基于粒子群算法的自动门控制研究

以自动门的控制系统中的主要的受控对象无刷直流电动机为研究对象,对其速度控制进行了深入的研究.首先对无刷直流电动机的参数和结构进行分析,建立起数学模型,然后将粒子群群算法与PID控制相结合,应用于电机的速度控制,使得自动门的开门关门速度和时间可以快速地响应外部要求,达到控制要求.     

基于粒子群算法改进SVM的滑模控制研究

为了提高离散时间系统的控制品质以及削弱系统抖振,提出了基于粒子群算法(particle swarm optimization,PSO)改进支持向量机(support vector machine,SVM)的滑模控制方法并进行了仿真研究;通过SVM识辨参量模型与PSO寻优处理,获得趋于理想滑模运动的趋近律参数,确保寻优处理时间短、精度高;利用PSO和SVM在线调整滑模趋近律参数,可以克服常规滑模控制中需要事先设定趋近律参数限制的弊端,加快跟踪速度,削弱系统抖振,完善控制质量;仿真实验表明,该方法可以克服因PSO寻优过程中的寻优时间过长等不足,又可解决SVM精度不高或计算量大的缺点;该方法用于离散时间系统是可行、有效的,工程实用性强。     

引入测评机制的综合学习粒子群优化算法

综合学习粒子群算法（CLPSO）能够改善粒子群算法多样性差且易局部收敛的问题,相比传统PSO算法能够一定程度避免算法早熟,但却存在收敛速度慢的问题。对此,提出一种CLPSO的改进算法（CLPSO‐II）,为每个粒子随机构造两个学习粒子,引入测评机制,择优学习。实验结果表明,CLPSO‐II能有效提高CLPSO的搜索效率,在处理多峰函数时,其性能优于传统粒子群算法（PSO）、全面学习粒子群算法（FIPS）和综合学习粒子群算法（CLPSO）。     

基于量子粒子群算法的PID控制器参数整定

量子粒子群(Quantum-Delta-Potential-Well-BasedParticleSwarmOptimization,QDPSO)算法是量子空间里的粒子群算法。基于QDPSO提出了一种新的PID参数整定算法,该算法具有操作简单、稳定收敛、寻优快速等优点。同时,引进了一种新的时域评价标准函数来评价QDPSO-PID控制器的性能。仿真结果表明了所提出算法的有效性和所设计控制器的优越性。     

混合型粒子群优化算法研究

为了改进粒子群算法的性能,提出了融合其他算法优点的混合型粒子群算法。对三种主流的混合粒子群优化算法(基因粒子群、免疫粒子群、混沌粒子群)分别从混合目的、混合方式、实现步骤、算法优化性能等多个方面进行了研究,给出了这三种混合粒子群算法的优缺点及适用范围。     

基于粒子群算法的PID神经网络解耦控制

基于粒子群的优化算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。该算法采用粒子群算法优化PID神经网络初始权值,并将优化后的最优初始权值控制非线性耦合系统。系统仿真结果表明,粒子群优化后的PID神经网络控制器具有逼近控制目标更快、响应时间较短的显著优点。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有一定的理论研究价值和工程实用价值。     

基于粒子群的模糊神经网络交通信号控制

针对城市交通流的特点,提出了一种单交叉口多相位模糊神经网络交通信号控制模型,并采用全局优化的粒子群算法优化模糊神经网络参数.仿真结果表明该算法能够有效减少交叉口车辆平均延误时间,提高道路通行能力.     

基于量子粒子群算法的收敛性研究

对基于量子行为的粒子群算法(QPSO)的收敛性进行分析.QPSO算法不仅参数个数少,随机性强,并且能覆盖所有解空间,保证算法的全局收敛性.通过四个经典的基准函数对算法进行测试,将QPSO算法与PSO算法进行深入比较.通过实验结果表明.QPSO算法在收敛性能上大大优于PSO算法.     

基于粒子群优化算法的共形阵列天线图综合

随着阵列天线技术的发展,可与飞行器、导弹等载体共形的天线阵列得到了越来越广泛的应用.共形阵列天线为满足天线工作特性的同时,不破坏载体的外形结构和空气动力学特性.粒子群优化算法(PSO)是一种通过粒子之间的合作与竞争来实现复杂多维空间的最优区域搜索的优化算法.采用了一种改进的粒子群优化算法,通过增加变异算子,改善了PSO算法的全局搜索能力,对圆柱共形阵列天线的方向图进行了综合,其中采用了具有余弦分布的辐射单元,阵元设置在柱面上,其最大辐射方向为柱面法线方向,通过500次迭代得到不同半径及不同阵元数的优化结果,其中方向图的峰值副瓣电平低于-20dB,说明了PSO算法对解决此类问题的有效性.     

