改进粒子群算法应用于挖掘机铲斗位置控制

挖掘机工作装置精确的位置控制是实现其轨迹自动控制的基础。提出一种改进粒子群优化算法,应用于液压系统PID参数的优化整定中,把遗传算法中的选择和交叉两种操作方式添加到标准的粒子群算法中形成的混合优化算法,提高了算法的搜索能力。建立具有整定PID控制器功能的仿真平台,使用改进粒子群算法、标准粒子群算法和相位裕度方法对PID控制器进行整定仿真,根据仿真结果,进行了模拟铲斗平地运动试验。仿真和试验结果表明改进粒子群算法整定的PID控制器参数,在电液伺服系统的动态响应和精确的轨迹控制方面有良好效果。     

基于PSO自整定PID控制器的柔性臂振动控制

针对压电柔性机械臂运行过程中的弹性振动问题,提出了基于粒子群优化算法（particle swarm optimization,简称PSO）自整定比例积分微分（proportional integral differential,简称PID）控制器参数的柔性臂振动抑制方法。采用标准粒子群优化算法,以时间乘绝对误差积（integrated time and absolute error,简称ITAE）准则为适应度函数,整定PID控制器的3个控制参数K-p,K-i和K-d,并采用Matlab Simulink平台建立双连压电柔性机械臂振动控制仿真模型,研制基于虚拟仪器技术的柔性臂振动控制试验系统。仿真与试验结果表明,采用常规PID控制算法和基于PSO自整定的PID控制算法均能有效地抑制柔性机械臂的弹性振动,但后者的振动抑制效果、鲁棒性与稳定性优于前者。     

挖掘机铲斗电液伺服改进PSO-PID参数整定位置控制

挖掘机电液伺服系统的运行性能来达到调控挖掘机铲斗位置的功能，由于采用传统PID整定方法并不能获得优异控制效果，采用遗传算法与交叉算子、标准PSO算法进行PID整定，最后对其进行了实验验证。设计了一种经过改进处理的粒子群优化算法来实现对阀挖掘机铲斗电液伺服系统进行PID整定的过程，能够准确控制挖掘机铲斗位置，由此获得更高轨迹跟踪精度。为增强粒子群算法搜索性能，综合运用遗传算法与交叉算子来实现对标准粒子群的优化，显著改善PID控制器性能，根据推导得到的铲斗系统模型进一步开展仿真分析。分别以三种优化算法计算优化结果，再将其输入自动化挖掘机程序中，完成各参数修改后，再对平地控制过程进行模拟测试。根据实验测试可知改进PSO算法具备明显优越性。     

基于改进量子粒子群算法的火电厂再热汽温调节系统PID参数自整定

鉴于热控工作人员的技术水平和经验不足等问题,目前火电厂中许多控制回路整定效果不佳,因此PID参数的自整定具有极其重要的意义。为此,提出了一种基于改进量子粒子群算法的PID参数自整定方法,并采用MATLAB软件对火电厂再热汽温调节系统进行了仿真及PID参数自整定。通过与工程上的临界比例度法、传统粒子群算法、传统量子粒子群算法自整定的仿真结果相比较,证明了基于改进量子粒子群算法的PID参数自整定方法的优越性。     

基于自适应粒子群算法的篦冷机电液位置伺服系统PID参数优化

针对PID控制器的参数选取直接影响到第四代篦冷机刮板在调速过程中的稳定性和调节时间的问题,提出一种新的粒子群算法的PID参数整定方法。新的粒子群算法充分利用了适应函数提供的搜索信息,对传统粒子群算法中的权值进行自适应动态控制,并用飞行时间参数替代了压缩因子,飞行时间参数的变化规律是线性递减,并把它命名为自适应粒子群算法。通过测试函数证明提出的自适应粒子群算法比传统的粒子群算法收敛速度快和寻优效率高,应用改进的方法对篦冷机电液伺服系统进行仿真实验,结果证明自适应粒子群算法的PID参数整定方法比传统的整定方法有更好的控制效果,即调速过程稳定和调节时间快。     

改进的PSO及其在结晶器液位控制中的应用

针对粒子群算法存在的易于陷入局部极值和收敛速度慢等不足，提出了基于变惯性权重和多种群并行寻优策略的，通过多种群寻优策略来解决陷入局部极值的问题，利用变惯性权重的方法提高收敛速度。并将改进粒子群算法在连铸结晶器液位PID控制器参数自整定中进行了应用研究，仿真结果表明了此算法在PID参数的自整定过程中的有效性。     

