理论发展起来的应用前景十分广泛的热门研究，优化算法的出现成功的解决了神经网络应用中的短板和不足，对于神经网络的高效学习的有关算法和拓扑结构的优化设计的改善起到了十分关键的地步。而优化算法中的遗传算法是其中发展较为领先的方向。其通过模拟生物本身拥有的搜索功能和自身的优化算法，建立了一套独特的机制。现阶段的科研者们也在逐步的采用将遗传算法逐步的与神经网络控制和模糊控制相结合，通过将这三种各有优势和长处的智能控制算法相互取其长处的融在一起，在性能上既可以将模糊算法的推理规则和隶属的函数结构进行优化，还可以让神经控制算法的计算量得到有效的减少，对于实时控制的应用能够起到有效的实践作用【3】。 三、结构振动控制的实践 我国在早期就已经开始运用神经网络于智能控制的研究中，并且通过研究发现在非线性的建模中，神经网络算法的实际应用具有很强的作用。并且在近些年以来随着我国工业技术的不断革新，工业管理体系也在逐步的发展。在传统的研究方法之中，科研工作者们常常将神经网络和模糊算法的部分研究方向结合在一起，而在隶属函数的获取上应用更为广泛【4】。采用遗传算法来对隶属函数的参数进行操作节，可以较好的获得理想的实验数据。 到目前为止的国际上的结构振动控制相关的研究之中，智能控制一直是持续获得关注的研究热点。而目前，在无数科学家和相关科研人员们的努力之下，已经成功的将现代控制理论成功的转变为智能控制理论，该理论融合了大量的模糊识别和人工智能相关的理论知识，并且这一理论已经总结出了一系列成果例如结构智能控制等。近些年来由于智能控制系统的研发不断在进步，引起了我国许多社会部门和机械研究学科的相关领域的注意。例如在工业化生产中的油田开采就是极为重要的一项，所以现阶段国内的油田自动化技术与之前相比进步很大，尤其是油田自动化监控系统。在具体的生产运作中都是各个系统相互独立进行运作，但是彼此之间又是联系密切，共同组成一个完整综合的管理系统。基本上是可以实现从开采之前的数据采集研究到最后的生产管理都能在有效的自动体系之下进行运作【5】。除此之外还能实现数据的实时更新，方便企业对完成对数据库的完全掌握。而这些技术的革新，都会使油田的管理方式更加科学化和符合人工智能技术的要求，并且最终会带领着我国的油田工业在迈向更好更快发展的道路上，稳定前进。而现目前也有许多学者也对此提出了切实有效的研究策略和实验结果，例如以张顺宝为带头人的科研小组就实现了通过为结构的主动控制系统提供了时间差以便于能够缩短时迟的问题等。
仿人智能PID控制器设计 摘要：PID控制算法简单，参数调整方便，应用广泛。但是常规的PID控制器参数往往整定不良、性能欠佳，对运行工况的适应性很差。该文设计的仿人智能PID控制器用正态函数拟和模糊控制规则，辅以根据误差和误差变化率的调整，能根据实际情况调整和完善PID 参数，具有鲁棒性强，响应速度快，稳态精度高等优点。该方法在导弹自动驾驶仪的设计中有很好的应用效果。 关键词：控制器；模糊控制；自动驾驶仪；仿真 1 引言 据统计，工业控制的控制器中PID类控制器占90％上。PID控制器是最早出现的控制器类型，因其结构简单，各个控制器参数有着明显的物理意义，调整方便，所以这类控制器很受工程技术人员的欢迎。随着控制理论的发展，出现了各种分支，如专家系统、模糊逻辑、神经网络、灰色系统理论等，它们和传统的PID控制策略相结合又派生出各种新型的PID 控制器，大大改进了传统PID控制器的性能。本文设计的仿人智能PID 控制器把模糊控制规则函数化。能根据实际情况自动调整和完善PID参数的控制规则实现在线调整PID参数。 2 设计仿人智能PID控制器的参数 PID控制器的控制量的表达形式一般是： u = k p*error+k i*errori+k d*errord (1) 仿人智能 PID控制器的参数整定是找到PID控制的三个参数k p 、k i 、k d 与 误差e、误差变化率ē之间的关系，在运行中不断检测 e和ē；，根据控 制原理对k p 、k i 、k d 进行在线修改以满足不同 e和ē时对控制参数的不同 要求，而使得被控对象具有良好的动态、静态性能。 2.1 仿人智能 PID控制器参数的设计原则 从系统的稳定性、响应速度、超调量和稳态精度等方面考虑k p 、k i 、 k d 的作用如下： 1)比例系数k p的作用是加快系统的响应速度，提高系统的调节精度。k p越大，系统的响应速度越快，系统的调节精度越高，但易产生超调，甚至会
