改进粒子群算法在PID参数优化中的应用

针对火电厂循环水加酸控制系统存在控制系统对象难以建立、非线性和时变的特性,采用了改进的粒子群优化算法优化PID参数,使得控制器可在不同环境温度下采用不同的PID参数.实际运行结果表明,该系统能够克服环境温度带来的干扰,使循环水pH值被控制在给定值范围内.     

改进粒子群算法在PID参数优化中的应用

针对火电厂循环水加酸控制系统存在控制系统对象难以建立、非线性和时变的特性,采用了改进的粒子群优化算法优化PID参数,使得控制器可在不同环境温度下采用不同的PID参数.实际运行结果表明,该系统能够克服环境温度带来的干扰,使循环水pH值被控制在给定值范围内.     

基于熵模型的动态粒子群优化算法

受多种群并行寻优机制的启发,提出了一种基于熵模型的动态粒子群优化算法(entropy dynamic multiPSO,EDM-PSO)用于处理动态优化问题.将解空间划分为多个子空间,在每个子空间中利用熵模型增加种群多样性,多种群并行搜索,利用多点环境检测机制检测环境变化.对动态多峰benchmark优化问题进行了数值实验,并与其他几种动态优化算法进行了比较,结果表明:EDM-PSO算法对于处理动态优化问题具有优势.     

基于粒子群整定的PID算法在VAV空调中的应用

VAV空调系统是一个非线性、强耦合的大时滞系统,常规PID控制难以取得良好的控制效果,本文设计了一种将粒子群整定的PID控制算法应用于VAV空调的控制方法。仿真结果表明,新的控制方法与常规控制方法相比,控制效果良好。     

混合粒子群优化算法及其在预测控制中的应用

在时变加速因子的自组织粒子群算法、中值粒子群算法、混沌粒子群算法的基础上,提出了一种新的混合粒子群优化算法( MPSO),并利用这种新的算法来训练径向基函数(RBF)神经网络的参数(连接权、隐节点中心和宽度),验证了所提方法的有效性.进一步,提出了基于神经网络的非线性系统直接预测控制方案,实现非线性系统的实时控制.通过...     

基于改进粒子群算法的主汽温系统PID参数优化

应用改进的粒子群优化算法优化PID参数。采用动态变量区间以逐步缩小搜索区间，加快粒子群寻优速度，并且针对粒子群算法可能出现的停滞现象，引入了重新启动策略，改善了算法摆脱局部极点的能力。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主汽温被控对象的仿真研究，结果表明：改进的粒子群算法寻优速度快，计算量小，对PID参数优化是非常有效的，使得主汽温控制系统取得了很好的控制品质，系统鲁棒性比较强。     

免疫粒子群优化算法在车间作业调度中的应用

针对标准粒子群优化(PSO)算法在迭代过程中容易出现粒子过早收敛从而降低其寻优能力的问题,分析了粒子在更新过程中早熟的原因,通过引入免疫系统的抗体浓度选择机制,构造了一种基于免疫机制的粒子群优化算法模型,并给出了免疫粒子群优化（IPSO）算法在车间作业调度问题（JSP）中的应用.抗体浓度选择机制使得粒子在更新迭代过程中保持了多样性,从而克服了过早收敛的缺陷.对43个JSP标准测试案例的仿真结果表明,与其他算法相比,IPSO算法能够获得更优的结果,求解时间更短,从而验证了免疫机制对算法寻优能力的改善.最后给出了LA36问题的调度结果的甘特图.     

基于动态种群的双重学习粒子群优化算法

粒子群算法的全局勘探能力和局部开发能力的不协调往往会导致算法收敛不精、陷入早熟。针对上述问题,提出了基于动态种群的双重学习粒子群优化算法(DP-DLPSO)。首先将粒子种群划分为勘探子种群和开发子种群,让两个子种群以不同的学习机制引导粒子运动,粒子处于寻优期间时,子群体间无信息交流,如果开发种群陷入局部最优也不会影响到勘探种群的寻优能力;其次,采用动态种群思想,勘探种群将会把好的粒子输送到开发种群中去,增加开发种群中有效解的几率,提高粒子的收敛精度;最后,对开发种群采用高斯扰动策略以提高粒子跳出局部最优的能力。将DP-DLPSO与5个改进粒子群算法进行比较,实验结果表明DP-DLPSO在收敛精度和收敛速度上具有更大的优势。     

粒子群算法在抗滑桩优化设计中的应用

由于目前抗滑桩设计比较保守，存在一定的浪费，故采用粒子群优化算法。以成本为目标函数，建立了抗滑桩的优化设计模型，编制了相应的程序，并进行了工程实例应用。结果表明，优化后的结果与原来使用传统设计方法结果比较，有效地降低了成本，具有较大的经济意义，并且该方法简单快捷、容易实现。     

