粒子群优化克隆算法在交流调速系统中的应用

提出了粒子群优化克隆算法(PSOCA),算法融合了免疫系统的克隆选择机制和粒子群优化算法的进化方程,具有全局寻优的能力.PSOCA改善了抗体种群的多样性,通过有效利用抗体的历史信息以及它们的合作提高了克隆选择算法的收敛速度.在PSOCA算法的基础上,设计了PID控制器(PCA-PID),可动态调整参数以适应时变对象.运用PCA-PID控制器进行交流调速,相对于采用粒子群优化算法和克隆选择算法设计的控制器,前者有更好的控制性能.     

基于改进粒子群算法的无刷电机模糊控制研究

为了解决在无刷直流电机控制系统中,PID调节器出现系统超调和稳定性差等问题,本文采用一种基于改进粒子群算法优化模糊控制器的速度控制算法,该算法融合粒子群算法和量子算法的优点。实验仿真结果表明:优化后的模糊控制器动态性能和静态性能都优于传统PID控制,具有很好的鲁棒性和控制精度。     

可逆冷连轧卷取张力系统中的预测控制应用

针对某双机架可逆冷连轧卷取机卷取张力控制中存在的张力波动问题，引入预测控制算法，在间接-直接张力复合控制思想的基础上，采用动态矩阵预测控制器代替原系统张力PI调节器的方法。计算机仿真结果表明系统动态特性改善，保证了张力控制的精度。     

基于粒子群优化算法的永磁同步电机H_∞速度观测器

H∞速度观测器实现了对永磁同步电机矢量控制系统的转速估计。然而,观测器中加权矩阵的选取费时费力,从而限制了其在高性能变频调速系统中的应用。为了解决上述问题,本文提出了一种基于粒子群优化算法的永磁同步电机H∞速度观测器。该方法在H∞速度观测器矢量控制系统的基础上引入粒子群优化算法,并在文中给出了算法的实现方式。仿真结果证明:基于粒子群优化算法的永磁同步电机H∞速度观测器进一步提高了永磁同步电机无速度传感器矢量控制系统的控制性能,同时具有更好的动态性能和抗干扰性能。     

基于粒子群优化的主动悬架最优控制研究

针对主动悬架最优控制器LQG的加权矩阵Q和R参数主要由人工调整来确定,不仅费时,而且无法保证获得最优的权重矩阵。本文采用粒子群算法对LQG的控制参数进行优化。通过利用粒子群算法的全局搜索能力,以主动悬架性能指标为目标函数对加权矩阵进行优化,以提高LQG的设计效率和性能。在Matlab/Simulink环境中进行仿真分析,结果表明:与传统的LQG控制比较,基于粒子群优化的LQR控制器使主动悬架的车身垂直加速度、悬架动行程和轮胎动位移的均方根值均得到降低,可以使车辆获得更优的乘坐舒适性和操作稳定性。     

基于粒子群算法的航天器控制参数优化设计

针对大角度姿态快速机动的航天器姿态控制器进行参数优化设计.采用四元数方法描述航天器的姿态运动,针对一类基于Lyapunov方法设计的姿态控制器,设计了描述控制器全局姿态调整能力的指标,量化了控制器参数对控制性能的影响,采用粒子群算法对控制器参数选择进行优化,避免了传统设计中基于经验选择设计参数,通过引入粒子间信息共享的机制求解优化问题.仿真结果表明:粒子群算法采用简洁的位置和速度更新实现系统寻优,在有输出力矩约束的条件下,进入最优解67 s所需的进化代数为31,可较快收敛到系统全局最优解.     

一类混合迭代算法在约束预测控制中的应用

为了改进多变量约束预测控制的滚动优化算法,对路径跟踪法和粒子群算法进行了理论研究,提出了一种将路径跟踪法和粒子群算法相结合的混合迭代算法,并用该混合算法对最具代表性的动态矩阵控制进行了滚动优化.仿真结果表明:对由于参数选择引起矩阵奇异时,路径跟踪法无法求出最优解,而基于混合迭代算法的优化算法可以得到最优解.采用路径跟踪法和粒子群算法相结合的混合迭代算法对多变量约束预测控制进行滚动优化,保证了优化算法的快速性和可行性.     

