基于粒子群优化的同步风力发电机励磁系统的变论域模糊控制

针对直接并网型同步风力发电机励磁系统非线性、时变性及风力发电机运行工况多变等特点,提出了一种基于粒子群优化的同步风力发电机励磁系统的变论域模糊控制方法。该方法中,通过分析确定变论域伸缩因子的结构,利用粒子群算法优化其参数,实现伸缩因子参数的智能寻优。将粒子群优化的变论域模糊控制器应用于励磁控制中,根据电压环的性能指标建立目标函数,通过对基本论域自适应调整,实现了同步风力发电机励磁系统在全工况下的自适应控制,提高了发电机端电压的调节精度和运行的稳定性。仿真结果表明,基于粒子群优化的变论域模糊控制在动态性能和稳态性能上优于模糊控制。     

农作物自动清洗机的设计

阐述了一种自动茎块状农产品清洗机的研究设计。对该机的螺旋毛辊组合机构、变速传动机构进行设计研究。设计采用PLC自动控制系统控制不同种类、不同大小的茎块状农产品清洗过程的毛辊最优转速及最少流量,对不同茎块状农产品实现一键式清洗。     

基于粒子群优化的电磁离合器模糊控制研究

针对车辆起步过程中应用传统模糊控制存在的精度不高、自适应能力有限等问题,提出了应用粒子群算法优化模糊控制器量化因子的方法。优化的量化因子随环境变化以及负载变化实时跟踪模糊控制器的参数变化,使得模糊控制器的鲁棒性和控制精度都得到了提高。仿真与实验结果表明,在车辆起步过程中,与传统的模糊控制算法相比基于粒子群优化的模糊控制算法能够在减小冲击度的同时有效减小滑摩功,具有较为理想的起步效果。     

粒子群优化的变论域模糊 PI 机电作动器控制

为了提高飞机机电作动器的位置跟踪速度,克服传统 PI 算法参数调试依赖于人工经验的缺陷,提出一种基于粒子群优化的变论域模糊 PI 控制方法。首先根据机电作动器的结构与工作原理,建立永磁同步电机与机械传动部分的数学模型;然后根据电机控制系统建立机电作动器位置环变论域模糊 PI 控制模型;最后利用粒子群优化算法对量化因子、比例因子以及伸缩因子寻优并进行仿真验证。仿真结果表明,与传统 PI 控制和模糊 PI 控制相比,基于粒子群优化的变论域模糊 PI 控制方法在具备着传统模糊控制算法优点的同时,又能够根据偏差变化实时调整论域,改善系统的性能。     

基于PSO优化Fuzzy-PID的全电调节无级变速器速比控制研究

全电调节无级变速器(EM-CVT)采用单电机作为动力源,通过控制电机转角实现速比调节。从提高EM-CVT速比控制系统稳定性和控制精度出发,设计了粒子群优化模糊PID速比控制策略;建立模糊PID速比控制器的模型,引入粒子群优化算法优化模糊PID控制器中的因子,实现速比控制系统的优化。仿真结果表明,采用粒子群优化模糊PID控制系统,可以提高系统的控制精度,改善速比跟踪性能。     

基于贝叶斯粒子群算法的控制权重矩阵优化

研究了线性二次型调节控制权重矩阵的优化问题。研究了粒子群算法的基本原理及其特点。在传统粒子群算法中引入了贝叶斯思想,利用贝叶斯判别法的基本思想对参加优化的粒子进行预处理,对粒子群算法中的粒子移动速度与方向的损失函数依概率加权平均,并将贝叶斯粒子群算法应用于二次型控制权重矩阵的优化中,提升了权重矩阵优化的收敛速度。通过仿真实验验证了贝叶斯粒子群算法的有效性。     

基于改进粒子群优化算法的PMSM矢量控制

对永磁同步电机矢量控制及标准粒子群优化算法进行分析,针对单一的粒子群优化算法容易陷入局部极小和早熟收敛的缺陷,提出了一种改进的粒子群优化算法。利用动态线性权重、非线性反正切函数改变学习因子提高了粒子的学习能力;利用动态自适应权重提高优化速度,建立在线优化PSO-PID控制器,应用于永磁同步电机控制,基于Infineon TC1782单片机搭建PMSM控制器。进行了电机台架测试,结果显示整个系统有更好的精确性以及准确性。     

基于粒子群算法的复合储能式系统控制优化

由于复合储能式系统装载机的结构复杂,所以对系统的模糊控制策略要求较高,而现有的利用专家经验对控制器设定的模糊控制规则主观性较强,很难实现系统的最优控制。利用粒子群算法对模糊控制策略进行优化,并将优化后的控制策略通过MATLAB/Simulink所搭建的装载机整车的后向仿真模型进行试验仿真分析。结果表明:通过粒子群算法优化后的控制器控制性更好,且整车的燃油经济性更佳;通过dSPACE进行硬件在环试验,试验与仿真结果基本一致,进而验证了优化结果的有效性。     

基于协同量子粒子群的自动配煤系统优化

提出了一种基于量子粒子群算法的自动配煤优化方法,该方法首先对量子粒子群进行了改进,引入协同与学习策略提高了算法的搜索性能。在对自动配煤系统数学建模时,采用加权法将其由多目标优化问题转化为单目标优化问题,再通过协同量子粒子群优化求解。实验结果表明在对自动配煤系统的优化中,协同量子粒子群具有更优秀的搜索能力,能够快速、可靠、有效地获得最优解。     

