基于改进粒子群算法的主汽温系统参数优化

为了提高基本微粒群算法的收敛性,提出了一种引入变异机制的新型粒子群算法,该算法使粒子以不同的概率变异。实验表明,算法的收敛速度得到提高,并且有效抑制了算法的早熟。将算法应用于电厂主汽温控制系统的优化,仿真结果表明,系统获得了较好的调节品质。     

基于改进型PSO算法的过热汽温PID参数优化

通过采用改进的粒子群优化（PSO）算法对锅炉过热汽温中的PID参数进行优化,分析了传统过热汽温控制方案的不足,提高了整个系统的鲁棒性。其应用使过热汽温得到了良好的控制,且提高了经济运行效益,同时也说明了改进的粒子群算法寻优简单,能够使控制系统获得较好的动态特性和很强的鲁棒性,易于并行化。仿真结果表明,该算法是一种效率很高的寻优方法,是PID参数优化的理想方法。     

基于SA-PSO算法的主汽温控制系统参数优化研究

针对基本PSO算法本身存在着的对于离散的优化问题处理不佳,以及容易陷入局部最优等缺点,设计了一种引入线性递减权重机制与模拟退火算法(SA)思想的改进粒子群算法(SA-PSO),并将SA-PSO算法应用到火电厂主汽温控制系统的PID控制器参数整定中。MATLAB仿真实验结果表明:在62%,88%及100%3种不同负荷的工况下进行控制系统参数优化时,SA-PSO算法与基本PSO算法及传统Ziegler-Nichols参数整定法(Z-N法)相比,更加不容易陷入局部最优,提高了主汽温控制系统的控制品质。仿真实验的结果证明了SA-PSO算法的有效性以及在实际工业状况下的适用性。     

基于粒子群优化算法的变论域模糊PID控制器在过热汽温控制中的应用

针对锅炉过热汽温大滞后和大惯性等难以建立精确的数学模型的问题,设计了模糊PID控制器。通过模糊推理对PID的参数在线调整,加入了变论域思想对控制系统进行改进,最后将粒子群优化算法应用于变论域模糊控制器中,对量化因子及PID的三个参数Kp、Ki和Kd进行优化。将模糊PID控制器应用于过热汽温度控制系统进行仿真。仿真结果表明:采用基于粒子群优化算法的变论域模糊PID控制比传统的PID控制具有较强的鲁棒性和抗干扰能力,具有明显的优越性。     

主汽温量子粒子群-PID优化控制

基于基本粒子群(PSO)优化算法容易发生早熟、收敛速度慢,研究了一种改进的粒子群算法--量子粒子群优化算法(QPSO).将这种算法应用于某电厂主汽温控制系统PID参数优化,得到了最优参数.仿真结果表明,QPSO使得主汽温控制系统具有更好的控制品质,提高了系统的静动态特性.     

基于改进粒子群算法的水轮发电机组PID调速器参数优化

文中提出一种改进的PSO优化算法,并将该算法应用于水轮发电机组PID调速器参数的优化设计,以水轮发电机组转速偏差的ITAE指标作为改进PSO优化算法的适应度函数.以我国某水电站的真实数据对经过优化后的PID控制规律进行计算机仿真.仿真结果表明利用改进PSO优化算法优化的PID控制规律能有效改善孤网运行条件下水轮机调节系统过渡过程的动态性能.     

改进型PSO在过热汽温PID控制系统中的应用

通过采用改进的粒子群优化(PSO)算法对锅炉过热汽温中的PID参数进行优化,分析了传统过热汽温控制方案的不足,提高了整个系统的鲁棒性.该方法的应用使得过热汽温得到了良好的控制,提高了经济运行效益,同时也说明了改进的粒子群算法寻优简单,能够使控制系统获得较好的动态特性和很强的鲁棒性,易于并行化.仿真结果表明,该算法是一种...     

粒子群算法优化PID控制参数研究

采用常规的PID整定方式,往往费时而且难以满足控制要求．通过对粒子群算法的研究,在确定了适应度函数设计等控制参数后,采用粒子群算法对PID控制器参数进行优化,取得了很好的效果。     

基于改进粒子群算法优化PID参数的电气设备自动控制研究

常规的电气设备自动控制方法以逻辑控制为主,并未配置和优化PID参数,无法满足不同电气设备的运行需求,因此设计了基于改进粒子群算法优化PID参数的电气设备自动控制方法。首先基于改进粒子群算法整定电气设备控制PID参数,利用粒子群算法优化PID参数,根据适应度函数的输入情况调节参数,使电气设备的控制性能达到最优。然后设定电气设备自动控制逻辑指令,通过FBD、IL、ST、Ladder、SFC等语言组建电气设备自动控制功能,从而实现电气设备的有效控制。采用对比实验,验证了该方法的自动控制效果更佳,能够应用于实际生活中。     

