基于改进粒子群优化算法的预测控制

在实际工业过程中预测控制算法应用广泛,但是对于多变量预测控制算法其参数较多,且各个参数之间相互耦合,故整定其参数比较复杂,鉴于此提出一种基于改进粒子群算法的预测控制参数优化算法。该算法的基本思想是将生物寄生行为机制引入到粒子群优化算法中,形成双种群粒子群优化算法,使用该改进粒子群算法对多变量预测控制算法的参数进行离线优化,从而确定预测控制算法参数的最优取值。最后,将本文算法用于冷热水系统液位和温度的控制,并通过仿真将该算法与标准粒子群优化算法相比较,仿真结果表明使用该算法对多变量预测控制的参数进行优化整定时,系统的阶跃响应具有抗干扰性能好、超调量小、调节时间短等优点。     

一种粒子群模糊PID控制算法在温室中的应用

为了提高温室监测的控制水平,针对于温室环境具有多变量、大惯性、强耦合的特点,提出一种基于粒子群优化的模糊PID控制算法。根据对温室监测系统常用控制方法的研究结果,该算法在模糊PID控制的基础上,采用改进的粒子群算法对模糊控制参数进行优化,有效解决了模糊PID控制过度依赖专家经验、缺少动态性能的缺点。通过温室监测中环境温度的仿真对比实验,验证了所提出的粒子群优化模糊PID算法的有效性。在实验中,对比监测过程中常用的控制方法可以发现,该方法具有更快的响应速度并且在效果上明显的降低了最大偏差量,在温室监测控制中取得了良好的效果。     

非线性优化控制算法在合成氨生产中的应用

针对合成氨生产过程控制仿真中被控参数的非线性、时变性和不确定性等特征引起的控制系统执行效率差,线性控制优化精度低等问题,提出了一种粒子群优化的非线性控制算法.首先将PID控制器控制增益与信号偏差的非线性关系进行修正,将其控制参数动态调节转化为粒子群优化问题;然后利用粒子群优化算法在控制参数的三维空间内进行非线性参数最优解搜索,得到PID控制器的最优控制参数;最后利用该非线性控制算法对合成氨生产过程控制进行仿真测试.测试表明,优化控制算法相对于传统的PID控制,具有较优的系统稳态,且阶跃响应振幅低,系统稳定性高.     

串级液位控制系统的改进粒子群神经网络PID控制研究

串级液位控制系统是工业过程控制中最典型的系统,针对该系统具有不确定性和时变性的特点,首先在分析串级液位控制系统的结构和控制原理的基础上,采用实验建模的方法建立了系统的数学模型;然后充分利用PID结构简单、抗干扰能力强的特点以及神经网络具有自学习和自适应的特长,引入粒子群算法对网络权值进行优化,提出了一种基于改进粒子群算法的神经网络PID控制器,既克服了BP神经网络收敛速度慢,容易陷入局部极小值的缺点,也克服了粒子群算法容易陷入局部最优的缺点;最后在MATLAB环境下进行串级液位系统的仿真试验对系统的性能进行分析,实验结果表明,该控制算法具有良好的实时性、鲁棒性,抗干扰能力强,显著提高了系统的性能指标。     

基于改进粒子群优化的胶粘剂生产过程温度控制

针对大惯性、纯迟延、非线性、时变的胶粘剂生产过程,提出一种改进粒子群优化的PID控制算法。该算法针对常规PID设计方法存在的缺点,提出了一种可兼顾多项性能指标的PID控制器参数整定的改进粒子群优化方法。该方法将遗传算法中的变异思想引入到标准的粒子群优化算法中,避免了算法陷入局部极值点,以寻优PID控制器参数。将该方法应用于胶粘剂生产过程,较好地实现了反应釜温度的跟踪控制。仿真结果和实际情况表明所提出算法的有效性和优越性。     

基于Lbest PSO和NNs的电液伺服系统输出力PID控制研究

为了实现电液伺服系统输出力的稳定控制,结合局部最优粒子群优化算法和神经网络模型,提出一种PID控制器设计方法。该方法将神经网络模型(NNS)与PID控制器耦合,得到基于神经网络的PID控制器参数整定结构;再采用局部最优粒子群优化算法(Lbest PSO)确定神经网络的权重,从而得到基于局部最优粒子群优化算法和神经网络的PID控制算法;最后将提出的PID控制算法用于控制虚拟的电液伺服加载系统,以进行仿真实验。仿真结果表明,由该PID控制器控制的电液伺服系统的输出力平稳地收敛于给定力,从而提高了系统的稳定性。     