基于CPSO-BP-PID的神经网络控制方法研究

针对传统PID控制方法的参数不易整定、调节时间偏长的缺点,将CPSO算法用到BP-PID的参数整定过程中,从而设计了一种稳定、高效的自适应控制器(CPSO-BP-PID)。由于CPSO算法的粒子速度更新来自于粒子的自身最优值、每个子群的最优值以及本子群的最优值,使其充分发挥了PSO的社会分享机制,全局搜索能力更强,从而保证了由其整定的BP神经网络更加适合PID控制参数的优化过程。通过比较实验中建立的PSO-BP-PID、BP-PID以及CPSO-BP-PID三种控制器的控制性能,实验结果表明CPSO-BP-PID控制器可以实现对被控系统的有效控制,并可较大程度地提高其控制过程的稳定性、精确性与鲁棒性。     

基于粒子群算法的参数自整定伺服控制器的设计

提出了一种可以不考虑系统的数学模型以及外部的工作状况,直接通过在可行域内搜索最优解来找到合适的控制器参数的方法。以伺服系统的速度环控制器为研究对象,将粒子群优化算法应用于控制器的参数自整定中,设计了参数自整定PI控制器。在Matlab／Simulink环境下建立永磁同步电机伺服系统的仿真模型,对比了通过人工参数整定与基于粒子群优化算法的参数整定两种方法。仿真实验结果表明,该方法整定出的控制器参数可以使伺服系统的性能得到较大提高,具有较大的应用价值。     

探究使用粒子群算法优化电机PI控制效果及耗费时间

在以往采用粒子群算法优化控制系统参数过程中，评价函数是考虑粒子群算法整定的控制效果是否符合系统要求的重要依据，并没有考虑算法整定参数所耗费的时间。文中分别对推进电机静态负荷和动态负荷仿真模型采用粒子群算法整定控制参数，通过两种情况下迭代次数中调节时间的变化以及在静态负荷下优化的控制参数代入动态负荷的推进电机仿真模型获得的转速曲线对比分析可知，采用静态负荷的推进电机仿真模型相比推进电机动态负荷模型使用粒子群算法优化控制参数，其仿真效果基本一致，算法运行的仿真时间提升了50%;为后续采用粒子群优化控制模型提供了一种新的思路，即根据使用者的实际需求可以将仿真模型中的部分次要模型简化为静态参数，在不影响仿真结果的基础上降低仿真响应时间，提高仿真效率。     

改进粒子群优化算法在工程优化问题中的应用研究

粒子群优化（PSO）算法是一种群集智能方法，它通过粒子之间的合作与竞争以实现对多维复杂空间的高效搜索。在对于粒子群群体构造和粒子多样性对收敛速度和精度影响的研究基础上提出了一种改进型粒子群优化算法。针对工程中的有约束的优化问题，将改进粒子群算法与函数法相结合进行求解。计算实例表明改进型粒子群优化算法大大改善了传统PSO算法的全局收敛性能，解的精度提高了很多。     

基于CAPSO算法的修正炮弹分数阶控制器设计

为了提高修正炮弹系统模型的控制品质,采用分数阶控制器以取得更优的控制效果。针对分数阶控制器参数整定时大都需要公式推导、计算量大等问题,提出一种基于混沌自适应粒子群优化算法(CAPSO)并用于修正炮弹分数阶控制器的设计。将混沌算法与惯性权重调整的粒子群算法融合,对粒子群进行混沌初始化并对陷入局部最优的粒子进行混沌搜索,同时引入惯性权重非线性调整策略提高了算法的收敛精度,得到全局最优解。利用CAPSO算法对分数阶PIλDμ控制器的参数进行整定,并用于修正炮弹俯仰角稳定回路的控制中。通过仿真实验,验证了该优化算法的可行性。仿真结果表明,CAPSO算法在修正炮弹分数阶控制器的参数整定方面优于主导极点法、粒子群优化算法(PSO)等算法,与PSO算法相比调节时间减少了1.139 s、超调量减小了11.84%,具有收敛速度快、超调量小、稳定性好、抗干扰性强等特点;经CAPSO算法优化的分数阶PIλDμ控制器动态响应特性要优于整数阶PID控制器。     

基于改进粒子群算法的无刷直流电机调速控制研究

无刷直流电机(BLDCM)是一变量多、存在强耦合关系的复杂非线性系统,用传统的PID控制方法寻找合适的PID参数十分困难,进而很难提高BLDCM系统的控制性能。针对这一问题,基于粒子群算法优良的寻优能力,提出一种改进粒子群算法的BLDCM自适应PID速度控制算法。该算法对PID控制器的参数进行自整定,提高了PID控制器适应外在变化的能力。经过仿真发现,经优化后的BLDCM系统具有很好的静、动态特性,转速响应快,抗负载扰动能力强。     

基于PID算法的燃油汽车发动机怠速跟踪控制

针对汽车发动机在怠速状态下存在超调过大以及响应时间慢等问题,提出一种基于PID算法的燃油汽车发动机怠速跟踪控制方法。分析汽车发动机怠速控制系统的要求,结合PID算法构建燃油汽车发动机怠速跟踪控制器,同时获取发动机的基本参数以及工作数据。在标准粒子原有搜索策略的基础上加入混沌搜索策略,通过混沌粒子群算法优化PID参数,将优化后的参数存储到控制器中,完成PID控制器参数的离线整定,最终实现燃油汽车发动机怠速跟踪控制。经实验测试结果表明：所提方法可以有效降低跟踪误差以及超调量,同时还能够减少响应时间。     

