基于遗传算法的PID控制器及应用

对遗传算法和PID控制器做了简单的介绍,提出了一种应用遗传算法对PID控制器参数进行优化设计,重点介绍了遗传算法的优化过程。文章通过实例对几种参数整定方法的控制效果进行了仿真和比较,证明了基于遗传算法的PID参数整定方法的可行性和良好的控制效果。最后将该算法应用于气流炸药生产线的风速控制,取得了预期的控制效果。     

一种新型的PID控制器参数优化整定方法

PID控制器参数的优化整定一直是自动控制领域的研究热点。本文采用微粒群算法(PSO)进行PID控制器参数的优化研究。仿真结果表明根据本文提出的方法得到的PID控制器参数可以获得满意的控制效果,各项性能指标优于由遗传算法(GA)整定得到的效果。     

人工蜂群算法在飞轮充电控制系统中的应用研究

飞轮储能系统中飞轮电机非线性、变参数等特性的存在,导致其充电控制系统转速环PID控制器的参数整定存在一定的困难。将人工蜂群算法应用于飞轮充电控制系统中对PID参数进行优化。提出了基于人工蜂群算法优化PID参数的具体流程,分别采用人工蜂群算法、遗传算法和蚁群算法优化飞轮充电控制系统PID控制器,并通过仿真进行性能对比分析,结果表明基于人工蜂群算法整定的PID控制器的阶跃响应具有最短的上升时间和最少的迭代次数,效果最好,验证了人工蜂群算法优化飞轮充电的优越性。     

计及后备保护优化级数的改进阻抗修正反时限过流保护整定方法

提出了一种计及后备保护优化级数的改进阻抗修正反时限过流保护整定方法。首先,对常规的阻抗修正反时限过流保护算法进行改进,通过增加后备保护优化级数提升其远后备保护的动作速度;其次,针对优化后的阻抗修正反时限过流保护算法整定复杂且存在失配风险的问题,以优化后的阻抗修正反时限过流主保护和后备保护总动作时间最小为目标函数,以保护选择性、灵敏性要求为约束条件,建立反时限保护参数优化整定数学模型,并引入量子遗传算法进行求解。理论分析和基于PSCAD的仿真结果表明,所提基于量子遗传算法的改进阻抗修正反时限过流保护优化整定方法能够有效提升保护的选择性和速动性。     

基于混沌遗传NPID的TRT励磁控制器

针对PID控制器的局限性,基于非线性跟踪微分器,为TRT励磁控制系统设计了一个双环非线性PID控制器.并将混沌优化算法与遗传算法相融合,对非线性PID励磁控制器参数进行优化,解决了一般非线性PID控制器参数整定的难题.仿真结果表明,NPID控制器提高了发电机机端电压的控制精度,改善了电压的调节品质,而且增强了控制系统的鲁棒性.     

基于社会学习自适应细菌觅食算法的互联电网AGC最优PI/PID控制器设计

AGC控制器的参数对电网频率控制的动态性能具有重要影响。不合适的控制器参数将可能使得电网在遭遇较大的负荷扰动时失去频率稳定。针对互联电网AGC控制器参数优化整定问题,提出了一种基于社会学习自适应细菌觅食算法的最优PI/PID控制器设计方法。该方法将社会学习机制及自适应步长策略引入到标准细菌觅食算法中,通过改进细菌寻优过程中的趋化、群聚及繁殖等操作,提高算法的收敛速度及寻优精度。建立两区域互联电网AGC系统仿真模型,采用所提算法优化整定其PI/PID控制器参数。仿真结果验证了所提方法的有效性。     

基于模糊-遗传算法的智能自适应PID控制系统参数优化

基于模糊控制和遗传算法的优化方法,提出了智能自适应PID控制器参数优化的设计方法,以种群多样性为标准进行阶段的划分,并在优化进入到微调阶段进行模糊变异,通过算法的改进使得在PID控制中,PID参数的整定不依赖于对象的数学模型,且能在线调整,算例结果表明了该算法的有效性。     

锅炉除氧系统自适应遗传PID控制

遗传算法全局寻优参数,但训练时间较长;PID控制算法简单,却难以控制非线性复杂过程。将白适应遗传算法和PID相结合,可以有效地改善控制效果。通过除氧器数学模型,设计基于遗传算法的自适应PID控制器,在线整定控制器参数,提高除氧系统的控制性能。仿真结果表明该算法的控制效果良好。适应能力较强,具有算法简单、参数整定容易等优点。     

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。     

基于ITAE指标的PID控制器参数优化设计

研究了比例一微分一积分（PID）控制器参数自整定问题,提出一种基于改进粒子群优化算法的PID控制器参数自整定方法,并以时间乘以误差绝对值积分（ITAE）的性能指标为适应度函数,对具有实参数不确定性的热工对象进行PID控制器参数整定,所设计的PID控制系统的ITAE性能指标比极点法,GPM法,Cohen法,IMC法效果更好,并通过超临界锅炉过热汽温控制的仿真实例验证了方法的有效性。     

基于量子粒子群混合算法的电力系统无功优化

针对传统粒子群算法在无功优化中易陷入局部最优和后期收敛慢等问题,提出了基于量子粒子群混合算法的无功优化计算方法.该算法将量子叠加态思想引入到粒子群算法中,使得单个粒子能表示更多的状态和量级,增加了种群的多样性;采用量子旋转门更新粒子的速度和位置,提高了收敛的速度.用该算法对IEEE 30节点系统进行无功优化计算,并与粒...     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

基于量子序优化混合算法的输电网规划

序优化理论是一种基于绝对随机抽取可行解的优化算法,最优解具有高概率的可信度.量子算法是一种局部搜索能力强的搜索算法.利用量子算法的强大的局部搜索功能与序优化混合,构造出随机性和方向性比较平衡的量子序优化混合算法.针对输电网规划这样一个复杂的组合优化问题,建立相应的数学模型,采用量子序优化混合算法求解.18节点系统算例的...     

