改进PSO算法在中密度纤维板热压机压力模糊控制优化中的应用

针对中密度纤维板生产过程中热压压力控制存在的大惯性、纯滞后和非线性问题,提出具体的解决方法。运用模糊控制理论,建立中密度纤维板热压机模糊控制器模型,采用改进PSO算法优化压力模糊控制规则的方法,建立热压压力模糊控制查询表,从而实现对热压过程的优化控制。通过仿真实验和结果分析得出,采用改进PSO算法优化压力模糊控制规则具有稳定性好、超调量少、震荡现象少等优势特点。     

基于改进PSO算法的PID优化用于黑液液位控制

制浆过程中碱回收蒸发工段黑液液位控制直接影响着黑液浓度和蒸发效率。针对黑液液位非线性、大时滞及时变性的特点,传统PID方法控制精度较低,使用标准粒子群算法可以优化PID参数,提高精度,但是收敛速度慢,整定时间长。针对这些问题,采用改进的粒子群算法来整定PID参数,通过动态调整惯性因子和加速因子,以及改进收敛准则等方法来提高粒子群算法的全局寻优能力和收敛速度,并在MATLAB/SIMULINK仿真实验平台上,比较了传统PID方法、标准PSO算法和改进PSO算法对黑液液位的控制效果,结果表明改进PSO算法优化的PID控制缩短了调节时间,降低了超调量,说明改进粒子群算法优化后的黑液液位PID控制具有更快的响应速度和更好的鲁棒性,有效地提高了控制质量。     

基于H∞最优控制理论的粒子群优化算法在造纸定量控制中的应用

针对造纸定量控制系统具有非线性、时滞、多干扰等控制难点,本课题提出一种基于H_∞最优控制理论的粒子群优化算法(PSO)优化PID参数。改进的PSO具有对控制系统过程模型的依赖性小、参数整定简单、鲁棒性和抗干扰性强的特点。与传统算法相比,基于H_∞最优控制理论的PSO可以高效地找出符合设计要求的PID调节参数,不会陷入局部最优,且使系统性能指标达到最优或次最优。并且,仿真结果也验证了该算法的有效性和实用性。     

置换蒸煮锅温差控制策略研究

为提高制浆过程中置换蒸煮系统在扰动和模型失配条件下的控制精度与鲁棒性,本课题基于置换蒸煮锅温差控制系统仿真模型,提出了一种基于模糊控制算法与粒子群优化算法（Particle Swarm Optimization,PSO）的置换蒸煮系统温差自适应PID控制方法。首先基于粒子群优化算法设置PID控制器参数的初始值,再利用模糊算法实现PID参数自整定,最后将控制效果与传统PID控制器以及模糊PID控制器进行对比。结果表明,在单一工况下,PSO-模糊PID控制器的综合性能最好,调节时间最短,超调量最低,有效保持蒸煮立锅内药液温度的一致性;针对压力阶跃扰动和模型失配,PSO-模糊PID控制器抗干扰性能更强,总体超调量更低,调节时间更短,具有良好的鲁棒性和自适应性。     

改进BP算法优化的纺织空调智能PIDNN控制

针对纺织厂多输入多输出空调系统采用一般PID控制方法,控制精度不高,难以实现温湿度的理想控制和满足生产工艺要求的问题,提出了一种优化改进BP算法与PID神经元网络相结合的空调温湿度控制方法。分别对一般PID控制方法,未改进BP算法与PIDNN结合的控制方法,以及优化改进的BP算法结合PIDNN控制方法进行了测试对比。结果表明:优化改进的BP算法与PIDNN相结合后,解耦效果更理想,鲁棒性更强,响应速度更快,控制效果更好。认为:优化改进的BP算法结合PIDNN控制方法能实现温湿度间的理想解耦,提高系统控制精度,有效缩短控制时间,可满足纺织厂生产工艺对温湿度的要求,使纺织空调系统智能化程度提高。     

中密度纤维板热压时间模糊控制研究

针对中密度纤维板热压过程中可能因热压时间不合理导致纤维板出现水渍和鼓泡等质量缺陷,提出了一种热压时间模糊控制器。应用模糊控制的基本思想建立热压时间模糊控制器,结合Mamdani推理算法构建热压时间模糊控制查询表,用查表的方法代替模糊规则推理运算,实现热压过程的优化控制。仿真结果表明,优化后的控制系统超调量少,稳定性高,具有良好的控制精度。     

