基于混合粒子群算法优化橡胶挤出机Smith-模糊PID温度控制系统北大核心

为提高橡胶挤出机Smith-模糊PID温度控制系统的控制精度,更好地实现智能整定参数与橡胶挤出机温度最优控制,采用混合粒子群(HPSO)算法优化Smith-模糊PID控制系统,完成对温度控制系统PID参数基准值的自动寻优。借助MATLAB软件辨识挤出机温控系统数学模型,搭建Smith-模糊PID温度控制系统。为避免粒子群(PSO)算法陷入局部最优,在PSO算法的基础上将社会因子分解为局部社会因子和全局社会因子,设计出HPSO算法对PID参数进行寻优;将HPSO算法优化系统前后的控制效果进行对比。结果表明:采用HPSO算法优化Smith-模糊PID温度控制系统的控制精度更高、抗干扰性能更强,温度控制精度在±(1~1.5)℃以内,并且接近±1℃,完全满足橡胶挤出生产过程中对料筒温度控制的指标要求,可以在一定程度上提升温控系统的控制精度以及挤出机械的智能化水平。     

基于粒子群优化算法的液压伺服控制系统PID参数优化

PID控制是液压伺服控制系统中广泛应用的一种控制方式,PID参数是否合理直接影响着液压伺服系统的性能.本文以并联电液伺服平台的PID参数优化为例,使用粒子群优化算法对PID参数进行优化,结果显示该方法的调节效果良好.     

基于粒子群优化的焊接工作台伺服系统PID控制

提出了基于粒子群优化的焊接进给工作台位置PID控制。焊接进给工作台是焊机伺服系统的重要组成部分,其位置控制对提高焊接质量具有重要意义。采用简单高效的PID控制算法,但由于焊接伺服系统具有非线性等特点,使得PID控制器参数调整困难,传统的齐格勒—尼柯尔斯法则参数整定效果不佳。粒子群算法是一种全局优化算法,可以有效地实现PID参数整定,因此,在Simulink软件下建立进给工作台位置控制模型,采用粒子群算法来实现PID参数的调整,并进行了仿真。仿真结果显示,基于粒子群优化的PID控制器具有超调量小、精度高的特点,控制效果明显好于齐格勒—尼柯尔斯法则。     

多策略改进粒子群优化AGV模糊PID控制

为解决AGV在复杂环境下控制精度低下、响应速度慢和鲁棒性差等问题,提出一种基于改进粒子群优化模糊PID控制方法。在粒子群算法（PSO）引入Logistic混沌映射对种群进行初始化,其次对惯性权重和学习因子进行非线性控制更新,提升种群寻优能力和避免陷入局部最优;选取9个测试函数验证改进PSO算法效果。仿真结果表明改进PSO在寻优精度和收敛速度都优于其他3种算法,而且不易陷入局部最优。最后对被控系统进行效果验证,结果表明改进PSO优化模糊PID控制器在常规和外部干扰两种环境下控制性能都优于传统PID和模糊PID,具有高可靠性、高控制精度,满足系统要求。     

基于混合粒子群算法的液压弯辊控制

在带钢轧制过程中,由于液压弯辊伺服控制系统是非线性时变系统,并受多种因素的影响,很难建立精确的数学模型,弯辊也需要对轧制力的变化做出快速的反应,因此控制器的性能是关键因素,本文将粒子群算法和遗传算法相结合,组成新的混合算法并将其应用到某液压弯辊伺服系统的自适应PID控制中,并对此进行仿真研究,取得了较好的控制效果.     

基于FFRLS辨识优化橡胶挤出机Smith-模糊PID温度控制系统

为了精准辨识橡胶挤出机Smith-模糊PID温度控制系统中的Smith预估模型,更好地实现温控系统滞后补偿控制,借助MATLAB软件搭建Smith-模糊PID温度控制系统,为避免产生“数据饱和”的现象,采用带遗忘因子递推最小二乘(FFRLS)辨识算法对Smith预估器的新、老数据给出不同的辨识信度进行辨识,并将FFRLS辨识优化前后的系统控制效果进行对比。实验结果表明：在不同程度干扰作用下,FFRLS辨识后的Smith预估控制器具有更好的延迟矫正能力与参数变化辨识能力;采用FFRLS辨识的橡胶挤出机Smith-模糊PID温控系统鲁棒性更强,可以在一定程度上提升温控系统的控制精度。     

基于优化粒子数和分段权值的粒子群直线电机PID整定

以工程中直线电机伺服系统为研究对象,提出一种优化粒子数量加分段式惯性权重递减的粒子群PID控制器参数优化算法。优化粒子数量的方法可降低函数调用次数,通过对近两代的全局最优值进行比较,得到的误差值如果大于设定值,认为是在初始寻优阶段,保持粒子数量,否则在最终优化阶段,减少粒子数量,所减少的粒子特征是最接近最佳粒子的粒子,以保证在欧氏距离内实现粒子的分散性。最后再结合指数衰减曲线加线性递减曲线构成的分段式惯性权重递减策略提升算法的全局寻优和局部寻优能力。经数值验证分析,该优化算法在保证遍历性的同时,在一定程度上提高了算法的运行速度和寻优精度。实验仿真结果表明,该算法对PID控制器进行参数优化,直线电机系统响应速度快,超调量小,调节时间短。     

粒子群优化模糊控制器在无刷直流电机控制中的应用研究

针对模糊控制器参数在线调节方面的不足,提出了一种基于粒子群算法优化的模糊控制器,对模糊控制器参数进行全局优化,并用于无刷直流电机的控制中.系统使用电流和转速双闭环控制,速度环采用粒子群优化模糊控制器.并在仿真实验中实现控制器参数的在线调节,系统较好地实现了给定速度参考模型的自适应跟踪,具有控制灵活、适应性强等优点,同时又具有较高的控制精度和较好的鲁棒性.     

