基于PSO优化模糊PID算法的高炉燃烧器温度控制分析

高炉燃烧器的温度控制对保证冶金过程精度要求有很大影响。通过采取粒子群优化（PSO）的处理方式,根据ITAE指标构建PSO适应度函数,可快速完成系统权重因子的整定过程,减小模糊控制器受经验因素的影响,实现智能设置控制器参数的功能。选择MATLAB软件开展仿真测试,再根据系统输出响应测试结果进行比较分析。结果显示,采用粒子群优化后的模糊PID控制器进行调节时,具备更高精度,并促进了处理效率的显著提升,因此采用此方法满足可行性条件。     

基于粒子群优化算法的钢铁企业铁路车辆调度

给出了求解铁路车辆调度问题的粒子群算法流程;分析了求解不同调度问题的3种粒子表示法,即基于粒子位置次序(Particle Position Sequence,PPS)的粒子表示法、基于粒子位置取整操作(Particle Position Rounding off,PPR)的粒子表示法和基于PPS PPR的混合粒子表示法;讨论了PPS PPR混合粒子表示法与调度解空间的映射关系和解码方法。将第3种方法应用于实际车辆调度系统中,求解出机车送货作业行驶的最短路径,建立了基于粒子群优化算法的企业铁路优化调度模型。     

基于粒子群优化算法的钢铁企业铁路车辆调度

给出了求解铁路车辆调度问题的粒子群算法流程;分析了求解不同调度问题的3种粒子表示法,即基于粒子位置次序(Particle Position Sequence,PPS)的粒子表示法、基于粒子位置取整操作(Particle Position Rounding off,PPR)的粒子表示法和基于PPS PPR的混合粒子表示法;讨论了PPS PPR混合粒子表示法与调度解空间的映射关系和解码方法。将第3种方法应用于实际车辆调度系统中,求解出机车送货作业行驶的最短路径,建立了基于粒子群优化算法的企业铁路优化调度模型。     

基于GAPSO和自抗扰控制的稀土永磁同步电机性能研究

针对稀土永磁同步电机控制系统存在强耦合、非线性、抗干扰能力差的问题,提出了一种基于遗传粒子群算法（GAPSO）的稀土永磁同步电机自抗扰控制方法。第一步,介绍研究背景并推导出稀土永磁同步电机的数学表达式;第二步,通过设计跟踪微分器、扩张状态观测器以及非线性状态误差方程推导出自抗扰控制器的数学表达式,并利用遗传粒子群算法对其进行优化;第三步,讨论基于GAPSO和自抗扰控制的稀土永磁电机转速性能情况。通过Simulink仿真验证了上述方法的有效性,说明本文设计的自抗扰控制方法对提高电机性能具有促进作用。     

基于改进粒子群优化算法的机器人路径规划

提出了一种改进粒子群优化算法的移动机器人路径规划方法。该方法首先将粒子群分成两组,对其中一组加入变异算子,能提高种群的多样性和避免粒子群优化算法的早熟。该方法模型简单,算法复杂度低,收敛速度快。仿真实验结果获得了从起点到终点的无碰撞路径,证实了该方法的有效性和可行性。     

基于粒子群优化的过程神经网络学习算法

基于粒子群优化为过程神经元网络提出了一种新的学习算法.新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化.新算法不依赖于函数梯度信息,不需要手动调节网络结构.粒子群优化具有良好的全局优化性能和收敛性能,保证了过程神经元网络的全局学习能力和新学习算法的收敛能力,更好地发挥过程神经网络的逼近性能.两个实际预测问题的实验结果表明,基于粒子群优化的学习算法比现有的基于梯度的基函数展开方法以及误差反传神经网络模型具有更好的预测精度.     

基于粒子群算法的双辊铸轧工艺优化

针对双辊铸轧过程中凝固终点位置这一关键参数,基于贝叶斯方法的神经网络和理论模型,根据经验模型及熔池断面几何关系建立凝固终点位置数学模型.在化学成分和工艺约束已知的条件下,采用粒子群优化算法针对凝固终点位置这一铸轧过程中的关键因素进行相应的工艺参数的优化计算.铸轧实验结果验证了优化结果的可行性,从而为提高双辊铸轧板形和板厚的控制精度,改善铸带表面质量提供可能.     