基于模糊自整定粒子群算法的多圆盘过滤机槽体液位控制系统

槽体液位是多圆盘过滤机白水回收效率的重要影响参数,但多圆盘过滤机槽体液位控制存在非线性、时滞等问题,同时由于过滤圆盘旋转使液位产生波动,从而液位检测值存在波动,应用常规PID控制难以达到理想控制精度。本课题在分析粒子群优化(Particle Swarm Optimization,PSO)算法的基础上,提出了一种基于模糊逻辑的参数自整定粒子群算法,用于液位控制PID控制器的参数优化,实现对槽体液位的精准控制。MATLAB/Simulink仿真实验表明,与常规PID控制、基于标准PSO算法的PID控制相比,本控制方法具有响应速度快、超调量小、鲁棒性强的优点,能够起到良好的控制效果。本控制方法已经应用于工程实际,控制效果良好,提高了液位控制精度,能够实现液位的精准控制。     

基于改进粒子群优化IPSO算法的茶叶烘干机温度控制策略

针对茶叶烘干机热效率低,温度不稳定、茶叶品质不易保证的问题,对燃煤式热风干炉进行研究,通过对粒子群算法(PSO)进行混沌处理,得出了一种改进粒子群算法(IPSO),然后通过IPSO对模糊PID控制器的参数进行优化,以解决粒子群算法易早熟、寻优效率低以及PID参数无法实时在线调整的缺点。根据热风炉的实时温度,自动调节热风炉的排烟量,以实现烘干机的温度恒定。同时,采用优化后的模糊PID控制策略对系统进行了仿真和测试。结果表明,该研究所用方法能根据烘干机温度有效控制热风炉排烟量,从而实时控制热风温度,实现恒温控制的目的。     

基于PSO算法的PID控制器参数优化及其在置换蒸煮立锅温差控制中的应用

在介绍置换蒸煮工艺流程的基础上,对置换蒸煮控制系统的控制要点和难点进行了分析。针对蒸煮过程中蒸煮立锅顶部药液温度和底部药液温度的差值的控制问题,设计了一种基于PSO(粒子群优化)算法优化PID控制器参数的温度-流量串级控制策略。MATLAB/Simulink仿真结果表明,该控制方案具有算法简单、搜索能力快、效率高等优点,能够有效地解决PID参数优化问题;实际应用结果表明,该方案非常有效。     

基于改进粒子群优化的主动磁悬浮轴承模糊PID控制

针对主动悬浮轴承(Active Magnent Bearing,AMB)系统控制参数多、结构复杂等因素,采用模糊PID控制算法并结合改进的粒子群优化算法对其进行控制。通过提出合适的目标函数克服对系统先验知识掌握的不足,采用粒子群优化算法对模糊PID控制器的参数进行调节。仿真结果表明,通过与模糊PID控制的系统相比,采用粒子群优化的模糊PID的控制器性能更优良。     

基于IPSO的PID参数自整定在流浆箱总压控制中的应用

稀释水水力式流浆箱的总压控制直接关系到纸张质量的好坏,而传统的PID整定方法精度较低,使用标准粒子群优化算法可以提高精度但是算法敛速度较慢。针对这些问题,采用改进的粒子群优化算法来自整定 PID参数,通过使用非线性递减惯性系数和动态加速因子策略来提高算法的寻优速度及精度。仿真结果表明,用改进的粒子群优化算法整定后的流浆箱总压控制PID有更好的响应速度和鲁棒性。     

基于改进PSO算法的自动配棉工艺参数优化设计

为了进一步改善自动配棉的通用性和自适应性,针对配棉工艺多约束条件特点,进行了自动配棉优化设计。提出了一种基于改进的PSO(Particle Swarm Optimization)算法的自动配棉参数优化求解方法。通过配棉数学模型建立,将其转化为多约束条件优化求解问题。分析了标准PSO算法在配棉工艺参数寻优的不足,针对标准PSO算法惯性权重和学习因子策略的不足加以改进。将采集到的棉纺企业工艺参数,用标准PSO和本文提出的改进PSO算法同时对配棉工艺模型求解。结果显示：改进PSO算法采用了惯性权重递减和学习因子自适应策略,寻优速度、精度、局部和全局寻优能力等指标都得到提高,降低了企业配棉成本,具有一定的实际应用价值。     

基于改进神经网络的降低锭子转速波动控制算法

针对细纱在电锭细纱机上卷绕过程中易出现断头的问题,在不升级电锭细纱机设备的前提下,提出一种改进的神经网络在线实时整定锭子转速PID控制算法。对于神经网络的缺陷,引入粒子群优化(particle swarm optimization, PSO)算法,使电锭细纱机锭子运行过程中转速和转矩波动更小,更好地应对某处纱线张力波动较大的扰动响应。通过搭建实验平台,验证了锭子无刷直流电机优化后的算法相较于经典PID算法,转速波动降低了2.08%,转矩波动降低了8.3%,从而减少了细纱卷绕过程中断头的产生。该方法可应用在细纱产量和质量的优化领域。     

