共查询到20条相似文献,搜索用时 93 毫秒
1.
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。 相似文献
2.
3.
4.
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。 相似文献
5.
6.
《中国电机工程学报》2016,(20)
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。 相似文献
7.
基于模糊-遗传算法的智能自适应PID控制系统参数优化 总被引:1,自引:0,他引:1
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。 相似文献
8.
9.
改进的混沌算法在PID参数整定中的应用 总被引:8,自引:0,他引:8
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。 相似文献
10.
11.
12.
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。 相似文献
13.
14.
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。 相似文献
15.
16.
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。 相似文献
17.
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。 相似文献
18.
AbstractAiming 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. 相似文献
19.
20.
Massimo Panella Giuseppe Martinelli 《International Journal of Circuit Theory and Applications》2011,39(1):61-77
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. 相似文献