全程可控的微重力试验装置应变传感器布局优化研究

在建的全程可控的地基微重力试验设备是一种采用直线电机驱动实验舱体,以上抛下落方式来产生微重力环境的新型 落塔装置,其支撑结构上的微小形变是决定实验舱能否在轨道上平顺运行的关键因素。 为了更加科学有效地布置应变传感器 对其进行监测,将改进后的量子粒子群算法用于传感器布局优化。 以有限元模型作为实际算例,比较和验证了粒子群算法、量 子粒子群算法以及改进量子粒子群 3 种算法布局优化策略在形变重构上的有效性和优劣性,改进后的量子粒子群算法得到的 重构形变平均绝对误差为最大形变的 1. 2%。 该结果表明对量子粒子群算法的改进方法是有效的,同时也说明了随机算法用于 形变重构的传感器优化布置是可行的。     

基于量子人工鱼群混合算法的输电网规划

人工鱼群算法是一种基于动物自治体模型的优化算法,量子算法是一种随机搜索算法,全局随机搜索能力强。利用鱼群算法强大的局部搜索功能与量子算法混合,构造出随机性和方向性比较平衡的量子人工鱼群混合算法。针对输电网络网架的优化规划这样一个复杂的组合优化问题,建立相应的数学模型,采用量子人工鱼群混合算法求解。24节点系统的计算结果表明,该算法用于电力系统输电网规划问题是可行的,有效的。     

基于MAQPSO 的电力系统无功优化研究

文中提出一种多智能体量子粒子群优化算法(Multi Agent Quantum Particle Swam Optimization,MAQPSO)求解电力系统无功优化问题,改善了传统量子粒子群算法后期收敛速度慢、易陷入局部最优解等缺点。该算法结合了量子粒子群算法和多智能体进化思想,每一个Agent相当于量子粒子群优化算法中的一个粒子,通过Agent的邻域竞争、自学习等操作,使得算法能够更迅速、更精确地收敛到全局最优解。通过对IEEE14、30、57和118节点系统的优化仿真,结果表明该算法有收敛精度高、寻优速度快等优点。     

一种新型鲁棒PID控制器参数整定方法

针对复杂工业过程中存在的一类模型不确定问题,提出了一种新的鲁棒比例积分微分(PID)控制器参数整定方法。通过对优化目标的分析,将鲁棒PID控制器的参数整定问题转化成一个求解最小-最大优化问题,并引入合作进化粒子群优化算法对该最小-最大优化问题进行求解。针对实例的仿真结果表明,利用该方法整定得到的鲁棒PID控制器具有良好的鲁棒性,提高了性能指标,当过程对象操作范围发生大的变化时,该控制器能获得满意的结果。     

Integrated Reactive Power Optimization Method for Active Distribution Networks Based on a Quantum Krill Herd Algorithm

Abstract

Aiming at the problem that the reactive power optimization of traditional distribution network can’t adapt to the active distribution network (ADN) of large-scale distributed power access, a comprehensive reactive power optimization method based on quantum krill herd algorithm for ADN is proposed. Firstly, a reactive power optimization model of ADN based on proportional coefficient is proposed by analyzing the characteristics of active control and active management. Secondly, the krill herd algorithm is easy to fall into local optimum when solving optimization problems. To overcome this shortcoming, a quantum krill swarm algorithm is proposed. The algorithm uses the probability amplitude of quantum bits to represent the information of particle position, uses quantum revolving gate to increase population diversity and generates new population through chaotic crossover, which improves the convergence accuracy of the algorithm. Finally, simulation experiments are carried out on the modified IEEE33 node and IEEE 69 node to verify the effectiveness of the proposed model and algorithm.     

基于量子粒子群优化算法的水电系统经济运行

首次将量子粒子群优化算法用于水电系统经济运行研究中。该算法是量子理论与粒子群算法的融合,在粒子编码过程中引入了量子的态矢量表达,并将量子比特的概率幅表示应用于粒子的编码,使得粒子可以表达为多个态的叠加;在粒子更新操作过程中,利用量子逻辑门实现了粒子的演化,具有比常规粒子群算法更好的目标优化性能。仿真结果证实该算法可有效解决水电机组经济运行问题。性能对比显示,该算法求得的解优于常规粒子群算法及其它优化算法所求得的解。     

Neural networks with quantum architecture and quantum learning

A method is proposed for solving the two key problems facing quantum neural networks: introduction of nonlinearity in the neuron operation and efficient use of quantum superposition in the learning algorithm. The former is indirectly solved by using suitable Boolean functions. The latter is based on the use of a suitable nonlinear quantum circuit. The resulting learning procedure does not apply any optimization method. The optimal neural network is obtained by applying an exhaustive search among all the possible solutions. The exhaustive search is carried out by the proposed quantum circuit composed of both linear and nonlinear components. Copyright © 2009 John Wiley & Sons, Ltd.