基于自适应粒子群算法优化PID的风电机组齿轮箱温度控制系统

为保障风电机组齿轮箱温度稳定,设计基于自适应粒子群算法优化PID的风电机组齿轮箱温度控制系统。该系统使用温度变送器获取当前风电机组齿轮箱实时温度数据,通过模拟量输入输出模块将实时温度数据输入到变论域模糊PID控制器内,进行模糊化处理,划分温度控制量尺度变量模糊空间,建立控制变论域,依据PID模糊规则得到PID控制器输出的风电机组齿轮箱温度控制量。实验结果表明,该系统运行稳定性良好,可快速控制风电机组齿轮箱温度达到指定数值,同时超调量较小,系统性能较为优秀。

基于粒子群算法优化PID的海上风电柔直并网系统调频控制

针对海上风电柔直并网系统存在电压以及频率失稳的问题,提出基于粒子群算法优化PID的海上风电柔直并网系统调频控制方法。海上风电柔直并网系统利用频率控制器确定风电场的无功电流指令,利用PID控制器将无功电流值依据比例精准划分至各风机中,采用粒子群算法优化PID控制器,获取PID控制器的最优比例增益、微分增益以及积分增益三个参数,PID控制器利用获取的最优参数进行海上风电柔直并网系统调频控制。实验结果表明,所提方法可以高精度进行海上风电柔直并网系统实施调频控制,可以使海上风电场柔直并网系统维持稳定的运行状态。

桥式起重机定位和防摆的粒子群算法优化PID控制

为使桥式起重机精确定位和快速消摆,设计了利用PSO算法优化PID参数的定位防摆控制器。通过在Matlab中编写PSO算法程序和连接Matlab与Simulink的调用函数程序,结合在Simulink中建立的起重机吊重系统模型,完成了PSO-PID控制器控制的吊重系统的仿真。通过仿真,起重机小车实现了无超调无静差的快速定位,吊重摆动也得到快速有效的抑制。仿真结果证明了该控制器的可行性和有效性。

基于粒子群算法优化PIDNN的流浆箱解耦控制

针对气垫式流浆箱的总压和浆位之间存在严重耦合的情况,探讨使用粒子群算法优化的PID神经元网络对其进行解耦控制。建立一个双输入双输出PID神经元网络控制系统,用粒子群算法优化网络的初始权重后,再采用误差反向传播算法进行修正,最终实现完全解耦。仿真结果表明,经粒子群算法优化后的神经元网络能够有效地消除总压与浆位之间的耦合,大大缩短调试时间,具有更高的控制精度,能够用于气垫式流浆箱的控制。

改进粒子群算法优化PID的冶金电气控制研究

对于冶金系统的电气机组来说以往的控制方法已不能达到精准的目的,就其原因来说是受到外界环境干扰导致输出电压具有时变性和非线性的结果。为了弥补其不足,PID的冶金控制策略应运而生。专门针对冶金系统电气组的粒子群算法改进。通过分析PID控制参数存在的不足用粒子群算法对其求解,进而达到冶金系统的电气机组的准确无误。

粒子群算法优化PID控制参数研究

采用常规的 PID 整定方式,往往费时而且难以满足控制要求.通过对粒子群算法的研究,在确定了适应度函数设计等控制参数后,采用粒子群算法对 PID 控制器参数进行优化,取得了很好的效果。

量子粒子群算法优化PID的继电保护在线整定研究

为了提升继电保护在线整定的精准性以及实时性,提出了量子粒子群算法优化PID的继电保护在线整定方法。充分考虑继电保护需求,建立继电保护全局优化整定模型,将PID控制器应用于继电保护全局优化整定模型中,并利用量子粒子群算获取最优PID控制参数,从而实现继电保护在线整定。实验结果表明,该方法可获取继电保护在线整定的最优PID控制参数,降低继电保护动作时间。

改进粒子群算法优化PID的冶金电气控制

冶金系统的电气机组受到外界环境干扰大,输出电压具有时变性和非线性,传统控制方法难以获得高准确度的控制效果,为此提出一种改进粒子群算法优化PID的冶金控制策略。首先分析当前冶金系统的电气机组PID控制参数存在的不足;然后采用粒子群算法对电气机组PID控制参数进行求解,并针对标准粒子群算法的不足进行相应改进;最后采用仿真对比实验测试改进粒子群算法优化PID的优越性。实验结果表明,改进粒子群算法优化PID冶金电气控制系统控制准确度高,抗干扰能力强,具有较快的响应速度。

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。

基于粒子群优化算法PID参数优化的双电机耦合驱动履带车辆转向控制

针对电驱动履带车辆转向灵敏度不高、控制精度难的问题进行转向控制策略研究,对双电机耦合驱动履带车辆开展动力学分析,利用数学仿真软件建立转向动力学模型。设计一种基于粒子群优化算法对比例-微分-积分控制器(Proportional-Integral-Differential controller,PID)参数优化的转向控制策略,以改进型时间乘绝对误差积分指标为粒子群优化算法目标函数,对PID转向控制策略中的控制参数进行实时优化,动态调节控制参数,实现车辆转向控制系统优化输出。利用硬件在环仿真平台和实车试验,对控制策略进行仿真和实车试验验证,试验结果验证了控制策略的有效性。

