基于改进粒子群算法的主动配电网有功无功协调优化控制

针对主动配电网有功无功协调优化控制过程中受到网络环境的影响,导致主动配电网的运行稳定性下降,为此提出了基于改进粒子群算法的主动配电网有功无功协调优化控制.根据主动配电网接入系统的连接原理,以电压稳定性和运行经济性为优化目标,表征了配电网运行状态并计算出电力系统的网损,将系统的潮流方程、无功补偿容量和状态变量作为约束条件...     

基于改进粒子群算法掘进机液压系统自适应控制研究

为了能够提高掘进机掘进液压控制系统的稳定性,研究了改进粒子群算法在其中的应用。首先,讨论了普通粒子群算法的基本理论,根据其缺陷设计了改进的粒子群算法,可以避免陷入局部最优和早熟现象;然后,分析了掘进机掘进液压系统的基本原理;最后,建立了基于改进粒子群算法的掘进机掘进液压系统的自适应控制模型,并且进行了控制仿真,仿真结果表明,基于该算法的控制策略具有较高的鲁棒性,同时进行了现场应用,经过实际测试表明该系统具有较高的应用价值。     

基于改进粒子群算法的气动机械手的控制研究

粒子群算法有易于陷入局部极小、收敛速度慢的特点,结合粒子在寻找食物的时候,多半可以飞到预期中的最佳位置,由于不确定因素的影响,少数粒子在飞行中发生偏离,本文提出了改进型的粒子群算法。模拟算法不确定因素干扰操作,对于群体过度现象起到有效避免作用,种群的多样性得到有效增加。气动机械手本身有很多优点,包括成本低廉、结构简单、抵抗干扰性强等。目前各种生产行业中均以应用了气动机械手,本文介绍了气动机械手的工作原理和外部接线,对气动机械手的气动装置和改进粒子群算法控制系统的设计。     

基于蝗虫优化算法变论域模糊PI的PMSM矢量控制

永磁同步电机是一个多变量、强耦合、非线性和变参数的复杂控制对象,采用传统的PI控制很难满足现代工业的控制要求.为了获得较好的控制性能,在标准模糊PI控制的基础上,提出了一种蝗虫优化算法和变论域模糊PI相结合的控制方法.首先,介绍了蝗虫优化算法和变论域模糊PI控制的基本原理;然后,阐述了蝗虫优化算法变论域模糊PI转速控制...     

基于改进粒子群算法的神经网络PID控制研究

BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高.     

基于改进粒子群优化算法的无级变速器冷却系统优化设计

提出了一种基于改进粒子群优化算法的无级变速器冷却系统优化设计方法。首先确定了整个冷却系统的基本设计方案;然后在考虑整机和局部能量损失特性、冷却压力控制阀工作特性的基础上,采用改进粒子群优化算法对冷却系统关键结构参数进行了优化。仿真计算和整车试验结果表明,所设计的冷却系统可以随发动机转速的不同实现较优的整机和局部冷却流量分配,并可以满足各种极限工况的冷却要求。     

基于传感器集成模块的PMSM矢量控制实验研究

对传感器集成模块的硬件结构和软件功能进行讨论,构建概念性传感器集成模块,丰富了电力电子系统集成模块的类型,并采用该传感器集成模块实现永磁同步电机矢量控制运行。传感器集成模块能有效实现电机端电压和电流的检测、转子位置和速度的估计、磁链和转矩的观测,是高性能电力电子集成传动系统的重要组成部分。     

基于贝叶斯粒子群算法的控制权重矩阵优化

研究了线性二次型调节控制权重矩阵的优化问题。研究了粒子群算法的基本原理及其特点。在传统粒子群算法中引入了贝叶斯思想,利用贝叶斯判别法的基本思想对参加优化的粒子进行预处理,对粒子群算法中的粒子移动速度与方向的损失函数依概率加权平均,并将贝叶斯粒子群算法应用于二次型控制权重矩阵的优化中,提升了权重矩阵优化的收敛速度。通过仿真实验验证了贝叶斯粒子群算法的有效性。     

改进粒子群算法应用于挖掘机铲斗位置控制

挖掘机工作装置精确的位置控制是实现其轨迹自动控制的基础。提出一种改进粒子群优化算法,应用于液压系统PID参数的优化整定中,把遗传算法中的选择和交叉两种操作方式添加到标准的粒子群算法中形成的混合优化算法,提高了算法的搜索能力。建立具有整定PID控制器功能的仿真平台,使用改进粒子群算法、标准粒子群算法和相位裕度方法对PID控制器进行整定仿真,根据仿真结果,进行了模拟铲斗平地运动试验。仿真和试验结果表明改进粒子群算法整定的PID控制器参数,在电液伺服系统的动态响应和精确的轨迹控制方面有良好效果。     

粒子群优化算法综述

首先介绍了PSO的原理及具体实现步骤;然后针对PSO算法在搜索的初期收敛速度很快,但在后期却易于陷入局部最优的缺点,提出了各种改进办法;最后介绍了PSO算法的应用领域以及研究展望.     

