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。

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。

基于粒子群优化算法的太阳能水培智能控制系统设计与实现

为实现水培营养液水质参数的高效、精确控制,减少设备供能产生的碳排量,构建了一个基于粒子群优化(Particle Swarm Optimization,PSO)算法和最大功率点跟踪(Maximum Power Point Tracking,MPPT)算法的水培智能控制系统。用PSO算法优化模糊控制器的量化、比例因子,加入Smith预估器补偿反馈时延,对pH为4.5、电导率(Electrical Conductivity,EC)为0 mS/cm的营养液进行精确调控。经过优化,分别在44 s和43 s后达到预设值,并能维持稳定状态。建立光伏发电模块,引入MPPT算法,缩短跟踪时长至0.04 s。结果表明,该系统能提高营养液水质参数的调节精度,缩短控制时长,增强水培环境的稳定性;同时,能提升发电效率,实现节能减排。

运用粒子群算法优化HEV再生制动模糊控制策略

为了提高HEV制动能量回收率,同时保证汽车制动效果,提出粒子群算法优化HEV再生制动模糊控制策略。设计考虑制动效果和制动能量回收的多段前后轮制动力分配曲线,尽量将制动力分配给前轮。通过模糊控制器,实现前轮机械制动力和再生制动力合理分配。为了进一步提高制动能量回收和保证汽车制动效果,以制动效果和制动能量回收为优化目标函数,利用粒子群算法优化模糊规则。结果表明,在LYDC行驶工况下,设计的多段前后轮制动力分配曲线和粒子群算法优化后的模糊规则均有效提高了再生制动能量回收,同时满足了制动效果的要求。

基于K-近邻算法改进粒子群-反向传播算法的织物质量预测技术

为解决现有下机织物质量差异性较大且传统验布环节时间较长等问题,提出基于K-近邻(KNN)算法改进粒子群-反向传播(PSO-BP)算法的织物质量等级预测方法。首先分析织物质量预测模型,整理织物疵点类型与织物质量等级分类,并根据织物疵点特征将疵点划分为6类;其次选取14种影响织物质量的因子作为模型输入量;然后详细介绍依据KNN与PSO原理进行织物质量预测流程;最后以浙江兰溪某纺织厂近3个月16186条织物生产数据为例,建立织物质量预测模型。结果显示:该技术对织物质量预测的准确率达到98.054%,且训练时长仅需4.8 s,在保证织物质量预测准确性的同时,极大缩短了检测时间,提高了织造车间生产效率。

基于粒子群-遗传混合算法的深沟球轴承优化设计

为了提高深沟球轴承的服役性能,提出一种基于粒子群-遗传混合算法的优化设计方法。其以额定动载荷和额定静载荷为目标函数,以滚动体直径、节圆直径、滚动体数目和内外圈滚道沟曲率半径系数为设计变量,基于粒子群算法,引入罚函数和遗传交叉、变异操作,解决带约束优化问题求解和局部最优问题。并以6206型轴承为算例,对优化后的轴承进行应力分析和敏感度分析。结果表明,所提出算法的收敛性能较好、优化能力较强、运算速度较快,优化后的深沟球轴承接触应力下降了31.7%,从而验证了所提出方法的有效性。

基于高斯-柯西混合变异的多目标粒子群算法

针对MOPSO优化算法在解决复杂的多目标优化问题上收敛表现差,搜索全局能力不足与易于陷入局部最优的缺陷,提出了一种基于高斯-柯西混合变异的多目标粒子群算法(GC-MOPSO)。该算法使用一种混合高斯变异与柯西变异的变异扰动机制来提升粒子在局部与全局的搜索能力,在外部档案中采用锦标赛选择机制选取全局最优个体的策略来增加种群的多样性。通过与六项其他算法在反世代距离(IGD)上进行比较,验证了该算法的优势。

基于灰狼-粒子群算法的柴发机组节油优化

以变速柴油发电机组油耗率最低为优化目标,以指示热效率神经网络模型的柴油机平均值模型为燃油消耗率的计算基础,将柴油机转速上下限和功率限制线作为变速范围限制条件,对变速柴油发电机组在不同负荷工况下的节油转速进行优化。提出一种粒子群算法与灰狼算法相结合的混合算法,并用标准函数验证该算法的优势,表明其具有较均衡的全局和局部优化特性,更适合进行最低油耗率优化。优化计算结果表明:用电负荷越低,节油效果越明显;10%负荷时节油率可达30%以上,综合工况下节油率可达11.9%;采用该混合算法优化的转速能有效降低变速柴油发电机组的油耗率。