基于改进粒子群算法的PID控制参数优化

针对传统粒子群算法存在收敛速度慢,收敛精度低以及易陷入局部最优的问题,提出了一种融合中垂线策略的中垂线粒子群算法(MAPSO),同时引入惯性权重余弦调整策略,避免算法陷入局部最优。基于中垂线策略的游离粒子位置更新方法,能够加快粒子的收敛速度,从而增强算法的寻优速度和寻优精度。将改进的粒子群算法用于PID控制器参数优化,与Ziegler-Nichols(Z-N)公式法、线性递减惯性权重粒子群优化算法(MeanPSO)进行对比实验,结果表明中垂线粒子群算法精度更高,能够快速地整定PID参数,使控制系统响应函数性能指标更好。

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。

基于粒子群优化模糊PID控制的水厂加氯系统

水厂加氯过程具有非线性、大时滞等特点,采用传统的PID控制方式难以实现消毒剂精准投加。因此,以某采用次氯酸钠消毒系统的水厂为例,首先通过分析该水厂加氯系统工作原理,结合工程经验和运行数据确定了加氯过程的近似数学模型。然后综合使用粒子群优化算法、模糊控制算法和PID控制算法,设计了一种粒子群优化模糊PID控制器,并利用MATLAB软件搭建了粒子群优化模糊PID控制系统和传统PID控制系统的模型进行仿真验证,结果表明:相较于传统PID控制系统,粒子群优化模糊PID控制系统的超调量减少了89.36%,调节时间减少了46.63%,其抗干扰能力也更强,系统整体控制效果有了较大提升。最后使用基于粒子群优化的模糊PID控制法对水厂加氯控制系统进行改造,试运行后发现,新系统控制效果良好,出厂水游离氯值能够稳定在设定值附近。

基于改进二进制粒子群算法优化DBN的轴承故障诊断

针对滚动轴承故障振动信号非平稳性的特点,对二进制粒子群优化算法(binary particles swarm optimization,BPSO)和深度信念网络(deep belief network,DBN)进行研究,提出一种基于局部均值分解(local mean decomposition,LMD)和IBPSO-DBN的轴承故障诊断方法。提出用加权惯性权重改进BPSO迭代过程中的固定权重,再用改进BPSO优化DBN的隐含层神经元个数和学习率。该方法先对信号进行LMD,提取出各PF分量的散布熵和时域指标,并构建特征矩阵,然后把特征矩阵输入改进BPSO-DBN模型中训练,实现滚动轴承故障诊断和分类。采用试验轴承数据做验证并与其他诊断方法对比,结果表明,基于LMD和BPSO-DBN的滚动轴承故障诊断方法具有较好的故障识别率。

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%。

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。

基于人工免疫-改进粒子群优化算法的机械臂轨迹规划研究

焊接机器人运动轨迹复杂、控制精度要求高。提出了一种满足多目标约束的轨迹规划方法。针对机器人轨迹平滑性要求,以5次非均匀有理B样条(Non-Uniform Rational B-Splines,NURBS)曲线为基础,对笛卡儿空间路径点进行参数化表达;根据工业机器人路径约束及工况需求,选取时间、能耗、跃度3个运动学指标作为目标优化函数,采用人工免疫双态粒子群进行轨迹优化;为了平衡粒子“探索”与“利用”,增加双模态模型,引入人工免疫系统,提升了粒子多样性与后期收敛能力;根据Pareto解集得到满足约束的焊接机器人各关节最优轨迹,通过Matlab仿真证明了方法的有效性;最后,针对空间相贯曲线焊缝进行了焊接试验。结果显示,规划的轨迹符合实际工程需求。

基于混合粒子群算法的波浪能发电集群优化方法

对波浪能发电集群的优化控制有助于波浪能的有效利用,为此文章提出了基于混合粒子群算法的波浪能发电集群优化方法。以直驱式发电装置为研究对象,探讨其构成发电集群短期尺度下稳定状态的数学模型,由简至繁依次考虑波浪动态压力、装置间辐射影响和遮挡效应,以便更准确地模拟一定密集度的波浪能发电装置部署下的实际效果。以集群功率最大化为优化目标,根据装置运动和海域能量约束,提出混合粒子群算法求解集群的最优参数,在传统算法基础上设定自适应惯性权重并加入交叉和变异操作,以应对复杂集群方程解空间的多峰性问题。算例结果验证了所述集群优化方法的有效性,求解质量良好;同时表明波浪能发电集群规模越大,装置之间的辐射影响越复杂,遮挡效应越明显。

陷阱标记联合懒蚂蚁的自适应粒子群优化算法

为解决现有粒子群改进策略无法帮助已陷入局部最优和过早收敛的粒子恢复寻优性能的问题,提出一种陷阱标记联合懒蚂蚁的自适应粒子群优化(adaptive particle swarm optimization based on trap label and lazy ant, TLLA-APSO)算法。陷阱标记策略为粒子群提供动态速度增量,使其摆脱最优解的束缚。利用懒蚂蚁寻优策略多样化粒子速度,提升种群多样性。通过惯性认知策略在速度更新中引入历史位置,增加粒子的路径多样性和提升粒子的探索性能,使粒子更有效地避免陷入新的局部最优。理论证明了引入历史位置的粒子群算法的收敛性。仿真实验结果表明,所提算法不仅能有效解决粒子群已陷入局部最优和过早收敛的问题,且与其他算法相比,具有较快的收敛速度和较高的寻优精度。