粒子群优化粒子滤波算法及其在循环流化床床温辨识中的应用

在基于现场数据的神经网络训练中,粒子滤波算法对非线性、非高斯噪声系统的适应性及全局寻优能力都优于传统BP算法。针对粒子滤波算法的粒子贫乏以及初始状态未知时需要大量粒子才能进行鲁棒状态预估等问题,将粒子群优化思想引入粒子滤波过程,使粒子在权重更新前更加趋向于高似然区域;同时,优化过程使得远离真实状态的粒子趋向于真实状态出现概率较大的区域,提高了每个粒子的作用效果。将优化前后的粒子滤波算法训练2-1-1结构的神经网络并进行比较,结果表明优化算法提高了神经网络模型预测精度,降低了精确预估所需粒子数。最后,应用该算法对基于现场数据的循环流化床床温神经网络模型进行训练并预测,验证了算法的有效性。     

PSO算法在Smith-PID控制器参数整定与优化中的应用研究

大部分工业过程的控制对象通常具有纯滞后环节,常规的Smith-PID控制很难取得预期的效果。针对传统Smith-PID控制需要精确数学模型且不适应参数变化纯滞后系统的缺陷,在继电整定的基础上,提出了用PSO算法来整定和优化Smith-PID参数,削弱了Smith-PID控制对于对象参数精确性的要求,提高了系统的鲁棒性。仿真结果表明,所提出的Smith-PID参数整定方法有较强的鲁棒性和较好动静态性能。     

PSO算法在Smith-PID控制器参数整定与优化中的应用研究

大部分工业过程的控制对象通常具有纯滞后环节,常规的Smith-PID控制很难取得预期的效果。针对传统Smith-PID控制需要精确数学模型且不适应参数变化纯滞后系统的缺陷,在继电整定的基础上,提出了用PSO算法来整定和优化Smith-PID参数,削弱了Smith-PID控制对于对象参数精确性的要求,提高了系统的鲁棒性。仿真结果表明,所提出的Smith-PID参数整定方法有较强的鲁棒性和较好动静态性能。     

基于粒子群算法的锅炉主蒸汽压力模糊PID控制

采用模糊PID智能控制算法,对锅炉主蒸汽压力进行控制,建立锅炉主蒸汽压力控制的MATLAB/Simulink仿真模型,编写基于MATLAB的粒子群程序优化模糊PID比例因子和量化因子,并与模糊PID和常规PID控制算法进行比较。仿真结果表明:与PID控制、模糊PID控制相比,采用基于PSO优化的锅炉主蒸汽压力控制,具有较强的适应性、鲁棒性和抗干扰性。     

基于PSO-PID汽包水位系统优化控制

针对锅炉汽包水位控制动态响应缓慢、滞后大等问题,提出了一种将粒子群PSO(Particle Swarm Optimization, PSO)算法与PID控制相结合的控制策略,设计了一套PSO三冲量PID自适应控制器,实现对水位的控制.结果表明,PSO-PID算法在汽包水位控制上超调小,调整时间短.     

改进型粒子群算法磁致伸缩作动器的跟踪控制

在低频条件下,以磁致伸缩作动器线性模型为基础,设计了PID及前馈PID控制器。针对固定参数控制器自适应能力较弱的现状,提出用粒子群（ PSO）算法对固定参数控制器进行优化。针对标准PSO算法存在早熟收敛、后期迭代易陷入局部最优的不足,进一步提出了一种可动态调整惯性权重及遗传变异的改进型粒子群（ IPSO）优化算法,并将该算法与前馈PID相结合应用于磁致伸缩作动器的位置跟踪控制。仿真结果表明：针对指令阶跃信号,相对传统PID及前馈PID控制,改进型PSO前馈PID控制具有控制精度高,位置跟踪效果好及抗干扰能力强的特点。     

最优控制技术在现代过程工业中的应用与展望

过程工业的最优化是过程工业界和控制界长期以来备受关注的课题。笔者就最优控制理论的发展和数学描述进行了阐述,介绍了现代最优控制的研究现状、智能优化算法及过程工业的特点,重点概述了最优控制近几年在过程工业中的应用,并对最优控制的下一步应用进行了展望。     

具有动态拓扑结构的聚类粒子群算法研究

从增加种群多样性和信息交流能力出发,结合K-means聚类算法和Ring型拓扑结构的特点,提出了一种动态拓扑结构的改进算法(KPSO)。在粒子信息交流中,提出两种位置和速度更新方式,并通过Bench-mark函数优化问题测试,比较了KPSO算法与经典PSO的各种性能。对KPSO的重要参数聚类数K、种群规模N的选择进行了组合实验测试。结果表明,改进后的KPSO求解复杂优化问题性能良好,在搜索精度和速度上优势明显,对于不同的种群规模选择不同的聚类数对算法有重要影响。     

STD总线工业控制机在过程控制中的应用

目的采用抗干扰能力强的STD总线工业控制机作为控制主机,解决铝电解过程中的干扰问题,提高控制性能.方法控制系统硬件采用模块化、组合化方法,具有扩展方便,便于维护等特点;软件设计遵循结构化和模块化设计原则,采用了先进的控制思想,对电解槽不同的工作状态,采用不同的控制策略,使电解槽工作在最佳的工作状态.结果STD总线工业控制机系统可靠性高,便于维护,抗干扰能力强,动态性能好,稳态精度高,运行效果良好.结论STD总线工业控制机对复杂的生产过程,特别是扰动大的生产过程,具有很强的适用性,可大大提高控制效果.