基于量子粒子群优化算法的斜齿轮设计

粒子群优化算法是一种基于群智能的优化方法,量子粒子群优化算法是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多约束条件的斜齿轮传动的优化设计,笔者提出了一种基于量子粒子群优化算法优化求解的方法,实践表明能够快速、有效求得优化解,是求解齿轮优化设计问题的一个较好方案。     

增量型模型算法控制在PMSM速度控制中的应用

针对普通PID控制系统性能受参数变化及各种不确定性影响严重等缺点,在基本模型算法控制（MAC）基础上,综合了MAC在线实时预测、优化、反馈校正的优点,在控制器中引入了积分因子组成增量型模型算法控制（IMAC）,并将该算法应用于永磁同步电机（PMSM）速度控制中。仿真结果表明,由该算法构成的控制器较普通的PID控制,在系统模型参数与实际参数严重失配的情况下,能够有效抑制各种不确定性的不良影响,且系统鲁棒性强,又可获得令人满意的动态性能。     

改进的粒子群优化算法及其工程应用

针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。     

基于改进粒子群算法的结构测点优化方法研究

针对工字梁结构受力过程中测点数目过多及优化较困难的问题,提出一种基于模拟退火思想及遗传算法的改进粒子群算法,综合考虑受力状态识别误差与测点优化,进行了测点的筛选。首先将遗传算法的初始化、选择、交叉、变异融入粒子群算法中;其次在变异部分引入模拟退火的思想。改进后的粒子群算法改善了标准粒子群算法的“早熟”、局部寻优能力较差等问题。通过测试函数对比改进粒子群算法与标准粒子群算法的性能,改进的粒子群算法稳定性更好,抗“早熟”能力较强,精度明显提高。通过工字型梁选点及受力状态识别仿真与试验表明,改进粒子群算法在受力状态识别的测点选择过程中具有较高的效率,选择测点的受力状态识别误差均小于3%,在工程应用范围内,为受力状态识别提供了一种较好的方法。     

基于改进粒子群优化算法的复合材料可靠性优化设计

提出了一种可用于求解非线性约束优化问题的改进粒子群算法,并将其用于求解复合材料可靠性优化设计。在满足层合结构系统可靠度的情况下,以总厚度最小为目标函数,对复合材料的纤维方向角和厚度进行优化设计。结果表明,改进粒子群算法不但具备基本算法的简单易实现、需调整参数少的特性,而且能够在确保全局收敛性的基础上,快速搜索到高质量的优化解,对复合材料层合结构的可靠性优化设计十分有效。     

基于改进粒子群算法的机械结构优化设计

针对粒子群算法在寻优过程中存在的容易陷入局部极小、收敛速度慢等缺点,结合粒子在实际寻找食物的过程中,大部分可以飞到其预期的最佳位置,而少数粒子由于受不确定因素影响,发生飞行偏离,本文提出了一种改进粒子群算法。算法中的模拟不确定因素干扰操作,能够有效避免群体过度集中现象,有效增加了种群的多样性。典型复杂机械优化设计的仿真结果表明,该改进算法能够快速、有效地进行全局搜索。     

基于粒子群算法的参数自整定伺服控制器的设计

提出了一种可以不考虑系统的数学模型以及外部的工作状况,直接通过在可行域内搜索最优解来找到合适的控制器参数的方法。以伺服系统的速度环控制器为研究对象,将粒子群优化算法应用于控制器的参数自整定中,设计了参数自整定PI控制器。在Matlab／Simulink环境下建立永磁同步电机伺服系统的仿真模型,对比了通过人工参数整定与基于粒子群优化算法的参数整定两种方法。仿真实验结果表明,该方法整定出的控制器参数可以使伺服系统的性能得到较大提高,具有较大的应用价值。     

改进粒子群算法的环形薄壁零件铣削参数优化

针对某环形薄壁零件在加工过程中的零件局部变形过大的问题,提出了改进粒子群算法的环形薄壁零件铣削参数优化方法。采用有限元软件,对局部变形大的区域进行仿真,得到仿真出的铣削力;通过Design-Expert13中正交实验响应曲面法建立加工参数与铣削力之间的目标函数,采用改进的粒子群算法对目标函数进行优化,最后通过对优化后的加工参数与经验加工参数进行实验对比。结果表明：采用改进粒子群算法的环形薄壁零件铣削参数优化的方法,可使零件局部变形大的区域的铣削力减小24.9%,有效降低了环形薄壁零件的变形量,为技术人员在选择该环形薄壁铣削参数时,提供了新的参考方案。     

基于改进粒子群的火电厂锅炉主汽温优化控制方法

为提升火电厂锅炉主汽温的控制效率,文章提出了一种基于改进粒子群算法的优化控制方法。该方法通过构建主汽温控制模型来消除干扰,从而提高主蒸汽温度控制的准确性。在保证受控对象温度控制准确的前提下,采用串联控制的方式实现机组运行期间主蒸汽温度控制转换。通过基于改进粒子群算法的优化控制,完成火电厂锅炉主汽温的最优控制。实验结果表明,这种研究方法具有更高的控制效率。