基于PSO的PID参数整定在苛化工段的应用

苛化器内温度控制系统具有纯滞后、高阶非线性的特点,传统PID整定方法难以满足控制要求,且整定工作的完成费时耗力。针对上述问题,提出了基于粒子群优化算法(PSO)的PID参数整定方法,实现对PID控制参数的自适应调节。仿真结果表明:PSO-PID控制方案比传统的PID控制方案在静态和动态性能都有所改善,提高了系统的响应速度,减小了超调量,较好地实现了对苛化器内温度的控制。

Fuzzy-Smith控制器对漂白温度控制的研究

针对漂白温度控制系统具有纯滞后、模型参数不稳定的特点,在传统的史密斯控制的基础上,结合模糊控制方法,设计了Fuzzy-Smith控制器。该方法利用了Smith预估控制来克服系统纯滞后的特点,也利用了模糊控制对模型参数要求不精确的特性。仿真结果表明:该控制算法具有很强的鲁棒性,有效地抑制了大滞后的影响,对参数变化具有很强的适应性,能够较好地实现对漂白温度的控制。

基于Fisher算法和BP-ANN的造纸原料近红外判别

为了实现对造纸原料的快速准确判别,收集了5种共40份原料品种的近红外光谱数据。通过MAF和一阶导数方法进行光谱数据预处理,用主成分方法对光谱数据进行压缩降维,分别利用Fisher算法和BP人工神经网络来建立原料近红外光谱判别模型,并对两种判别模型进行比较。结果表明:两种模型都能较好地进行造纸原料的近红外判别,且BP人工神经网络比Fisher判别函数在容错性上表现得更为优越,建立的模型用于种类判别时表现得更为稳健。

PSO-PP模型在杨树造纸适宜性综合评价中的应用

选择14种杨树纸浆材品种为研究对象,根据各树种的生长量、纤维形态和化学成分等指标,通过构造投影指标函数进行优化设计,建立基于粒子群算法的投影寻踪模型(PSO-PP)对其进行造纸适宜性评价。该模型根据样本数据类内密集度和类间散开度构建最大目标函数,将多维指标综合转化成一维指标,进而根据相近原则进行分类和排序。结果表明:该模型用于纸浆材造纸适宜性综合评价可行,且与其他方法的分析结果有较好的一致性,为评价纸浆材造纸适宜性提供了一条有效途径。