车辆主动悬架二次型最优控制器权矩阵参数优化

在使用线性二次型调节器(LQR)的车辆主动悬架控制器中加权矩阵Q和R的取值经常依靠先验知识选取。粒子群算法具有良好的快速寻优能力,可以对权矩阵参数进行优化。针对目前算法存在的缺点通过在更新的过程中动态调整惯性权重以更好的平衡全局和局部搜索能力,同时在迭代后期加入禁忌搜索避免陷入局部最优解。在matlab中建立1/4二自由度主动悬架仿真模型,对振动控制性能仿真分析结果表明,采用改进粒子群优化LQR与传统LQR方法相比能够很大程度上减少路面变化对车身的冲击,乘坐舒适性和可操纵性得到明显提升。     

梯级水电站优化调度的模糊自适应粒子群算法

针对粒子群算法容易早熟和易于陷入局部极值的缺点,提出一种梯级水电站优化调度的模糊自适应粒子群算法.在该算法中将惯性权值表示为粒子群进化速度因子和群体适应度方差的模糊函数,在每次迭代过程中动态改变惯性权值,以适应非线性优化搜索过程.针对违反约束的粒子,设计了一种动态空间调整策略来修复约束要求.为了验证算法的性能,用2个测试函数和拥有4个水电站的系统进行了测试,在求解精度和速度上与标准粒子群算法和改进惯性权值线性递减粒子群算法进行了对比,结果表明模糊自适应粒子群算法收敛速度快、精度高.     

基于粒子群-模糊PID的织网机主动穿线板多电机协同控制

针对织网机主动穿线板多伺服电机协同控制问题,以3台电机为被控对象,将粒子群算法与模糊PID(proportion integration differentiation)控制相结合,设计基于粒子群算法的模糊PID控制器,粒子群算法优化控制系统的初始参数,结合模糊PID完成对多伺服电机协同控制系统的动态调整.为保证系统的...     

基于粒子群优化的主动悬架PID控制策略

针对汽车主动悬架比例-积分-微分控制器(proportional-integral-derivative,PID)参数选择问题,传统PID控制参数整定具有一定的盲目性.设计了粒子群优化算法,目标函数根据悬架性能指标建立,利用粒子群优化算法,优化了PID控制器中的参数.结果表明,与优化前PID控制的主动悬架相比,采用粒子...     

基于HPSO的PID算法在汽油机怠速控制中的应用

在怠速控制系统中,PID控制器的参数整定直接影响到控制效果;介于标准粒子群算法的不足,采用混合粒子群算法对PID控制器的参数进行离线整定,并基于MATLAB软件进行仿真实验;实验结果表明：混合粒子群的寻优精度优于遗传算法和标准粒子群算法,且具有良好的收敛速度.     

基于改进粒子群算法的电力通信网最佳抢修路径问题的研究

研究了改进的离散粒子群算法在电力通信网最佳抢修路径中的应用。粒子群优化算法是一种新型通用启发式算法,能够有效地求解大规模组合优化问题。在研究离散粒子群算法原理的基础上,引入记忆单元,实现粒子间信息共享,保证了粒子在寻优过程中能容易的跳出局部最优点,并能加速收敛到全局最优解。建立了电力通信网最佳抢修路径模型,构造了节点矩阵和速度矩阵,设计了求解算法,并编程进行了测试,实验结果表明了所提方法的可行性和有效性。     

基于粒子群算法的超导陀螺转子控制优化设计

为了提高超导陀螺转子控制系统的动态性能,进行了超导陀螺转子控制的优化设计。首先,设计了超导陀螺转子控制系统的控制回路;然后,用粒子群算法对控制系统中的控制器参数进行了优化。仿真结果表明,优化后的超导陀螺转子控制系统的动态性能有了明显的改善。     

惯性权自适应调整的量子粒子群优化算法

针对量子粒子群的惯性权值β线性递减不能适应复杂的非线性优化搜索过程的问题,提出了一种惯性权自适应调整的量子粒子群优化(DCWQPSO)算法.在该算法中,引入了量子粒子群进化速度因子sd和聚集度因子jd,并将惯性因子β表示为sd,jd2个参数的函数.在每次迭代时,算法可根据当前量子粒子群进化速度因子和聚集度因子动态地调整惯性权值,从而使算法具有动态自适应性.对典型的标准函数的测试结果表明,与量子粒子群算法相比,改进后的量子粒子群优化算法的收敛速度明显提高.     

