基于自适应变异概率二进制PSO的球磨制粉系统控制

研究了一种新型自适应变异概率二进制粒子群算法。提出的自适应变异策略通过以一定的概率进行动态比特转换帮助算法更好地保持种群多样性和搜索新解,从而有效防止算法早熟。最终将提出的自适应变异概率二进制粒子群算法（adaptive mutation based pobability binary PSO,APBPSO）用于球磨制粉系统这一复杂多变量对象的PID控制器优化设计中以验证算法性能。多变量控制器分别采用了三种多目标优化目标函数,仿真结果表明提出APBPSO能有效避免陷入局部最优,其对控制器优化性能优于粒子群优化算法、离散二进制粒子群优化算法及基本的概率二进制粒子群优化算法。     

基于MBDE和参数稳定域的PI/PID控制器参数整定

提出了一种应用改进二进制差分进化算法(MBDE,modified binary differential evolution algorithm)对PI/PID控制器参数进行优化整定的方法。基于参数稳定域理论,预先确定保证闭环系统稳定的PI/PID控制器参数的约束范围。根据实际问题的需要,结合相应的性能指标,设计恰当的复合性能准则作为优化算法的优化目标,并采用MBDE智能优化算法对优化目标进行优化,从而得到PI/PID控制器的最优参数。将该方法分别应用于针对某循环流化床床温和一个非最小相位系统的PI/PID控制器的参数整定。仿真结果表明,通过上述方法设计的PI/PID控制器,跟传统方法相比,实现方式简单灵活,可以满足闭环系统动态性能的特殊需求。