一种新型鲁棒PID控制器参数整定方法

针对复杂工业过程中存在的一类模型不确定问题,提出了一种新的鲁棒比例积分微分(PID)控制器参数整定方法。通过对优化目标的分析,将鲁棒PID控制器的参数整定问题转化成一个求解最小-最大优化问题,并引入合作进化粒子群优化算法对该最小-最大优化问题进行求解。针对实例的仿真结果表明,利用该方法整定得到的鲁棒PID控制器具有良好的鲁棒性,提高了性能指标,当过程对象操作范围发生大的变化时,该控制器能获得满意的结果。     

一种新型的不确定系统鲁棒参数选择方法

针对复杂工业过程中存在的一类不确定系统,提出了一种新的鲁棒参数选择方法。通过分析,将鲁棒参数的选择问题转化成目标优化问题,并引入微粒群优化算法对该优化问题进行求解,获得了相应的鲁棒参数。仿真结果表明,利用此方法得到的鲁棒参数具有良好的鲁棒性和满意的控制效果。     

基于混合粒子群算法和多分位鲁棒极限学习机的短期风速预测方法

为实现高精度的短期风速预测,提出一种基于混合粒子群算法和多分位鲁棒极限学习机的短期风速预测方法。在信号处理阶段,利用时变滤波经验模态分解技术将原始风速序列分解为若干子模式以降低其不稳定性。然后采用混合粒子群算法对每一个子模式进行特征提取,接着利用多分位鲁棒极限学习机分别建立预测模型并利用混合粒子群算法进行参数优化,最后对每个子模式的预测值进行聚合计算得到最终的预测结果。仿真结果表明:在考虑使用混合粒子群算法进行特征提取和模型参数优化后,所提方法具有更高的预测精度。同时基于时变滤波法的经验模态分解技术能够进一步提高预测准确性。     

基于主从博弈的微电网群多阶段鲁棒优化规划

针对微电网群作为市场主体接入配电网引起的利益冲突问题,提出一种微电网群多阶段鲁棒优化规划方法.基于主从博弈理论建立配电网与微电网群的双层规划数学模型:上层为配电网优化运行模型,以降低运行成本并提升电压水平为目标;下层为微电网群优化规划模型,解决微电网群内电源的容量配置问题.考虑到负荷增长的不确定性,在模型中增加鲁棒优化...     

基于改进WOA的鲁棒增广扩展Kalman滤波器设计

本文针对一类非线性系统,提出基于广义系统的鲁棒增广扩展Kalman滤波器,结合改进鲸群优化算法寻优系统噪声,以精确估计系统状态量以及并发执行器和传感器故障。首先,视故障为系统的状态变量,建立广义系统,将非线性系统的故障估计转化为非线性广义系统的状态估计。其次,提出鲁棒上界以降低线性化误差对估计精度的影响。然后,利用改进鲸群算法寻优系统噪声,以优化鲁棒增广扩展Kalman滤波器。最后,给出F-16飞机的纵向运动数值模型,使用本文方法与自适应无迹Kalman滤波器以及基于鲸群算法的鲁棒增广扩展Kalman滤波器进行对比仿真,仿真结果表明,相较于其他两种算法,本文方法的故障估计均方根误差降低了50%左右,验证了其优越性。     

电磁直线执行器控制参数多目标优化设计

针对电磁直线执行器控制性能要求高、控制参数设计周期长等问题,提出一种控制参数多目标优化设计方法.基于电磁直线执行器系统,设计了鲁棒控制器,选择控制器参数作为优化变量,以系统ITAE准则、正弦信号跟踪下的相移量、阶跃信号下的超调量作为优化目标,采用多目标粒子群优化算法(MOPSO)对控制参数进行优化,求解Pareto前沿...     

基于粒子群优化鲁棒支持向量回归机的中长期负荷预测

持向量机(SVM)已经成功地应用于解决非线性回归和时间序列问题,并且已经开始用于中长期负荷预测.提出了一种基于鲁棒支持向量回归机RSVR(Robust Support Vector Regression)的中长期负荷预测的新方法.给出利用粒子群优化算法对鲁棒支持向量机系数优化选择的方法.建立基于此原理的中长期负荷预测模型,算例分析比较验证本文方法具有预测精度高、计算量小等特点和优势.     