遗传算法的特点及其应用 上海复旦大学附属中学张宁 目录 【关键词】 【摘要】 【正文】 §1遗传算法的基本概念 §2简单的遗传算法 1．选择 2．交换 3．变异 §3简单的遗传算法运算示例 1．计算机公司的经营策略优化问题 2．函数优化问题 §4遗传算法应用举例 1．子集和问题 2．TSP（旅行商）问题 §5结束语 【附录】 1．子集和问题源程序 2．TSP（旅行商）问题源程序 【参考文献】
【关键词】 遗传算法遗传变异染色体基因群体 【摘要】 遗传算法是基于达尔文进化论，在计算机上模拟生命进化机制而发展起来的一门新学科。它根据适者生存，优胜劣汰等自然进化规则来进行搜索计算和问题求解。 文章的第一部分介绍了遗传算法的基本概念。第二部分介绍了遗传算法的原理以及三种运算：选择、交换、变异。第三部分着重介绍三种运算的具体实现，以及简单实例，主要体现遗传算法的实现过程。第四部分介绍了两个具体问题，都是属于NP-完全问题，如何用遗传算法来解决，以及实现时的一些基本问题。 文章在介绍遗传算法的原理以及各种运算的同时，还分析了一些应用中出现的基本问题，对于我们的解题实践有一定的指导意义。 【正文】 遗传算法作为一门新兴学科，在信息学竞赛中还未普及，但由于遗传算法对许多用传统数学难以解决或明显失效的复杂问题，特别是优化问题，提供了一个行之有效的新途径，且能够较好地解决信息学竞赛中的NP难题，因此值得我们进行深入的讨论。 要掌握遗传算法的应用技巧，就要了解它的各方面的特点。首先，让我们来了解一下什么是遗传算法。 §1遗传算法的基本概念 遗传算法（Genetic Algorithms，简称GA）是人工智能的重要新分支，是基于达尔文进化论，在计算机上模拟生命进化机制而发展起来的一门新学科。它
论文 题目：遗传算法应用 院系：计算机工程系 专业：网络工程 班级学号：112055126 学生姓名：崔小杰 2014年10月23日
内容摘要 图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。图像的分割是以灰度值作为分割的依据,通过各个像素的灰度值和事先确定的阈值的比较来分割图像。如何确定最合适的阈值是处理好图像分割的关键,这自然成为一直以来分割算法研究的焦点。 遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。 本文主要介绍基于遗传算法的最小误差阈值法、最大类间方差法（Otsu法）以及最佳直方图熵法(KSW熵法)等三种方法分割图像。 关键词：图像分割，遗传算法，阈值分割
目录 第一章绪论 .................................................. - 1 - 第二章遗传算法概述 ........................................ . - 1 - 2.1遗传算法的研究历史....................................... - 1 - 2.2生物背景................................................. - 2 - 2.3遗传算法的基本思想....................................... - 2 - 2.4遗传算法的几个概念....................................... - 2 - 2.4.1适应度函数......................................... - 2 - 2.4.2遗传算法最常用的算子............................... - 3 - 2.5遗传算法运算的基本流程 (4) 第三章图像分割的现状 ........................................ - 4 - 3.1图像分割简介............................................. - 4 - 3.2图像分割方法............................................. - 5 - 3.2.1基于边缘检测的分割 (6) 3.2.2基于区域的分割..................................... - 5 - 3.2.3边缘与区域相结合的分割............................. - 5 - 3.3阈值选取................................................. - 6 - 第四章基于新的遗传算法的图像分割 ............................ - 6 - 4.1混沌遗传算法............................................. - 6 - 4.2量子遗传算法............................................. - 6 - 4.3免疫遗传算法............................................. - 6 - 结论 ........................................................... - 7 - 参考文献: ...................................................... - 7 -
第二章 仿人与专家智能控制 2.1 仿人智能控制的基本思想和概念 1.仿人智能控制（Simulating Human Intelligent Control，SHIC）的基本思想 “仿人, 仿智”, 强调对人脑的宏观结构模拟与对人控制器模拟的结合。 仿人智能控制器应具有的基本结构和功能: (1)分层的信息处理和决策的高阶产生式系统结构; (2)在线的特征辨识与特征记忆; (3)开、闭环控制，正、负反馈，定性决策与定量控制相结合的 多模态控制； (4)启发式和直觉推理逻辑的应用。 2.仿人智能控制基本特点： （1） 研究的主要目标不是控制对象，而是控制器自身如何对控制专家结构和行为的模仿； （2） 辨识和建模的目标不是对象的定量数学模型，而是系统的动态特征模型和控制器定性与定量描述相结合的知识模型； （3）基于特征辨识与特征记忆的多模态控制可实现系统动态特性变化与控制器输出的多值影射关系，因而能使系统实现多种性能指标的优化。 （4）启发式与直觉推理，分层递阶的信息处理和多CPU并行的计算机硬、软件系统为仿人智能控制提供了具有在线自整定、自学
习和自适应能力的快速实时运行条件。 2．2 仿人智能控制的基本概念 1. 特征变量（Characteristic Variable ） 用来描述控制系统的动态特征和行为的变量称为特征变量。 （1）e e Δ? 0<Δ?e e ,表明系统动态过程正向误差减小的方向变化， 0>Δ?e e ，表明系统动态过程正向误差增大的方向变化。 （2）1?Δ?Δn n e e 相邻两次误差变化之积： 01<Δ?Δ?n n e e 表示出现极值（误差反方向） ； 01>Δ?Δ?n n e e 表示无极值。 2．特征模型 （Characteristic Model ） 仿人智能控制的特征模型定义为系统动态特性的一种定性和定量相结合的描述，它是根据控制问题求解和控制指标的不同要求，对系统动态信息空间∑的一种划分。 Σ∈=i n φφφφφ}, ,...,,{21 例如： ]/0[211δδαφ>>>≥Δ?=e e e e e e ∩∩ ∩ 特征状态由一些特征基元组合而成： },......,,{21m q q q =φ q 1: 0≥?e e 或 0≤ 或 ； q 3: 1δ 30维线性方程求解 摘要：非线性方程组的求解是数值计算领域中最困难的问题，大多数的数值求解算法例如牛顿法的收敛性和性能特征在很大程度上依赖于初始点。但是对于很多高维的非线性方程组，选择好的初始点是一件非常困难的事情。本文采用了遗传算法的思想，提出了一种用于求解非线性方程组的混合遗传算法。该混合算法充分发挥了遗传算法的群体搜索和全局收敛性。选择了几个典型非线性方程组，考察它们的最适宜解。 关键词：非线性方程组；混合遗传算法；优化 1. 引言遗传算法是一种通用搜索算法，它基于自然选择机制和自然遗传规律来模拟自然界的进化过程，从而演化出解决问题的最优方法。它将适者生存、结构化但同时又是 随机的信息交换以及算法设计人的创造才能结合起来，形成一种独特的搜索算法，把一些解决方案用一定的方式来表示，放在一起成为群体。每一个方案的优劣程度即为适应性，根据自然界进化“优胜劣汰”的原则，逐步产生它们的后代，使后代具有更强的适应性，这样不断演化下去，就能得到更优解决方案。 随着现代自然科学和技术的发展，以及新学科、新领域的出现，非线性科学在工农业、经济政治、科学研究方面逐渐占有极其重要的位置。在理论研究和应用实践中，几乎绝大多数的问题都最终能化为方程或方程组，或者说，都离不开方程和方程组的求解。因此，在非线性问题中尤以非线性方程和非线性方程组的求解最为基本和重要。