基于改进粒子群算法的光伏逆变器控制参数辨识

精准的光伏并网逆变器模型是研究大规模光伏接入下电力系统故障特性的重要工具。目的为了解决现有光伏逆变器仿真模型与实际工作中的光伏逆变器特性相差较大的问题,方法提出采用参数辨识的方法构建逆变器的辨识模型。以重庆云阳某1 MW光伏电站为实际参照模型,首先根据实际工作情况将逆变器的工作区间划分为3个阶段,利用数学扰动法分别对3个阶段中的待辨识参数划分灵敏度高低等级,并由此提出不同阶段不同灵敏度参数分步辨识策略;其次,分阶段采集实际光伏电站工作数据,对该数据进行分析处理,获得各待辨识参数的初始取值范围,设计同步辨识参数实验作为参照;最后提出改进的混沌遗传粒子群优化算法(chaos genetic algorithm of particle swarm optimization,CGAPSO)作为辨识算法,分步分工作阶段辨识相关参数,通过对比参数的同步辨识结果,验证所提方法的优越性,并将辨识结果代入仿真模型。结果结果表明,低灵敏度参数的同步辨识结果误差远超过可接受范围,而CGAPSO分步辨识出的相关参数误差皆在1.1%以下,精度远高于同步辨识结果。结论基于改进粒子群算法构建的辨识模型输出数据与实际逆变器工作数据契合度高,可准确反映逆变器实际工作特性。

基于改进粒子群算法优化PID控制的主动悬架性能研究

针对二自由度主动悬架比例-积分-微分(PID)控制器参数整定问题,引入粒子群算法,借助粒子群算法的全局搜索能力解决PID控制器参数整定问题,考虑到传统粒子群算法收敛速度较慢,设计了一种改进粒子群算法,根据悬架性能评价指标建立目标函数,分别模拟了随机路面激励输入和减速带式梯形冲击路面激励输入,并验证了基于改进粒子群算法优化的PID控制器的有效性。仿真结果表明:改进粒子群算法后目标函数的收敛速度明显提高;基于改进粒子群算法优化PID控制的主动悬架在不同激励输入条件下均具有较好的行驶平顺性;验证了改进粒子群算法的有效性并解决了PID控制器参数整定问题。

基于改进粒子群算法的机械手抓取力自整定模糊PID控制

为提高欠驱动机械手在易碎零件分拣过程中的稳定性,通过改进粒子群算法,给出一种优化其抓取性能的模糊PID控制算法。首先,分析欠驱动机械手抓取力控制系统的特性,提出粒子群算法与模糊PID抓取力控制系统相结合的具体策略。其次,将动态惯性权重等方法引入粒子群算法中,以提高其迭代速度并防止其陷入局部最优。在此基础上,利用改进后的粒子群算法优化模糊PID控制器的相关参数,实现了对模糊规则权重及量化因子的在线自整定,解决了PID参数无法动态调整的问题。最后,对其进行仿真分析。结果表明:该控制算法可以在0.8 s内达到稳定抓取力,稳态误差小于0.2%,扰动整定时间为0.262 s,系统的瞬态响应速度、控制精度以及稳定性均有明显提高。

基于改进粒子群优化算法的分数阶PID控制器

针对控制系统控制性能不稳定的问题,实践中可在控制系统里设定一种分数阶PID控制器。相比于整数阶PID控制器,分数阶PID控制器增加了λ和μ两个控制参数,这样可以让控制器在控制过程中拥有更好的性能,但同时也使得参数整定使用更加困难。为了更容易地求出控制器的参数,需要使用改良过的粒子群(PSO)优化方法来进行整定,将时间误差绝对值(ITAE)准则应用到控制器的控制过程当中,可以快捷地得出分数阶PID控制器的优化参数。通过对常规PID控制器与分数阶PID控制器的仿真结果进行对比,经过优化后的粒子群算法得到的参数在运用到控制系统中时会得到的更好的效果,说明了优化后的分数阶PID控制器的控制效果要优于整数阶PID控制器的控制效果。

基于改进粒子群优化算法的PID控制器参数整定

针对标准粒子群优化算法优化PID控制器参数存在的早熟以及陷入局部最优等问题,引入粒子二阶振荡环节、反向学习、自适应惯性权重,并结合设计的惯性权重动态调整策略、粒子越界随机反射墙,提出一种新型分阶段迭代的改进粒子群优化算法。在6个标准测试函数上进行测试,其性能相比于一些已有的改进粒子群优化算法更加优秀。将这些算法用于自动电压调节器系统的PID控制器参数整定,仿真结果表明,所提出的改进粒子群优化算法整定的PID控制器的控制效果更好。