基于改进粒子群细菌觅食算法的矿井控制研究

研究矿井提升机自动化控制中精度不高且控制性能不稳定问题;目前的粒子群算法用于自动化控制系统时,存在早熟和算法参数难确定的缺陷,参数镇定效果较差;针对以上弊端,提出了细菌觅食粒子群优化算法的矿井自动化控制算法,改进算法将矿井自动化控制的主要参数作为算法输入变量,利用细菌趋化、繁殖以及驱散过程对粒子群算法的解进行优化,然后根据粒子群算法框架进行粒子更新,有效地提高了粒子群算法的全局求解能力,解决了矿井提升机控制准确度不高稳定性不好的难题;仿真结果表明,该算法具有较好的镇定效果,且算法控制精度比传统算法提高24.3%,具有较好的适用性。     

基于改进的粒子群算法在WSN节点定位中的研究

如何能够减小无线传感中的节点定位误差一直都是研究的热点。提出一种基于改进的粒子群优化算法以修正DV-Hop误差的传感器节点定位方法,通过分析粒子间距离、双变异因子和权重设置改进了粒子群算法,改进后的粒子群算法减少了未知节点与锚节点间距离的估计误差。仿真实验表明,相对于DV-HOP算法,本文的算法可以有效地提高传感器节点定位精度。     

粒子群优化算法的分析与研究

粒子群优化算法是一种新兴的基于群智能的演化计算方法,其思想来源于对鸟群运动行为的研究.群体中的每一个粒子通过追随个体最优解和群体最优解来完成解的迭代过程.首先介绍了PSO算法的基本原理,然后对PSO的几种典型改进算法进行了介绍并通过仿真实验对各种算法进行了分析和比对,最后对粒子群算法研究方向进行了展望.     

基于改进粒子群优化算法的污水处理过程优化控制

针对前置反硝化工艺污水处理过程,提出了一种基于分工策略粒子群优化算法的优化控制方案.以国际水协会(IWA)开发的基准仿真模型BSM1为基础,综合考虑出水水质、曝气能耗和泵送能耗,通过动态优化底层PI控制器的最佳设定值达到出水水质高、能量消耗少的目的.基于分工策略的粒子群算法具有更强的全局寻优能力,仿真结果表明了该优化方案能够在保证污水水质达标的情况下,有效减少污水处理过程的能耗.     

基于改进PSO算法的MAP图标定点选择新方法

为提高基于MAP图的控制系统驱动效果,并有效减小控制系统内的存储量,提出了一种基于改进粒子群算法的MAP图中标定点择优选取新方法。以液压机械无级变速传动比控制系统中采用的MAP图为例,将其横坐标的两个变量在其定义域内等分,并采用改进粒子群算法选取等分后每段内的坐标点数量和位置。选取过程采用多目标优化原理结合了随机产生100个点的实际值与MAP图线性插值的平均误差以及选定的标定点数量。为提高算法执行效率,对粒子群算法的迭代准则、惯性权重和学习因子进行改进。结果表明,改进后的粒子群算法收敛速度快,寻优精度高,仅需较少的标定数据即可制作控制效果较佳的MAP图。     

基于改进并行粒子群算法的彩色图像匹配

本文给出了对解决图像匹配问题的一种新尝试,即基于改进并行粒子群算法的彩色图像匹配。本文提出和建立对彩色图像匹配问题的匹配策略和数学模型,应用改进并行粒子群算法(基于 .Net任务并行库(TPL)/PLINQ实现并行化)进行仿真实验并将实验结果与标准粒子群算法下的彩色图像匹配问题的实验结果进行比较,验证了算法的实用性和有效性。在大数据背景下的智能算法的应用方面迈进了一小步,同时也给本身研究不多的彩色图像匹配问题提供了一种新的且可行的解决方法。     

基于四旋翼无人机的粒子群PID控制研究

针对四旋翼无人机PID控制中,凭借经验知识和仿真调试来选取比例、积分、微分等参数时存在盲目性的问题,提出了利用改进后的粒子群算法对PID控制器进行优化的方法.采用自适应惯性权重的方法对粒子群进行优化能够避免在刚开始就陷入局部最优的困境,同时选用ITAE准则作为改进粒子群算法的适应度,以此达到更好的控制效果.通过MATL...     

