用于超磁致伸缩作动器的一种改进的控制方法

为提高对超磁致伸缩作动器的控制精度,在基于Preisach模型前馈补偿的PID控制基础上,提出了一种基于Preisach模型前馈补偿的模糊PID控制方法．采用dSpace实时仿真系统搭建超磁致伸缩作动器的实时控制实验平台．利用研制的超磁致伸缩作动器测试了基于Preisach模型前馈补偿的模糊PID控制与PID控制方法下对方波信号和混合信号的轨迹追踪能力．两种控制方法下的实时控制效果对比分析表明,基于Preisach模型前馈补偿的模糊PID控制比常规PID控制具有更好的控制效果,从而验证了该方法的有效性．     

超磁致伸缩作动器新型温控系统设计

利用半导体制冷片、温度传感器、单片机STC12C5410AD以及等电路,设计了一种超磁致伸缩作动器新型温控系统。由PID控制算法控制半导体制冷片进行温度自动调节,保持超磁致伸缩作动器温度恒定。由编制的VC软件界面显示控制温度和其他参数,并通过计算机向单片机发出指令,控制半导体制冷片的驱动电流,自动调节作动器内部温度。     

超磁致伸缩致动器控制系统的建模与仿真

结合磁致伸缩致动器的结构建立了致动器传递函数模型，对磁致伸缩致动器控制系统进行了仿真，设计了PID调节器，并在此基础上进行了离散化，得到了数字控制系统，为磁致伸缩致动器控制系统的硬件选型和硬软件设计提供前提条件。     

超磁致伸缩作动器磁路优化设计

为改善磁路环境,提高超磁致伸缩材料(GMM)的工作性能,在分析超磁致伸缩作动器(GMA)工作原理及GMM特性的基础上提出以减小磁漏、增大磁场强度和提高磁场强度均匀性为设计原则,将GMM棒中轴线上的磁场强度作为评价标准.基于ansoft maxwell对磁路进行电磁学有限元分析,得出磁路中的关键部件导磁端盖和导磁片的结构参数对磁场强度大小和均匀性的影响规律,结合高斯磁通理论分析产生这种现象的原因,在此基础上对结构参数进行设计优化.实验结果显示结构参数优化后GMM棒中轴线上的最大磁场强由55.4 k A/m增大到70.35 k A/m,增幅为26.98%,磁场均匀率由44.22%增大到99.5%.研究表明:导磁端盖主要用来减小磁漏、提高磁场强度且过大或过小的直径和厚度都将会导致漏磁增多,U型导磁片主要用来改善磁路环境、提高磁场强度的均匀性.     

磁致伸缩作动器连续模型辨识

提出了一种采样数据中存在高频有色噪声的连续模型辨识方法,并将其应用到磁致伸缩作动器的连续模型辨识中。该方法通过引入积分运算,将连续时间系统的微分方程转换为积分方程,从而使噪声的影响可以忽略,直接利用传统的最小二乘法估计出连续时间模型。仿真实例验证了该方法的有效性和可行性,辨识的磁致伸缩作动器具有较高的可信度。     

线性磁致伸缩作动器振动问题的数值分析

对Terfenol-D杆的周期振动问题进行了数值分析.采用有限元和传递矩阵相结合的数值方法,求解了Ter-fenol-D杆由交变电流激励引起的周期振动问题.基于磁致伸缩线性本构关系和Harmilton变分原理导出有限元方程,并且在传递矩阵的计算中应用了矩阵指数的Padé近似.计算结果表明位移响应是周期的,并与电流变化同步.还分析了材料的线性磁致伸缩系数及电流峰值和频率对输出位移的影响.所得数值结果与文献中的实验结果吻合较好,验证了该数值方法的正确性.     

超磁致伸缩致动器结构设计与静态特性实验

对超磁致伸缩致动器的结构如驱动磁场、偏置磁场、预压结构、水冷机构等进行设计,利用致动器加工实物,完成致动器的静态特性实验,获得不同预压力和驱动磁场强度下的致动器输出位移曲线,并得到了最优参数。     

稀土超磁致伸缩微致动器设计与实验

作为微制造平台主动隔振系统微致动器核心部件,超磁致伸缩微致动器的工作性能将直接影响整个系统的控制精度.选择Terfenol-D作为微致动器主要材料,设计了一种新型超磁致伸缩微致动器.电磁结构设计中,采用电磁场解析计算进行初步设计,进而采用有限元法对致动器的结构和线圈参数进行进一步的分析与优化.静态特性实验结果表明,该微致动器具有较大的静态位移输出、力输出及较小的位移滞回.     

高频驱动超磁致伸缩致动器的磁场设计与分析

针对超磁致伸缩致动器集中于静态与准静态领域的不足,开发设计出一款用于高频驱动的超磁致伸缩致动器。建立完善用于高精度励磁场的轴线磁场强度、三维空间磁场强度的ANSYS模型,完成励磁场均匀度分析,为高频磁场的设计提供理论基础。     

超磁致伸缩致动器动态特性分析与实验研究

基于超磁致伸缩材料磁滞非线性,结合其致动器结构,推导了致动器的动态应变模型.为了验证模型的准确性,进行了致动器动态特性测试,测试结果和理论仿真结果基本一致,为致动器的实际使用打下了基础.     