基于改进粒子群算法的移相全桥模糊PID控制

[目的]为了得到具有良好性能指标的移相全桥(PSFB)控制方案,本文提出了基于改进粒子群算法(IPSO)寻优的模糊比例积分微分(PID)控制方法.[方法]在PSFB的小信号模型基础上,使用模糊控制器改善PID的参数,随后应用自适应惯性权重和压缩因子法优化PSO的全局特性和收敛性,进而计算模糊控制器的比例因子和量化因子,以提高系统的控制效果.在Simulink仿真环境中分别使用常规PID、模糊PID、IPSO优化模糊PID三种方式对移相全桥拓扑进行仿真,并设计了一台100 W的样机,验证所提控制策略的有效性.[结果]仿真结果中,IPSO优化的模糊PID控制相对于常规PID和模糊PID,其调节时间、超调量、稳态误差分别下降79.6%、99.4%、42.9%和40.2%、20%、87.5%;基于TMS320F28034硬件的实验结果中,IPSO优化的模糊比例积分(PI)控制相对于增量式PI和模糊PI,其调节时间、超调量、稳态误差、电压输出纹波分别下降52.4%、56.4%、46.7%、75.0%和12.1%、37.4%、20%、66.7%.[结论]将IPSO应用于PSFB的PID控制,相对于常规PID和模糊PID,具有更高的控制精度、更快的收敛速度、更强的抗干扰能力.

多策略改进粒子群优化AGV模糊PID控制

为解决AGV在复杂环境下控制精度低下、响应速度慢和鲁棒性差等问题,提出一种基于改进粒子群优化模糊PID控制方法。在粒子群算法(PSO)引入Logistic混沌映射对种群进行初始化,其次对惯性权重和学习因子进行非线性控制更新,提升种群寻优能力和避免陷入局部最优;选取9个测试函数验证改进PSO算法效果。仿真结果表明改进PSO在寻优精度和收敛速度都优于其他3种算法,而且不易陷入局部最优。最后对被控系统进行效果验证,结果表明改进PSO优化模糊PID控制器在常规和外部干扰两种环境下控制性能都优于传统PID和模糊PID,具有高可靠性、高控制精度,满足系统要求。

基于改进粒子群算法优化PID参数的电气设备自动控制研究

常规的电气设备自动控制方法以逻辑控制为主,并未配置和优化PID参数,无法满足不同电气设备的运行需求,因此设计了基于改进粒子群算法优化PID参数的电气设备自动控制方法。首先基于改进粒子群算法整定电气设备控制PID参数,利用粒子群算法优化PID参数,根据适应度函数的输入情况调节参数,使电气设备的控制性能达到最优。然后设定电气设备自动控制逻辑指令,通过FBD、IL、ST、Ladder、SFC等语言组建电气设备自动控制功能,从而实现电气设备的有效控制。采用对比实验,验证了该方法的自动控制效果更佳,能够应用于实际生活中。

基于改进粒子群算法的磁力吊PID控制分析

该研究旨在提升磁力吊在吸附和吊运钢板过程中的控制精度与稳定性。首先根据拉格朗日方程建立磁力吊吸附钢板后的二阶微分动力学模型,并通过拉氏变换后在Simulink中建立PID控制仿真模型。为了优化PID控制器的3个控制参数,研究采用改进的粒子群算法(PSO)。具体而言,通过选取位置的积分时间绝对误差(ITAE)和均方误差(MSE)加权评价指标作为适应度函数,求解出最佳PID控制参数组合。仿真结果表明,优化后的PID控制策略在减少系统误差和控制摆幅方面表现出显著优势,同时提高了系统的响应速度和稳定性,为进一步研究和工程应用提供了参考依据。

基于改进粒子群算法的中深层地源热泵供暖系统运行优化

构建变工况运行且包含蓄热装置的中深层地源热泵供暖系统,基于改进粒子群算法,分别以运行费用、系统COP和地热能利用系数为目标函数对系统运行进行优化,并对优化结果进行比较和分析。结果表明:对应目标函数优化后的运行费用、系统COP和地热能利用系数分别为279.27元、6.4420和0.8527。以系统COP为目标函数的优化效果与运行费用相反,而与地热能利用系数相近。

