基于改进粒子群优化的胶粘剂生产过程温度控制

针对大惯性、纯迟延、非线性、时变的胶粘剂生产过程,提出一种改进粒子群优化的PID控制算法。该算法针对常规PID设计方法存在的缺点,提出了一种可兼顾多项性能指标的PID控制器参数整定的改进粒子群优化方法。该方法将遗传算法中的变异思想引入到标准的粒子群优化算法中,避免了算法陷入局部极值点,以寻优PID控制器参数。将该方法应用于胶粘剂生产过程,较好地实现了反应釜温度的跟踪控制。仿真结果和实际情况表明所提出算法的有效性和优越性。     

基于Lbest PSO和NNs的电液伺服系统输出力PID控制研究

为了实现电液伺服系统输出力的稳定控制,结合局部最优粒子群优化算法和神经网络模型,提出一种PID控制器设计方法。该方法将神经网络模型(NNS)与PID控制器耦合,得到基于神经网络的PID控制器参数整定结构;再采用局部最优粒子群优化算法(Lbest PSO)确定神经网络的权重,从而得到基于局部最优粒子群优化算法和神经网络的PID控制算法;最后将提出的PID控制算法用于控制虚拟的电液伺服加载系统,以进行仿真实验。仿真结果表明,由该PID控制器控制的电液伺服系统的输出力平稳地收敛于给定力,从而提高了系统的稳定性。     

基于改进PSO算法的加热系统分数阶控制

针对分数阶加热系统,提出一种基于改进粒子群优化算法的分数阶PIλDμ控制方法。首先,将细菌趋化行为机制引入带收缩因子的粒子群优化算法中,解决粒子群优化算法中由于只存在吸引操作没有排斥操作导致种群多样性失去的问题,从而避免PSO早熟收敛及陷入局部最优;然后使用改进PSO算法优化分数阶PIλDμ控制器的参数;最后,以加热系统为被控对象,分别采用改进粒子群优化算法、标准粒子群优化算法、遗传算法优化分数阶PIλDμ控制器的参数。仿真结果表明,使用该改进算法整定分数阶PIλDμ控制器参数,控制器能有效地抑制模型参数的摄动,系统鲁棒性更强。     

非线性优化控制算法在合成氨生产中的应用

针对合成氨生产过程控制仿真中被控参数的非线性、时变性和不确定性等特征引起的控制系统执行效率差,线性控制优化精度低等问题,提出了一种粒子群优化的非线性控制算法.首先将PID控制器控制增益与信号偏差的非线性关系进行修正,将其控制参数动态调节转化为粒子群优化问题;然后利用粒子群优化算法在控制参数的三维空间内进行非线性参数最优解搜索,得到PID控制器的最优控制参数;最后利用该非线性控制算法对合成氨生产过程控制进行仿真测试.测试表明,优化控制算法相对于传统的PID控制,具有较优的系统稳态,且阶跃响应振幅低,系统稳定性高.     

基于小生境的极性PSO多目标优化研究及应用

提出一种改进粒子群算法,即将子群优化的小生境技术应用于极性粒子群算法,每个子群单独进化,内部粒子群进化增加了极性加速度,仅在边界处进行社会信息的传递.这样既保证了子群内部的有效收敛,又增加了全局多样性.将改进的粒子群算法与多目标优化相结合应用于蒸汽发生器的液位控制器参数整定,仿真结果表明,应用该算法的系统特性与使用传统...     

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。     

多变量系统的PID 控制器设计

针对多输入多输出系统,提出一种基于微粒群算法的灰色系统预测PID 控制算法．该方案将多 输入多输出系统转化成若干个多输入单输出子系统,使用多变量一阶灰色模型GM(1;N) 预测出每个子系统的 输出,实现了多输入多输出系统的对角解耦．然后用微粒群算法优化PID 控制器的参数,用优化后的PID 控 制器对每个子系统进行控制．对两个典型的多变量控制过程进行了仿真,结果表明,这种控制方法超调量较 小,鲁棒性强,响应速度快,抗干扰能力强.     

