一种基于细菌觅食算法的机械手臂控制器设计

针对机械臂控制系统需可靠、快速、准确跟踪设定值轨迹的要求,通过研究机械臂控制系统的非线性动力学模型,提出1种基于细菌觅食优化算法(BFO)优化PID控制器参数的控制方案。设计采用细菌觅食算法求解在线优化PID参数的流程,用于机器人手臂的跟踪控制。为更有效地考察机械手臂系统的跟踪控制性能,设定2个关节的期望轨迹分别为正弦和余弦函数。仿真结果表明,与传统PID方法相比,基于BFO算法优化的控制方案具有更优越的控制品质和较强的抑制干扰能力,能有效提高机械臂跟踪控制的快速性和准确性。     

基于PSO算法的核电站主给水泵转速控制系统的优化与仿真

针对核电站主给水泵转速控制系统的PID控制器参数调节低效、复杂、精确度低等问题,研究了参数优化问题.首先通过实验得到运行数据,然后对主给水泵转速控制系统建立数学模型,最后通过改进的粒子群算法进行PID参数优化.仿真结果表明,优化后的PID参数得到了良好的控制效果,且提高了效率.     

基于粒子群算法的火电厂机组负荷优化分配

通过研究粒子群(PSO)优化算法的基本原理,分析了该算法中各个参数的不同取值对算法搜索能力和收敛速度的影响,并将PSO优化算法应用于电厂机组负荷优化分配问题的研究。通过在3台机组系统的应用,验证表明较之遗传算法等传统优化算法,PSO优化算法在优化结果、搜索区间控制以及收敛速度等方面具有较好的特性,能更好地达到或接近全局最优解。     

基于改进PSO算法的柴油机PID控制器参数优化

PID控制器因具有结构简单、鲁棒性强和适用性广的特点而得到广泛应用;其控制效果取决于比例系数(Kp)、积分系数(Ki)和微分系数(Kd)3个参数的取值。为了解决控制参数的选取,提出一种基于改进粒子群优化(ParticleSwarm Optimization,PSO)算法的PID控制器参数优化策略,并将优化方案应用于柴油机转速PID控制器。仿真研究表明,改进PSO算法的PID参数优化策略具有很强的灵活性、适应性和鲁棒性,进而验证了优化方案的可行性和有效性。     

基于集合的细菌群优化算法

针对细菌觅食优化算法求解高维优化问题时不易跳出局部最优解的问题,引入趋向方向余弦向量和随时间变化的加速系数,控制细菌觅食优化算法的收敛精度和收敛速度,并将改进算法用于求解组合优化问题。依据细菌种群密度计算原则,设计了一种离散空间和连续空间之间相互转换的规则,同时用集合对细菌觅食优化算法中的算术运算符形式化描述。仿真试验结果表明:基于集合的细菌群优化算法避免了早熟现象,寻优结果优于蚁群算法且接近基于集合的粒子群算法。     

粒子群优化BP算法在电力系统短期负荷预测中的应用

为提高电力系统短期负荷预测的精度，引入一种新型的群智能方法——粒子群优化算法，并将这种智能算法与BP算法相结合，形成了粒子群优化BP算法模型，建立了计及气象因素的短期负荷预测模型．通过具体算例将此模型与单纯的BP模型进行比较，结果表明：该算法具有较高的预测精度，完全能满足实际工程的要求．     

基于自适应粒子群算法的智能家居管理系统负荷优化模型

在能源互联网发展的背景下,针对电网需求侧响应的策略及用户节约用电成本的要求,设计智能家居管理系统(smart home management system, SHMS)的基本结构,构建智能家居管理系统负荷优化模型,并采用引入衰减因子的自适应粒子群算法对模型进行求解,可得到满足用户要求的家庭负荷运行方案。仿真算例采用了实际的分时电价、室外温度、负荷参数等信息,与优化前相比,用户负荷曲线得到改善,用电成本及用电量明显下降,验证了算法的有效性。     

基于均匀设计的粒子群优化算法参数设定

粒子群优化算法的参数设置通常是依靠经验和试验来确定, 造成试验工作量大且难以得到最优的参 数组合, 影响了算法的使用。通过将粒子群优化算法基本模型的参数设定问题描述成均匀设计中多因素多水平的 试验设计, 从而能够用较少的试验很快设定算法参数的取值。仿真试验表明该方法的可行性和有效性。     

粒子群优化BP算法在短期负荷预测中的应用

电力系统短期负荷预测是电力系统调度运营和用电服务部门的重要日常工作之一,其预测精度直接影响到电力系统运行的安全性、经济性和供电质量。为提高预测精度,本文引入一种新型的群智能方法--粒子群优化算法,并将这种智能算法与BP算法相结合,形成了粒子群优化BP算法模型,建立了计及气象因素的短期负荷预测模型。通过具体算例将此模型与单纯的BP模型进行比较,结果表明:该算法具有较高的预测精度,完全能满足实际工程的要求。     

基于MATLAB的模糊控制器控制规则优化研究

在模糊控制器中,只有合理有效地调整控制规则,才能充分发挥其效能,利用MATLAB提供的基于Windows平台的图形界面仿真工具SIMULINK,对带有自调整加权因子的模糊控制器控制规则进行单参数和多参数的仿真优化,通过参数标定和响应效果的比较,使模糊控制系统得到最快阶跃响应。优化结果表明,所采用的仿真方法具有方便、直观和准确等优点。     

