基于Matlab的吹膜机薄膜张力控制系统的建模与仿真

提出一种包含压缩因子及模拟退火算子的改进型粒子群算法,弥补了常规PSO算法的缺点。同时,提出一种改进型的二自由度PID控制器,并用改进的二自由度PID控制器替换薄膜张力控制系统中的常规PID控制器。仿真结果表明:改进方法具有优良的控制效果及鲁棒性,可以更好地满足吹膜机塑料薄膜张力控制系统参数复杂多变的生产环境。     

基于改进PSO的塑料挤出机智能温度控制系统研究

基于迁徙策略的自适应改进粒子群算法,提出一种并行式二自由度PID,用该并行式二自由度PID替换塑料挤出机温度控制系统中的常规PID,对并行式二自由度PID参数优化,获得了更好的性能指标值及鲁棒性。     

塑料吹膜机的三阶滑模温度自适应控制器设计

塑料吹膜机的温度控制具有非线性、时变性和滞后性,对塑料薄膜产品的质量和产量产生了很大的影响。针对这一问题,设计了三阶滑模变结构控制器,引入辅助变量项来构造关于滑模函数三阶微分的标准动态方程,以消除传统滑模固有的抖振问题,并采用Lyapunov方法证明系统的稳定性。对塑料吹膜机的温度控制进行仿真实验,结果表明:相比传统滑模控制器,设计的三阶滑模控制器具有0超调、无抖振、响应快速的优越性能,能够更好地跟踪温度变化曲线。     

基于改进GA的注射机料筒温度二自由度PID控制

由于注射机料筒温度控制系统具有时变性、非线性及滞后性等特点,造成料筒温度在实际生产过程中难以实现精准控制。对此,提出一种把遗传算法和粒子群算法结合的改进遗传算法以及并行式二自由度PID,用该并行式二自由度PID替换料筒温度控制系统中的常规PID,并用改进遗传算法对并行式二自由度PID参数优化。通过仿真验证可知,研究所采用的方法具有良好的控制效果,其系统响应快、调节时间小、超调量小、鲁棒性好且抑制扰动能力强。因此,该方法能获得更好的性能指标值,更好地满足注射机料筒温度控制的精准要求。     

基于随机学习因子混沌PSO算法的甲醇合成转化率测量

粗甲醇转化率不仅是粗甲醇的主要技术指标,也是直接影响粗甲醇经济指标的重要因素。在之前工作的基础上,提出了两类随机学习因子混沌粒子群优化算法(RLFPSOC)。两种新算法分别从种群进化初期和后期两个方面引入混沌遍历性的特点,有效提高了算法的全局寻优能力。典型测试函数的仿真实验验证RLFPSOC算法的有效性。最后,将提出的RLFPSOC算法用于神经网络参数的优化,并建立甲醇合成塔转化率预测模型。实验结果表明,基于RLFPSOC的神经网络模型能够较好地预测甲醇合成转化率,并进一步验证了RLFPSOC算法的全局收敛性能。     

基于自适应逆的温度控制系统

介绍了自适应逆控制方案,采用变步长LMS自适应滤波算法,用该算法建立对象的模型、对象逆模型,并设计了自适应逆控制器。将这种控制方案应用到含有大惯性、纯滞后的系统。仿真结果表明,此种方案鲁棒性及动态性能较好。     

复合粒子群优化算法在模型参数估计中的应用

化工非线性模型的参数估计是较为困难的寻优问题，经典方法常会陷入局部极值。粒子群算法操作简便、容易实现且全局搜索功能较强，适用于非线性参数估计。但其参数值的确定与问题相关，若设定不当，会严重影响全局搜索的性能。今提出引入遗传算法，在粒子群算法的搜索过程中，逐代优选参数，包括惯性权值，加速常数，以此构建为复合粒子群优化算法。分析与测试表明，其全局搜索性能有显著改善。进一步的工作又将两种粒子群算法成功地应用于重油热解模型的参数估计。采用复合粒子群优化算法估计参数构建的重油热解模型，其预报相对误差比常规粒子群优化算法降低了8.97％，比简单遗传算法降低了23.21％，效果明显。     

自适应遗传算法在协调控制系统中的应用

本文从快速满足电网负荷指令的需求,抑制各种干扰,保证机组稳定运行的中心任务出发,采用遗传算法对600MW火电机组锅炉汽轮机的二自由度P ID控制器参数进行全局优化,根据不同的负荷阶段、主要参数的变化情况,及时调整有关指令,使协调控制系统向着有利于全局优化的方向调节,满足动态过程中系统不同阶段的能量需求。仿真结果表明,采用遗传算法全局寻优所获得的二自由度P ID控制器比采用经验方法整定的控制器具有更好的控制效果,保证了所设计系统的实用性。     

基于参数优化的自适应模糊神经网络控制在污水处理中的应用

针对活性污泥污水处理系统的机理模型具有复杂的非线性,传统的控制方法存在着精度不高,自适应能力差等缺点,提出一种优化的自适应模糊神经网络控制方法,分析了控制模型参数对系统的影响,并经过数据训练得到控制器各参数的寻优方法,获得系统的最优化参数。该控制方法能够快速、有效地使曝气池中溶解氧浓度达到期望值,并且具有较高的控制效果与控制精度。与传统控制方法相比,该控制方法更具有鲁棒性。仿真结果验证了该控制方法的有效性和正确性。     

CMPSO算法在参数辨识中的应用

通过对系统数学模型的分析,将系统参数辨识问题转化为优化问题,然后利用改进粒子群优化算法实现系统参数辨识.提出的混沌变异粒子群(CMPSO)搜索算法提高了搜索效率并增强了摆脱陷入局部最优的能力.     

