基于动态矩阵控制的再热汽温控制系统

预测控制具有良好的动态响应和跟踪性能,但抗干扰性和鲁棒性差.针对火电厂再热器出口温度的大惯性、大延迟的特点,提出了一种改进的动态矩阵控制(DMC)算法,并采用串级控制结构,即内回路采用PID控制快速消除给水流量的扰动,外回路采用带前馈补偿的DMC控制克服蒸汽流量的扰动.将DMC算法和串级控制相结合,充分发挥了PID抗干扰性和DMC对惯性、延迟适应能力强的优点.仿真结果表明,该方案对再热汽温控制系统具有较强的鲁棒性及良好的抗扰动性能,提高了系统的动、静态性能指标,DMC-PID串级控制系统总体性能优于PID-PID串级控制系统.     

基于DMC-PID的Buck型DC/DC变换器的输出特性控制

基于Buck型DC-DC变换器动态响应速度较慢、抗扰动能力差的现状,提出了基于输出电压微分-单周控制Buck型DC-DC变换器数学模型的DMC-PID控制方法。该算法将DMC算法与PID算法相结合,充分发挥PID抗干扰性和DMC对惯性、延迟适应能力强的优点。为验证在PID与DMC结合时所采用的串联与并联两种不同的控制方法的控制效果,针对不同工作状态对系统进行了仿真。结果表明:DMC-PID并联控制系统总体性能优于DMC-PID串级控制系统,但两种控制方案都具有较强的鲁棒性及良好的抗扰动性能,能够提高系统的动、静态性能指标。     

多模型DMC算法的模块化设计与应用研究

多模型DMC算法应用到热工优化控制平台中具有很大的现实意义。在对热工优化控制平台和多模型DMC算法介绍的基础上完成多模型DMC算法的模块化过程,即将多模型DMC算法封装成高级算法模块。模块化过程的关键技术包括采样文件管理、采样状态刷新、上下位数据交互以及中间点进入数据库的实现。最后,选取一个非线性热工对象,在优化控制平台中调试发现多模型DMC算法模块相对于PID模块取得更好的控制效果。     

改进的混沌算法在PID参数整定中的应用

PID控制由于鲁棒性好和易于实现等优点，在工业上广泛应用；但是PID参数整定繁琐、难以达到最优状态、控制结果出现较强的振荡和大超调等问题。在传统的混沌算法的基础上，引入微粒群算法的寻优思想，形成了一种新的混沌算法，并应用在PID控制器的参数优化上。仿真证明了该算法能有效地实现PID参数最优整定，控制结果具有稳定、超调小、响应快的优点。该算法寻优速度快，效率高，容易实现，其性能优于常规遗传算法，为解决PID控制器参数全局最优设计提供了一种有效的方法。     

改进的PSO算法在摊铺机行驶控制器中的应用

摊铺机行驶系统为液压伺服系统,具有非线性、时变的特点。针对行驶系统控制器PID参数整定困难且不同工况下参数整定烦琐及易出现较大的振荡和超调使控制结果不理想等问题。提出一种非线性变权重、随机学习因子、并行搜索PSO算法的PID控制器参数优化方法。利用MATLAB语言对摊铺机行驶系统近似模型进行了仿真分析,仿真结果在保证PID控制稳定性基础上提高了PID控制的精度。与混沌优化方案进行了比较,ITAE性能指标值的精度提高了6个数量级,结果表明该改进的PSO算法实现简单,对参数初值设置不敏感,鲁棒性强,快速有效地实现了PID参数的全局优化。在稳定、超调量、响应时间、调节时间几项综合性能上优于混沌优化算法,表明了此算法在PID参数整定中的有效性及应用前景。     

一种基于PSO-PID算法的分布式机器人实时控制

分析了粒子群优化(PSO)算法的原理、算法参数及其对算法性能的影响。以PSO算法为基础,提出了一种新的粒子群优化不完全微分PID算法。根据多关节机器人系统的特点,介绍了一种新的分布式机器人实时控制系统。系统采用双速率控制策略和分布式控制方式,机器人运动控制运用粒子群优化算法定时寻优PID参数,使其随着系统参数的变化而实时更新,实现最优不完全微分PID控制。实验结果表明,该系统设计科学、性能优越,新算法寻优能力强、控制效果好。     

