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。     

基于粒子群优化的锅炉温度模糊PID控制器设计及其仿真

首先讨论了模糊理论和粒子群(PSO)优化算法,然后针对典型的工业过程控制对象,设计了一种基于PSO优化的二维自适应锅炉温度模糊PID控制器,可以对比例因子和量化因子进行优化。对锅炉温度控制对象系统模型进行辨识,得到锅炉温度的传递函数,在此基础上利用MATLAB进行了仿真。仿真结果表明,采用基于PSO优化的锅炉温度控制与PID控制、模糊控制相比,具有超调量小、上升时间短、响应速度快、调节时间短、稳定性能好、抗干扰能力强等优势。     

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。     

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。     

基于混沌粒子群优化的神经网络在旋转机械故障诊断中的应用

基于混沌粒子群优化算法提出一种根据群体早熟收敛程度和个体适应值来调整惯性权重的自适应混沌粒子群优化算法,算法兼顾全局寻优和局部寻优,能够有效地避免早熟收敛.使用自适应混沌粒子群优化算法训练神经网络并建立旋转机械故障诊断模型,实验结果表明,与粒子群优化算法、遗传算法训练神经网络相比,基于自适应混沌粒子群优化算法的神经网络能够有效改善神经网络的训练效率,提高故障模式识别的准确率.     

粒子群优化模糊PID在燃烧器温度控制中的应用

针对燃烧器温度控制系统是一个时变、大延迟和非线性的控制系统,无法建立准确数学模型,难以进行精确控制的问题,常使用模糊PID算法实现对此类系统的控制.但模糊PID算法需要专家给出模糊规则并调节参数,且参数调节过程中存在误差,控制性能较差.本文采用粒子群优化模糊PID算法中的量化因子Ke、Kec和比例因子Ku,快速整定模糊PID参数,然后利用MATLAB对控制系统进行仿真.结果表明,通过粒子群优化的模糊PID,系统的响应速度更快、超调量更小、达到稳态的时间更短.     

粒子群优化的手术机器人从手夹持力模糊控制

设计了手术机器人从手机械结构,建立了手术机器人从手的数学模型,确定了手指夹持力与电机运动的关系。针对传统模糊控制器控制精度低的不足,提出了一种基于粒子群优化的PI型模糊控制器设计方法。该方法通过PI模糊模拟进行模糊规则初始化,再以粒子群算法优化其模糊规则权值与量化比例因子,最后得到粒子群优化的PI型模糊控制器。该设计方法解决了传统模糊控制器设计中模糊规则权值与量化比例因子难以确定的问题,使设计出的控制器继承了PI控制器和传统模糊控制器的各自优点。仿真结果表明,当人体组织弹性模量产生较大变化时,该控制器具有良好的控制性能。     

离散粒子群优化算法求解矩形件排样问题

提出了一种基于离散粒子群优化算法求解矩形件排样问题的方法.文中介绍了基本粒子群优化的搜索策略与基本算法,用置换子和置换序列构造一种离散粒子群优化矩形件排样算法,通过实例和遗传算法相比较,实验结果表明该算法是有效的.     

工程约束优化的自适应罚函数混合离散差分进化算法

将离散约束优化问题转化为非负整数约束规划问题,开发求解该问题的离散差分进化算法。该算法采用基于混沌映射的种群初始化、双版本变异和带随机扰动项的取整运算等新策略。针对非线性约束条件,给出惩罚基数的计算方法和连续映射基函数的表达式,在此基础上设计处理非线性约束的自适应惩罚因子。提出一种刻画种群多样性的新测度——种群二次平均基因距离及基于新测度的依概率混沌移民算子。将自适应罚函数法、依概率混沌移民操作与离散差分进化算法有机融合,构造面向工程约束优化的混合离散差分进化算法。对3个离散约束优化实例进行验证,结果表明,混合算法具有良好的鲁棒性且优于离散粒子群算法。应用混合算法求解斜齿圆柱齿轮传动优化设计问题,结果优于遗传算法及其改进算法、离散粒子群算法,目标函数值较遗传算法及其改进算法分别下降41%和10%。     

阀控非对称伺服缸基于粒子群优化的模糊PID控制器研究

针对阀控非对称伺服缸非线性、参数时变的特点,考虑到油液压缩特性的影响,建立了包含变体积弹性模量的系统数学模型。提出一种基于粒子群算法优化(PSO)的模糊自适应PID控制方法(简称PSO_FPID)。模糊逻辑推理在线调整PID控制器的比例、积分和微分系数,以粒子群算法实现对模糊控制比例因子和量化因子的参数寻优,两种方法的组合保证了系统最佳参数匹配下的自适应控制。同时,利用AMESim与Simulink联合仿真研究不同含气量的阀控缸模型在传统PID与PSO_FPID两种控制方法下的动态响应特性。结果表明:PSO_FPID综合了PID控制器高精度的优点和模糊控制器快速、适应性强的特点,能够有效抑制油液动态压缩特性的非线性影响,使系统具有良好的动、稳态特性。     

