阳极焙烧燃油供给温度的模糊预测函数控制

阳极焙烧燃油供给温度的精确控制是一个具有非线性特性的流体加热供给控制问题,实际测试表明,现有的PID控制很难实现对燃油供给温度的动态跟踪控制,影响燃油的充分喷射、雾化及其与空气的混合,使部分燃油得不到充分燃烧,造成了能源浪费和环境污染。提出基于粒子群优化模糊预测函数控制（PSO-F-PFC）的油料燃烧供给温度控制方法,通过与PID控制方法的比较,以及对阳极焙烧炉重油燃烧供给温度的动态跟踪控制表明,该方法优于原有燃油燃烧系统的PID控制,实现了燃油供给温度的动态跟踪精确控制。     

基于动态压力控制算子的磷虾群算法

针对基础磷虾群（KH）算法在求解复杂函数优化问题时局部搜索能力差、求解精度低、收敛速度慢、容易陷入局部最优等问题,提出一种基于动态压力控制算子的磷虾群算法（DPCKH）。该算法将一种新的动态压力控制算子加入了标准磷虾群算法,使其处理复杂函数优化问题更有效。动态压力控制算子通过欧氏距离量化了多个不同优秀个体对目标个体的诱导效应,进而在优秀个体附近加速产生新磷虾个体,提高了磷虾个体的局部探索能力。通过比较蚁群算法（ACO）、差分进化算法（DE）、磷虾群算法（KH）、改进的磷虾群算法（KHLD）和粒子群算法（PSO）,DPCKH算法在7个测试函数上的结果表明,DPCKH算法与ACO算法、DE算法、KH算法、KHLD算法和PSO算法相比有着更强的局部勘测能力,其开采能力更强。     

基于PSO算法的生料浆配料过程的优化控制

针对烧结法氧化铝生产流程中的生料浆配料过程的工艺特点,将PSO算法应用在配料过程中的原料分配优化问题中,并构造了惩罚函数来处理配料过程中的各种约束条件.基于PSO算法的优化控制不仅可以保证生料浆的各项工艺指标达到设定值,同时可以保证配料成本最低.在某氧化铝厂的应用结果表明,该优化控制可以取代传统的人工配料生产方式,提高了生料浆各项工艺指标的合格率,降低了配料成本,实现了优化配料,取得了显著的应用效益.     

基于改进PSO算法的广义预测控制

广义预测控制的被控对象常常会受到时变、非线性的干扰,同时还会受到外部复杂环境因素的影响,因此在实际运用中,导致参数的精确值不高,同时需要在线进行大量计算。针对这一问题,将改进的PSO算法与广义预测控制算法相结合,综合两者的优点,提高了控制系统的收敛速度和求解精度,增强了鲁棒性。该方法的可行性经仿真得以证明。     

基于PSO的钻机快速自适应PID控制

针对传统液压盘刹钻机PID控制系统响应速度慢、稳态误差大、参数整定周期长,以及无法满足随钻遇地层变化实时参数优选的不足,以恒钻压自动送钻为研究对象,构建了液压盘刹钻机控制模型,设计了粒子群算法(PSO)优选钻机PID控制参数,并实现在Simulink环境下自动调用优选出的PID参数,提高了钻机控制参数的快速、自适应整定...     

基于PSO算法和BP神经网络的PID控制研究

针对PID控制中的参数整定的难点及基本BP算法收敛速度慢、易陷入局部极值的问题,提出利用PSO算法的全局寻优能力和较强的收敛性来改进BP网络的权值调整新方法,从而对PID控制的比例、积分、微分进行优化控制。该方法是在基本BP算法的误差反向传播的基础上,使粒子位置的更新对应BP网络的权值和阈值的调整,既充分利用了PSO算法的全局寻优性又较好地保持了BP算法本身的反向传播特点。仿真结果表明基于PSO算法的BP神经网络的PID优化控制具有较好的性能和自学习、自适应性。     

