基于直驱永磁同步风力发电系统的控制器设计与研究

直驱永磁同步风力发电系统采用了背靠背双PWM变流器,基于解耦控制策略的PI控制器用于实现对系统机侧和的网侧的有效控制.工程上PI参数多采用试验加试凑的方式,造成大量人力浪费.本文对直驱永磁同步风力发电系统进行数学建模,并提出一种基于粒子群优化算法的PI参数优化,在风速突变条件下对系统仿真分析,结果表明利用粒子群优化算法的PI控制参数能较好的拟合真实值,动态响应快.进而验证了该方法在工程应用中的可行性和有效性.     

基于粒子群算法的APF直流侧电压控制

直流侧电压的的控制影响到有源电力滤波器(APF)的功率损耗和补偿性能,以三相三线制APF为研究对象,推导APF电压环传递函数为被控对象,构造简化定常系统和加入时变环节的时变系统。针对传统PI控制参数难整定、时变系统适应性差的问题,将引入收缩因子和惯性权重线性递减的粒子群算法(PSO)纳入到PI参数的优化中,合成离线PSO-PI控制和在线PSO-PI控制。仿真表明,较传统PI控制,在线PSO-PI控制对时变系统具有超调量小、响应快、适应性强的特点。     

含风电的多区域互联电力系统负荷频率控制

针对含风电的互联电力系统运用粒子群优化的滑模变控制(PSOSMC)算法进行负荷频率控制,风力发电作为负的负荷与常规火电机组和水电机组都参与到负荷频率控制中。PSOSMC控制火电和水电状态变量,维持各项参数的稳定。对常规粒子群算法进行改进,并用改进的粒子群算法优化滑模变结构控制算法中不确定参数的设计。同时,考虑电力系统的非线性问题,以四区域互联电力系统为例,在系统存在阶跃负荷扰动的情况下,验证了滑模变结构方法和改进的粒子群算法的有效性。     

改进粒子群算法在四旋翼PID参数优化中的应用

采用试凑方式对四旋翼飞行器PID控制参数人工进行调整工作量大、费时且难以达到较好的控制效果。为了解决控制参数优化问题,提出基于带交叉因子的粒子群算法(PSO)的PID参数优化策略。将带交叉因子的粒子群算法能快速准确找到最优参数解的特点与PID控制结合起来,在控制过程中将PID参数作为粒子群中的粒子,用遗传算法对粒子进行选择、保优、交叉,以ITAE准则作为误差性能指标,用粒子群算法调整PID参数,得出最优的粒子作为四旋翼飞行器的PID控制器参数。仿真结果显示,该方法具有更强的灵活性、适应性和鲁棒性,并能提高控制系统的精度,具有很好的工程应用价值。     

改进DPSO算法求解仿真任务调度问题

针对离散粒子群算法在求解雷达分布式仿真系统中的仿真任务调度时,由于其易陷入局部最优的缺陷导致算法受初始种群的影响较大且结果稳定低的问题,提出基于信息素变异策略的改进离散粒子群算法。文中分析了离散粒子群算法容易陷入局部最优的原因,引入基于信息素的变异策略,充分利用种群中所有粒子的寻优经验信息来累计信息素,以信息素的分布和效率矩阵为依据对基本离散粒子群算法每次迭代后得到的粒子进行变异操作。仿真结果表明,改进算法有效地避免了算法陷于局部最优的问题,且结果的稳定性比基本离散粒子群算法更好,调度跨度和负载平衡度相比离散粒子群算法,蚁群算法,Max-Min算法和Min-Min算法都有明显的改善。      

一种基于粒子群优化算法的混沌控制方法

提出了一种基于粒子群优化算法的神经网络控制混沌的方法。用粒子群优化算法来训练神经网络,利用训练好的神经网络作为混沌控制器,使混沌系统产生预期的运动。该方法无需了解被控系统的确切的动力学机制,实现方法简单。并对Logistic和Hénon映射进行了仿真,结果表明该方法能将系统控制到预定的轨道。因此,该方法能对混沌系统实施有效的控制,且能够应用于动力学模型未知而仅获得实验数据的情况。     

MIMO系统中改进的二进制粒子群天线选择算法

在多输入多输出系统中,发射端和接收端的多天线配置提高了信道容量和传输可靠性,而天线选择技术能在保持系统优点的同时有效地降低运算复杂度以及硬件成本。为了能在时变的信道条件下快速地选择出一组最优的天线子集,提出了一种基于二进制粒子群算法的改进的天线选择算法。推导出了二进制粒子群联合收发端天线选择的信道容量公式,并将其作为粒子群算法的适应度函数,使天线选择问题转换成二进制编码串的组合优化问题。通过改进模糊函数提高粒子群算法的收敛性,让二进制粒子群尽可能地收敛于全局最优位置。仿真结果表明,改进的算法能在降低运算复杂度的同时提高收敛性,且系统信道容量趋近于最优算法。     

