基于改进PSO算法的液压调高系统神经网络预测控制

针对采煤机液压调高控制问题,提出一种基于模拟退火粒子群算法的RBF预测控制方法。综合模拟退火算法和粒子群算法的优点,用模拟退火思想来解决粒子群算法易陷于局部最优的问题。用模拟退火粒子群算法优化RBF神经网络,增强学习能力和算法稳定性。利用改进的RBF神经网络对采煤机液压调高系统进行预测控制,仿真结果表明,改进后的方法比传统控制方法辨识精度提高,响应速度更快,证明了该方法的改进效果较好。     

混合粒子群算法在液压钻机控制中的应用

为了能够提高对液压钻机控制的精度,深入地研究了混合粒子群优化算法在其中的应用.首先,分析了液压钻机控制系统的基本原理;然后,分析了混合粒子群优化算法的基本原理;最后,分别利用传统粒子群算法和混合粒子群算法对液压钻机控制进行仿真分析,结果表明该方法具有非常好的鲁棒性.     

改进粒子群算法应用于挖掘机铲斗位置控制

挖掘机工作装置精确的位置控制是实现其轨迹自动控制的基础。提出一种改进粒子群优化算法,应用于液压系统PID参数的优化整定中,把遗传算法中的选择和交叉两种操作方式添加到标准的粒子群算法中形成的混合优化算法,提高了算法的搜索能力。建立具有整定PID控制器功能的仿真平台,使用改进粒子群算法、标准粒子群算法和相位裕度方法对PID控制器进行整定仿真,根据仿真结果,进行了模拟铲斗平地运动试验。仿真和试验结果表明改进粒子群算法整定的PID控制器参数,在电液伺服系统的动态响应和精确的轨迹控制方面有良好效果。     

一种改进的PSO-BP算法在液压系统故障诊断中的应用

液压系统故障诊断中采用BP神经网络进行故障的模式识别,存在着收敛率较低的问题。结合粒子群算法和BP算法各自的优势,提出了一种基于改进的PSO-BP液压系统故障诊断方法。对标准粒子群算法的惯性权重和学习因子进行改进,再对BP神经网络的权值和阈值进行优化,达到改善BP网络性能的目标。仿真结果表明该方法提高了BP网络的收敛率,减小了诊断误差。     

基于改进粒子群算法的隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出一种基于改进粒子群算法的隐式广义预测控制算法(IGPC)。粒子群算法(PSO)是一种基于群体的智能优化算法,解决受约束的优化问题具有精度高、收敛速度快等优点;为了避免粒子群算法陷入早熟,提高精度,引入细菌觅食算法中的自适应迁徙机制。在隐式广义预测控制的滚动优化环节引入改进粒子群算法,弥补了传统GPC在处理受约束控制问题上的缺陷。仿真结果表明了该方法的有效性和良好的控制性能。     

基于多领导粒子策略的DMPSO算法在冷轧液压APC系统中的应用

冷轧液压伺服位置自动控制(APC)系统中,系统参数会随着运行时间发生改变,针对系统这一特性,提出了一种基于改进动态多目标粒子群（DMPSO）算法的PID控制器参数整定策略。当系统发生变化时,该策略利用动态多目标粒子群算法的寻优能力和对环境变化的适应能力重新对PID参数进行整定和寻优。同时,针对算法存在的易于陷入局部最优和收敛速度较慢等缺陷,提出了一种基于多领导粒子策略的动态多目标粒子群算法。仿真结果表明：该控制系统对环境变化跟踪快,超调量小,调整时间短,性能明显优于传统PID控制。     

建模分析悬臂式掘进机的液压行走系统

正确地把握基于液压动力的电机动作控制,才能保障掘进机行走系统的可靠性,从而保障掘进机行走路线的准确性。介绍了悬臂式掘进机液压行走系统的基本结构,论述了悬臂式掘进机液压行走系统的基本原理,对液压行走系统的关键点进行分析建模,对掘进机液压行走系统进行仿真应用。事实证明,所建系统模型具有良好的动态适应性以及稳定性。     

基于改进PSO的起重机双马达同步模糊PID控制研究

重型起重机液压起升系统在吊装过程中存在双马达同步误差问题,为保证吊装作业安全,对起重机液压起升系统的双马达同步控制策略进行了研究。首先,分析了起重机起升系统主要元件的动态特性,确定了起升系统控制参数指标;然后,通过引入存储向量的方法,对粒子群算法的更新策略进行了改进,解决了其“过早熟”的问题,再利用得到的改进粒子群算法优化了模糊PID控制器的参数,解决了PID参数无法在线整定的问题;最后,为了提高起升系统的同步控制精度,在交叉耦合控制的基础上,将所提出的控制策略用于起重机双马达起升过程,并以吊钩倾角、马达出口压力为控制指标进行了仿真和试验。研究结果表明：改进粒子群模糊PID控制策略能有效控制双马达的同步精度,抗干扰能力强;与采用的其它算法相比,采用改进粒子群算法策略的控制精度提高了60%左右;该研究为提高双马达同步控制精度提出了新方法,也为起重机控制系统设计提供了理论参考。     

基于改进量子粒子群算法的火电厂再热汽温调节系统PID参数自整定

鉴于热控工作人员的技术水平和经验不足等问题,目前火电厂中许多控制回路整定效果不佳,因此PID参数的自整定具有极其重要的意义。为此,提出了一种基于改进量子粒子群算法的PID参数自整定方法,并采用MATLAB软件对火电厂再热汽温调节系统进行了仿真及PID参数自整定。通过与工程上的临界比例度法、传统粒子群算法、传统量子粒子群算法自整定的仿真结果相比较,证明了基于改进量子粒子群算法的PID参数自整定方法的优越性。     

基于改进粒子群算法的3RRR并联机器人的优化设计

基于二进制粒子群算法提出一种新的改进粒子群算法,同时将该改进算法应用于3RRR并联机器人的尺寸参数优化设计,并通过仿真实验表明了该改进算法有效可行,为该类机器人在农业及农产品加工中的应用提供了重要的理论依据。