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。     

基于粒子群算法的多目标模糊物元优化研究

针对产品设计优化过程中多目标性、模糊性、不确定性等特性,提出基于粒子群算法的多目标模糊物元求解策论.建立了多目标模糊物元优化模型,定义了物元的各个权重,根据某种优化准则,将多目标优化问题转化成了单目标问题的优化.运用粒子群算法作为求解策略,并提出新的改进方法,给出模糊物元多目标优化设计问题的改进自适应粒子群算法(MAPSO)求解过程,并将它与其他方法进行比较,结果显示该算法具有较高的执行效率.     

平面并联机构位置正解的改进粒子群算法

根据杆长约束条件,给出了求解3-RPR平面并联机构位置正解的无约束优化模型.针对标准粒子群算法容易陷入局部极值、进化后期收敛速度慢等缺点,提出了一种基于新的差异度评价指标的改进粒子群算法--自适应变异粒子群算法.采用自适应变异粒子群算法求并联机构位置正解中的优化问题.数值实例表明,改进粒子群算法能求出全部装配构型,且收敛速度较快、精度较高.     

一种自适应粒子群算法求解模糊作业车间调度问题

针对模糊加工时间和模糊交货期的车间调度问题,提出自适应离散粒子群算法。鉴于粒子群在搜索后期易早熟的缺点,根据群体聚集程度自适应地更改交叉概率、线性更改变异概率;在搜索后期,依概率进行择优操作,对局部极值进行基于工序块的变异操作,使算法具有更优的性能。仿真实验表明该算法可行有效。     

求解无等待流水车间问题的若干算法

提出了解决无等待流水车间问题的离散粒子群优化、离散差异进化、变邻域搜索和阈值接收算法.在离散粒子群优化和离散差异进化中,采用基于工件排列的编码,设计了新的个体生成公式.同时研究了基于串行结构、嵌人结构和协同结构的12种混合算法.仿真计算表明,混合算法具有较高的优化性能.     

解决无等待流水车间调度问题的离散粒子群优化算法

针对以生产周期为目标的无等待流水车间调度问题,提出了一种离散粒子群优化算法.研究了无等待流水车间调度问题的快速邻域搜索技术,并将其分别用于加强粒子、个体极值或全体极值的邻域探索能力,得到了三种改进的离散粒子群优化算法.基于典型算例的试验,表明了上述算法的有效性.     

基于改进粒子群优化算法的并联机构位置正解法

本文提出一种基于改进粒子群优化算法的并联机构位置正解法.在深入分析和研究标准粒子群优化算法的基础上,定义了粒子相似性概念,提出基于高斯白噪声干扰变异的粒子群优化算法.该算法在运行过程中通过与当前最优粒子相似性的量化判定,对进入当前最优粒子邻域的粒子施加高斯白噪声干扰变异,从而提高粒子群优化算法后期多样性和收敛速度.将该算法用于并联机构位置正解寻优,仿真实验结果表明有该方法能以较高的收敛精度快速地获得并联机构的位置正解,且算法稳定.     

解决无等待流水线调度问题的新算法

提出了解决无等待流水线调度问题的3种新算法,即离散粒子群优化算法、离散差异进化算法和阈值接收算法。离散粒子群优化算法和离散差异进化算法采用了基于工件序列的编码方式和新的个体生成方法,从而使具有连续性质的粒子群优化算法和差异进化算法能直接用于求解调度问题。仿真试验表明了上述算法的有效性。     

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。     

基于微粒群算法的模糊PID控制器在BLDCM中的应用

由于无刷直流电机(Brushless DC Motor,BLDCM)具有非线性、多变量控制的特点,传统的控制算法难以满足无刷直流电机系统的控制要求。为此提出了一种基于微粒群优化算法(Particle Swarm Optimization Algorithm,PSO)的自适应模糊PID的控制设计。将微粒群优化算法应用到模糊控制器中,在线自动调节模糊控制器的量化因子Ke、Kec和比例因子Ku,提高了模糊控制器的控制性能。仿真实验结果表明,该控制方法对无刷直流电机调速系统具有更好的静、动态性能和稳定性,并对负载扰动有较强的适应能力,取得了很好的效果。