基于PSO的配电网静止同步补偿器PI控制器整定

针对配电网静止同步补偿器(D-STATCOM)控制器参数难以整定且过分依赖经验,提出用粒子群优化(PSO)算法同时整定D-STATCOM电压控制器和电流控制器的方法,其寻优时间短,编程简单。通过不同系统参数、不同给定输入、不同负载情况下的多组优化实验,验证PSO优化算法寻优的有效性。最后通过仿真和实时控制实验验证了基于PSO算法的PI控制器具有良好的鲁棒性和动态性能。所进行的多组优化实验也为PSO编码选择提供一定参考。     

基于改进粒子群算法优化的自抗扰控制器（ADRC）及其应用

针对自抗扰控制器参数多,不利于整定的问题,提出了一种基于改进的粒子群算法（PSO）的自抗扰控制器参数整定方法。该方法引入了PSO中各个粒子的惯性权值的自适应调整机制,以此来维持粒子的多样性和加速粒子群算法的收敛性。利用改进粒子群算法优化的二阶自抗扰控制器控制主气温控制系统,仿真结果验证了算法的可行性和有效性。     

改进PSO算法在水下机器人S面运动控制参数整定中的应用

从模糊逻辑控制方式出发,借鉴PID控制的结构而形成的S面控制器.针对粒子群优化(PSO)算法存在早熟、易陷入局部极小等现象,对基本PSO算法进行了改进,引入变学习因子和惩戒因子,更好地协调全局和局部搜索能力,有利于快速找到全局最优点,提高了PSO算法在水下机器人S面运动控制器参数整定中的优化能力.通过水下机器人的运动控制仿真试验,验证了该方法的可行性和优越性.     

基于双空间PSO算法的四旋翼无人机 自抗扰控制器优化设计

四旋翼无人机自抗扰控制器所需的参数较多,传统PSO算法虽然可以对控制器的参数进行有效的整定,但需要的粒子群数量较大,寻优速度也比较慢。本文在传统PSO算法的基础上,根据自抗扰控制器的特点,将所需整定的参数分为两组,从两个空间里分别初始化各自的粒子群,并进行交叉寻优,形成一种双空间PSO算法,对四旋翼无人机自抗扰控制器进行优化。仿真结果表明,相比传统的PSO算法,双空间PSO算法所需粒子群数量少,寻优速度更快,而且经过双空间PSO算法优化后的自抗扰控制器具有更小的误差和更快的收敛速度。     

基于MPC算法的电力系统负荷频率控制

针对在大规模电力系统互联情况下如何准确、快速控制系统负荷频率的问题,本文结合模型预测控制算法(MPC),提出了一种多区域电力系统负荷频率控制方法.该方法实现了超前预测、多约束条件滚动优化和反馈校正,克服了传统PI调节方法对系统参数的敏感性,提高了负荷频率控制系统的稳定性和鲁棒性.文中对三区域电力系统进行建模,并在每个系统中设置了MPC控制器和PI控制器.仿真表明,在多区域系统、多约束条件下MPC算法在频率控制的稳定性和快速性方面远优于PI算法;当系统参数偏移10%时,MPC算法仍能保证控制性能.     

混沌蚁群算法在PMSM直接转矩控制 系统优化设计中的应用

在永磁同步电机(PMSM)的直接转矩控制策略中,PI控制器参数的优劣直接影响到系统的性能.将蚁群中每个蚂蚁的混沌动力学机制与所有蚂蚁的自组织优化机制进行巧妙结合,从而给出混沌蚁群算法,用混沌蚁群算法来优化直接转矩控制系统中PI控制器的参数.通过仿真实验得出:混沌蚁群算法应用于永磁同步电机直接转矩控制系统中PI参数优化时,相比遗传算法和蚁群算法,在收敛速度、全局优化性能以及控制精度等方面都有较大的提高,从而有效地降低了电机的磁链脉动,提高了系统的响应速度.     

SOA算法在交流伺服系统中的应用

针对传统交流伺服系统控制效果不佳、参数优化困难等不足,采用人群搜索算法（SOA）分别对伺服系统电流环、速度环以及位置环的控制器参数进行优化,并与改进PSO算法优化控制器参数以及传统频域法整定控制器参数两种方案进行对比.仿真结果表明：SOA算法优化控制器参数能提高系统响应速度和鲁棒性,SOA算法比改进PSO算法在伺服控制器参数优化方面具有更好的搜索功能.与传统频域法整定方案比,SOA算法无需提前在线辨识系统转动惯量操作更简便.     