基于粒子-蚁群混合算法的截割头形状优化设计

针对EBH-150型横轴式掘进机截割头在截割过程中遇到的载荷波动问题,采用粒子-蚁群混合算法对现有抛物线形截割头进行优化设计。利用Matlab数值模拟软件,对截齿的排列参数进行多目标优化,以期减少载荷波动并提升掘进机的工作稳定性。优化结果显示,截割头的截线间距经过调整后,从外向内逐渐减小,使得单个截齿受力更为均匀。横向载荷波动降低了约62%,其他方向的载荷波动也显著降低,均超过50%。这些改进有效提高了掘进机横摆进刀的稳定性,并有助于延长截割头的使用寿命。尽管优化后的截割头在某些方向上的载荷均值有所增加,但载荷峰值降低,避免了单个截齿的过载现象。总体而言,优化设计取得了理想的效果,但仍需通过实际应用进行验证。本研究为掘进机截割头的优化设计提供了一种有效的算法支持,对于提高掘进机的工作效率和安全性能具有重要意义。

基于自适应粒子群算法的隧道窑温度模糊控制策略

针对隧道窑燃烧过程中的大惯性、纯滞后、多变量、时变参数以及工作机理复杂等特征,利用清晰集构造模糊集法确定模糊控制器输入量和输出量的隶属函数,并基于自适应粒子群算法给出了隧道窑新的温度模糊控制策略。运用模糊控制系统对隧道窑温度进行仿真研究和实时控制,结果表明,该模糊控制器能够克服许多干扰因素,具有良好的控制效果。

基于遗传-蚁群算法的PHEB模糊控制策略优化

以并联式混合动力客车(PHEB)为研究对象,设计了以整车需求转矩与发动机最佳转矩之差以及超级电容荷电状态为输入,以发动机转矩为输出的模糊控制器,并应用遗传-蚁群算法对其进行隶属度函数和控制规则优化。基于MATLAB/Advisor建立了PHEB模糊控制策略模型和整车模型,并对优化前后的实例PHEB性能进行了仿真分析。研究结果表明,优化后的模糊控制策略能够满足设计要求,且等效燃料消耗量比优化前降低了10.2%。

基于改进量子粒子群算法的NCS模糊控制器参数优化

针对网络化控制系统中模糊控制器的量化因子和比例因子采用传统经验方法难以整定的问题,提出了一种改进量子粒子群(IQPSO)算法对模糊控制器量化因子和比例因子进行优化。该方法将ABC算法中的搜索算子作为变异算子引入到QPSO算法中,使得IQPSO算法较好地克服了QPSO算法保持种群多样性差容易早熟收敛的缺陷,并以ITAE指标作为IQPSO算法的适应度函数对模糊控制器进行优化。典型工业过程仿真结果表明,IQPSO优化的模糊控制器具有比PID控制器和标准QPSO优化的模糊控制器更好的控制性能和适用性。

应用多模型粒子群优化算法的过热汽温模糊控制

针对单一模型的粒子群参数优化算法存在鲁棒性差的问题,提出一种应用多模型粒子群参数优化的方法,将其应用于模糊控制器参数的优化,有效地避免了模糊控制器设计中复杂的参数调试,使其获得良好的控制品质。通过对锅炉过热汽温系统的仿真实验,在负荷大范围变化的条件下,控制系统仍保持了良好的控制性能,并且具有较强的鲁棒性。仿真结果表明了所设计的控制器的有效性和所提出的优化算法的优越性。

离散二进制粒子群算法与模糊控制混合运行的家庭能量管理算法

能源互联网是解决未来电网大规模分布式电源接入,提高新能源渗透率、电网经济性及可靠性的重要手段。未来家庭能源网络作为能源互联网的一种子网,主要由分布式电源、储能系统、电动汽车、智能家电与传统电器组成。目前,家庭能量管理策略上主要采用以混合整数线性规划(MILP)为代表的最优化算法和以模糊控制为代表的控制算法,但两种方法都存在着一定的弊端。考虑到家庭能源网络内设备特性不一,仅采用一种控制方式有失偏颇。在分析家庭系统内不同能量设备的应用现状的基础上,提出采用最优化算法与控制算法混合运行的家庭能量管理策略,并针对不同策略之间的兼容性做出了优化。为验证算法的优化效果,利用真实历史数据分析了混合运行下的算法表现,并与单独控制时家庭运行成本做出比较,验证了算法的有效性。

基于粒子群算法的变论域模糊控制在二级倒立摆中的研究

为了实现二级倒立摆系统的快速稳定控制,设计了一款基于粒子群算法的变论域模糊控制器。通过对二级倒立摆系统结构和参数的分析,建立了二级倒立摆的数学模型,再利用粒子群算法优化了变论域模糊控制器的参数,改进了控制器的性能,最后通过仿真证明该算法切实可行。

