基于多目标优化PID的纸浆浓度控制系统

目的 针对纸浆浓度PID控制系统在时滞性、稳定性、耦合性方面的不足,提出一种基于多目标优化的纸浆浓度PID控制方法.方法 对纸浆生产工艺进行分析,结合纸浆浓度PID控制系统,设定多属性的决策变量,建立对应的目标函数和约束条件;从质量、产量、成本、环境等4个方面对纸浆浓度PID控制过程进行多目标优化,构建基于多目标优化的纸浆浓度PID控制模型;采用改进量子粒子群算法对多目标优化模型进行求解,获得Pareto最优纸浆浓度控制方案;将建模方法、优化算法、优选方法进行耦合,从而形成"建模-求解-优选"全过程的纸浆浓度控制方法.结果 通过对纸浆浓度控制优化前后的决策变量进行比较分析可知,多目标优化PID控制方法在评价指标方面满足了质优、高产、低耗的多目标优化的可控性要求;相较于传统PID控制方法,IPSO-PID控制方法的响应速度更快,具有更好的鲁棒性;在PID参数优化方面,文中的优化模型整定控制参数在0.05 s内达到稳态阶段,稳态误差更低,具有更好的稳定性.结论 在保证系统鲁棒性的同时,基于多目标优化算法的纸浆浓度PID控制系统可实现对纸浆浓度的精确性和稳定性控制,更好地满足实际工业生产的要求,确保纸张质量的品质.     

基于模拟退火粒子群混合算法的纸浆浓度控制系统

目的为了得到最优的控制器参数,以满足纸浆浓度实际控制要求,更好地克服控制难点。方法提出一种模拟退火粒子群混合算法,并应用于纸浆浓度控制系统,对其PID控制器参数进行整定优化,基于MATLAB的.m程序和Simulink进行仿真,并与其他整定方法进行比较。结果该优化方法能够得到较为理想的控制效果,系统过度平稳、响应快、超调小、调整时间短、鲁棒性好,其输出响应曲线上升时间为9 s,超调量为3.07%,调整时间为22.8 s。结论基于此混合算法的优化控制,不仅兼顾2种算法各自的优点,且相对于二者各自的优化控制及传统整定方法具有显著优越性,可以更好地满足现场控制要求。     

基于扰动抑制的差分进化算法的纸浆浓度控制系统

目的为了解决传统单PID控制优化算法仅关注跟踪性能,无法满足在纸浆浓度控制系统等工业生产环节中控制品质和成品良率的需求。方法将PID控制系统离散化以计算在高斯扰动下的输出方差作为扰动抑制的依据,并结合ITAE指标通过差分进化算法优化PID性能。结果仿真表明,该整定方法可以通过权值选取优化的偏好,自由调节PID控制器的性能表现,对比基于Z-N法的PID控制和基于PSO算法优化的PID控制,基于扰动抑制差分进化算法的PID控制的ITAE指标为14.3495,输出方差为31.8530,均优于其他2种算法。结论基于扰动抑制的差分进化算法可以通过用户自定义权重来协调纸浆浓度的输出方差和跟踪性能,从更实际的角度整定纸浆浓度控制系统的PID控制器参数,使得控制系统的性能指标满足工业生产要求。     

纸纱复合制袋印刷一体机张力控制器设计

目的研究纸纱复合制袋印刷一体机纸张张力控制器。方法针对纸纱复合制袋印刷一体机的张力控制问题,结合模糊自适应PID与粒子群算法,设计基于余弦自适应调整惯性权重的粒子群优化算法的模糊自适应PID张力控制器。利用余弦自适应调整惯性权重的粒子群优化算法,搜索出一组最优的PID参数,来提高张力的控制精度。结果仿真结果表明,该张力控制方法的响应时间为0.25 s,最大超调量为2%,小于其他方法的响应时间和最大超调量。结论设计的控制器与传统的PID控制和模糊自适应PID控制相比,具有响应速度快、控制输出稳定、调节时间短等优点。     

改进粒子群算法的啤酒灌装机液位控制PID参数整定

目的 整定最优的PID控制参数,对啤酒灌装机中贮液罐液位进行控制,以保证PID控制器能满足啤酒生产中的控制要求。方法 结合Rosenbrock搜索法和个体扰动策略来改进粒子群算法,并利用改进算法整定PID参数,最后将整定好参数的PID控制器用于控制液位对象;基于Matlab进行仿真实验,利用粒子群算法与文中方法做比较。结果 通过Matlab仿真验证,改进了粒子群算法整定的PID参数,其跟踪特性的调节时间为16.18 s,超调量为10.20%,IAE性能指标约为6.09;粒子群算法整定结果表明,跟踪特性的调节时间为27.72 s,超调量为26.90%,IAE性能指标约为7.23。结论 与原始粒子群算法相比,文中算法整定的3个PID参数在控制液位对象时综合性能评价指标更好,且能使系统平稳过渡,超调较小,响应速度快,调节时间快,其控制器性能能满足啤酒灌装机的生产要求。     

