改进粒子群算法的啤酒灌装机液位控制PID参数整定

目的 整定最优的PID控制参数,对啤酒灌装机中贮液罐液位进行控制,以保证PID控制器能满足啤酒生产中的控制要求。方法 结合Rosenbrock搜索法和个体扰动策略来改进粒子群算法,并利用改进算法整定PID参数,最后将整定好参数的PID控制器用于控制液位对象;基于Matlab进行仿真实验,利用粒子群算法与文中方法做比较。结果 通过Matlab仿真验证,改进了粒子群算法整定的PID参数,其跟踪特性的调节时间为16.18 s,超调量为10.20%,IAE性能指标约为6.09;粒子群算法整定结果表明,跟踪特性的调节时间为27.72 s,超调量为26.90%,IAE性能指标约为7.23。结论 与原始粒子群算法相比,文中算法整定的3个PID参数在控制液位对象时综合性能评价指标更好,且能使系统平稳过渡,超调较小,响应速度快,调节时间快,其控制器性能能满足啤酒灌装机的生产要求。     

SA-PSO锅炉燃烧控制系统二自由度PID参数整定

为满足火电机组日益复杂的控制要求,提高系统目标值跟踪和抗干扰能力,设计采用二自由度PID控制器,且针对二自由度多个相互关联参数整定的复杂性,研究一种模拟退火算法和粒子群算法相融合的智能混合算法(SAPSO算法),用该算法对二自由度PID控制器参数进行整定优化,并运用到锅炉燃烧控制系统中。通过Matlab仿真验证,与传统Z-N整定法和PSO算法相比,经过SA-PSO融合算法整定后的二自由度PID控制器使锅炉燃烧控制系统超调量仅为3.9%、调节时间为47.15 s,并具有较好的抗外扰能力。采用该融合算法整定二自由度PID参数使系统具有良好的性能指标值,能够提高锅炉燃烧系统的控制性能。     

基于改进PSO算法的PID控制器研究

针对一般的粒子群优化(PSO)学习算法中存在的容易陷入局部最优和搜索精度不高的缺点,对改进型PSO算法进行研究。由于惯性权重系数ω对算法是否会陷入局部最优起到关键的作用,因此,通过改变惯性权重ω的选择,对惯性权重系数采取线性减小的方法,引入改进型的PSO算法。采用改进的PSO算法对PID控制器进行参数优化并把得到的最优参数应用于控制系统中进行仿真。仿真实验结果表明:改进型PSO算法不会陷入局部最优,能得到全局最优的PID控制器的参数,并使得控制系统的性能指标达到最优,控制系统具有较好的鲁棒性。     

基于改进量子粒子群算法的纸浆浓度控制系统

目的为了克服传统PID控制在具有大时滞性、非线性等特点的纸浆浓度控制系统中性能不足和参数调整困难等问题,研究参数在线调整的方法。方法在传统PID控制的基础上,结合量子粒子群仿生算法(QPSO),提出一种量子粒子群算法优化的传统PID控制器参数,并应用于纸浆浓度控制系统;同时对基本量子粒子群算法进行改进,引入交叉算子,并将该控制算法应用到纸浆浓度控制系统中,并与传统控制进行对比。结果与传统PID控制和基本量子粒子群优化的PID相比较,改进的优化算法能够得到更加令人满意的控制效果,具有系统超调量小、响应速度快、鲁棒性高等优良的性能。结论基于改进的量子粒子群优化算法的纸浆浓度控制系统可有效控制纸浆浓度,能够明显提高系统的控制精度等性能指标,更好地满足实际应用的要求。     

基于混合离散粒子群优化的多时间因素作业车间调度研究

应用粒子群优化(PSO)进行了考虑机器调整时间、工件运输时间以及提前/拖期惩罚的作业车间调度问题的研究,分析了各时间约束对调度的影响,在此基础上设计了一种解决多时间约束调度问题的混合离散粒子群(HDPSO)算法。该算法在初始阶段采用反向学习机制初始化以提高初始解质量,引入记忆池的概念,在每次迭代中利用记忆池中精英解对当代种群搜索加以指导,以增加粒子与优秀群体间的交流并提高收敛速度及跳出局部最优的能力,最后采用一种针对问题的变邻域搜索策略提高了算法收敛精度。实例仿真验证了该算法的有效性。     

基于改进PSO算法的三相可控整流器控制策略研究

双环控制的三相可控整流器具有优良的鲁棒性,但控制器参数选择会在很大程度上影响控制系统的动态性能和静态性能。本文提出了一种利用改进粒子群优化(PSO)算法实现控制器参数自整定,该算法结构简单、参数少、计算速度快、优化效果好。仿真结果表明,应用该算法整定的控制器参数,可使三相可控整流器的总谐波畸变率(THD)明显降低,并使其抗负载扰动能力有效增强。     