采用改进多目标粒子群算法的斜拉桥阻尼器参数优化

为克服大跨度斜拉桥黏滞阻尼器优化设计效率低、多个相互制约的减震控制目标的问题难以权衡,基于遗传算法的“变异”方法,提出了改进多目标粒子群算法来进行阻尼器参数优化设计。建立大跨度斜拉桥的有限元模型,开展了全桥地震响应分析,根据抗震需求在桥梁纵向设置黏滞阻尼器;分别建立了塔底弯矩、阻尼力和梁端位移的减震响应与阻尼器参数之间的响应面数学模型;以减震响应面模型为研究对象,通过该算法进行阻尼器参数全局自动寻优分析,确定了阻尼器的最优参数,并与采用参数敏感性分析方法确定的一组阻尼参数进行对比分析。研究结果表明:该优化方法具有计算精度好、优化效率高和更好地权衡多个相互制约的减震控制目标的优点;通过优化算法获得的阻尼器参数组合相比采用参数敏感性分析方法获得的阻尼参数组合的减震响应,塔底弯矩增大1.73%,阻尼力减小5.97%,梁端位移减小1.66%;在无需多次有限元试算的基础上确定了更高精度的阻尼器优化参数组合,在提高减震效果的同时大大提升了计算效率。

基于改进粒子群算法的ER8机器人轨迹规划

为解决传统机器人工作效率低、稳定性不足和传统粒子群算法易早熟等问题,提出了一种基于改进粒子群算法的时间最优轨迹规划算法。通过改进粒子群算法的惯性权重和学习因子,优化了粒子群算法的局部和全局搜索能力。首先,以国产ER8型机器人为研究对象,采用改进型D-H参数法获得机器人连杆参数数据,同时通过运动学正逆解理论计算求出了轨迹插值点;其次,利用MATLAB机器人工具箱建立了ER8机器人仿真模型,由于正逆解理论值与仿真结果完全相一致,证明了所建仿真模型的正确性;最后,通过MATLAB仿真得到机器人3-5-3多项式插值构造的轨迹中各关节的位置、速度和加速度等信息,在满足运动学约束的前提下,利用改进粒子群算法优化3-5-3混合多项式插值函数构造的轨迹,机器人用于完成轨迹的时间从3 s减少到1.0375 s,相对于优化前,整体运行时间缩短了大约65%,证明文中改进的粒子群算法可以有效实现时间最优的轨迹规划。

基于粒子群算法的分数阶PID主动磁轴承控制

针对主动磁轴承(AMB)四自由度间强耦合、非线性导致控制器控制效果不佳的问题,将分数阶PID(FOPID)控制器引入AMB控制系统,提出了基于粒子群(PSO)算法的FOPID控制器以提高控制器的响应速度并抑制转轴位移超调量,提高控制精度。采用时间乘以误差绝对值积分(ITAE)作为性能指标,在限制电流模块不同幅值条件下,将FOPID控制器与PID控制器进行比较。仿真结果显示,PSO算法可以简化FOPID控制器参数的调节过程;随着限制电流的提升,FOPID控制器的控制效果明显优于PID控制器,在5 A输入电流的限制下其性能指标高出PID控制器约1.05%;随限制电流幅值增加,在60 A输入电流的限制下性能指标可高出PID控制器约26.25%。

基于改进多目标粒子群算法的储能式充电桩优化运行策略

针对小区接入充电桩无序充放电加大负荷峰谷差率和用户成本的问题,提出一种储能式充电桩有序充放电优化运行策略.该优化策略在降低峰谷差率的前提下,以用户充电成本最低和充电桩收益最高为优化目标.选取典型日建立储能充电桩优化充放电调度模型,采用改进多目标粒子群优化算法进行求解,结合分时电价调整储能式充电桩的充放电功率和时间.通过优化惯性权重和学习因子并自适应改变位置分裂因子来改进多目标粒子群优化算法.实验结果表明:该算法可有效提高收敛速度,避免陷入局部最优,能更好地处理多目标问题,在求解储能调度模型中降低了典型负荷峰谷差率55%,比原有算法优化了36%,能合理分配充电桩在谷时段储存电力资源,降低用户充电费用20%~30%,提高充电桩收益,达到电网、用户和充电桩三方共赢的目的.

基于改进粒子群算法的配电网分布式光伏接入容量优化计算

针对配电网自身调节能力有限、网络架构支撑能力不足导致的分布式光伏接不下、接入不合理等问题,提出一种基于改进粒子群算法的配电网分布式光伏接入容量优化计算方法。首先,对分布式光伏高比例接入情况下的配电线路参数辨识方法进行研究,为容量计算提供准确的拓扑参数。其次,构建了基于改进粒子群算法的配电网分布式电源最优接入容量计算模型;最后,给出了所建模型的求解方法,并通过算例分析,验证了所提配电网分布式光伏接入容量优化计算方法的有效性与合理性。

基于改进粒子群算法的定日镜场优化设计模型

定日镜场是塔式光热电站的重要子系统.定日镜的优化布置问题是塔式光热电站建设需要解决的关键问题.以塔式光热电站的定日镜场为研究对象,建立阴影遮挡效率模型、余弦效率模型、截断效率模型以及大气透射率模型,得出定日镜场的光学效率.以镜场年平均输出热功率作为目标函数,建立非线性规划模型,用基于同心圆的粒子群算法进行圆形定日镜场的参数设计及优化求解.通过迭代寻优,找到年平均输出热功率最大时即可找到粒子的特征因子的最优解.