基于粒子群优化的主动稳定杆系统自抗扰控制

为了提高车辆的抗侧倾能力，设计了液压马达驱动式主动稳定杆控制系统，提出了基于粒子群优化（PSO）算法的分层控制策略。上层自抗扰控制器（ADRC）计算出整车所需反侧倾力矩，整车所需要的反侧倾力矩经过分配器分配到前后轴，下层三闭环比例-积分-微分控制器（PID）接收到所要提供的反侧倾力矩后计算出控制电流输入到伺服阀，从而驱动马达输出轴旋转并通过稳定杆产生主动力矩，实现车辆的主动防侧倾控制。为了使控制器有更好的控制效果，采用PSO算法整体优化上、下层控制，优化后的ADRC和PID参数再输入到整车模型中，为了使仿真接近实际效果，把实验测得的横向稳定杆扭转刚度也代入到模型中。在C级路面上采用蛇形和双移线工况进行仿真，通过将PSO优化的自抗扰系统与被动系统、PID控制系统和未优化的自抗扰控制系统对比进行仿真验证。仿真数据表明：侧倾角的大小直接影响车辆侧倾稳定性，采用PSO算法优化的分层控制策略能显著降低车辆的侧倾角，有效抑制过度的车身侧倾运动带来的不稳定性；主动控制的稳定杆比传统被动式稳定杆能更好地给车辆提供所需要的反侧倾力矩，提高了车辆抗侧倾能力；优化后的ADRC控制器比被动系统和未优化的ADR...     

一种无刷直流电机模糊PI控制器设计

为克服传统的PI控制器参数整定方法在无刷直流电机控制中存在精度低、抗干扰能力弱等的不足,本文提出了一种基于PSO-GSA算法的模糊PI控制器设计方法。PSO-GSA算法融合了PSO算法的全局开发能力和GSA算法的局部探索性能,具有更加优异的最优值搜索能力。将PSO-GSA算法用于优化模糊PI控制器的量化因子和比例因子,实现了模糊控制对PI控制器的实时、高精度调节。仿真和实验表明,该方法可以使得无刷直流电机控制有较好的稳定性和鲁棒性,电机转速控制的精度有显著提高。     

基于一种新混合群算法(MOHO-SA)的结构主动控制多目标优化研究

基于粒子群(PSO)算法和差分进化(DE)算法提出了一种新的多目标混合群优化算法,对结构主动控制系统的作动器位置、数量与控制器参数进行同步优化.首先,分别采用PSO算法与DE算法进行对应种群的进化,使用庄家法则构造非支配解集,并引入边界点几何中心leader选择机制,同时利用模拟退火算法完成个体进化的二级局部搜索;以随机地震激励下反映结构振动控制效果和控制策略优劣的双指标作为优化目标函数.最后,针对ASCE 9层benchmark模型,采用本文提出的具有二级搜索功能的多目标混合群算法(MOHO-SA)对其主动控制系统进行优化设计,并分别与多目标差分进化算法(MODE)、多目标粒子群算法(MOPSO)、普通多目标混合群算法(MOHA)的优化结果进行对比分析,表明其Pareto解集具有更优的收敛曲线及分布性.     

一种无刷直流电机模糊比例积分控制器的设计

为克服传统的比例积分(PI)控制器参数整定方法在无刷直流电机控制中存在精度低、抗干扰能力弱等缺点,提出了一种基于粒子群-引力(PSO-GSA)算法的模糊PI控制器设计方法。PSO-GSA算法融合了PSO算法的全局开发能力和GSA算法的局部探索性能,具有更加优异的最优值搜索能力。将PSO-GSA算法用于优化模糊PI控制器的量化因子和比例因子,实现了模糊控制对PI控制器的实时、高精度调节。仿真和实验表明,该方法可以使得无刷直流电机控制有较好的稳定性和鲁棒性,电机转速控制的精度有显著提高。     

基于双向变换器的光伏储能控制

光伏发电系统通过双向变换器引入储能环节进行控制,光伏电池发出的能量经DC-DC变换后供给直流母线侧负载,并通过双向变换器使用蓄电池进行能量管理.介绍了双向变换器的工作原理,分析了光伏电池、蓄电池和直流母线负载所消耗的能量处于不同状态时的系统能量管理策略.给出了基于Boost变换器的光伏电池最大功率跟踪的控制算法和基于双向变换器的蓄电池充放电控制算法,提出了一种改进的充电控制策略.以MATLAB/Simulink为仿真平台,搭建了该系统的仿真模型,并针对系统的各工作状态进行仿真研究,仿真试验结果验证了该系统控制算法的合理性和可行性.     