最大灵敏度指标的分数阶内模控制器设计

针对分数阶控制器设计时参数整定复杂问题,提出一种基于最大灵敏度的分数阶内模控制器设计方法。首先采用粒子群优化算法对原系统模型进行简化处理,在模型简化基础上,根据内模控制原理设计分数阶内模控制器,该控制器仅有一个可调参数,通过这一可调参数可以实现所提控制器的快速整定。最后通过最大灵敏度指标实现分数阶内模控制器的鲁棒整定。仿真结果表明该方法具有良好的控制品质及克服参数摄动的鲁棒性。     

基于改进粒子群算法的H∞次优控制在PEMFC混合发电系统中的应用

为了改善粒子群算法(PSO)的全局搜索能力,通过提高平衡点多样性提出一种改进粒子群算法(MPSO).结合H∞次优控制方法,将加权函数的选取转化成优化问题,并将该方法应用于质子交换膜燃料电池(PEMFC)混合发电系统的过氧比(OER)控制.动态仿真结果证明,在大负载电流变化、参数摄动、环境干扰和量测噪声影响下该方法能够维持系统OER在最优值附近,保证了系统的稳定运行.同时与其他控制方法比较,证明该方法具有较好的抗扰性和鲁棒稳定性.     

基于联盟区块链交易平台的电动汽车有序充电相对鲁棒优化

为了应对电动汽车充电和风光出力的不确定性以及分散化电力交易的风险,提出基于联盟区块链技术的电动汽车充电交易平台和考虑风光出力的电动汽车有序充电策略,并且用相对鲁棒优化的方法来处理风光出力的不确定性。首先应用联盟区块链技术构建电动汽车充电交易平台;然后应用相对鲁棒优化技术来处理不确定的风光出力,建立考虑风光出力不确定性的电动汽车有序充电相对鲁棒优化模型;最后通过量子粒子群算法对相对鲁棒优化模型进行求解。安全性分析证明了交易平台的可靠性和安全性,仿真结果验证了模型的正确性和算法的有效性。     

基于免疫粒子群优化算法的微网谐波抑制方法

微电网中逆变器等大量电力电子器件的应用,以及各种非线性负荷的投切,使微网中的谐波问题变得复杂。针对微网系统中滤波器参数难以整定导致微网谐波抑制效果受到影响的问题,提出了基于免疫粒子群算法的微网滤波器参数优化方法。建立了包含功率控制模块、下垂控制模块以及电压电流控制模块的基于下垂控制的微网系统模型,并根据微网性能以及滤波器参数设计特点建立了目标函数;对免疫粒子群算法能够避免粒子群算法陷入局部最优、解决早熟收敛等问题进行了介绍;提出了用免疫粒子群算法调用微网仿真系统优化参数的新方法;通过Matlab仿真验证了基于免疫粒子群算法的微网谐波抑制方法的可行性。     

基于DSLPSO算法的超级电容参数辨识

针对超级电容模型多参数辨识问题以及传统辨识算法收敛精度差,收敛速度慢问题,提出基于动态自学习粒子群算法的超级电容参数辨识方法.根据超级电容等效电路模型,采用双线性变换进行离散化获得辨识模型,使用动态自学习粒子群算法辨识各分支的参数.仿真结果分析表明,与基本粒子群、自适应惯性权重粒子群对比分析,基于动态自学习粒子群算法的超级电容参数辨识方法收敛速度快、收敛精度高、全局寻优能力强,可以更准确地反映出超级电容的动态特性.     