热处理炉群集散控制系统(DCS)

我中心热处理实验室开发出一套多台不同种类热处理炉群的集散控制系统 ,发挥了智能化数字仪表控制精度高、应用灵活、微机容量大、数据处理快、可进行图形曲线显示和制表等特点 ,较好地实现了对热处理炉群的集散控制。1　控制对象及系统设计1 1　控制对象系统控制对象为 1 1台热处理炉 ,其中包括小型箱式电阻炉 5台 ,内热式电阻加热管硝盐槽 2台 ,中温外热式电阻坩埚盐浴炉 1台 ,磁性调压高温电极盐浴炉 1台 ,井式气体渗碳炉和简易箱式保护气氛炉各 1台。1 2　系统设计该系统设计成ＤＣＳ控制系统 ,采用三级控制结构。上位级 (最高级 )采…     

基于改进粒子群算法的PIDNN解耦控制研究

对于具有非线性、强耦合、大迟滞特点的多输入多输出的非线性系统,传统的控制方法无法对其进行精确解耦,导致控制精度较低。提出一种基于免疫机制的改进粒子群算法,并用此方法对PID神经网络权值进行优化,形成新型PID神经网络控制器。利用两个PID神经网络控制器对双输入双输出耦合系统进行控制以减弱系统的耦合影响。通过仿真结果表明：相对于传统PID解耦控制,该算法具有更好的动态和静态特性。可为控制领域中的解耦问题提供一定的参考。     

通用高精度计算机炉温控制系统研究

根据加热炉温度控制过程的特点和要求,针对传统位式控制方法精度低、可靠性差等缺陷,研制了具有自整定和自适应功能的通用计算机炉温控制系统,编制了基于WINDOWS平台的图形界面控制软件.系统能按照输入的控制工艺自动实现炉温状态的长期实时准确监控,最长控制时间仅受计算机硬盘容量限制.工业现场运行结果表明,系统整体控温误差小于±0.5%,恒温控制误差小于±0.1%,对意外扰动引起的炉温波动能够迅速抑制,具有很高的控制精度和良好的运行稳定性.     

蓄热式加热炉技术的再优化

在蓄热式燃烧技术推广过程中,它总是被质疑为“炉膛压力不易控制,设备故障率高,节能不节钱”.结合一座棒材推钢式蓄热式加热炉和一座带钢步进梁蓄热式加热炉再优化改造,阐释了目前蓄热式加热炉普遍存在问题的原因和解决方案,还原了它的真实指标和运行状况.结果能为蓄热式燃烧技术的推广提供有益的参考.     

液压位置伺服系统PID参数在线优化

将粒子群算法与传统的PID控制器相结合,并采用平方误差矩积分函数作为适应度判据,构成了PSO-PID控制器,该控制器能够在线优化PID控制器参数。仿真结果表明,在系统工况发生变化时,新型控制器能够取得满意的控制效果。     

稀有金属感应加热炉微机群控系统

以宝鸡有色金属加工厂３１５０ｔ挤压机组１２台６００ｋＷ工频感应加热炉为对象，研制了稀有金属感应加热炉微机群控系统。本系统包括锭表面温度检测、辐射测温全过程修正、加热全过程群优控制三部分。     

箱式热处理炉温度控制系统设计

设计了以可编程控制器（PLC）为核心的箱式热处理炉温度控制系统,包括硬件设计、控制程序设计及调试。并以45钢零件进行等温球化退火热处理工艺为例,介绍炉温控制系统的具体应用。     

钛及钛合金感应加热炉智能温度控制系统的研制

针对应用已久的钛及钛合金感应加热炉温控系统需要进行技术改造的问题，研制了以日本高精度可编程控制器FP21为核心的自动温度控制系统取代已落后的原系统。所研制的系统是采用先进的比色测温技术和快速智能双笔记录仪，通过编制加热工艺曲线，实现了自动升温、保温、出炉提示、报警等加热功能，保证了感应加热炉的控制精度和加热质量，解决了坯料受热温度不均匀、易过烧等问题，提高了钛及钛合金板材的质量。     

模糊PID算法的水下机器人控制系统优化

为应对复杂的水下工作环境,提高水下机器人工作时的稳定性、灵敏度和抗干扰能力,提出一种模糊PID算法对水下机器人原控制系统进行优化。优化后的水下机器人机械结构、控制系统硬件架构不变,仅通过改变软件程序对水下机器人进行模糊PID控制。水下机器人工作时,各类传感器把现场的环境参数转化为电信号,经预设的模糊库进行模糊化处理后发送给STM32控制器;STM32控制器按预设的程序对模糊化信号进行处理,处理完去模糊化后的电信号后发送给执行元件,从而实现水下机器人的模糊PID控制。MATLAB/Simulink仿真和水下测试结果显示：与经典PID算法比较,经模糊PID算法优化后的水下机器人反应更灵敏、系统更稳定、抗干扰能力更强,达到了预期的效果。