共查询到10条相似文献,搜索用时 31 毫秒
1.
在矿井提升机异步电机的矢量控制技术中,对于采用PI控制的电流闭环控制方式,PI控制器的参数的优化尤为重要。利用一种混合粒子群(PSO)算法对异步电机速度控制器的参数进行优化,并与常规控制器参数以及标准粒子群算法优化后的速度控制器参数进行比较,实验结果表明,用混合粒子群算法优化的参数,可以提高系统的控制速度、动态性能,对矿井提升机异步电机矢量控制的研究具有一定的理论和现实意义。 相似文献
2.
矿井提升机控制系统PID参数的优化对提高提升机的舒适和安全性能有重要作用。考虑到控制系统对提升机动态响应特性的影响,提出了一种改进的粒子群优化(PSO)算法对提升机控制系统参数进行优化,并在Simulink平台上进行了仿真分析。改进后的PSO算法可以随迭代次数自适应地调节惯性和学习因子,加快收敛,结果更精确。仿真结果表明,使用改进的PSO算法对提升机控制系统的参数进行优化后,系统在动态过渡过程中不会有过冲或振荡,响应更快,抵抗外界扰动因素的能力也更好,从而达到使系统具有高性能的要求。 相似文献
3.
针对标准粒子群优化(PSO)算法存在早熟收敛,易陷入局部极值的缺陷,提出了一种利用混沌优化算法确定PSO算法参数的改进粒子群优化(MPSO)算法。为了提高径向基函数(RBF)神经网络的精度和性能,提出了一种基于改进粒子群优化(MPSO)算法的RBF网络学习算法。RBF网络隐层节点个数用对手受罚的竞争学习(RPCL)算法确定后,基函数的中心矢量、方差和网络权值用MPSO算法在全局空间动态确定。采用Iris分类问题做仿真实验,并与基于标准PSO算法的方法和单纯BP网络训练进行比较。实验结果表明,该算法性能优于所比较的2种算法,并且具有良好的收敛性和模式分类能力。 相似文献
4.
5.
PSO-BP网络模型在GPS高程拟合中的应用 总被引:1,自引:0,他引:1
文中介绍了一种全局随机优化算法—粒子群优化算法,并将其应用于BP网络模型的参数优化。在基本BP算法的误差反向传播调整权值的基础上,引入粒子群算法(PSO)进行权值修正,建立一个PSO优化的BP网络模型进行GPS高程拟合,并与基于遗传算法优化的BP网络模型(GA-BP)、支持向量机模型(SVM)和基本BP网络模型的拟合结果进行分析比较。结果表明,PSO-BP网络优化模型性能略高于GA-BP网络模型的性能,明显优于SVM模型和BP网络模型。 相似文献
6.
7.
8.
9.
10.
针对传统组合优化方法用于故障特征选择的缺陷问题,提出了基于人工免疫和混沌思想的混合粒子群优化算法的特征选择策略。引入混沌优化和人工免疫系统中的克隆选择机制,利用克隆和混沌变异等算子对算法进行改进,提高种群的多样性,增强了算法跳出局部极值的能力。实验结果表明,该混合粒子群算法比常规粒子群算法具有更快的优化速度,有效提高了特征选择效率,使故障诊断精度有所提高。 相似文献