基于离散粒子群算法的机房排课问题研究

粒子群优化算法以其实现容易、精度高、收敛快等优点引起了学术界的重视,并且在解决实际问题中展示了其优越性。本文通过改造离散粒子群算法使之适合机房排课问题的求解。从而达到为机房排课问题的解决提供一种新的思路。     

基于准滑模控制的汽油发电机电子调速器研究

汽油发电机的转速变化的动态性能是影响发电机性能指标的一个重要因素,本文在分析小型汽油发电机数学模型和控制任务的基础上,提出准滑模控制算法,设计滑模控制器,并利用MATLAB工具进行仿真和配机实验,与常规滑模控制相比较。实验结果表明:采用准滑模控制器后,在保证系统的稳定性、动态性能都不变的情况下,大大减小了抖振。证实了该方法的有效性。     

基于DSP的静止无功发生器的控制系统研究

本文介绍了一种以数字信号处理器(DSP)为核心的静止无功发生器(SVG)的控制系统。根据无功发生器的基本原理,阐述了基于线性鲁棒H∞理论的鲁棒控制策略,并给出了系统的硬件结构。通过实验表明了所给控制系统的有效性。     

基于ANFIS的吸收式制冷系统发生器液位控制

针对吸收式制冷系统中发生器液位系统的强非线性、大滞后问题,提出了一种基于自组织神经网络模糊控制的液位控制方法。根据特征面积法,得到了发生器液位与溶液循环泵频率的数学模型,通过梯度下降和最小二乘混合算法处理实验数据,得到了隶属函数的参数及相应的模糊规则。最后通过Simulink平台完成了系统仿真搭建,并对仿真结果进行分析。仿真结果表明,所设计控制器的稳定性高、适应能力强。     

基于粒子群算法的控制系统校正

针对控制系统校正参数求解过程繁琐的问题,提出一种基于粒子群算法的控制系统校正方法。为了提高系统的校正效率,本设计方案首先将多个超前校正装置和滞后校正装置串联组合成多级校正装置,然后采用粒子群算法程序直接对多级校正装置的参数进行寻优,找出满足性能指标要求的多级校正装置的参数,从而实现控制系统的校正。仿真结果表明,这种方法不但简化校正的过程,提高控制系统校正的效率,而且扩展了可校正系统的范围。     

大型发动机功角的微机测量系统

功角δ在电力系统稳定问题的研究中占用特别重要的地位。本文所介绍的发电机功角微机测量系统利用80C196KB单片机进行测量和计算,能过系统机与单片机的串行通信,进行实时功角动态曲线及发电机运动参数的显示。文中还介绍了单片机与系统机的通信及用VB5.0绘制功角曲线的方法。     

基于PSO的BTT飞行器鲁棒解耦控制设计

提出BTT飞行器的一种鲁棒解耦控制方法。针对飞行器具有非线性、强耦合、多输入多输出（MIM0）等特点,从飞行器数学模型分析通道间耦合产生的原因,并采用Gershgorin圆的方式,定量的分析系统的对角优势度;然后利用粒子群优化算法（PSO）得到小偏差线性模型的鲁棒解耦矩阵,使得系统满足对角优势的性质;最后设计鲁棒控制器,经仿真结果验证表明,该解耦方式的控制效果良好,并具有较强的工程应用价值。     

基于模糊控制的船舶发电机自动化测试系统

盐水缸是船舶电站试验中常用的负荷设备,采用了基于组态王和PLC的模糊控制器实现盐水缸功率的自动控制,可以在线实现PID参数自整定,使液位控制系统的相应速度加快,超调量减少,过渡时间缩短,具有较强的鲁棒性和稳定性;该测试系统改善了传统船用发电机的测试手段,实现了发电机试验负荷的自动调节和发电机试验数据的自动记录,节约了大量的人力物力,使得船舶电站的调试周期由原来的7天缩短为3天,其中仅燃油一项每条船就节约近3万元。     

基于PSO算法和BP神经网络的PID控制研究

针对PID控制中的参数整定的难点及基本BP算法收敛速度慢、易陷入局部极值的问题,提出利用PSO算法的全局寻优能力和较强的收敛性来改进BP网络的权值调整新方法,从而对PID控制的比例、积分、微分进行优化控制。该方法是在基本BP算法的误差反向传播的基础上,使粒子位置的更新对应BP网络的权值和阈值的调整,既充分利用了PSO算法的全局寻优性又较好地保持了BP算法本身的反向传播特点。仿真结果表明基于PSO算法的BP神经网络的PID优化控制具有较好的性能和自学习、自适应性。     

核电站蒸汽发生器水位控制系统的仿真研究

研究核电站蒸发器水位控制优化问题,由于蒸汽发生器是核电站中最重要设备之一,水位控制对核电站的安全运行起着决定性的作用,并要求系统稳定运行,快速响应。针对蒸汽发生器是一个高度复杂、非线性、时变的系统,传统的串级PID控制等控制方法难以取得满意的控制效果,把自抗扰控制方法引入蒸汽发生器水位的串级控制系统中,解决传统PID快速性和超调的矛盾,且能够动态补偿对象模型的内扰和外扰。另外,自抗扰控制器的参数较多且参数难以整定,采用混沌搜索的粒子群混合优化算法来对优化选择参数进行仿真。仿真结果表明,改进方法的鲁棒性和控制品质优于传统的串级PID控制方法,方法的可行性和有效性。     

煤气发生炉加煤量智能集成控制

加煤量不仅和煤气产量有关,还与炉况有关;首先提出了基于物料平衡的加煤量计算模型,然后提出了基于炉况的加煤量修正系数计算模型以及两者的智能集成模型,根据当前的炉况预测下一时刻的加煤修正系数,对机理模型计算的结果进行修正;仿真结果表明,该建模方法切实可行,有效,对现场技术人员调节生产有重要指导价值。