传统的解决方法，如简单迭代法、牛顿法、割线法、延拓法、搜索法、梯度法、共轭方向法、变尺度法，无论从算法的选择还是算法本身的构造都与所要解决的问题的特性有很大的关系。很多情况下,算法中算子的构造及其有效性成为我们解决问题的巨大障碍。而遗传算法无需过多地考虑问题的具体形式，因为它是一种灵活的自适应算法，尤其在一些非线性方程组没有精确解的时候，遗传算法显得更为有效。而且，遗传算法是一种高度并行的算法，且算法结构简单，非常便于在计算机上实现。本文所研究的正是将遗传算法应用于求解非线性方程组的问题。 2. 遗传算法解非线性方程组为了直观地观察用遗传算法求解非线性方程组的效果，我们这里用代数非线性方程组作为求解的对象问题描述：非线性方程组指的是有n 个变量（为了简化讨论，这里只讨论实变量方程组）的方程组 中含有非线性方程。其求解是指在其定义域内找出一组数能满足方程组中的每 个方程。这里，我们将方程组转化为一个函数则求解方程组就转化为求一组值使得成立。即求使函数取得最小值0 的一组数，于是方程组求解问题就转变为函数优化问题 3. 遗传算子 遗传算子设计包括交叉算子、变异算子和选择算子的设计。 安徽大学 遗传算法期末小论文 题目：遗传算法的原理及其发展应用前景 学生姓名：朱邵成学号：Z15201030 院（系）：电气工程与自动化学院专业：模式识别教师姓名：吴燕玲 教师所在单位：安徽大学电气工程与自动化学院 完成时间：2016年6月 生物的进化是一个奇妙的优化过程，它通过选择淘汰，突然变异，基因遗传等规律产生适应环境变化的优良物种。遗传算法是根据生物进化思想而启发得出的一种全局优化算法。 遗传算法的概念最早是由Bagley J.D在1967年提出的；而开始遗传算法的理论和方法的系统性研究的是1975年，这一开创性工作是由Michigan大学的J.H.Holland所实行。当时，其主要目的是说明自然和人工系统的自适应过程。遗传算法简称GA(Genetic Algorithm)，在本质上是一种不依赖具体问题的直接搜索方法。遗传算法在模式识别、神经网络、图像处理、机器学习、工业优化控制、自适应控制、生物科学、社会科学等方面都得到应用。在人工智能研究中，现在人们认为“遗传算法、自适应系统、细胞自动机、混沌理论与人工智能一样，都是对今后十年的计算技术有重大影响的关键技术”。 一、遗传算法的基本概念 遗传算法的基本思想是基于Darwin进化论和Mendel的遗传学说的。Darwin 进化论最重要的是适者生存原理。它认为每一物种在发展中越来越适应环境。物种每个个体的基本特征由后代所继承，但后代又会产生一些异于父代的新变化。在环境变化时，只有那些熊适应环境的个体特征方能保留下来。Mendel遗传学说最重要的是基因遗传原理。它认为遗传以密码方式存在细胞中，并以基因形式包含在染色体内。每个基因有特殊的位置并控制某种特殊性质；所以，每个基因产生的个体对环境具有某种适应性。基因突变和基因杂交可产生更适应于环境的后代。经过存优去劣的自然淘汰，适应性高的基因结构得以保存下来。 由于遗传算法是由进化论和遗传学机理而产生的直接搜索优化方法；故而在这个算法中要用到各种进化和遗传学的概念。这些概念如下： 一、串(String) 它是个体(Individual)的形式，在算法中为二进制串，并且对应于遗传学中的染色体(Chromosome)。 二、群体(Population) 个体的集合称为群体，串是群体的元素 三、群体大小(Population Size) 在群体中个体的数量称为群体的大小。 四、基因(Gene) 基因是串中的元素，基因用于表示个体的特征。例如有一个串S＝1011，则其中的1，0，1，1这4个元素分别称为基因。它们的值称为等位基因(Alletes)。 五、基因位置(Gene Position) 一个基因在串中的位置称为基因位置，有时也简称基因位。基因位置由串的左向右计算，例如在串S＝1101中，0的基因位置是3。基因位置对应于遗传学中的地点(Locus)。 六、基因特征值(Gene Feature) 在用串表示整数时，基因的特征值与二进制数的权一致；例如在串S=1011中，基因位置3中的1，它的基因特征值为2；基因位置1中的1，它的基因特征值为8。 七、串结构空间SS 在串中，基因任意组合所构成的串的集合。基因操作是在结构空间中进行的。串结构空间对应于遗传学中的基因型(Genotype)的集合。 