基于预瞄距离的地下矿用铰接车路径跟踪预测控制

矿用车辆无人驾驶是实现矿山无人化开采的关键技术, 而路径跟踪控制是无人驾驶系统的核心技术之一.路径跟踪控制系统是多变量、多约束系统, 采用传统方法在多约束条件下存在执行器饱和等问题.针对上述问题, 本文引入模型预测控制方法, 通过考虑车辆的姿态与位置之间的关系, 以跟踪路径的横向偏差最小化和车辆的航向角偏差最小化为目标对预测控制的目标函数进行优化, 以获得车辆速度和铰接角度的最优控制量, 实现对多变量、多约束系统的求解.针对模型预测控制算法不能提前判断道路曲率突变而导致跟踪超调的问题, 提出基于预瞄距离的控制方法, 通过提前判断道路突变信息, 提高车辆路径跟踪精确性和稳定性.使用Matlab/Adams仿真软件进行对比仿真试验, 结果表明: 使用模型预测跟踪控制器能够解决多变量、多约束系统控制问题, 有效防止执行器饱和; 而使用基于预瞄距离的模型预测跟踪控制器能够使车辆的横向位置偏差保持在±0.04 m, 航向角偏差保持在±1.8°范围内, 相较于改进前的控制器, 其横向位置偏差减少了80.9%, 航向角偏差减少了59.1%, 证明改进后的控制器具有更好的横向稳定性和精确性.      

基于自适应搜索的免疫粒子群算法

经典粒子群算法由于多样性差而陷入局部最优,从而造成早熟停滞现象.为克服上述缺点,本文结合人工免疫算法,提出一种基于自适应搜索的免疫粒子群算法.首先,该算法改善了浓度机制;然后由粒子最大浓度值来控制子种群数目以充分利用粒子种群资源;最后对劣质子种群进行疫苗接种,利用粒子最大浓度值调节接种疫苗的搜索范围,不仅避免了种群退化现象,而且提高了算法的收敛精度和全局搜索能力.仿真结果表明该算法求解复杂函数优化问题的有效性和优越性.      

集装箱船多港bay 位排箱的优化方法

在后续港装载状态未知情况下,针对始发港混装bay位的排箱问题提出不出现倒箱条件下,实现bay位重心位置和横倾力矩最优的多目标优化数学模型,并通过离散粒子群算法进行求解,给出粒子位置的矩阵表达形式,并通过交叉和局部搜索策略对粒子位置进行更新.该算法简便有效,收敛速度较快,可增加种群的多样性,有效抑制早熟出现.实例结果表明,该模型和求解算法可实现多港bay位排箱优化.     

智能微粒群算法

微粒群算法是继蚁群算法之后提出的又一种新型的进化计算技术，具有典型的群体智能的特性。本文首先介绍微粒群算法，然后在对算法的关键参数进行分析的基础上，从算法的离散二进制表示、参数选择与设计、群体组织与进化以及混合微粒群算法等方面对国内外微粒群算法的研究进展进行综述。     

An Improved Particle Swarm Optimization for Feature Selection

Particle Swarm Optimization (PSO) is a popular and bionic algorithm based on the social behavior associated with bird flocking for optimization problems. To maintain the diversity of swarms, a few studies of multi-swarm strategy have been reported. However, the competition among swarms, reservation or destruction of a swarm, has not been considered further. In this paper, we formulate four rules by introducing the mechanism for survival of the fittest, which simulates the competition among the swarms. Based on the mechanism, we design a modified Multi-Swarm PSO (MSPSO) to solve discrete problems,which consists of a number of sub-swarms and a multi-swarm scheduler that can monitor and control each sub-swarm using the rules. To further settle the feature selection problems, we propose an Improved Feature Selection (IFS) method by integrating MSPSO, Support Vector Machines (SVM) with F-score method. The IFS method aims to achieve higher generalization capability through performing kernel parameter optimization and feature selection simultaneously. The performance of the proposed method is compared with that of the standard PSO based, Genetic Algorithm (GA) based and the grid search based methods on 10 benchmark datasets, taken from UCI machine learning and StatLog databases. The numerical results and statistical analysis show that the proposed IFS method performs significantly better than the other three methods in terms of prediction accuracy with smaller subset of features.     

Control of the Molten Steel Level in the Top Side-Pouring Twin-Roll Casting Process Based on Fuzzy Rules Optimized by Particle Swarm Optimization Algorithm

Twin-roll strip casting is a near-net-shape casting technology that can produce thin steel strips directly from molten steel. Stably controlling the molten steel level is regarded as an important issue to ensure strip quality and casting process stability. As the control of the molten steel level is a time-varying, nonlinear, and multidisturbance complex system, it is difficult to establish an accurate process model for designing a model-based controller. Top side-pouring twin-roll casting is a new kind of twin-roll strip casting technology. This study introduces the control system of the top side-pouring twin-roll casting process. A fuzzy logic controller (FLC) with its fuzzy rules optimized by particle swarm optimization (PSO) is developed to regulate the molten steel level. Simulation results show that the performance of the FLC can be improved while its fuzzy rules are optimized by PSO. The objective function of PSO has a great influence on the optimization of the fuzzy rules. The top side-pouring twin-roll casting experiments are carried out using the FLC with its fuzzy rules optimized by PSO; the results show that strip quality and casting process stability are guaranteed.     