CW-PSO及其在古建筑传感器优化配置中的应用研究

针对粒子群优化算法容易陷入早熟收敛以及全局搜索和局部搜索平衡能力差等缺点,提出了基于余弦自适应调整惯性权重的粒子群优化算法(CW-PSO),并将其应用在木构古建筑传感器优化配置中。仿真结果表明,该算法在一定程度上避免了早熟收敛,提高了全局和局部搜索性能,又能得到较为精确的寻优结果。     

基于WFPSO算法的云虚拟机放置策略

随着云计算技术的大规模应用,云应用的交互更加依赖于网络,较差网络拓扑的选择,增加了应用在网络中的通信流量,严重影响应用的运行效率和服务质量。为解决此问题,提出了一种基于粒子群优化算法的虚拟机放置策略。该策略通过建立云环境内部时延模型,利用改进的粒子群优化算法求解目标函数,来降低应用的时延,提高运行效率。并在CloudSim平台上进行仿真实验,实验结果表明,该策略的响应时间低于基本粒子群优化算法（PSO）,并且修改后的PSO算法在不影响收敛精度的前提下较大幅度地提高粒子群算法的收敛速度,提高了云环境中应用的运行效率。     

改进粒子群算法的PID神经网络解耦控制

综合减摇控制系统存在非线性、多变量、强耦合等因素,会导致减摇系统达不到最佳控制状态。利用粒子群算法具有对整个空间进行高效搜索以及PID神经网络的自适应特点,提出一种改进粒子群算法,以解决粒子群算法中存在算法精度不高、粒子易陷入局部极小值等问题,并提高PID神经网络训练速度和训练精度,便于参数寻优。仿真结果表明,改进的粒子群算法具有一定优越性,将其运用到综合减摇控制系统解耦控制器设计中,能够有效地减小船舶横摇,达到较好的控制效果。     

基于改进自适应粒子群算法的目标定位方法

针对现有目标定位求解算法推导复杂和自适应粒子群算法仍存在收敛速度慢、计算量大的缺点,提出了一种基于速度自适应和变异自适应融合的改进粒子群算法。该算法在速度自适应粒子群算法的基础上,优化选择粒子,并根据种群适应度方差值进行自适应变异,增强算法快速收敛的能力。仿真结果表明该方法能有效地提高目标定位精度,在随机噪声干扰方差为。.5的条件下,定位均方误差不超过1. 5m,且收敛速度增快,计算量减小。     

飞机地面空调车温度控制的仿真研究

研究优化飞机地面空调车温控制问题,由于飞机地面空调车温度控制是非线性、时变性强的系统,工作环境不确定性,面对复杂系统温控模型不准确,传统的PID控制存在超调量大、响应速度慢、抗干扰能力弱等缺点。为提高温度控制精度,提出了一种新的稳定性好、精度高、抗干扰能力强的遗传-粒子群PID控制方法。结合传统的PID方法,遗传算法和粒子群算法的各自优点,实现了PID参数的在线整定。通过在matlab上进行仿真,实验结果证明算法具有超调量小、响应速度快、精度高、抗干扰能力强等优点,PID控制性能有显著提高,为飞机地面空调车的温度控制设计提供了依据。     

改进粒子群三维空间路径规划研究

将改进粒子群优化算法应用于三维空间路径规划。首先给出三维空间建模方法,其次通过在迭代过程中对算法惯性系数[w]分段设置和对粒子位置进行随机扰动的方式来改进粒子群优化算法,然后对路径陷入障碍物的处理方式进行改进,最后给出了基于改进粒子群优化算法的三维空间路径规划的算法流程。仿真结果表明：改进方式能有效提高粒子群优化算法应用于三维空间路径规划的计算效率和可靠性,合理设置路径节点能有效节约计算资源。