基于改进跟踪微分器的进气压力控制技术研究

高空台进气压力控制系统是高空模拟的关键部分,直接决定了模拟环境的可靠性。然而,其被控对象存在非线性与时滞特性,易导致反馈信号出现相位延迟和受噪声干扰。针对传统方法不能很好解决相位与滤波之间的矛盾,引入Fal函数滤波器,设计了一种改进的跟踪微分器实现对信号的相位补偿和滤波。数值仿真分析表明,改进跟踪微分器比传统相位补偿器具有更强的滤波和相位补偿能力。通过仿真试验证明了改进跟踪微分器在进气压力控制系统中的有效性。该方法可以提升进气压力控制系统的抗干扰能力。     

基于信号灯状态的燃油最优车速规划与控制

基于车联网（Vehicular ad hoc networks,VANETs）进行车辆和信号灯的协同控制是下一代智能交通系统（Intelligent transportation systems,ITSs）中非常重要的核心技术之一.本文提出了一种预测信号灯信息的车辆低油耗环保驾驶控制系统.首先,根据道路信息和牛顿第二定律建立车辆动态模型,根据系统测量的信号灯状态信息,获得车辆避免刹车情况下通过前方信号灯的参考速度.然后,结合基于油耗模型和速度跟踪的综合优化指标,运用模型预测控制（Model predictive control,MPC）方法计算车辆的最优控制输入,并利用Laguerre函数方法对MPC问题进行求解.仿真表明,该系统可减少路口不必要的停车和刹车操作,节约燃油.     

跟踪控制的输出预测控制算法及其仿真研究

本文介绍了输出预测控制算法及其参数的选择原则,並对其进行了仿真研究。结果表明,输出预测控制是一种十分成功的跟踪控制算法。     

基于动态Snake模型的机械手运动轨迹视觉跟踪

针对机械手运动在图像序列空间的轨迹分布,提出一种基于时空轨迹线的动态Snake跟踪模型.定义相应的能量函数,可使其在机械手轨迹分布上取得极小,通过Snake能量的轨迹收敛实现对机械手运动点的跟踪定位.利用轨迹能量系数的动态调节,可避免Snake搜索过程陷入局部极小．使用平方轨迹最小二乘预测器对轨迹点位置进行预测,可提高Snake搜索的实时性和准确性．微装配机械手运动实验证明了该模型及跟踪算法的有效性.     

基于改进粒子群优化算法的预测控制

在实际工业过程中预测控制算法应用广泛,但是对于多变量预测控制算法其参数较多,且各个参数之间相互耦合,故整定其参数比较复杂,鉴于此提出一种基于改进粒子群算法的预测控制参数优化算法。该算法的基本思想是将生物寄生行为机制引入到粒子群优化算法中,形成双种群粒子群优化算法,使用该改进粒子群算法对多变量预测控制算法的参数进行离线优化,从而确定预测控制算法参数的最优取值。最后,将本文算法用于冷热水系统液位和温度的控制,并通过仿真将该算法与标准粒子群优化算法相比较,仿真结果表明使用该算法对多变量预测控制的参数进行优化整定时,系统的阶跃响应具有抗干扰性能好、超调量小、调节时间短等优点。     

基于动态粒子数的微粒群优化算法

提出了基于动态粒子数的微粒群算法,并建立了粒子数变化函数．该函数包含粒子数衰减趋势项和周期振荡项．衰减趋势项能够在种群向最优解不断收敛的过程中逐渐减少粒子数,以提高粒子效率．周期振荡项中的递增阶段代表了新粒子的随机出现,以增加粒子群的多样性,而周期振荡项中的递减阶段代表了探索性能差的粒子逐渐消亡,以提高优化效率．对4个标准函数进行测试,仿真结果表明该算法能有效地减少计算量,并显著提高全局搜索性能．     