纸纱复合制袋印刷一体机张力控制器设计

目的研究纸纱复合制袋印刷一体机纸张张力控制器。方法针对纸纱复合制袋印刷一体机的张力控制问题,结合模糊自适应PID与粒子群算法,设计基于余弦自适应调整惯性权重的粒子群优化算法的模糊自适应PID张力控制器。利用余弦自适应调整惯性权重的粒子群优化算法,搜索出一组最优的PID参数,来提高张力的控制精度。结果仿真结果表明,该张力控制方法的响应时间为0.25 s,最大超调量为2%,小于其他方法的响应时间和最大超调量。结论设计的控制器与传统的PID控制和模糊自适应PID控制相比,具有响应速度快、控制输出稳定、调节时间短等优点。     

动态信息调整且速度可控的改进型合作粒子群算法

针对粒子群算法中因多样性丧失引致的早熟收敛问题,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.该算法通过子群划分,在粒子自身最好值、全局粒子最好值基础上,增加了子群粒子最好值对粒子飞行状态的控制作用,并利用当前寻优次数,动态调整各最好值对粒子下一次状态确定的贡献率,实现三种参考信息的有效融合,从而具有更强的寻优能力;通过子群数的调整,研究实现收敛速度控制的可能性与可行性,在保证算法搜索精度的同时,使其具有更为合适的收敛速度.最后,利用仿真实验对理论分析结果进行验证,结果表明,相对于其他PSO类算法,本算法具有更好的收敛精度,且收敛速度可控.     

气动调节阀最优分数阶PID控制器设计EI北大核心CSCD

针对工业控制过程气动调节阀阀位控制中非线性,模型不精确等问题,提出一种基于分数阶PID控制器(fractional order PID controller, PI~λD~μ)的阀位控制方法。分析气动调节阀工作原理并建立其数学模型,为提高模型准确性,针对分数阶PID控制器参数整定范围广、复杂性高等问题,提出一种改进量子粒子群算法(improved quantum particle swarm optimization, IQPSO)整定分数阶PID控制器参数,引入混沌映射和非均匀高斯变异增强算法寻优能力,将改进算法用于调节阀控制系统模型辨识。仿真与试验结果表明,相比于整数阶PID控制器,所设计的分数阶PID具有更快的响应速度和控制精度,能更好地满足气动调节阀阀位控制要求。     

基于小波包和PSO优化神经网络的刀具状态监测

为改进BP神经网络进行刀具磨损状态识别时训练时间较长、收敛速度较慢、测试精度不够高、甚至完全不能训练等问题,引入一种全局搜索能力强,收敛速度快的算法——粒子群优化算法(PSO),用其来优化BP神经网络参数,改进网络的训练和识别性能。实验证明:经粒子群算法优化后的BP神经网络较原网络有更快的训练迭代收敛速度和更高的测试准确度,达到优化的目标,对实现数控刀具磨损状态的智能化在线监测具有重要意义。     

超磁致伸缩作动器非线性模型辨识研究

准确辨识超磁致伸缩作动器非线性模型参数是位移精确控制的必要条件,针对标准粒子群(PSO)算法存在早熟收敛及迭代后期易陷入局部最优的不足,提出一种可动态调整惯性权重、学习因子及带遗传变异的改进型粒子群(IPSO)辨识算法,该算法可平衡全局和局部搜索能力,提高收敛速度和辨识精度,并将该算法应用于超磁致伸缩作动器非线性模型的参数辨识研究。结果表明:该算法能有效可靠地辨识超磁致伸缩作动器非线性模型参数,计算值和实验的吻合程度较高,并且具有一定的抑噪能力。     

带爆炸算子的粒子群优化算法

粒子群优化算法(PSO)在应用中极易陷入局部最优并且后期收敛速度较慢。针对这两个问题,分析标准粒子群优化算法的收敛特性,利用粒子群算法的惯性权重来保证算法的全局寻优能力,提出的局部搜索策略是在两次迭代过程中粒子位置突变较大时融合爆炸算子提高粒子的局部开采能力,极大的改善算法后期的收敛速度。通过典型的函数优化实验验证,改进算法在寻优能力、寻优精度、收敛速度等方面都有较好性能。是平衡粒子探索和开采能力的高效算法。     

基于PSO和LSSVM回归的摄像机标定

针对摄像机非线性显式标定时很难精确地建立其复杂的数学模型,本文提出了基于粒子群优化算法(PSO)和最小二乘支持向量机(LSSVM)回归的摄像机非线性隐式标定方法.该方法采用最小二乘回归机精确逼近图像坐标与世界坐标之间复杂的非线性成像关系;利用PSO算法搜索LSSVM回归模型的最优参数,提高LSSVM回归的收敛速度和泛化能力.通过运用标准BP神经网络、遗传算法、LSSVM及粒子群优化的LSSVM回归方法对圆阵列图案标定模板进行标定,实验结果表明:基于PSO和LSSVM回归的标定方法具有标定精度高、收敛速度快、泛化能力强等优点.     

