在具有柔性荷载的液压伺服系统系统识别中微分演变的使用[外文翻译].doc
约6页DOC格式手机打开展开
在具有柔性荷载的液压伺服系统系统识别中微分演变的使用[外文翻译],附件c：译文 在具有柔性荷载的液压伺服系统系统识别中微分演变的使用摘要电动液压伺服系统（ehss)通常用于工业。这种系统本质上是非线性的并且它们的动力方程具有几个未知数。一种最有可能新颖的演化算法用于解决全局优化问题是微分演化（de）算法。de算法是用约束变数极限控制非直线型限制函数达到求出带有柔性荷载液压伺服系统的未...
内容介绍
此文档由会员 qs_f5t2xd 发布
附件C：译文
在具有柔性荷载的液压伺服系统系统识别中微分演变的使用
摘要
电动液压伺服系统（EHSS)通常用于工业。这种系统本质上是非线性的并且它们的动力方程具有几个未知数。一种最有可能新颖的演化算法用于解决全局优化问题是微分演化（DE）算法。DE算法是用约束变数极限控制非直线型限制函数达到求出带有柔性荷载液压伺服系统的未知参数的最优解。DE算法能快速的收敛并且不考虑这些参数的初始条件都能精确解析。为了核对选定的未知参数准确性做了若干的试验。这些结果表明在有关模拟仿真和计算值之间非常吻合。
关键词：微分演化；系统识别；伺服系统液压系统；柔性荷载
文章目录
1 前言
电动液压的伺服系统（EHSS）用于工业，在广泛地脉码调制数中使用。由于液压具有很大的功率比，能够精确控制和能够产生很大的压力，所以普遍使用。该液压系统无论怎样非线性的；它都可以通过控制输入饱和度、阀门方向变化、摩擦、阀门叠开角实现非流畅的；非线性的特性。 除了液压动力的非线性的原始状态以外,还存在许多值得考虑的不确定因素，例如外界干扰和不能完全作模型用的损失。此外，这些记录不确定度的非线性的函数不能计算出来。涉及连续不断的区间的全局优化问题遍及科学界是同时普遍存在的。通常，这样的解决方法是将选择与系统参数有关的确定的特征参数最优化。为了方便起见，这种系统参数通常被画成一矢量。这标准方法从设计目标函数开始同时合并一些约束约束构造问题的目标函数求解最优化问题。这个分析仅仅使用目标函数集中于求最佳参数。大多数情况下，目标函数定义求解最优化问题为求最小值问题。为此，以下试验只限于最小化问题。在这样的问题上，该目标函数更多称为“cost”函数。 当cost函数是非线性的并且不可微分的时，在参数参量矢量中心直接搜索法会产生偏差。产生偏差，必须决定重新推导数据。为了得到这个结果直接搜索法大多数使用所谓的贪婪算法。在该种贪婪算法之下，只有在简化cost函数的时候一种新的参数
在具有柔性荷载的液压伺服系统系统识别中微分演变的使用
摘要
电动液压伺服系统（EHSS)通常用于工业。这种系统本质上是非线性的并且它们的动力方程具有几个未知数。一种最有可能新颖的演化算法用于解决全局优化问题是微分演化（DE）算法。DE算法是用约束变数极限控制非直线型限制函数达到求出带有柔性荷载液压伺服系统的未知参数的最优解。DE算法能快速的收敛并且不考虑这些参数的初始条件都能精确解析。为了核对选定的未知参数准确性做了若干的试验。这些结果表明在有关模拟仿真和计算值之间非常吻合。
关键词：微分演化；系统识别；伺服系统液压系统；柔性荷载
文章目录
1 前言
电动液压的伺服系统（EHSS）用于工业，在广泛地脉码调制数中使用。由于液压具有很大的功率比，能够精确控制和能够产生很大的压力，所以普遍使用。该液压系统无论怎样非线性的；它都可以通过控制输入饱和度、阀门方向变化、摩擦、阀门叠开角实现非流畅的；非线性的特性。 除了液压动力的非线性的原始状态以外,还存在许多值得考虑的不确定因素，例如外界干扰和不能完全作模型用的损失。此外，这些记录不确定度的非线性的函数不能计算出来。涉及连续不断的区间的全局优化问题遍及科学界是同时普遍存在的。通常，这样的解决方法是将选择与系统参数有关的确定的特征参数最优化。为了方便起见，这种系统参数通常被画成一矢量。这标准方法从设计目标函数开始同时合并一些约束约束构造问题的目标函数求解最优化问题。这个分析仅仅使用目标函数集中于求最佳参数。大多数情况下，目标函数定义求解最优化问题为求最小值问题。为此，以下试验只限于最小化问题。在这样的问题上，该目标函数更多称为“cost”函数。 当cost函数是非线性的并且不可微分的时，在参数参量矢量中心直接搜索法会产生偏差。产生偏差，必须决定重新推导数据。为了得到这个结果直接搜索法大多数使用所谓的贪婪算法。在该种贪婪算法之下，只有在简化cost函数的时候一种新的参数