改进粒子群优化算法在工程优化问题中的应用研究

粒子群优化（PSO）算法是一种群集智能方法，它通过粒子之间的合作与竞争以实现对多维复杂空间的高效搜索。在对于粒子群群体构造和粒子多样性对收敛速度和精度影响的研究基础上提出了一种改进型粒子群优化算法。针对工程中的有约束的优化问题，将改进粒子群算法与函数法相结合进行求解。计算实例表明改进型粒子群优化算法大大改善了传统PSO算法的全局收敛性能，解的精度提高了很多。     

轮毂电机HEV能量管理策略优化研究

以一种轮毂电机HEV为研究对象,以整车燃油消耗量和排放最小为优化目标,制定了基于模糊控制的能量管理策略。在原能量管理策略的基础上引入了模拟退火粒子群算法,对模糊控制中的隶属度函数进行了优化。在此基础上,基于ADVISOR 2002软件搭建了轮毂电机HEV模型并在UDDS工况下进行仿真分析,仿真结果表明,与原能量管理策略相比,基于模拟退火粒子群算法优化的能量管理策略能更好地控制发动机工作点和分配发动机转矩和电机转矩,显著地改善了整车燃油经济性、排放性能。     

改进的非线性预测电液伺服控制系统

为了解决机床电液伺服系统的非线性控制问题,提出了一种改进的非线性预测控制方法(I-NPC)。将多目标粒子群优化思想和非线性预测控制相结合,实现了多目标优化,提高了非线性系统的控制精度。将区域偏好和参考点偏好的优点融合在一起,提出一种改进的偏好多目标粒子群优化算法(IM-PSO)。改进算法可以同时实现对偏好方向和偏好范围的控制。为了加强对粒子群全局最优粒子的搜索,IM-PSO算法还引入了球扇支配的新概念。由于改进算法具有计算负担小,实时性好的特点,所以能够准确地追踪电液伺服系统设定输出,有效地解决了机床电液伺服系统精确控制的难题。仿真实验表明,该控制方法是正确、有效的。     

并联机器人的粒子群优化神经网络自适应控制算法研究

针对传统控制算法对并联机器人的控制效果不好的问题,提出了一种并联机器人的粒子群优化神经网络自适应控制算法,该算法在基于神经网络的自适应PID控制算法的基础上,首先对粒子群优化算法进行惯性权重的优化和收缩因子的改进,然后将该改进算法应用于原算法上。仿真试验结果表明,提出的粒子群优化神经网络自适应控制算法,在性能上远远优于传统PID控制算法和基于神经网络的自适应PID控制算法。     

一种基于改进的粒子群优化算法的神经网络PID控制器

针对多输入多输出(MIMO)复杂过程控制中控制性能偏慢等问题,对神经网络PID控制器以及PID控制理论物理机制之间的相互作用进行了研究。对神经元PID控制器隐层和输出层之间的初始权值进行了归纳,提出了一种粒子群优化算法,提高了PSO算法的收缩因子以保证优化的收敛性,并进行了Matlab仿真。研究结果表明,所提出的神经网络PID控制器的改进粒子群算法优化,在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。     

基于改进型粒子群优化算法的双辊薄带振动铸轧压下控制系统优化

振动铸轧辊的周期性振动是诱发Kiss点波动的主要因素,亦可导致轧制力波动,最终造成铸轧薄带纵向厚度不均,为此,对粒子群优化算法进行改进,提出了在粒子群收缩因子算法基础上添加扰动因子的优化算法,并依托四种不同类型的测试函数对该算法进行了仿真分析。结合AMESim、MATLAB联合仿真平台进行仿真验证,并将该算法应用于双辊薄带振动铸轧机液压压下控制系统上进行实验验证,结果表明,在粒子群收缩因子算法基础上添加扰动因子的优化算法在收敛速度及求解精度上明显优于基本粒子群优化算法、粒子群收缩因子算法、带极值扰动的粒子群优化算法,使得实际辊缝宽度误差降低至0.1mm。该算法适用于双辊薄带振动铸轧的中试生产,增强了振动铸轧工艺的稳定性。     

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。     

基于群体智能的农产品供应链网络多目标优化设计

针对产出单一产品的多级农产品供应链网络优化设计问题,同时考虑最小化总成本和最大化客户需求满足率两个目标,建立了集成生产设施选址、产能决策和物流网络运输模式选择的农产品供应链网络优化设计的多目标混合整数规划数学模型。基于一种新型的改进二元粒子群算法并融合拥挤距离计算和外部Pareto档案构建等技术,提出一种Pareto多目标粒子群优化算法求解农产品供应链网络设计问题。通过将该算法与基础二元粒子群优化扩展而来的多目标粒子群优化,以及非支配排序遗传算法应用于三个案例的计算对比,验证了算法的有效性和优越性。     

基于PSO-SVM的变压器故障诊断研究

支持向量机用于变压器故障诊断时,其参数的选择会影响到诊断的准确度。为了提高支持向量机的精确度和效率,将粒子群算法和支持向量机相结合,提出了基于粒子群优化支持向量机的故障诊断方法。用粒子群算法实现对支持向量机惩罚因子及径向基核函数的寻优,从而提高支持向量机的分类性能。仿真结果表明,此方法能够有效提高变压器故障诊断的准确率。     

一种自适应粒子群算法的小波神经网络优化

针对传统粒子群算法易陷入局部最优解的问题,提出了一种变权重粒子群算法.该算法通过引入交叉权重因子和粒子个体状态最优权值,对传统粒子群算法进行了优化,使粒子在移动过程中利用更多的信息来调整各自的移动方向,扩大粒子在运动过程中的自我认知范围,提高了粒子群算法的收敛精度和收敛速度.最后,利用改进的变权重粒子群算法对小波神经网络控制器进行优化,有效地验证了变权重粒子群算法的精确性.