基于IPSO的模糊神经网络优化及交通流量预测

在基于模糊神经网络的交通流量预测中,神经网络的各节点参数优化是最关键的。采用粒子群算法优化模糊神经网络的参数。针对粒子群算法易于陷入局部最优的缺点,提出一种改进的粒子群优化算法,并将改进的算法用于路口交通流量预测。仿真结果表明,该算法的收敛速度和预测精度优于传统粒子群算法、BP算法,提高了交通流量预测的精度和速度。     

基于粒子群优化的分数阶PID预测函数参数整定

为避免分数阶PID预测函数手动调节参数的不确定性以及繁琐性,应用粒子群算法优化其参数,完善分数阶PID预测函数控制器,并提高其控制精度,充分体现了算法的智能性。将粒子群整定分数阶PID预测函数算法应用于单变量的励磁控制系统中,通过Matlab仿真并与模糊分数阶PID预测函数以及经验调节方法相比较,结果表明,粒子群算法整定参数收敛速度快,找到最优点时间短,整定后的算法具有静态误差小、无超调、上升速度快、调节时间短、抗干扰能力强等优点,能很好地满足励磁系统的动态特性,并具有较强的鲁棒性及适应性。     

基于微粒群算法的PID控制器优化研究

研究PID控制器性能优化中,由于被控对象具有高阶、非线性等特点,而在工业生产过程中,传统的PID参数整定方法易出现超调和震荡问题,使系统响应特性差。为改善系统性能,提出一种改进粒子群算法的智能优化策略,将PID控制器参数作为粒子群中的粒子,以控制误差时间积分函数作为优化目标,进行PID控制参数的并行优化。利用MATLAB仿真软件进行仿真,并通过与传统整定方法(Z-N法)进行比较。结果表明,粒子群的PID参数整定法可提高控制器性能,并能够实现目标的最优整定,为PID控制器性能优化提供依据。     

基于免疫粒子群优化的主动悬架LQG控制研究

针对LQG控制器用于主动悬架存在权重系数依靠先验知识来确定的不足,提出了免疫粒子群混合优化算法。该算法首先利用粒子群算法对LQG参数进行离线优化,得到一组准最优LQG参数,将其作为在线调节初始值,然后引入免疫粒子群算法对LQG参数进行在线实时优化。该方法实现简单,在保持粒子多样性的同时也改善了粒子群算法收敛速度慢、早熟以及免疫算法过程繁复冗长。仿真验证了所提方法的可行性与有效性。     

多智能体粒子群优化的SVR 模型预测控制

参数的优化选择对支持向量回归机的预测精度和泛化能力影响显著,鉴于此,提出一种多智能体粒子群算法(MAPSO)寻优其参数的方法,并建立MAPSO支持向量回归模型,用于非线性系统的模型预测控制,推导出最优控制率.采用该算法对非线性系统进行仿真,并与基于粒子群算法、基于遗传算法优化支持向量回归机的模型预测控制方法和RBF神经网络的预测控制方法进行比较,结果表明,所提出的算法具有更好的控制性能,可以有效应用于非线性系统控制中.     

飞机地面空调车温度控制的仿真研究

研究优化飞机地面空调车温控制问题,由于飞机地面空调车温度控制是非线性、时变性强的系统,工作环境不确定性,面对复杂系统温控模型不准确,传统的PID控制存在超调量大、响应速度慢、抗干扰能力弱等缺点。为提高温度控制精度,提出了一种新的稳定性好、精度高、抗干扰能力强的遗传-粒子群PID控制方法。结合传统的PID方法,遗传算法和粒子群算法的各自优点,实现了PID参数的在线整定。通过在matlab上进行仿真,实验结果证明算法具有超调量小、响应速度快、精度高、抗干扰能力强等优点,PID控制性能有显著提高,为飞机地面空调车的温度控制设计提供了依据。     

基于动态邻域微粒群的Smith预估双控制器设计

针对模型未知时滞系统的预测补偿控制,提出一种基于动态邻域拓扑微粒群算法以优化动态神经网络的参数,并将其作为预估器和辨识器应用于一种新的Smith预估双控制器结构设计.利用微粒群算法空间搜索能力指标,动态建立邻域拓扑结构,优化神经网络参数,并将两者的组合模型应用于新的双控制器结构,将负载扰动和定值控制分开,以提高Smith预测补偿模型的控制精度和鲁棒性,最后通过仿真验证了所提出方法的有效性.     