基于粒子群算法和卡尔曼滤波器的PID控制

针对PID控制系统中存在参数的整定和控制干扰信号和测量噪声信号问题,提出基于粒子群算法和卡尔曼滤波算法的PID控制方法。利用粒子算法优化PID参数,通过卡尔曼滤波器抑制控制干扰信号和测量噪声信号。仿真结果表明具有响应速度快、抗干扰能力强等特点,且达到了全局最优PID参数整定,有效地剔除系统的控制干扰和测量噪声信号,具有比传统PID控制方法更好的动态和静态控制性能,控制品质有较大的改善和提高。为PID控制系统的研究提供了一种新方法。     

基于改进PID算法的电压调节器智能控制

电压调节器的工况十分复杂,其具有非线性、突变等变化特点,传统PID控制算法存在超调、控制准确度低等不足,为改善电压调节器的控制性能,提出一种改进PID算法的电压调节器控制算法。将PID的三个参数编码成为一个萤火虫位置相量,通过模拟萤火虫种群的觅食和寻偶行为找到最优PID参数,然后通过PID参数在线调节实现对电压调节器的智能控制,最后采用Matlab 2012软件进行仿真对比实验。实验结果表明,相对于传统PID参数优化算法,改进PID算法可以使电压调节器控制系统的超调量减小,响应时间加快,提高了系统的稳定性能。     

基于DMC-PID串级控制的超临界机组给水系统研究

在超临界参数下,针对机组给水控制系统具有复杂多变、大惯性、大迟延等特点,提出了一种基于动态矩阵控制(Dynamic Matrix Control,DMC)和PID串级控制相结合的控制策略。首先对超临界机组给水控制系统被控对象的动态特性以及建立简化数学模型等进行了分析。其次根据动态矩阵控制原理建立了系统的DMC模型,从而设计了DMC-PID串级控制器。再运用蚁群算法(Ant Colong Optimization,ACO)对350 MW超临界机组的现场运行数据进行辨识,并优化DMC控制器参数。最后与传统PID控制进行了MATLAB仿真对比实验。结果表明DMCPID串级控制具有更好的稳定性和较快的调节速度,鲁棒性较好,抗干扰能力强。     

神经网络和模糊算法相结合的永磁同步电机的鲁棒控制

提出一种神经网络和模糊理论相结合的控制算法,用于永磁同步电机的控制.该算法用基于BP神经网络的PID算法作为速度控制器,实现控制系统的在线自适应调整;同时用模糊理论算法作为神经网络控制器输出的限制,实现了良好的控制动态性能.在与传统的PI控制仿真比较中,该算法显示出了较好的控制性能,对负载和电机参数的变化不再敏感,且控制器可以在误差较大的时候快速跟踪指令,而在误差较小的时候实现稳定运行.     

一种基于GA—BP混合算法的模糊神经网络控制器

提出一种用于优化模糊神经网络控制器参数的GA—BP混合算法,该算法一方面由遗传算法保证学习的全局收敛性,克服梯度法对初始值的依赖性和局部收敛问题;另一方面,与“精确的”梯度学习算法的结合也克服了单纯遗传算法所带有的随机性和概率性问题,有助于提高它的搜索效率。仿真结果证明了算法的有效性。     

基于LSI的快速RSA算法的分析与改进

通过对一种基于LSI的快速RSA算法的分析,指出了其中影响运算效率的原因和其可以改进的方面.结合目前最新的改进SMM算法和分块模幂算法,提出了一种基于分块模幂思想的基于LSI的快速RSA算法.在求模运算中运用了乘同余的对称性,从而提高了算法的运行效率.最后,从算法复杂性理论上证明了新算法的效率要高于原来的算法.     

基于遗传算法与蚁群算法的电网规划

针对遗传算法求解到一定范围容易产生大量冗余迭代、求解精度低.蚁群算法初期信息素匮乏、求解速度慢的缺陷,在电网规划算法中,将遗传算法与蚁群算法融合,在网架规划初期采用遗传算法求解出最优解,通过最优解生成蚁群算法的初期信息素,确定吸引强度的初始值,建立强度更新的模型,从而得到满足电网规划的最优方案.最后通过18节点的算例证明,融合算法在收敛性与寻优性上均得到提高.     