八、参数空间SP 过程控制中的仿人智能控制 引言 过程控制是工业自动化中一个最重要的分支，它主要针对所谓六大参数，即温度、压力、流量、液位、成分和物性等参数的控制问题。在过程控制中，了解被控对象的动态特性十分重要，控制系统的设计是依据被控对象的控制要求和动态特性进行的。过程控制涉及的被控对象大多具有以下特点:①被控对象的动态特性通常是单调曲线，被控量的变化一般比较缓;②被控对象在动态特性通常存在迟延或纯滞后;③被控对象的动态特性存在稳定的自衡过程，中性稳定的非自衡过程;④被控对象往往具有诸如饱和、死区、滞环和倒S形等非线形特性;⑤被控对象往往存在时变性和不确定性;⑥复杂的过程对象还可能是多变量和具有分布参数的性质。仿人智能控制的本质就是在宏观结构上及行为功能上对人控制器进行模拟。它以人的思维方式、控制经验、行为和直觉推理为基础，避开了求解繁琐的对象模型或建立脑模型时遇到的种种难题，所以更易于工程实践和应用。对于那些模型复杂或模型不存在的系统，仿人智能控制就成为最佳选择。而过程控制对象难以建立精确的数学模型，但一般说来可得到拟合简化后的模型结构，并且也很容易近似获取其中主要的特征参数;在获得一些基本的先验知识的前提下，仿人智能控制将会显示出其独特的优势。 1. 仿人智能控制的基本思想 仿人智能控制器(HSIC)在结构上是一个分层递阶的信息处理系统。直接控制层直接面对实时控制问题。自校正层解决直接控制层中控制模态的参数自校正问题。任务自适应层解决直接控制层或参数校正层中特征模型，推理规则和控制与决策模态或参数值的选择、修改、以至生成的问题。它与直接控制层和参数校正层一起构成一个典型的具有高阶产生式系统结构的单元智能控制器。智能控制器算法的设计过程就是建立特征模型及多模态控模型的过程。可用产生式规则IF<条件>THEN<结果>形式描述，条件是特征，结果是决策。这种形式描述了根据征辨识结果进行决策的过程，是对人(专家)决策过程的拟。 2. 仿人智能控制的基本理论 智能控制的基本思想是仿人、仿智，无数事实表明，迄今为止世界上最有效最高级的控制系统是人类自身，研究自身表现出来的控制机制，并用机器加以模仿是智能控制研究的重要捷径。 生物机体是一个庞大的复杂系统，人脑是我们至今知道的复杂系统之一，人的精神世界素有“第二宇宙”之称。要从结构功能上完全模仿人脑，以目前的科学技术水平而言，还只是幻想。在宏观结构模拟的基础上研究人的控制行为功能并加以模拟实现应该是必由之路。 在人参与的控制过程中，经验丰富的操作者并不是依据数学模型进行控制的，而是按过去积累的经验，如系统动态信息特征的定性认识进行直觉推理，在线确定 智能车转角与速度控制算法 1.检测黑线中点Center：设黑、白点两个计数数组black、white，从第一个白点开始，检测到一个白点，白点计数器就加1，检测到第一个黑点，黑点计数器就加1，并且白点计数器停止，以此类推扫描每一行；黑线中点=白点个数+（黑点的个数/2） 2.判断弯直道： 找出黑线的平均位置avg (以每10行或者20…作为参照，行数待定) 算出相对位移之和(每一行黑线中点与黑线平均位置距离的绝对值之和) 然后用Curve的大小来确定是否弯直道（Curve的阀值待定）。 3.控制速度： 根据弯度的大小控制速度大小。 //*****************************弯度检测函数*******************************// Curvecontrol () { int black[N]; //黑点计数器 int white[N]; //白点计数器 int center[N]; //黑线中点位置 int avg; //黑线中点平均位置 int curve；//N行的相对位移之和 if(白点) ++white[N]; //判断黑白点的个数 else ++black[N]; center[N]=white[N]+black[N]/2; //每一行的黑线中点avg=(center[1]+center[2]+...+center[N])/N; //求出黑线中点的平均位置 curve=(|avg-center[1]|+|avg-center[2]|+...+|avg-center[N]|)/N //求出N行的相对位移之和 return curve; //返回弯度大小 锅炉炉膛负压仿人智能控制毕业论文 目录 1 绪论........................................................ 错误!未定义书签。 1.1 课题背景及目的............................... 