一种动态改变惯性权的自适应粒子群算法

针对惯性权值线性递减粒子群算法(LDW)不能适应复杂的非线性优化搜索过程的问题,提出了一种动态改变惯性权的自适应粒子群算法(DCW).在该算法中引入了参数粒子群进化速度因子和聚集度因子,并根据这2个参数对粒子群算法搜索能力的影响,将惯性因子表示为粒子群进化速度因子和聚集度因子的函数.在每次迭代时算法可根据当前粒子群进化速度因子和聚集度因子动态地改变惯性权值,从而使算法具有动态自适应性.对几种典型函数的测试结果表明,DCW算法的收敛速度明显优于LDW算法,收敛精度也有所提高.     

粒子群遗传融合算法

提出一种融合粒子群算法和遗传算法改进优化算法,该算法首先采用一种自适应弹性粒子群算法,弹性地修正粒子速度的幅值,有效地避免了粒子群算法的早熟收敛问题。再与遗传算法融合,模仿自然界的个体成熟过程,对遗传算法中的每一代群体中的优秀个体,先采用自适应弹性粒子群算法获得进一步的提高。再经过提高、交叉、变异三步,获得最优解。以动态系统FCRNN的设计为例,改进算法收敛速度快,误差精度高。     

软件定义网络中应用二值粒子群优化的控制器部署策略

为了确定控制器的最优化部署方案,构建软件定义网络中逻辑上集中、物理上分布的控制平面,提出软件定义网络中应用二值粒子群优化的控制器部署策略。对控制器部署问题建模,以交换机到控制器的平均时延最短以及在网络中部署的控制器数量较少为多优化目标。提出粒子重构机制,实现粒子群优化算法的二值化,用以表示控制器在网络中部署的位置。基于二值粒子群优化算法设计多优化目标的控制器部署策略,仿真得到控制器部署问题的非劣最优解集合,对应给定的控制器数量,得到平均时延最小的控制器部署方案。实验结果表明,应用二值粒子群优化的控制器部署策略联合考虑了控制器数量和交换机到控制器的平均时延,为实现控制器最优化部署提供了依据。     

基于粒子群优化算法的分数阶PID控制器设计

分数阶PID控制器具有可变的微分和积分阶次,通过调整控制器参数可以获得更好的控制性能。本文基于粒子群优化算法设计分数阶PID控制器。首先介绍分数阶PID和粒子群优化算法,然后给出分数阶PID控制系统结构、分数阶微积分算子的近似算法和分数阶PID控制器设计的仿真流程,最后通过MATLAB/Simulink对算例进行控制器设计仿真。仿真结果表明,通过粒子群寻优能够获得满意的分数阶PID控制器参数,满足对控制性能的要求。     

基于自适应模型预测控制的拖拉机路径跟踪研究

自主化作业的拖拉机由于作业速度和跟踪路径曲率的不断变化,基于固定参数模型预测控制的路径跟踪器不能达到理想效果.为提高控制器的自适应性,提出基于改进粒子群优化的自适应模型预测控制算法.该算法将作业场景与粒子群算法相结合,对模型预测控制中的预测时域进行自适应调整,当作业场景发生改变时,则用粒子群优化算法选取理想预测时域参数.为提高粒子群优化算法的寻优效果,采用分段函数的方式对惯性权重进行改进.以东方红-X1304拖拉机为研究对象,对作业速度为1、2m/s和变速,跟踪路径为直线和曲线等情况进行仿真实验,并对比分析基于固定预测时域和自适应预测时域的控制器.结果表明,相对于基于三个固定时域的控制器,基于自适应预测时域控制器的跟踪精度和收敛速度分别提高了2％～44％和2％～71％.