滤除衰减非周期分量的微机保护算法研究

寻找合适的算法是微机保护的一个重要任务。作者的目的是在目前国内外有关微机保护算法的文献中寻找一种兼顾精度与速度,并适合微机保护的“最佳”算法。为此通过大量的仿真计算,对各种算法的计算精度与计算速度进行了对比。首先给出微机保护常用算法中傅里叶算法及改进傅氏算法、卡尔曼算法和递推最小二乘算法对含非周期分量故障信号计算方法,分析各算法的误差来源和频谱特性,然后进行仿真计算方法,分析各算法误拳来源和频谱特性,然后进行仿真计算,在采样率分别为12点／周、20点／周40点／周上,在80P51XA16位单片机上各算法的计算精度进行了对比计算。得出了采用并联补偿的傅氏算法且选择采样率为20点／周的方案是能兼顾精度与速度的“最佳”组合方案的结论。     

基于曲线拟合法的新型定制电力设备快速检测算法

定制电力配套设备的运用可有效地补偿电压暂降和瞬时断电,其研究开发过程中遇到的一大难题是:寻求快速算法,以便在3ms以内检测出电压暂降和瞬时断电。在分析常规保护用检测算法如有效值计算法、缺损电压法、辨别导数算法、三相d-q分解法、利用单相电压延迟60°构造三相虚拟电压d-q变换法和利用求导数法构造三相虚拟电压d-q变换法的优缺点基础上,提出了基于曲线拟合法的快速检测算法。通过研究两采样值积曲线拟合法、三采样值积曲线拟合法的优缺点,比较曲线拟合法与前面提到的检测算法,并比较两采样值积曲线拟合法与三采样值积曲线拟合法,得出两采样值积曲线拟合法更适合于在定制电力配套设备中运用。基于DSP仿真器上编程仿真,分析得到的各种检测算法处理电压暂降的结果波形,证实了该观点。     

锅炉给水系统聚类自适应模糊控制器的设计

将聚类算法和模糊控制相结合,提出了一种新型的聚类自适应模糊控制器,应用于非线性、多干扰和强耦合的锅炉给水系统中.采用改进的遗传算法对模糊控制器的隶属参数进行优化,增强模糊控制器的自适应性,并用聚类自适应算法再次弥补模糊控制的不适应性和不完整性,实现了锅炉给水系统的自适应控制.仿真表明该方案的适应性、实时性、鲁棒性都很强,具有很强的工程实用价值.     

全自主移动机器人在未知环境中的运动规划

针对机器人在未知环境中的运动规划,本文给出了一种基于激光传感器的完备路径规划算法,使机器人可以有效地扫描整个未知环境。使得机器人扫描整个未知环境的行走路径较短,所需的时间也较短。计算机仿真验证了算法的可行性,同时体现了算法的优越性。     

现代电机优化设计纵横谈

电机优化设计是电气工程领域的热点问题之一.本文针对传统电机优化设计存在的主要问题,详细讨论了以遗传、免疫算法为代表的几种最新全局优化方法在电机优化领域的应用情况,阐述了它们不同于传统优化算法的特点,并提出了今后电机优化设计的发展方向.     

用于配电系统网络规划的生物智能算法

介绍了在配电网络规划中用到的遗传算法、蚁群算法、粒子群算法等三种生物智能算法及他们相应的一些改进。     

基于RNA-CS混合算法优化的风光发电预测模型研究

提出一种基于RNA-CS混合算法优化的预测模型,优化布谷鸟算法,权衡全局搜索和局部搜索。结合某地区风力和光伏发电实际,对一天中的风速和福射进行测量。采用基础遗传算法、基础布谷鸟算法与RNA-CS混合算法进行仿真对比研究。结果表明,RNA-CS混合优化算法对比其他两种算法模型,对风电、光伏发电具有更精确的预测结果,能够有效的保障电力系统稳定运行。