城轨充电机充电限流与强浮充转换测试优化

针对城轨蓄电池充电机出现的充电电流过流以及输出电流的纹波比出厂测试参数偏大的问题,以某型号城轨蓄电池充电机为例,通过分析蓄电池充电机的工作原理,结合生产现场实际遇到的问题,对现有以电阻为负载的测试方法进行改进,提出了使用蓄电池作为蓄电池充电机负载的测试方法,并通过仿真及现场试验验证其可行性和有效性。     

SDN中一种多控制器负载均衡方案

针对软件定义网络(software defined network,SDN)中控制器子域分区不合理导致的控制器负载分配不平衡、网络通信性能下降的问题,本文提出一种基于负载均衡的多控制器部署(multi-controller load balancing,MLB)方案.在初始静态网络中,提出一种基于域内和域间通信成本的负载平衡控制器部署模型,并将流量请求转换为排队模型. MLB将近邻传播(affinity propagation,AP)算法中的偏置参数和阻尼系数这两个参数作为粒子,通过粒子群优化(particle swarm optimization,PSO)算法对其进行智能调整,解决集群性能受偏置参数和阻尼系数初始值影响的问题,得到合理的网络规划.实验结果表明:与亲缘传播算法和遗传算法(genetic algorithm, GA)相比,该方案可以提供更稳定、准确和负载均衡的多控制器部署.     

基于改进TLBO算法的刮板输送机伸缩机尾PID控制系统优化

为了提高刮板输送机伸缩机尾控制系统的工作性能,将一种新的群智能优化算法,即教学与学习算法(TLBO)应用于机尾PID控制器的参数优化中,并提出新的自适应教学因子计算方法,其利用完整学习阶段前、后学生群体成绩的变化来决定教学因子的取值。研究结果表明:改进后的TLBO算法的精度及稳定性均比原TLBO算法的优。在建立刮板输送机伸缩机尾控制系统模型的基础上,利用改进的TLBO方法进行PID参数整定,并引入超调量控制指标对适应度函数再次完善,二次优化后的刮板输送机伸缩机尾控制系统具有良好控制品质和鲁棒性。     

双闭环直流调速系统的分数阶PIλ控制

分数阶PIλDμ控制算法有助于比较新的、控制性能比较高的控制器。将分数阶PIλ算法应用到双闭环直流调速系统的速度控制器中,利用粒子群优化算法确定分数阶PIλ控制器的最优的Kp、Ki和λ参数;并和整数阶PI控制器进行比较。通过Matlab/Simulink仿真验证了分数阶PIλ控制器的稳定性、跟随性能、抗扰动性能都优于普通整数阶PI算法,同时验证了粒子群优化算法参数整定的有效性。     

基于模糊逻辑的感应电动机直接矢量控制系统

为了提高感应电动机直接矢量控制系统对参数变化和负载扰动的鲁棒性,提出并设计了两种模糊逻辑控制器分别对系统的速度和磁链进行控制,速度和磁链控制器的结构均为模糊PI型,优化模糊控制器的隶属函数分布以增强其控制性能,结果表明它们能明显改善系统的动态和静态性能。     

基于引力搜索和粒子群混合优化算法的T-S模型辨识

提出了基于引力搜索(GSA)和粒子群(PSO)混合优化算法(GSAPSO)的T-S模型全局优化辨识方法.该方法充分整合GSA的勘探能力和PSO的开采能力,在GSA中引入PSO的个体最优值和群体最优值,同时改进惯性权重调整算法.T-S模型辨识分为结构辨识和参数辨识,采用聚类方法和GSAPSO算法同时辨识模型的结构和参数,从而实现全局优化辨识.仿真实例和比较分析证明了GSAPSO较标准的PSO和GSA有更强的全局优化能力和更高的辨识精度.     

带阴性选择的粒子群优化算法

针对PSO在计算后期多样性不足、易发生优化停滞的现象,引入免疫系统中的阴性选择概念,定义了新的计算亲和力的方法,提出了带阴性选择的粒子群优化算法,并对其进行了计算复杂性分析.改进算法能在检测到粒子群收敛至局部解后,更新群体中的部分粒子,并使新粒子在解空间上远离局部解,提高了粒子的多样性.试验证明,改进算法的优化性能优于PSO和局部PSO.对改进算法的计算成本及参数选择进行了讨论,并提出了下一步的研究方向.     

LED太阳能路灯控制器的设计

根据LED太阳能路灯系统特点,设计了太阳能路灯控制器.详细说明了蓄电池充电控翻及负载输出控制的硬件设计原理,并采用三段式充电理论实现了控制器的软件设计.控制器功能易于实现,满足控制和环保节能的要求.