基于改进PSO算法的自适应均衡算法

传统的自适应均衡算法存在收敛速度慢,稳定性差、均衡效果不理想等缺点,从而使自适应均衡器在高速光纤通信系统中的应用受到限制.具有梯度搜索因子的Grads-PSO算法,结合了传统数值优化方法在计算速度和计算精度上的优势,将梯度法引入粒子群算法中.在梯度搜索因子的指导下,PSO算法的运算过程显得更加有规则,从而提高了算法的收敛速度和运算精度.因此,本文提出将改进PSO算法用作自适应均衡器均衡算法.通过仿真实验表明,改进PSO算法具有收敛速度快,计算精度高的优点,将其作为自适应均衡器的控制算法可收到很好的均衡效果,优于传统的控制算法.     

基于改进PSO算法的风力机优化布置

了更充分地利用风能资源,提高风电场发电量及风电投资成本节省度,提出了一种无网格改进粒子群优化风力机布置的算法．该算法通过增加设计变量个数,直接优化各风力机的安放坐标,取消了划分网格对于风力机安放位置的限制,结合动态罚函数法对风力机间距进行约束的方式进行风力机优化布置工作,提高了该算法的连续性和约束性．通过与其他文献优化结果对比,该算法在风机优化布置问题上具有更强的实用性,不仅实现了合理确定风机布置数量,而且可实现风力机布置位置的连续化,有效提高了风电场总发电量．在此基础上,应用无网格优化模型,研究了风机布置优化方案的度电成本对风速变化的响应程度．研究结果表明：当风力机优化布置方案得到最佳风速时,优化模型将无法再降低风电场的度电成本,此后,风速对风电场度电成本的影响将达到最低,即风电场的发电效率达到最大,风电机组之间相互影响程度也相应达到最低．     

一种基于粒子群优化的粒子滤波改进算法

粒子群优化粒子滤波算法能有效改善粒子退化问题,但其适应度函数受量测噪声方差影响较大,限制了滤波精度的提高.为此,提出了一种基于粒子群优化的粒子滤波改进算法.该算法给出一种新的适应度函数,用当前状态估计值与各粒子状态的差值大小作为评价标准,使得最终优化粒子受噪声方差影响减小,在量测模型精度高的场合中提高了滤波精度.理论分析及仿真结果表明,本文所提算法的滤波性能优于标准粒子滤波与粒子群优化粒子滤波算法.     

用微粒群算法实现水轮机调节器参数的优化设计

目前水轮机调节系统PID参数整定一般都是根据经验公式或现场反复试验获取,它往往不易获得最佳参数.为了保证获得最优水轮机PID调节器参数,本文研究了利用微粒群优化（PSO）算法进行参数优化设计的新方法.PSO算法是一种新的仿生优化方法,具有结构和运算简单的优点.仿真试验结果表明,用微粒群算法优化水轮机调节器参数,可以获得满意的控制精度和效率.与改进的遗传算法优化结果相比,各项控制性能指标（如调节时间、负调、超调量等）都优于遗传算法整定的PID调节器.     

改进粒子群算法及其在电力变压器优化设计中的应用

针对基本粒子群算法易陷入局部最优解的缺陷,本文提出了一种带有惩罚量的改进粒子群算法。用标准测试函数对改进算法做了仿真分析,结果表明改进算法在寻优精度和收敛性能上均有所提高。将改进算法应用于电力变压器SF9—630／10的优化设计中,分析了优化变量和约束条件的选取,建立了带有惩罚函数的优化设计目标函数,给出了改进粒子群算法的具体实施方法。将传统计算数据与优化数据做了对比,证明了该方法的正确性和有效性。     

基于改进粒子群算法的PID控制器参数整定优化

针对经典粒子群算法应用在PID控制器参数上整定的方法效果往往不佳的问题上,提出了一种改进粒子群算法的PID控制器参数整定优化设计,在粒子群的基础上加入遗传算法中的交叉算子,并将粒子群中的惯性权重因子改成动态参数,应用到PID控制器,使参数的自适应整定问题也获得了改进,快速性和稳定性也都优于经典粒子群算法的PID控制器．借助Matlab获得仿真系统的响应曲线图,根据对比得出系统性能的指标改进情况．     

A Novel Tuning Method for Predictive Control of VAV Air Conditioning System Based on Machine Learning and Improved PSO

The variable air volume (VAV) air conditioning system is with strong coupling and large time delay, for which model predictive control (MPC) is normally used to pursue performance improvement. Aiming at the difficulty of the parameter selection of VAV MPC controller which is difficult to make the system have a desired response, a novel tuning method based on machine learning and improved particle swarm optimization (PSO) is proposed. In this method, the relationship between MPC controller parameters and time domain performance indices is established via machine learning. Then the PSO is used to optimize MPC controller parameters to get better performance in terms of time domain indices. In addition, the PSO algorithm is further modified under the principle of population attenuation and event triggering to tune parameters of MPC and reduce the computation time of tuning method. Finally, the effectiveness of the proposed method is validated via a hardware-in-the-loop VAV system.     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．