APU控制参数多策略融合粒子群算法寻优

为使辅助动力单元(APU)在工作点切换过程中的动态性能更优,提出了一种多策略融合粒子群算法优化模糊PID的控制参数。该算法对粒子群算法的常规迭代过程引入概率可调的干扰策略、混沌搜索策略、惯性权重自适应和学习因子线性调节策略,使其更适合优化维度多达187个的模糊PID控制参数。针对该算法中关键的增强全局搜索能力p和增强局部搜索能力pp两个参数的取值进行研究,搭建了APU仿真模型。仿真结果表明:多策略融合粒子群算法优化后的模糊PID控制参数相较于经典PID在转速变化、转矩变化和节气门开度变化的动态性能上均有较大的提升。