基于改进粒子群算法的Volterra模型参数辨识

针对非线性系统Volterra泛函级数模型,结合混沌优化策略和种群多样性控制思想,提出了一种改进粒子群算法,并应用于Volterra模型参数的辨识,将非线性系统的辨识问题转化为高维参数空间上的优化问题。利用混沌序列增加初始种群的多样性,通过构建动态子群以进行协作寻优,且各子群采用不同的参数自适应调整策略,并定义算法收敛性测度以对精英粒子进行合理的混沌变异,避免了算法早熟收敛,提高了算法的寻优速度和寻优精度。仿真实验中,将该方法与基于标准粒子群算法、遗传算法、量子粒子群算法的Volterra模型参数辨识方法相比较,验证了该辨识方法的有效性和鲁棒性。     

基于改进PID算法的CFB锅炉床温控制

床温是循环流化床锅炉保持经济、安全运行的重要参数,对床温进行优化控制可以提高锅炉运行的效率。针对床温具有非线性、时变、多变量耦合的特点,常规PID控制已无法达到良好的控制要求,采用粒子群算法对PID进行改进,并在Matlab软件平台上仿真,结果表明,粒子群改进PID算法对床温的控制效果比常规PID控制的稳定性、准确性、快速性更好。     

基于BP神经网络PID的纸浆浓度自适应控制

目的为了克服纸浆浓度控制系统的滞后性、非线性和时变性,以提高纸浆浓度控制性能。方法针对纸浆浓度控制问题提出一种BP神经网络PID控制技术,构建3-4-3的BP神经网络结构,并在该基础上建立BP神经网络PID控制的数学模型,利用BP神经网络实现PID参数的自适应调整。结果仿真结果表明,BP神经网络PID控制相较于传统PID控制收敛速度更快、超调量更小、抗干扰能力更强、鲁棒性更好。结论该控制方法实现了纸浆浓度的自适应控制,为纸浆浓度的最优控制提供了一种有效可行的控制方法。     

SA-PSO锅炉燃烧控制系统二自由度PID参数整定

为满足火电机组日益复杂的控制要求,提高系统目标值跟踪和抗干扰能力,设计采用二自由度PID控制器,且针对二自由度多个相互关联参数整定的复杂性,研究一种模拟退火算法和粒子群算法相融合的智能混合算法(SAPSO算法),用该算法对二自由度PID控制器参数进行整定优化,并运用到锅炉燃烧控制系统中。通过Matlab仿真验证,与传统Z-N整定法和PSO算法相比,经过SA-PSO融合算法整定后的二自由度PID控制器使锅炉燃烧控制系统超调量仅为3.9%、调节时间为47.15 s,并具有较好的抗外扰能力。采用该融合算法整定二自由度PID参数使系统具有良好的性能指标值,能够提高锅炉燃烧系统的控制性能。     

改进QPSO算法识别结构模态参数

为了进一步增强量子粒子群优化算法的全局寻优能力,提高粒子寻优效率,改善其容易陷入局部最优的缺陷,首先在引入同化和竞争思想的基础上提出一种改进的量子粒子群算法。该改进算法将民族间的同化竞争思想引入粒子寻优过程,以全局最优粒子作为中心粒子,不断同化其余粒子,使粒子之间保持不断竞争关系,以改进粒子的进化方式,提高粒子的寻优性能。接着将改进算法应用于结构模态参数识别,并采用简支梁数值模型对该算法的有效性进行验证,结果表明,改进算法较量子粒子群算法的识别精度和抗噪性都有显著的提高。最后通过三层框架试验验证改进算法在实际工程应用中的有效性。     

基于量子粒子群优化的Volterra核辨识算法研究

将量子粒子群优化（QPSO）引入到非线性Volterra系统辨识中,提出了一种基于量子粒子群优化（QPSO）的Volterra级数辨识方法,利用QPSO算法估计出了非线性系统的Volterra核函数。提出的方法同时和传统的最小二乘法(LMS)辨识方法进行比较,仿真结果验表明,在无噪声干扰下,提出的方法与LMS方法都具有很好的辨识精度和收敛性。然而,在有噪声干扰下,无论在辨识精度、收敛性和抗干扰性方面,本文方法都优于传统的LMS方法,而且,随着噪声的增强,这种优势越明显。     