电厂主汽温串级控制系统的PID控制器算法改进

针对火电厂主汽温控制系统常规固定参数PID串级控制性能欠佳的问题,提出一种改进算法整定PID参数。先用RBF网络在线辨识温度采样离散信息,得到控制器所需的Jacobian信息,然后用Levenberg-Marquardt算法代替传统的梯度法整定PID参数,得到改进的PID算法。通过对电厂主汽温串级系统仿真分析,验证了算法的快速性、抗扰性、鲁棒性。     

基于改进PSO算法的PID参数优化研究

针对PID控制器的参数整定问题,提出一种改进微粒群优化算法（improved particle swarm optimization,IPSO）。算法是在基本PSO算法的惯性权重部分加入一个调节因子项,通过调节因子的调节,改善了算法的收敛性。仿真结果表明,IPSO算法可以更好地优化PID控制器的参数,使控制系统具有更好的控制性能。     

基于改进微粒群算法的PID控制器参数优化设计

介绍了微粒群优化（PSO）算法的基本原理和流程,提出了改进的PSO算法并将其与控制系统优化设计相结合,对传统PID控制器的参数整定进行优化研究,仿真实验结果表明改进PSO方法得到的PID控制器具有快速、无超调的响应特性,获得了满意的控制效果,各项控制性能指标优于传统方法整定得到的PID控制器。     

智能PID控制器在汽温控制系统中的应用

智能PID控制器是智能控制技术与常规PID控制器相结合的产物。该文对模糊控制神经网络与常规PID控制器相结合进行了研究。对智能PID控制器在电厂主要热工过程控制系统中的应用研究情况进行了仿真。仿真结果表明智能PID控制器在电厂热工过程控制中的应用是有效的和可行的有着广阔的发展前景。     

基于FUZZY-PID的主汽温控制

采用全论域范围内带自调整因子的模糊控制器与PI控制器相结合的复合控制方案建立过热器减温控制系统 ,编程建立相关功能模块化结构形式的模糊控制算法 ,通过组态实现了控制系统功能。动态仿真试验结果表明 ,该系统和常规PID串级控制系统相比 ,对外扰的适应性大大加强 ,控制品质得到明显改善。     

基于模糊粒子群PID算法的温控系统研究

针对电容器热压机温度控制系统存在滞后大、非线性的问题,分析了电容器热压机温度控制系统的原理,建立了温度控制系统的数学模型。通过对传统PID控制算法、粒子群算法和模糊控制算法的研究,提出了一种将模糊粒子群PID算法应用于温度控制系统的方案。用MATLAB对温控系统进行仿真,得出采用传统PID控制算法的温控系统的调节时间和超调量分别为66s和58.173%,而采用模糊粒子群PID算法的温控系统的调节时间和超调量为分别是34s和6.295%。研究结果表明,基于模糊粒子群PID算法的电容器热压机温度控制系统在调节时间、超调量和抗干扰能力等方面均优于传统PID控制算法。     

基于改进粒子群优化算法的比例-积分-微分控制器

粒子群优化算法自1995年问世以来得到了很大的发展,简要阐述了粒子群优化算法的基本原理,并提出了根据改进该算法而构成的比例—积分—微分控制器。比例—积分—微分控制器的3个参数可以得以优化。该控制器具有结构简单,易于实现,鲁棒性好的特点,仿真结果表明基于改进粒子群优化算法的比例—积分—微分控制器具有良好的性能。     

基于粒子群算法的VSC-HVDC控制参数优化

随着大功率电力电子技术的发展,电压源型直流输电得以实现,为了简化这种新型的直流输电方式控制器设计和提高系统鲁棒性,采用了结合PI控制器的双闭环控制。以两端均为有源网络的电压源型直流输电系统为研究对象,以Matlab/Simulink为研究平台,利用粒子群优化算法,对VSC控制器参数进行了优化。建立直流输电的暂态数学模型,据此分析其控制器结构,选定需要优化的控制参数。将粒子群算法程序与直流输电仿真模型结合进行仿真计算,通过多次迭代得出优化的控制器参数,并与原始参数进行系统性能对比,验证该方法的可行性。     

基于多目标粒子群算法的过热汽温自抗扰控制

针对火电机组过热汽温存在大惯性、大时滞和非线性的动态特性,以及扰动因素作用下参数不易整定的问题,提出自抗扰控制-线性自抗扰控制（ADRC-LADRC）串级控制策略,即外回路应用非线性自抗扰减小超调量,内回路应用线性自抗扰对扰动快速响应并加以抑制,同时采用多目标粒子群算法对自抗扰串级回路中的参数进行整定。测试与工程应用表明：基于多目标粒子群算法整定参数的ADRC-LADRC控制策略具有较好的控制性能和抗干扰能力,能够快速响应扰动并跟踪设定值,维持过热汽温的稳定。