基于智能负荷控制器的建筑电气优化布线研究

探讨以系列智能负荷控制器(smart remote load controller)为核心,构建基于物联网的、可通过移动终端实现分区、分时、分类、远程无线控制的智慧建筑配电体系,旨在建筑配电、特别是需求侧的负荷管理领域,实施母线化的末端优化布线方案.通过改进的迪杰斯特拉(Improved Dijkstra)短路算法,对房间内的布线路径进行规划,采用数学分析法对电气施工所需的电缆敷设数量进行优化分析,并与建筑常规的中心布线方式进行比较.结果表明,采用智能负荷控制器构建的电气系统,不仅实现了用电设备的实时监测、动态保护、精细遥控、中央"云端"管理和用户侧"终端"Application互动,而且在实施中将节约超过48%的电缆敷设,是一种经济、实用、易推广的智能建筑节能减排解决方案.     

基于蚁群寻优的汽车牵引力PID控制参数整定

将蚁群算法应用于汽车牵引力PID控制参数整定控制器设计。在搭建软件在环仿真平台和硬件在环试验平台的基础上,调试、标定了控制器参数,获得了满足实时性要求的查询算法,进行了典型工况硬件在环试验。试验结果表明:控制算法能有效改善汽车在弱附着地面的加速性能。     

基于变桨系统的功率与载荷双目标协同控制

为了保证机组功率的稳定及尽可能降低机组载荷,以600 kW水平轴海流能发电机组为对象,围绕功率和载荷2个方面设计基于功率与载荷双目标的协同变桨控制策略. 在功率方面,基于黄金分割法将流速段分割,每段采用不同的fuzzy PID控制;在降载方面,采用d-q变换的方式,从叶轮坐标系将叶根弯矩变换到d-q坐标系,实现了三维转二维的简化,基于PID进行控制,经过Coleman反变换将结果输出给变桨执行机构,完成独立变桨. 通过Matlab/Simulink 和海流能分析软件Bladed进行联合仿真. 结果表明,采用该控制策略,可以在保证功率稳定的同时,显著降低叶轮的不平衡载荷.     

基于运动控制卡的切割控制系统研制

采用MPC02运动控制卡开发了一种新型数控切割系统,通过高级语言实现模块化设计,用PC机PCI总线的步进电机或数字式伺服电机的上位控制单元,在线切割、激光雕刻或火焰切割等加工方式下,具备加工中暂停、继续、沿原轨迹返回、调速和支持G代码等功能.运用动态运动函数库实现动态跟踪、状态反馈和速度调节.     

基于粒子群优化的PID伺服控制器设计

针对耦合和非线性永磁同步电机（PMSM）控制器优化设计的难题,提出了基于粒子群优化（PSO）算法的比例、积分和微分(PID)控制器的优化设计方法.结合PSO的基本原理和PMSM伺服系统的控制策略,给出了优化PID控制器设计的步骤.考虑到综合评价系统的各项性能指标,在优化过程中引入了新的模糊汉明距离的评价策略.同时对遗传算法（GA）和PSO算法优化结果进行对比研究.仿真和实验结果表明,该方法能搜寻到最优或次最优的参数空间,并能取得比GA更好的空间解.优化得到的PID控制器速度响应快、超调量小,有效地提高了伺服系统的动态性能.     

基于车辆快速开发系统的汽车牵引力控制目标控制器

为了检验汽车牵引力控制算法与目标控制器硬件、外围传感器及执行器之间的性能匹配状况，利用车辆快速开发系统设计了目标控制器硬件在环试验平台，并进行了目标控制器硬件在环试验。试验表明：所设计的目标控制器能够有效地将驱动轮滑转率控制在最佳值附近，消除了驱动轮过度滑转现象，从而为目标控制器的道路试验奠定了基础。     

基于车辆快速开发系统的汽车牵引力控制目标控制器

为了检验汽车牵引力控制算法与目标控制器硬件、外围传感器及执行器之间的性能匹配状况,利用车辆快速开发系统设计了目标控制器硬件在环试验平台,并进行了目标控制器硬件在环试验。试验表明:所设计的目标控制器能够有效地将驱动轮滑转率控制在最佳值附近,消除了驱动轮过度滑转现象,从而为目标控制器的道路试验奠定了基础。     

基于粒子群算法的信封机同步控制系统设计

为了解决传统机械总轴同步控制信封机存在的系统结构复杂、灵活性差、工作噪声大以及长期运转造成的机械磨损导致同步控制精度下降等问题,设计了以数字信号处理器和伺服驱动器为核心的自动信封包装机多电机同步控制系统.系统采用多电机主从同步控制方式,通过PID算法改善系统的同步性能,并应用粒子群算法对PID参数整定得出最优参数.结果表明,该多电机同步控制系统超调量为零,响应速度为0. 15 s,能够满足信封生产同步精度高、响应速度快及稳定性能好的要求,具有较高的应用价值.     

基于SDN控制器的负载均衡策略

给出一种基于软件定义网络(software defined network,SDN)控制器的负载均衡策略。选用分布式控制器,将网络中任意两节点的通信近似为Markov过程,通过多步转移概率计算网络节点间各链路权重。测量交换机和控制器负载,当控制器超载后,根据链路权重,选择需要迁移的交换机进行负载均衡操作,最后在数据中心Fat-Tree拓扑上进行网络仿真。仿真结果表明,与最短路径优先算法相比,所给策略的平均流量和吞吐量均有明显提升。