基于岛屿群体模型的并行粒子群优化算法

为改善粒子群优化算法对大规模多变量求解的性能，提出了基于岛屿群体模型的并行粒子群优化算法．对粒子群优化算法机理和本质并行性进行分析，设计和实现了一种并行粒子群优化算法．实验结果表明，基于岛屿群体模型的并行粒子群优化算法不仅提高了求解效率，而且改善了早收敛现象，算法的性能比经典粒子群优化算法有了很大提高．     

永磁同步电机PID参数优化研究

研究永磁同步电机优化控制问题,永磁同步电机具有强耦合和强非线性特性的特点,应用环境一般较为复杂且常常存在各种干扰使电机系统稳定性差,针对传统PID控制方式很难满足电机系统要求,控制效果差,超调大。为提高控制精度,提出一种改进的PID控制方法。将PID控制器的参数作为粒子群中的粒子,系统控制精度作为粒子的寻优目标,通过粒子搜索找到最优PID控制参数,从而对电机进行精确的控制。仿真结果表明,粒子群算法的PID控制器提高了永磁同步电机系统控制精度,为永磁同步电机优化设计提供了科学依据。     

基于性能诊断的预测控制器参数整定策略

针对多变量模型预测控制系统在长期运行中出现设定值变化、模型失配、扰动特性变化后控制器参数不再匹配的问题,提出一种在得到性能诊断结果后基于改进粒子群算法的控制器参数整定方法.通过分析最优控制律与三项系统性能的关系,构造出对应的目标优化函数,对粒子群算法迭代过程中粒子的位置和惯性因子做出改进,弥补该算法易于陷入局部最优以及...     

多无人船通信网络拓扑优化控制算法

为构建有效、可靠的多无人船网络拓扑结构,本文提出一种基于改进粒子群优化的多无人船网络拓扑优化控制算法.该算法通过综合考虑网络连通度、链路通信质量、网络连接收益和网络连接成本构建多无人船网络拓扑优化模型.为确保模型与应用对象的适配性,重点分析海上无线电波的传播特性,并在此基础上,完成链路通信质量、网络连接收益和网络连接成本的表征.为获得模型的全局最优解,加快模型的收敛速度,在粒子群优化算法的迭代寻优过程中,借鉴电磁场中带电粒子间的相互作用,利用粒子的电荷量动态自适应调整算法的控制参数,当粒子种群多样性小于给定的阈值时,将粒子种群中适应度值最小的粒子作为扰动粒子,引导粒子向未搜索区域移动,克服算法的早熟收敛.仿真结果证明了该算法的有效性.     

基于改进PSO算法的MAP图标定点选择新方法

为提高基于MAP图的控制系统驱动效果,并有效减小控制系统内的存储量,提出了一种基于改进粒子群算法的MAP图中标定点择优选取新方法。以液压机械无级变速传动比控制系统中采用的MAP图为例,将其横坐标的两个变量在其定义域内等分,并采用改进粒子群算法选取等分后每段内的坐标点数量和位置。选取过程采用多目标优化原理结合了随机产生100个点的实际值与MAP图线性插值的平均误差以及选定的标定点数量。为提高算法执行效率,对粒子群算法的迭代准则、惯性权重和学习因子进行改进。结果表明,改进后的粒子群算法收敛速度快,寻优精度高,仅需较少的标定数据即可制作控制效果较佳的MAP图。     

基于四旋翼无人机的粒子群PID控制研究

针对四旋翼无人机PID控制中,凭借经验知识和仿真调试来选取比例、积分、微分等参数时存在盲目性的问题,提出了利用改进后的粒子群算法对PID控制器进行优化的方法。采用自适应惯性权重的方法对粒子群进行优化能够避免在刚开始就陷入局部最优的困境,同时选用ITAE准则作为改进粒子群算法的适应度,以此达到更好的控制效果。通过MATLAB/Simulink搭建模型并仿真,证明了自适应粒子群PID比传统的PID响应更快,超调量接近于0,达到稳定的时间更短;在遇到干扰信号时粒子群PID算法恢复稳定的时间较PID减少了0.15s。