基于电力系统经济调度问题的量子天牛须搜索算法

传统天牛须搜索算法（beetle antennae search algorithm）,BAS演化过程中收敛速度过慢，为了快速高效地解决电力系统经济调度问题，提出了一种量子天牛须搜索算法（quantum beetle antennae search algorithm,QBAS）。算法将量子行为的搜索机制引入到BAS算法中，在天牛须位置周围建立量子Delta势阱，利用量子理论的概率性和不确定性，有效加快收敛速度，并克服容易陷入局部最优的缺点。实验采用一组标准测试函数对QBAS算法进行性能测试，从而验证算法在收敛速度及鲁棒性上的优越性。最后将算法应用电力系统经济调度问题，选用IEEE118总线测试系统进行测试，结果表明QBAS算法在降低发电成本和减少污染物排放都优于粒子群算法和天牛须搜索算法。     

粒子群PID控制器在角接触球轴承组件角刚度测量仪中的应用

设计了一种以伺服电缸为加载系统的角接触球轴承组件角刚度测量仪。为提高测量仪的精度，建立了伺服系统的数学模型，并提出了一种由粒子群算法整定PID参数的控制方法。仿真和试验表明：与常规PID控制相比，粒子群PID控制方法到达稳态的时间缩短了0.8 s,超调量减小了25%,而且基本无振荡现象，能满足伺服控制系统响应快，稳定性强的要求。     

基于模型仿真技术的PID参数整定优化

工业PID控制需要参数自动化整定,利用优化算法可实现PID参数全局寻优。为了简化目标函数编程,提出借助simulink模型仿真,获得误差积分数据,根据控制需要设计权重,建立目标函数准则,利用粒子群优化算法,实现PID参数离线优化。优化过程及结果表明,该技术方法简单易行,适应性强,是一种有效的计算机辅助离线PID参数整定方法。     

无刷直流电机自适应控制系统的研究与仿真

为了提高无刷直流电机控制性能,提出了一种基于改进的全面学习粒子群(CLPSO)算法自整定PID参数的控制方法,实现了无刷直流电机调速系统的自适应控制。该方法利用改进的CLPSO算法全局搜索能力强、收敛速度快及收敛精度高等优点,对无刷直流电机控制系统的PID参数进行寻优。MATLAB/Simulink仿真实验表明,在电机启动和突加负载过程中,该方法控制电机的转速和转矩响应速度快、波动小,比传统PID控制方法具有更好的动静态特性和鲁棒性。     

一种新型并联机构工作空间边界搜索算法研究

针对传统工作空间数值搜索法搜索效率低的问题，提出了一种利用变步长天牛须算法确定机构工作空间边界的新求解算法。通过对基于变步长天牛须优化算法（BAS）的改进，制定基于距出发起点的欧氏距离和符合工作空间的复合通用目标函数，定义了天牛须速度变量、衰减系数等参数，多天牛群（MBSA）能在多维度机构边界点寻找达到其最大值，从而快速找到精确的边界点集合。以3RPR平面并联机构和空间3UPRRR并联机构为例，利用MBSA算法最优化求解得到工作空间边界集合，与极坐标搜索法相比，验证该方法的有效性、高效性。还研究了初始位置、速度以及变步长和速度衰减系数对工作空间搜索的影响，结果表明：MBAS工作空间搜索算法具有较强通用性，初始点的选择的不影响搜索结果，速度以及变步长和速度衰减系数对收敛速度有明显影响，与离散化方法相比MBAS搜索过程搜索效率高、边界点准确、通用性强。     

基于粒子群算法的地震模拟振动台参数整定方法

在地震模拟振动台控制系统中,常用三参量控制实现加速度信号控制,但目前三参量参数理论整定方法存在效果不佳、智能化程度不高等问题.针对三参量控制参数整定问题,提出一种基于粒子群算法的三参量控制参数整定算法,利用粒子群算法的寻优能力完成三参量参数整定研究.仿真结果显示,与理论值相比,粒子群算法自整定值控制下地震模拟振动台波形...     

基于改进PSO算法整定PID参数的设计与研究

比例-积分-微分（Proportion-Integral-Differential,PID）控制设计简单、工作原理易掌握、调整参数少,多应用于工业自动控制领域。针对传统参数整定方法时间长、精确度低等问题,提出基于惯性权重自适应粒子群优化（Particle Swarm Optimization,PSO）算法快速整定PID参数的方法,在验证改进算法可行性的基础上,以二阶延迟系统为被控对象进行仿真实验。实验结果表明,利用PSO算法优化后的PID控制器,在系统的控制上拥有更好的控制效果,提高了系统的稳定性。