基于PSO-GA算法的多用户OFDM系统资源分配

为了最小化多用户OFDM系统的总发射功率,提出利用改进的粒子群算法与遗传算法相结合的联合算法(PSO-GA)来搜索最优的子载波和比特分配。该算法首先利用改进粒子群算法对系统的子载波和比特分配进行优化。算法运行过程中,当更新后的粒子速度大于最大粒子速度或小于最小粒子速度时,取最大粒子速度与最小粒子速度区间中的一个随机值作为更新的粒子速度。待PSO-GA算法的改进粒子群算法收敛后,将收敛后的种群作为遗传算法的初始种群,再利用遗传算法进行系统的子载波和比特优化分配,进而得出最优解。仿真结果表明,利用该算法比利用遗传算法、粒子群算法与Zhang算法的分配方案使系统需要的总发射功率降低2~10 dB。     

基于ICPSO-BP神经网络的光纤SPR传感器开环系统优化研究北大核心CSCD

表面等离子共振(SPR)传感器开环系统的弊端,对全局搜索粒子群算法(PSO)的早熟收敛问题进行改进,提出了一种动态信息调整且速度可控的改进型合作粒子群算法(ICPSO)。该方法通过在粒子飞行状态控制的迭代方程中引入子群最优信息,较好地保持了粒子多样性,有效地避免寻优飞行中粒子的早熟收敛。进一步将该算法作为BP神经网络的训练算法,建立了更为优化的ICPSO-BP神经网络。最后,利用ICPSO-BP神经网络对光纤SPR开环系统的内部非线性模型进行辨识补偿,分别建立单输入、双输入、三输入的ICPSO-BP神经网络补偿模型,实验及仿真结果表明新算法在测试线性精度和速度上均具有较好的表现,从而保证了光纤SPR良好的线性测试效果,为光纤SPR传感器进一步应用打下一定基础。     

分数阶控制在位置随动系统中的应用研究

位置随动系统对响应速度、定位精度、抗扰动性能等要求越来越高,整数阶PID 控制实现容易,但性能有限,很难满足高要求。分数阶PID(FOPID)控制由于引入了积分和微分两个阶次参数,可控参数更多更灵活。文中针对位置随动系统引入分数阶PI 控制,首先,利用分数阶微积分的数值计算方法(irid_fod 法)给出了差分方程;然后,在MATLAB 环境下利用粒子群寻优算法,分别整定随动系统整数阶PI 及分数阶PI 最佳控制参数;接着,进行了定位控制及抗扰动性能的仿真与实物试验。结果表明:位置随动系统中,分数阶PI 控制较整数阶PI 控制定位快、抗扰动性能强,具有一定的工程应用价值。     

基于粒子群算法改进的电力系统

本文针对传统粒子群算法自实际应用中出现速度缓慢及局部最优解等等问题,提出了一种改进粒子群算法,并且将其应用在电力系统中,希望能够解决电力系统所存在的例如无功优化等问题中.改进后的粒子群算法在实际应用中收敛速度更加合理,能够有效保证种群的多元性,有效解决传统粒子群所存在的局部最佳解问题.     

粒子群优化BP-PID的矿井提升机调速系统

传统PID控制器在矿井提升机变频调速系统应用中,由于控制参数固定且不易整定,导致电机转速超调大、电磁转矩和转子磁链脉动大,进而出现矿井提升机调速系统控制效果差的问题。针对这一问题,文中提出一种改进粒子群优化BP神经网络PID控制器的算法。由于BP神经网络算法存在收敛速度慢和极易陷入局部最优的缺点,现将粒子群算法收敛速度快和全局最优特性与神经网络结合,并通过设计神经网络收敛系数进一步加快收敛速度。仿真结果表明,粒子群优化的神经网络控制效果比神经网络好,且效果明显优于传统PID控制器;相较于神经网络PID控制器,矿井提升机转速调节系统稳速调节速度明显提高;与传统PID控制器相比,电机电磁转矩和转子磁链脉动明显降低,具有较强的稳定性和鲁棒性。     

交叉前置式粒子群优化算法及其在催化裂化C3含量软测量中的应用

 针对粒子群优化算法易陷入局部极小点,出现早熟收敛的问题,本文提出了一种交叉前置式粒子群优化算法(PSOPC).该算法引入了一个辅助种群,将其中的个体与粒子群中的粒子在粒子更新之前进行预先的交叉操作.辅助种群所包含的是每次迭代后所生成的适应值较差但多样性较高的粒子.前置式交叉操作能够增加粒子群的多样性,有效改善算法的全局收敛能力.标准函数测试结果表明,PSOPC比基本PSO具有更好的优化性能.最后,将PSOPC应用于催化裂化装置干气中C₃含量软测量建模,通过与实际的工业数据的对比,结果表明基于PSOPC的神经网络C₃含量软测量模型具有较高的精度和较强的泛化能力.     