一种基于智能优化的摄像机标定方法研究

针对现有包装设备上对摄像机标定中传统优化算法存在的缺点,如对初始值敏感、收敛性差、易陷入局部最优解等,研究了量子粒子群优化算法在摄像机标定中的应用,提出了一种基于智能优化的摄像机标定方法,并给出了具体的步骤。实验结果表明该标定方法可以克服传统算法的不足,具有较高的精度,可以满足计算机视觉在包装工程中的应用。     

带活力因子的量子粒子群算法卫星基板模型修正

将卫星基板等效为单层板结构计算其结构参数，在量子粒子群算法原理的基础上给算法增加活力因子，用带活力因子的量子粒子群算法对蜂窝板结构的卫星基板等效模型进行模型修正，然后将修正后的数据返回有限元软件MSC/NASTRAN再次计算，修正后模型计算所得动力学数据与试验数据能较好地吻合，证实等效的合理性和算法的有效性。     

改进的 QPSO 算法在自融资投资组合中的应用

针对量子粒子群优化 (Quantum Particle Swarm Optimization, QPSO) 算法的缺陷,提出了一种基于 L$\acute{\rm e}$vy 飞行策略和混合概率分布的改进量子粒子群优化 (Hybrid Quantum Particle Swarm Optimization, HQPSO) 算法。在算法的设计中,借助 L$\acute{\rm e}$vy 飞行策略对粒子位置的迭代公式进行更新,用于改善算法的局部收敛精度,增强其全局探索能力。另外,考虑到迭代后期的早熟问题,在势阱模型中引入了指数分布和正态分布相结合的混合概率分布,帮助算法及时逃离局部最优。基于 16 个基准函数的测试结果表明,HQPSO 算法在收敛精度和鲁棒性上比其他几种算法表现更好。最后,将改进的 QPSO 算法应用到自融资投资组合模型的求解中,其数值结果与差分进化、粒子群优化算法和量子粒子群优化算法相比,HQPSO 算法展现出更好的可比性和优越性。     

A pitch distribution in slow-wave structure of STWT using Cauchy mutated cat swarm optimization with gravitational search operator

Space traveling-wave tube (STWT) is a special power amplifier used in the space technology field to perform high-power conversion of signals; the pitch distribution is core parameter in slow-wave structure to ensure energy exchange between the electron beam and electromagnetic wave. A novel Cauchy mutated cat swarm optimization with gravitational search operator (GS-CMCSO) is proposed and applied to slow-wave structure design of STWT, electron beam efficiency is used as the objective function, and 1-D CHRISTINE code is introduced to obtain the output value of STWT, the pitch distribution to obtain best beam efficiency can be calculated. Experiments are carried out based on GS-CMCSO; quantum particle swarm optimization (QPSO) and Cauchy mutated cat swarm optimization (CMCSO) algorithms are introduced for optimization performance comparison. The experimental results demonstrate that the best beam efficiency (42.6%) generated by GS-CMCSO is larger than those of CMCSO (40.5%) and QPSO (34.9%); when the STWT is saturated, the output power and gain optimized by GS-CMCSO are excellent. Thus, the proposed method is very suitable for pitch distribution optimization in the slow-wave structure of STWT and performs better than those on QPSO and CMCSO.     

基于力导向量子粒子群算法的气体源点定位研究

根据有风时气体浓度衰减模型,采用量子粒子群优化(quantum particle swarm optimization,QPSO)算法实现无线传感网络中的气体源点定位,考虑到传感器节点测量气体浓度时存在门限值的实际情况,引入力导向思想,通过使传感器节点产生虚拟力来影响QPSO算法的位置更新过程,使粒子移动更有目的性,引...     

基于信息熵改进的粒子群算法在桁架结构

提出了信息熵改进的粒子群优化算法用于解决有应力约束、位移约束的桁架结构杆件截面尺寸优化设计问题.首先介绍了信息熵基本理论和基本粒子群优化算法理论,然后对粒子群优化算法作了合理的参数设置,并将信息熵引入粒子群优化算法的适应函数和停机判别准则中.最后对2个经典的优化问题进行求解并与其他算法进行了比较.数据结果表明信息熵改进后的粒子群优化算法在桁架结构优化设计中优于其他同类算法.