带变异算子的PSO算法在配电网状态估计中的应用

根据配电网中的一些设备如分布式发电机的非线性特性和配电网的量测配置特点,并结合粒子群优化(PSO)算法的特点,提出了采用带变异算子的PSO算法进行配电网状态估计。该算法解决了配电网状态估计中的非线性特性,算法中引入变异算子,增强了全局搜索能力,克服了基本PSO算法容易陷入局部最优点的缺点,而且收敛速度和精度都很理想。算例证实了算法的有效性,通过和基本粒子群算法比较显示其优越性。     

基于熵权与混合代理模型的永磁驱动器的优化设计

针对永磁驱动器(PMD)的结构设计问题,提出一种基于改进熵权法结合混合代理模型的优化设计方法。首先利用基于交叉验证误差的最优加权法,将响应曲面法、克里金法以及支持向量机回归结合起来,构建PMD的参数变量与响应变量之间的混合代理模型;然后引入改进的熵权法,将PMD的多指标转化为单一综合指标,并建立其优化的数学模型,通过自适应权重粒子群优化算法求解;最后对结果进行有限元仿真分析和实验室仿真平台验证。研究结果表明,所提出的优化设计方法优于其它方法,得到的PMD结构参数合理有效,较好的实现了PMD的多目标优化设计。     

基于H∞鲁棒控制的质子交换膜燃料电池空气供应系统设计

自适应聚焦粒子群算法是根据粒子群优化(particle swarm optimization,PSO)算法的全局搜索与局部搜索平衡特性,改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法。为实现对质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)空气供应系统的控制,建立空气供应系统机理模型,并采用多目标自适应聚焦粒子群(adaptive focusing particle swarm optimization,AFPSO)算法提出H∞鲁棒控制方法。仿真结果证明该H￥鲁棒控制方法能够实现对PEMFC空气供应系统的控制,在模拟电动车行驶过程时可使系统稳定运行,并与其它控制方法比较,证明该H￥鲁棒控制方法具有明显的优越性和有效性,对PEMFC实时控制系统的研究有重要的指导作用。     

粒子群神经网络辨识的机器人分数阶滑模控制

研究了一种粒子群算法优化的神经网络分数阶滑模变结构控制方法，并将其应用到工业机器人路径跟踪研究中。首先采用粒子群算法优化的神经网络辨识工业机器人的系统模型，训练得到与系统控制参数解析度最相关的模型；然后基于分数阶理论与滑模变结构理论设计了分数阶滑模变结构控制器，作为系统的主控制器应用到工业机器人轨迹跟踪控制系统中。仿真及实验结果表明，该方法具有良好的跟踪性能和快速性。     

Particle Swarm Optimization Based Global Descent Method

This letter proposes a new global descent method based on not only the concept of a conventional descent method in mathematical programming but also the concept of search direction in particle swarm optimization (PSO) in metaheuristics. The proposed method, called particle swarm optimization based global descent method (PSOGDM), consists of two main procedures; (i) determination of search direction and (ii) global optimization for given search direction. Although the search direction that has three parameters is decided based on the concept of PSO, the proposed PSOGDM is a single-point search different from PSO. Global optimization for a given search direction is performed by PSO. The search capability of the proposed PSOGDM is examined based on the results of numerical experiments using five typical benchmark problems. Copyright © 2009 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于粒子群优化粒子滤波算法的 SOC 估算研究

准确的获得电池的荷电状态(SOC)有助于缓解汽车行驶过程中的里程焦虑。针对粒子滤波估算SOC中存在的粒子退化的问题,将粒子群算法与粒子滤波融合的改进粒子滤波算法(GPSO-PF)算法应用于SOC的估计。在迭代中不断优化粒子所处位置,从而解决了粒子贫化的问题,提高了SOC的估算精度。同时,针对SOC估算容易受到温度的影响,建立基于温度的等效电路模型,并将其应用于提出的SOC估算算法中。选取两节相同型号的磷酸铁锂电池,分别在不同工况下利用GPSO-PF算法估算SOC值,SOC的最大估算误差均低于0.72%。通过对比,与基于温度等效电路模型相结合后,GPSO-PF算法能够有效提高SOC的估算精度。     

基于改进粒子群优化算法的比例-积分-微分控制器

粒子群优化算法自1995年问世以来得到了很大的发展,简要阐述了粒子群优化算法的基本原理,并提出了根据改进该算法而构成的比例—积分—微分控制器。比例—积分—微分控制器的3个参数可以得以优化。该控制器具有结构简单,易于实现,鲁棒性好的特点,仿真结果表明基于改进粒子群优化算法的比例—积分—微分控制器具有良好的性能。