基于PSO的丁二酸发酵动力学模型参数优化

丁二酸是一种重要的化工原料,对丁二酸发酵过程进行模型化研究可以为工艺放大提供必要的基础数据。根据丁二酸发酵过程的实验数据,在已有的丁二酸发酵动力学模型的基础上,采用粒子群优化算法进行模型参数优化研究,求得最优参数并利用其进行过程仿真。结果表明优化后的模型能够更好地模拟丁二酸分批发酵过程。和采用遗传算法进行的研究结果相比,粒子群算法提高了模型计算值与实验测量值的拟合程度,且算法简单,易于实现。     

基于PSO优化LSTM的滚动轴承剩余寿命预测

为了提高滚动轴承退化特征关于时间序列的预测精度,使预测模型更加适用于滚动轴承的运行退化数据,采用粒子群算法对长短期记忆网络的参数进行优化,构建PSO-LSTM滚动轴承寿命预测模型,根据模型拟合出轴承的剩余寿命曲线.经过实验发现,PSO-LSTM网络模型可以较好地拟合复杂工况下轴承的寿命退化趋势,且与其他模型相比拟合效果...     

基于粒子群算法的动态多目标优化

针对碳二氢生产中的反应器动态优化问题,目前虽然有多种算法对生产过程进行优化,但大部分只是对单一目标进行求解,提出一种更为灵活的反应器动态求解方法。在该方法中,首先构建碳二氢目标函数,然后采用多目标粒子群算法和分段线性函数参数法结合的方式对目标函数的进行求解,以提高整体搜索能力,得到碳二氢反应器动态优化的最优解。最后,以实际乙烯碳二加氢化工反应过程为例进行实验验证,结果证明,通过该方法进行求解的目标函数无论是在收敛性,还是在优化的平均值等方面,都比SADE-eCD和NSGA-II算法具有优势,说明该算法在反应器动态优化中是切实可行的。     

微粒群算法在地震波阻抗反演中的应用

地震波阻抗反演是油藏描述和储层预测中的关键技术,其本质属于多参数的非线性组合优化问题,诸如人工神经网络、模拟退火、遗传算法等非线性反演方法在地震波阻抗反演中已经得到了运用。起源于生物社会学研究和生物行为学模拟的微粒群算法,在多参数、非线性、多极值函数优化问题中具有较强的优越性。通过分析微粒群算法的原理,本文用该非线性算法实现了地震波阻抗反演,并且在理论模型的实验中,证明了算法的可行性。     

基于自适应粒子群优化算法的预测控制算法及其在加热炉支管平衡中的应用

多变量和输出受限系统的预测控制问题一般表现为一个不易直接求解的多变量且多约束的非线性动态规划问题.传统优化方法在解决此优化问题时,存在易收敛到非法解或局部极小、计算时间长以及对模型参数与初值依赖性强的缺点.提出了一种基于自适应粒子群优化的预测控制算法(APSO-DMC),采用自适应粒子群优化算法(APSO)作为模型预测控制的优化方法,在线实时求解最优控制律,从而有效地克服了传统优化方法的不足.将此算法应用于常减压装置加热炉支管温度平衡控制中,仿真试验结果显示了该方法的有效性.     

基于PSO优化LS-SVM的气液两相流干度软测量

对标准孔板进行改进,设计了一种流出特性较好的锥形孔板。将锥形孔板压差脉动特性的经验公式与经过粒子群算法优化的混核最小二乘向量机模型结合,建立了气液两相流干度的软测量模型。该模型的优点是采取径向基核函数和多项式核函数的混合核函数兼顾了局部和全局的拟合能力,且通过对传统最小二乘向量机模型的参数优化,可减少对初始点和样本数量的依赖。实验结果表明,该预测方法可行,且比未经过优化的最小二乘支持向量机模型和经过优化的单核最小二乘向量机模型的泛化能力强,具有实际工程意义。     

混沌粒子群算法及其在生化过程动态优化中的应用

化工过程的动态优化,大多较为复杂,有相当的难度.新近发展的粒子群优化算法,基于群智能机理,适于求解连续问题,但它不具备遍历特性,影响了全局搜索能力.本文拟引入混沌机制,以混沌变量的遍历性改进粒子群算法,使其更全面地获取目标函数的有用信息,并反映到逐代更新的个体极值和群体极值中,可更有效地带领粒子群移向最优解,提高了全局搜优效率.由此构建为混沌粒子群算法,经多个性能测试,表明其搜索能力优于经典粒子群算法,引入混沌机制是有效的.将其用于Park-Ramirez生物反应器补料流率的动态优化,也取得了满意的效果.     

基于PSO优化算法的胞苷单磷酸结晶动力学模型改进

本研究采用PSO优化算法建立核替酸结晶过程的动力学改进模型。研究表明溶析剂流加速率的加入将会改进建模效果;基于PSO优化算法的改进模型适用于建立晶体成核阶段、晶体生长阶段模型;改进后的动力学模型将对不同流加速率下的具有更优的泛化性能。     

智能控制策略在燃气锅炉燃烧优化中的应用

针对某燃气电站锅炉燃烧系统燃烧效率低下的问题,从实际工艺过程出发,构建BP神经网络非线性模型模拟系统的燃烧过程,运用粒子群优化算法寻找系统的空燃比基准值,最后以烟气氧含量为控制目标,结合自适应模糊控制算法设计并实现了一套可用于锅炉燃烧系统的智能控制策略.现场应用表明:该智能控制策略控制效果良好,氧含量回路控制品质明显改...     

粒子动力学演化算法在单目标优化中的应用研究

提出一种新的自适应的交叉算子,可以跟踪目前发现的局部最优解和全局最优解来调整进化方向。为了防止算法陷入局部最优,新算法中引入了基于混沌的变异算子,利用新算法对一些问题求解,结果良好。