基于粒子群算法的室内环境节能优化控制

目前建筑室内环境节能优化控制大多侧重于室内空调、照明等各分系统的独立优化控制,但从能量消耗角度来考虑,如何兼顾各个系统的耗能,使整体耗能最小是最节能的。针对这一问题,提出了一种基于粒子群算法的节能综合控制,通过寻找窗帘开启的最优角度,调节高精度电动窗帘满足室内光环境需求,降低照明能耗,同时将日射得热引起的空调冷负荷降到最低,使整体效能最佳,从而提高系统的效率。实验结果表明,该控制方案综合考虑了照明能耗和空调能耗的合理分配,能为建筑物整体能耗节约了大约30%的能耗。     

一种基于PSO的自适应神经网络预测控制

针对非线性系统,提出了一种基于微粒群优化(PSO)的自适应神经网络预测控制方法.采用对角递归网络(DRNN)对非线性系统进行建模,并利用扩展卡尔曼滤波(EKF)递推估计算法在线计算网络模型参数的Jacobian矩阵以实现模型参数的自适应.利用PSO算法在线优化求解非线性系统的预测控制律,以克服传统基于梯度法的非线性规划方法求解预测控制律时对初始条件非常敏感的缺点.生化发酵过程的仿真结果表明,所提出的控制方法具有良好的跟踪能力和抗干扰能力.     

基于PSO优化的船舶动力定位观测器

观测器设计是船舶动力系统至关重要的一个环节,而观测器的参数选取是否合适对动力定位系统的性能将产生很大的影响。建立了船舶非线性无源观测器,为了快速获得精确的观测器参数,提出利用粒子群算法对观测器参数进行寻优,寻优过程中利用观测器的估计偏差作为粒子群的适应度函数。文章最后对参数优化的观测器进行了仿真验证,仿真结果表明优化后的观测器具有较小的估计偏差且能改善动力定位系统的性能。     

基于ESN和PSO的非线性模型预测控制

针对传统的控制理论对实际的工业生产过程中的被控系统,特别是具有强非线性的系统控制效果不是很理想,而应用非线性模型预测控制算法能够较好解决非线性系统的控制问题,提出了一种基于回声状态网络(Echo State Network,ESN)模型进行非线性系统辨识和粒子群优化(Particle Swarm Optimizatio...     

基于粒子群优化的集气管压力变结构模糊控制

针对某焦炉集气管压力波动幅值大、压力振荡剧烈的情况,提出了一种基于粒子群优化的变结 构模糊控制方法．该方法针对集气管压力的不同波动范围,采用不同的控制规则设计了两个模糊控制器．针 对模糊量化因子调节的困难,采用粒子群优化惯性系数的自适应调整机制,以寻优模糊控制器量化因子．仿 真实验以及实际运行结果表明,采用该方法所建立的控制系统能够快速调节3#阀门开度,使集气管压力在短 时间内达到稳定,证明了该算法的有效性和优越性．     

基于PSO的BP神经网络在压力传感器温度补偿中的应用

针对硅压阻式压力传感器的温度漂移问题,提出了基于粒子群优化算法PSO(Particle Swarm Optimization Algorithm)的BP神经网络的温度补偿模型,通过粒子群化算法对BP网络的权值和阈值进行全局寻优,克服了BP网络收敛速度慢和易陷入局部极值的缺陷,而且温度补偿的精度较高。研究结果表明,该方法有效的抑制了温度对压力传感器输出的影响,提高了传感器的稳定性和准确性。     

基于遗传算法的输出反馈动态面优化控制

针对一类只有输出信号可测且非线性项含不可测状态的不确定系统,基于输入信号置换思想构建了神经网络状态观测器,结合动态面理论设计了输出反馈自适应控制方案。通过理论分析确定了控制律参数选取范围,保证了闭环控制系统所有信号半全局一致终结有界; 利用遗传算法提出一种参数寻优策略,选取了最优的输入初始值和控制律参数,解决了控制冲击问题,提高了跟踪精度。