基于改进量子粒子群算法的新能源汽车换电站优化布局

为了针对在新能源换电汽车发展普及过程中的换电站建设相关问题,通过建立以换电站运营目标年限年均综合费用最小为目标,综合考虑土地价格、建站成本、运营成本、维护成本、道路流量、服务能力等因素的优化目标数学模型,以换电能力、换电距离为约束条件。同时利用改进的量子粒子群算法对模型求解,算法引入自适应调整的惯性权重,提高粒子的整体搜索能力,利用Logistic混沌映射初始化种群信息,提升种群的遍历性,通过Levy飞行策略与Cauchy变异策略,提升种群的多样性并扩大算法在迭代过程中的搜索空间,进一步提升算法的全局搜索能力并快速跳出局部最优区域。利用该算法对长春市宽城区进行实际规划,将该区域相关数据引入建立的数学模型,确定了该区域内建设四座换电站时符合预期建设目标,同时确定各电站建设位置及容量,证明研究结果的可行性与实用性。

基于改进粒子群算法的UWB雷达人体动作识别研究

针对雷达信号中的杂波干扰及样本数量对人体动作识别精度的限制,提出一种基于改进粒子群算法(particle swarm optimization,PSO)优化支持向量机(support vector machine,SVM)模型的超宽带(ultra-wideband,UWB)雷达人体动作识别算法。利用动态目标指示(moving target indication,MTI)与小波阈值滤波对接收到的UWB回波信号进行预处理,消除回波信号中的杂波和噪声对人体动作识别的影响;结合二维离散小波包分解(two dimensional discrete wavelet packet decomposition,2D-DWPD)与奇异值分解(singular value decomposition,SVD),对预处理后的雷达信号进行特征提取和降维;提出一种改进粒子群算法,优化SVM模型的相关参数进行识别和分类。实验结果表明,提出的算法准确率可达到96.25%,具有良好的识别性能。

基于改进粒子群算法的标签天线结构参数多目标优化设计

为了解决天线设计人员应用电磁仿真软件优化天线结构时存在的优化方向不明确和优化速度慢的问题,文中以干式水表的嵌入式射频识别标签天线设计为例,提出了基于改进粒子群算法的标签天线结构参数多目标寻优方法。首先,根据干式水表产品追溯需求,提出了中心频点尽可能接近理想中心频点、回波损耗尽可能低、带宽尽可能宽、面积尽可能小的四个目标函数。其次,为避免粒子群算法陷入局部最优,采用多维均匀拉丁超立方初始化、Logistic混沌映射非线性变化惯性权重、网格划分变化学习因子、高斯扰动策略等方法对算法进行改进,并应用于标签天线结构参数多目标优化中。最后,进行了实例验证。验证结果表明:利用改进后的粒子群算法得到的标签天线结构参数优化结果可更大程度满足优化目标需求,优化耗时仅为电磁仿真软件的40.1%。

多策略改进的粒子群算法在VRPTW问题中的应用

该文研究带时间窗约束的车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW),这是一个典型的NP-Hard问题。针对传统粒子群算法求解带时间窗约束的车辆路径问题容易陷入局部最优的缺陷,提出了一种基于多策略方法改进的粒子群算法(Multi-Strategy improved particle Swarm Optimization Algorithm,MSPSO)来解决该问题。该算法采用惯性权重递减策略,使得算法在前期的全局搜索和后期的局部搜索都能够有良好的表现,通过引入随机选择策略更新粒子最优位置,可以增加解空间的多样性,有效避免算法陷入局部最优。最后通过测试Solomon Benchmark算例的结果,在25个客户的C103数据集上MSPSO算法对比RWPSO算法的行驶距离降低了38.29,对比S-PSO算法在C103、R103这两个数据集与最优解误差分别降低了1.76%和3.99%。在50个客户C1系列数据集上MSPSO算法对比PSO算法行驶距离分别减少了14.26、45.66、67.7,与数据集的最优解误差基本能保持在1%以内。从实验结果可以证明MSPSO算法在求解VRPTW问题方面具有优越性和有效性。