基于模糊粒子群算法的钻杆运移装置控制系统研究

在大直径救援井施工起下钻作业中,钻杆运移装置用于大直径钻具输送及钻柱接续。针对钻杆运移装置定位过程中钻杆易产生振动,难以快速、准确地将钻杆举升至动力头翘起角度进行对扣的问题。首先分析了钻杆运移装置的结构特点和工作原理,利用结构关系推导了钻杆举升时的运动学模型,得出钻杆末端接头与举升油缸和运移小车运动规律的映射关系,并采用有限元方法建立了钻杆举升时的动载受力模型,得出了钻杆末端接头的振动加速度主要由举升油缸和运移小车的工作速度所决定,且各部件的工作速度主要由各自的输入流量所确定;其次引入了基于模糊粒子群优化算法的综合误差评价函数,将钻杆末端接头的转角误差和位姿误差作为输入信号,采用加权法进行计算出综合误差和加速度误差,利用梯形隶属度函数构造了模糊控制规则,得出综合误差、加速度误差与比例参数、积分参数、微分参数之间关系,完成PID的控制参数调节,实现了对钻杆末端接头的主动抑振控制;最后利用MATLAB软件搭建了数值仿真模型,以某次钻杆运移装置工作时测量数据信号为例进行仿真研究,系统综合误差只需0.9 s可将振幅衰减至峰值的10%以下,同时加速度误差仅为0.05 mm/s^(2),并通过现场应用试验进行了验证。试验结果表明:该钻杆运移装置的控制方法可以实现钻杆举升过程的主动抑振,定位过程中钻杆末端接头能够在短时间内进入稳态,采用模糊控制器时平均加卸单根钻杆时间约192.8 s,节约时间约60 s,整体加卸钻杆效率提高24%。研究结果为提高钻杆运移装置的整体施工作业安全性和施工效率提供了理论基础。

基于预测变异多目标粒子群算法的风-光-抽水蓄能系统日前调度

文章针对风-光-抽水蓄能联合发电系统,采取并网运行、自发自用、余电上网的模式,以经济效益最大化和电网交互功率波动最小作为目标函数,考虑各子系统运行约束和能量平衡约束,对其日前调度进行了研究。针对传统多目标粒子群算法多样性较差、易早熟且后期收敛速度慢的问题,提出一种基于预测变异的多目标粒子群算法(P-MOPSO),引入预测变异策略提高种群的多样性和全局搜索能力,采用基于拥挤距离均方根和分散度检测的方法提高收敛速度,使算法能够快速得到接近真实的Pareto前沿。仿真结果表明,将该算法用于求解风-光-抽水蓄能联合发电系统的优化调度问题,在多样性、稳定性和求解速度上均具有明显优势。

基于模糊-粒子群算法的舰船主锅炉燃烧控制

针对舰船主锅炉燃烧控制系统负荷突变时主蒸汽压力波动大、空气和燃油调节速度慢以及风油配比易偏离最佳值的问题,在变偏置双交叉限幅燃烧控制系统的基础上,提出模糊-粒子群算法整定变偏置函数的偏置参数,制定大步长控制策略。在Simulink中建立模糊-粒子群控制器和燃烧控制系统模型,仿真试验结果表明:引入模糊-粒子群算法改进的燃烧控制系统主蒸汽压力超调量更小,调节时间更短,空燃比维持在良好范围内,可有效提升主锅炉燃烧控制系统的稳定性、快速性和经济性。

基于粒子群算法的模糊控制器设计及其在烟气脱硝中的应用

针对模糊控制器设计难度大、推广困难的问题,提出一种利用粒子群(PSO)算法设计模糊控制器的方法。通过将二维模糊控制器的模糊推理过程理解为二元函数,将控制器设计问题转变为函数曲面寻优问题,避免了设计隶属度函数、模糊规则等复杂的过程。利用网格化方法,将寻优对象降维为二维矩阵,然后采用PSO算法寻找最适合被控对象的函数曲面,从而完成模糊控制器的设计。以火电厂选择性催化还原(SCR)烟气脱硝系统为试验对象,利用此方法设计模糊PID控制器,并通过与常规PID控制对比,验证了该设计方法的有效性。

抽水蓄能机组新型变工况自适应模糊控制策略

针对抽水蓄能机组工况之间频繁转换、常规比例-积分-微分控制(proportional-integral-derivative control,PID)控制对不同工况变化下适应性弱及现有的新型控制方法难以应用于实时性要求较高的可编程逻辑控制器(programmable logic controller,PLC)调速系统中等问题,同时考虑到导数分量易引入高频测量噪声。结合模糊控制理论,创新地提出了一种以水头和功率作为模糊推理输入变量的新型自适应模糊PI控制器(innovative adaptive fuzzy PI,IAFPI)。首先结合所设计的控制器建立了基于弹性水击和对数投影曲线法的抽水蓄能调节系统精细化模型;然后利用多目标粒子群算法(multiple objective particle swarm optimization,MOPSO)优化该模型的控制参数;最后结合我国某实际抽水蓄能电站数据,分别与传统PI、传统模糊PI控制在不同负荷不同水头下进行对比仿真试验;验证所设计的新型自适应模糊PI控制器可有效提高机组对工况变化的自适应性。