错误!未定义书签。 1.2 国外研究状况................................. 错误!未定义书签。 1.3 研究的容及要求............................... 错误!未定义书签。 1.4 设计难点及解决手段........................... 错误!未定义书签。 2 仿人智能控制系统的原理及特点........................... 错误!未定义书签。 2.1 仿人智能控制的原理........................... 错误!未定义书签。 2.1.1 仿人智能控制的基本思路.................. 错误!未定义书签。 2.1.2 仿人智能行为的特征变量.................. 错误!未定义书签。 2.2 仿人智能控制与PID控制相结合................. 错误!未定义书签。 2.2.1 PID控制的原理.......................... 错误!未定义书签。 2.4.2 仿人智能PlD控制器...................... 错误!未定义书签。 2.3 仿人智能控制系统的设计方法................... 错误!未定义书签。 2.3.1 被控对象的“类等效”简化模型............ 错误!未定义书签。 2.3.2 被控对象的模型处理...................... 错误!未定义书签。 2.4 仿人智能控制算法研究......................... 错误!未定义书签。 2.4.1 仿人比例控制算法........................ 错误!未定义书签。 2.4.2 仿人积分控制算法........................ 错误!未定义书签。 2.4.3 仿人智能控制器算法模型.................. 错误!未定义书签。 3 500t/h CFB锅炉炉膛负压仿人智能控制系统设计....... 错误!未定义书签。 3.1 500t/hCFB锅炉炉膛负压控制系统的简介.......... 错误!未定义书签。 3.1.1 炉膛压力控制系统简介.................... 错误!未定义书签。 3.1.2 炉膛压力的测量.......................... 错误!未定义书签。 目录 1、引言 (2) 2、PID控制原理与设计 (2) （1）开环控制系统 (2) （2）闭环控制系统 (3) （3）阶跃响应 (3) （4）PID控制的原理和特点 (3) 3、仿人智能控制原理与设计 (5) 4、系统仿真设计与分析 (6) （1）伺服控制系统仿真 (6) （2）定值控制系统仿真 (7) （3）伺服控制下系统仿真结果 (8) （4）定值控制下系统仿真结果 (10) （5）系统仿真心得体会 (11) 1、引言 工业生产对象大多在不同程度上存在着纯滞后，例如流量控制系统因传输管道引起的纯滞后、流体成分在线分析引起的纯滞后等等。在这些过程中，纯τ滞后使得被调量不能及时反映控制信号的动作，控制信号的作用只有在延迟τ以后才能反映到被调量；另一方面，当对象受到干扰而引起被调量改变时，控制器产生的控制作用不能立即对干扰产生抑制作用。因此，含有纯滞后环节的闭环控制系统必然存在较大的超调量和较长的调节时间。纯滞后对象也因此而成为难控的对象，而且，纯滞后τ占整个动态过程的时间越长，难控的程度越大。纯滞后系统的控制一直受到许多学者的关注，成为重要的研究课题之一。最初，Ziegle—Nichols对纯滞后系统提出了常规PID控制器参数的整定方法，解决了τ/T = 0.15—0.6的纯滞后对象的控制问题，然而对于具有更大纯滞后的系统，该方法显得力不从心。1959年，O.J.Smith发表了题为“A Controller to Overcome Dead Time”的论文，提出了著名的Smith预估器来控制含有纯滞后环节的对象，从理论上解决了纯滞后系统的控制问题。之后，许多学者对Smith预估器进行了改进，得到了更好的结果。但由于不可能获得实际系统的精确数学模型，使得该方法很难得到实际应用。因此，研究一种适合于大纯滞后、特大纯滞后对象的实用控制方法就显得相当重要。 本文首先简要介绍了常规PID控制器控制纯滞后对象的方法，然后介绍了作者提出的仿人智能控制器在超大纯滞后对象中的应用，最后给出了τ=10，τ=20，τ=30的超大纯滞后对象的仿真结果，及作出相应对比。