基于PSO算法的大时滞过程双自由度内模控制器设计

借助双控制器设计技术和粒子群优化（PSO）算法,提出了一种基于PSO算法的双自由度内模控制方法,即PSO-TDF-IMC,并用于对大时滞工业过程的控制。该方法的基本思想是：以时间乘误差绝对值积分（ITAE）为目标函数,运用PSO算法,优化整定IMC滤波器时间常数。MATLAB仿真结果表明, PSO-TDF-IMC具有算法简单、搜索速度快、效率高等优点,可明显提高双自由度内模控制系统的设定值跟踪性能和鲁棒性能。     

基于粒子群算法与改进Ziegler-Nichols算法的PID整定方法

针对Ziegler-Nichols算法设计的PID控制器阶跃响应不理想,不具有灵活性等缺点,提出基于粒子群算法与改进Ziegler-Nichols算法的PID整定方法。采用粒子群算法优化了Ziegler-Nichols算法中的幅值和相角,设计了具有更好性能指标的PID控制器。实验结果表明采用该方法进行参数整定后的PID控制器响应速度较快,降低了系统的超调量。     

基于改进蚁群优化算法的中高速长网纸机速度链的控制

对中高速长网纸机而言,确保速度链控制满足工艺要求对纸机正常运行有着重要意义。目前,纸机速度链控制多采用常规PID控制,但中高速长网纸机由于自身传动点多、车速快,故对闭环系统的响应速度和控制精度要求高,常规PID参数整定方法难以满足上述控制要求。蚁群优化算法（ACO）是一种适合多目标寻优的全局搜索算法,但传统蚁群算法易陷入局部最优及搜索较慢的问题,对此,本课题将信息素因子（α）和启发式因子（ ）按一定比例关系随迭代进行变化,提出一种改进蚁群优化算法,并将其应用于速度链PID控制器参数整定中。仿真结果表明,与常规PID控制相比,基于改进的蚁群优化算法PID控制系统响应速度更快、超调更小、抗干扰能力更好、鲁棒性更强。应用结果表明,该控制系统可保持纸机各部分速度长期稳定。     

改进遗传算法PID参数优化在吹贯蒸汽流速控制中的应用

纸机干燥部吹贯蒸汽流速控制是解决烘缸积水问题的一项重要措施。吹贯蒸汽流速控制通常采用PID控制器,而传统的PID控制方法的控制精度较低、参数整定耗时较长,难以达到理想的控制效果。本课题在对基本遗传算法进行分析的基础上,提出了一种改进的遗传算法,并将该算法用于PID控制器参数优化,实现对纸机干燥部吹贯蒸汽流速的精确控制。MATLAB仿真实验结果表明,与常规PID控制器和基于基本遗传算法的PID控制器相比,基于改进遗传算法的PID控制系统具有响应速度快、超调量小、鲁棒性强的优点,能够获得理想的控制效果。文中所述算法已投入实际应用,明显提高了二次蒸汽的利用效率,能够获得可观的经济效益。     

基于PSO的BP-PID碾米机组控制系统优化

针对当前碾米机组之间流量稳定性差,单机效率低、碾白不均衡或过碾致碎米增加等问题,提出了基于粒子群算法(PSO)优化BP-PID控制的碾米机组控制系统;运用多机协同优化技术,通过调控在线碾米单机的碾除糠粉比例及其匹配的运行参数实现流量平衡控制;通过BP神经网络训练PID控制器的参数建立碾米机组调控数学模型,并引入PSO对BP神经网络的性能进行优化。仿真试验表明,经PSO优化的控制系统的响应速度更快,其稳态精度有所提高,且具有良好的控制效果。     

沥青砂浆车液压系统的辨识与PID参数整定

针对沥青砂浆车液压系统难以精确控制的问题,采用实验与理论相结合的方法,对液压系统进行辨识:分别采用绝对误差积分(IAE)、平方误差积分(ISE)、时间与误差平方乘积积分(ITSE)3种适应度函数,利用粒子群优化算法(PSO)对辨识得到的系统模型进行PID参数整定.对比研究结果表明:辨识得到的系统与实际系统相似度达到96%,基于ITSE性能指标的PSO整定得到的PID参数用于系统控制,响应速度更快、稳定性更好、准确性更高.     

基于改进麻雀算法的卷绕张力控制系统

为了在卷绕系统中建立稳定的张力控制系统,课题组使用自抗扰控制器设计了控制系统.提出采用麻雀算法(SSA)优化整定自抗扰控制器的参数.针对SSA以跳跃的方式寻优、已陷入局部最优和原点收敛性强的缺点,提出基于粒子群算法(PSO)的改进麻雀算法(PGSSA);该方法引入了PSO的速度算子,修改麻雀算法的发现者和跟随者的位置来...