基于FAST的大型风力发电机功率优化研究

风机受自身机械结构的承受能力与电气负载极限的影响,需在其相应的工作状态限制其转速与功率。因此风电机组的控制主要分为额定风速以下的转速控制和额定风速以上的功率控制。本文主要针对额定风速以上对风机进行恒功率控制的研究。利用FAST软件建立风机的整机模型,并在Simulink中设计了一种基于功率反馈的PID变桨控制器,考虑到PID参数的选取对控制器的性能影响较大,而人工参数整定不一定能得到最佳参数,针对这一问题,采用粒子群算法(PSO)进行参数寻优,以此来优化功率曲线,仿真结果验证了其有效性。     

基于改进灰狼算法的啤酒灌装PID液位控制

目的 针对啤酒罐装液位控制存在的变负荷、多模态、PID参数整定难的问题,提出一种基于改进灰狼算法的PID参数整定方法,以提高啤酒生产的工作效率。方法 对灰狼算法进行改进,使用欧式距离变化率动态调整收敛因子,平衡算法的全局搜索能力;引入动态自适应权重因子,提高算法的优化速度和精度;与基本灰狼算法比较并用测试函数验证改进算法的性能。结果 仿真结果表明,改进后的灰狼算法在收敛速度和精度上提升效果显著;改进灰狼算法整定的PID参数的上升时间为1.9s,调节时间为5.12 s,超调量为3.78%。结论 与基本灰狼算法对比,改进灰狼算法对啤酒灌装液位PID参数进行整定,调节时间快,超调较小,可以更好地满足啤酒生产的控制要求。     

基于天牛须改进粒子群算法的平面度误差评定研究

基于天牛须改进粒子群算法(BAS-PSO)对平面度误差进行了评定研究.首先,建立基于最小区域的平面度误差评定的数学模型,并将目标函数转化为非线性最优化问题;接着,在粒子群算法(PSO)的基础上,引人局部搜索能力较强的天牛须算法(BAS),加速全局搜索和局部搜索的并行计算,避免算法早熟收敛并陷入局部最优,提高平面度误差评...     

基于膜计算与粒子群算法的盲源分离方法

为了解决盲源分离方法收敛速度慢、分离性能不高的问题,提出一种基于膜计算(Membrane Computing,MC)和粒子群算法(Particle Swarm Optimization,PSO)的盲源分离方法。算法以分离信号负熵作为粒子群的适应值函数,将粒子均匀分布到各基本膜中,将各基本膜内最优位置输出到表层膜并选择适应值最小的最优位置作为群体最优位置,通过粒子自身最优位置和群体最优位置对种群粒子进行速度和位置的更新。粒子群最优解调整盲源分离的步长函数,进行信号的分离。提出的算法简化了惯性权重取值问题,保证了PSO算法局部搜索的精度,满足了全局搜索的多样性。仿真实验和实例应用表明,提出的算法可以很好地分离混合信号,并且能避免PSO算法的早熟收敛问题,具有更快的收敛速度和更优异的分离性能。     

基于微粒群优化的模型参考自适应控制

针对复杂非线性对象提出了一种基于微粒群优化(PSO)的PID自适应控制方法.通过运用PSO算法对PID控制器参数进行在线调整,使模型参考自适应控制达到理想的控制效果.将该方法引入到连续搅拌反应釜这一复杂的非线性系统,仿真结果表明了该方法的良好性能.     

基于AHP-TOPSIS的可持续包装设计最优方案的筛选

目的 针对基本灰狼算法在函数优化过程中精度低、收敛速度慢、局部搜索能力差等问题,提出一种基于收敛因子和权重动态变化的自适应灰狼优化算法。方法 为了平衡算法的全局和局部搜索能力,引入聚焦距离变化率来动态调整收敛因子;使用自适应权重因子来改变算法的位置更新公式,以提高算法的收敛速度和精度。结果 仿真实验结果表明,改进后的算法在收敛精度和速度上都有了显著的提升,并且克服了灰狼算法在处理多峰函数时易陷入局部最优的缺点;对于纸浆浓度控制系统,控制效果更加理想。结论 通过改进的灰狼算法对PID控制器参数进行整定,可以显著提高系统的控制精度和其他性能指标,能更好地满足实际应用的要求。     

自动化生产单元调度的混沌粒子群算法

在求解一类带时间窗口的自动化生产单元调度问题时,基本粒子群算法易陷入局部极值点且收敛缓慢.针对这一问题,将混沌搜索技术引入至基本粒子群算法中,利用混沌运动搜索精度高、遍历性好的特点来改善基本粒子群算法易陷入局部极值点和收敛缓慢的缺点,从而提高粒子群算法的收敛速度和优化质量.首先给出了带时间窗口的自动化生产单元调度问题的混合整数规划模型,着重讨论了混沌粒子群调度算法的设计,包括编码方式、混沌初始化、混沌扰动和适应度函数计算等.对提出的算法进行了仿真验证,仿真结果表明在求解此类调度问题上,混沌粒子群算法比基本粒子群算法具有明显的优势.