结果表明该方法对于超大纯滞后系统具有较好的控制性能。 2、PID控制原理与设计 自动控制系统可分为开环控制系统和闭环控制系统。一个控制系统包括控制器、传感器、变送器、执行机构、输入输出接口。不同的控制系统，其传感器、变送器、执行机构是不一样的，其中PID控制，其参数的自动调整是通过智能化调整或自校正、自适应算法得以实现。 （1）开环控制系统 开环控制系统(open-loop control system)是指被控对象的输出(被控制量)对控制器(controller)的输出没有影响。在这种控制系统中，不依赖将被控量反送回来以形成任何闭环回路。 学校代码 10126 学号 00708037 分类号密级 本科毕业论文 基于遗传算法的图像阈值分割 学院、系数学科学学院计算数学系 专业名称信息与计算科学 年级 2007级 学生姓名刘家祥 指导教师曹军 2011年 5月 20 日 内容摘要 图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。图像的分割是以灰度值作为分割的依据,通过各个像素的灰度值和事先确定的阈值的比较来分割图像。如何确定最合适的阈值是处理好图像分割的关键,这自然成为一直以来分割算法研究的焦点。 遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。 本文主要介绍基于遗传算法的最小误差阈值法、最大类间方差法（Otsu法）以及最佳直方图熵法(KSW熵法)等三种方法分割图像。 关键词：图像分割，遗传算法，阈值分割 Abstract Image segmentation refers to the image into regions each with characteristics and goals of the technology to extract and process of interest. Segmentation is a segmentation based on gray value, gray value of each pixel through the predetermined threshold value and comparing the image segmentation. How to determine the most appropriate threshold is the key to handling image segmentation, which has naturally become the focus of segmentation algorithms. Genetic algorithm is a biological theory of evolution and genetic mechanism of natural selection in biological evolution simulation method to calculate the optimal solution. Genetic algorithm has many advantages, such as robustness, parallel, adaptive, and fast convergence, can be used in the field of image processing image segmentation technique to determine the split threshold. In this paper, genetic algorithm based on minimum error threshold, the largest class variance (Otsu method) and the best histogram entropy (KSW entropy method) are three ways to split the image. Keywords : Image segmentation, genetic algorithms, threshold人工智能之遗传算法论文含源代码
遗传算法小论文
过程控制中的仿人智能控制
智能车控制算法
锅炉炉膛负压仿人智能控制毕业论文
仿人智能控制课题论文报告(重庆大学)
遗传算法新论文【精品毕业设计】(完整版)
相关主题
文本预览