基于PPSO-GRADS算法的盲信号分离

该文将联姻策略应用在粒子群算法中,提出一种并行分阶段的基于粒子群优化算法的盲信号分离方法(PPSO-GRADS)。该算法具有收敛速度快,分离精度高的特点。通过仿真证明该算法比未使用联姻策略的粒子群算法有更好的性能,在收敛速度和分离效果上比传统的梯度算法,遗传算法都有较明显的改善。     

混合粒子群算法在动态车间调度中的应用

车间调度问题是广泛存在于现实生活中的经典算法规划问题。好的生产调度系统有利于提高企业工作效率及降低企业成本,是工业生产的核心竞争力。粒子群算法因为强大的智能规划能力而被广泛用于车间调度问题当中。文章在原有标准粒子群算法基础上,引入模拟退火机制及遗传算法中交叉变异策略形成的混合粒子群优化算法,并在更具有实际生产环境的动态车间调度中模拟应用,与遗传算法、离散粒子群算法进行比较,具有较强优势。     

Implementation of Synchronized Chaotic Lü Systems and Its Application in Secure Communication Using PSO-Based PI Controller

This paper investigates the synchronization of chaotic systems and its application in secure communication. First, a particle swarm optimization (PSO)-based proportional -integral (PI) controller is proposed for synchronization of general chaotic systems. By using the PSO algorithm, optimal control gains in PI controller are derived such that a performance index of integrated squared error (ISE) is as minimal as possible and synchronization can be achieved. Then a chaotic secure communication system based on synchronized coupled Lü systems is implemented using basic electronic components. Finally, both simulation results and the experimental results demonstrate the proposed PSO-based PI scheme’s success in the secure communication application.     

基于粒子群算法的3维激光雷达回波分解

为了提高3维激光雷达回波分解的精度和准确度,采用粒子群算法与最小二乘法相结合的方法,分析了激光雷达回波分解原理以及粒子群算法原理,研究了粒子群算法在激光雷达回波信号分解中的应用;进行了理论分析与实际数据验证,取得了实际激光雷达回波数据的分解结果。结果表明,采用粒子群算法与最小二乘法相结合的分解方法,激光雷达回波可以更高精度地分解为一系列单个波形的叠加,并获得了延时、强度及脉宽等参量,拟合度提高至0.989,一定程度上抑制了噪声的干扰。该算法可以有效提高激光雷达回波分解的精度。     

基于PSO和LM的信号稀疏分解快速算法

传感矩阵和重建算法的性能分析和优化是目前压缩传感领域研究的热点。针对匹配追踪算法在信号稀疏分解中计算量巨大的难题,提出了一种交替使用粒子群算法和LevenbergMarquardt算法的混合智能算法来寻找最佳原子。首先利用粒子群算法得到群体最优解,再以该解作为LM算法的初值,交替使用两种算法,直至发现满意的最优解。数值分析表明,新算法克服了粒子群算法过早收敛于局部极值和LM算法依赖初值的问题,保证了求解的速度和精度。     

基于VB和Access的温度采集系统的设计与实现

针对函数优化问题,提出了一种基于离差平方和法的粒子群优化算法。该算法用混沌序列初始化粒子的位置和速度,选择好于粒子群优化算法产生的粒子位置。通过离差平方和法进行聚类,利用分类方式来更新粒子的速度。最后将算法应用到3个典型的函数优化问题中,数值结果比较表明,提高了算法搜索能力,全局最优解的精度和收敛速度。     

基于鲶鱼粒子群优化算法的认知无线电频谱分配

目前亟待解决如何获得认知无线电系统效益最大化问题,而求解最优频谱分配方法是一项关键技术,针对传统粒子群(PSO)算法收敛速度慢、易陷入局部最优解等缺陷,提出一种基于鲶鱼粒子群算法(CE-PSO)的认知无线电频谱分配方法。首先建立认知无线电频谱分配优化的数学模型,然后以用户取得的效益最大化为优化目标,引入"鲶鱼效应",保持粒子群的多样性,通过粒子间信息交流找到空闲频谱最优分配方案,最后采用仿真实验测试CE-PSO算法的有效性。结果表明,CE-PSO算法克服了PSO算法的缺陷,可以快速、准确地寻找到最优频谱分配方案,更好地实现系统效益的最大化,可以满足认知无线电系统的应用需求。