基于CF-PSO-SVM的冷连轧非稳态工作辊弯辊模型优化

 板形质量是冷轧带钢重要的技术质量指标,同时工作辊弯辊是改善冷轧带钢板形质量的最有效的控制手段之一。冷连轧机组在高速稳定的轧制过程中板形控制精度能够达到较高的水平,但在升降速非稳态的轧制过程中板形控制效果非常不理想,这也成为制约冷轧带钢产品质量的不利因素。为了提高冷连轧机在升降速非稳态轧制过程中带钢板形的控制精度,在深入研究了冷连轧弯辊力设定原理的基础上,利用智能算法和包括出入口带钢厚度、机架间口张力、轧制速度、中间辊窜辊、带钢宽度、轧辊倾斜以及轧制力等现场实际轧制大数据样本,提出了一种基于粒子群算法优化支持向量机的工作辊弯辊力预测模型。同时阐明了粒子群优化算法和支持向量机的基本原理,引入压缩因子的概念,提升了粒子群算法参数寻优的效率,选取冷连轧机组五机架为研究对象,利用拉依达准则对轧制数据样本进行处理,通过平均绝对误差、均方差误差和平均绝对误差百分比等评价指标对比预测模型的性能。结果表明,改进的预测模型具有良好的模型预测性能和泛化能力,同时根据实际生产数据样本,回归出基于轧制速度和辊间弹性系数的弯辊力缝补偿模型,并验证了模型的有效性,模型的投入降低了板形控制系统的负荷,改善了非稳态轧制过程中的板形控制精度,产品头尾部的质量合格率提高了5.1%。     

基于时变局部模型的无人驾驶车辆路径跟踪

目前常用于无人驾驶车辆路径跟踪控制的有模型控制方法有两类,一类是基于全局模型的控制方法,另一类是基于局部模型的控制方法。基于全局模型的路径跟踪控制中无人驾驶车辆的纵向速度与全局坐标系中的横向、纵向位移误差之间存在随航向角变化的耦合关系,这种耦合关系使得控制器无法将纵向速度作为控制输入来提高路径跟踪控制的精确性。基于局部模型的路径跟踪控制器通常采用误差模型作为参考模型,这种模型使得控制器在参考路径曲率变化幅度较大时精确性较低。针对前述问题,基于非线性模型预测控制滚动优化的原理,提出一种基于时变局部模型的无人驾驶车辆路径跟踪控制方法,并在低速高附着路面、低速低附着路面和高速低附着路面等工况下进行仿真验证。在仿真结果中,相比于基于全局模型的路径跟踪控制器、基于局部模型的路径跟踪控制器以及Stanley路径跟踪控制器,基于时变局部模型的路径跟踪控制器精确性更高,其位移误差绝对值不超过0.3342 m,航向误差绝对值不超过0.0913 rad。      

基于SVM污水处理过程BOD的智能预测

支持向量机是近年发展起来的新兴人工智能技术,在分析最小二乘支持向量机（SVM）理论基础上,以某污水处理厂的氧化沟系统为对象,采用一种改进的粒子群优化算法优化支持向量机的参数．建立了基于竞争机制粒子群算法ICPSO的LSSVM的氧化沟出水水质BOD智能预测模型．并与PSO—LSSVM模型和LSSVM模型比较,研究表明,ICPSO—LSSVM模型预测准确．泛化性能好．且该模型预测结果中相对误差〈10％的样本达到90％,最大相对误差仅为10．3％,均方差MSE为0．0026,模型具有较高的精度,基本可以实现出水BOD值的在线预估。     

连铸板坯表面温度控制器的设计

以某钢厂引进的连铸板坯二冷动态控制系统为研究对象,提出了基于改进粒子群BP算法的板坯二冷区表面温度神经网络控制器.以实际生产现场的设备、工艺参数为基础进行了仿真研究,结果表明表面温度神经网络控制器的输出结果与实际生产参数的误差小于2%,研究结果对引进的同类连铸板坯二冷控制系统的升级改造具有指导意义.