基于PSO-DE算法的污水处理优化控制研究

针对污水处理系统能耗过大,变量多,非线性和滞后严重等特点造成的控制困难问题,提出了基于改进型粒子群的算法的优化控制。粒子群算法具有自适应控制,全局搜索等优点但本身存在早熟收敛及在进化后期收敛速度慢等缺点,通过优势互补思想引入差分进化算法,新算法结合两者优势有效提高粒子在全局的寻优效率,建立对应的混合算法优化模型,并与普通粒子群算法优化进行比较,结果证明了该算法在保证出水水质的前提下做到降低能耗。     

一种改进人工蜂群的分数阶PID控制器优化算法

摘 要：针对分数阶PID控制器参数整定过程参数多复杂性大,传统靠经验试凑的方法不易实现且优化效果差的问题,提出了一种改进的人工蜂群算法,实现分数阶PID控制器参数的整定.该算法通过改进人工蜂群算法中搜索方程,并引入一个淘汰机制,对分数阶控制器参数进行群智能搜索,将搜索到的参数送至分数阶PID控制器中反复迭代,以带有权值的误差绝对值积分指标（AIE）作为人工蜂群寻优的目标函数,最后得出控制器.本文以非线性系统为被控对象,经过实例仿真,验证了该算法实现的控制器比传统整数阶控制器和未改进的人工蜂群算法实现的分数阶控制器的动态性能和稳态性能都有所提高,在超调、上升时间、振荡性方面都优于未改进算法.     

基于动态布谷鸟搜索算法的PID控制器参数优化

针对传统PID控制器参数优化费时且不能保证获得最佳性能,提出一种基于动态布谷鸟搜索算法的PID控制器参数优化方法。布谷鸟搜索算法(CS)具有参数少、搜索能力强等特点,但是标准布谷鸟搜索算法参数采用固定值,极大地影响了算法的性能,因此提出了动态布谷鸟搜索算法(DCS),DCS算法采用动态参数,算法性能明显改善。仿真试验结果表明基于动态布谷鸟搜索算法的PID控制器具有较好的控制性能指标。     

一种微波加热装置的风冷散热研究

微波加热装置工作过程会散发大量的热量,如果不能及时排出,会造成输出功率的下降.本文以九个磁控管加热单元组成的微波加热装置为研究对象,首先提出一种风冷散热结构设计,接着通过Fluent热仿真软件验证结构设计的合理性,然后通过对比分析加热装置进风口位置、面积大小等因素对散热效果的影响,对散热结构进行改进,进一步提高了内部磁...     

基于Ansys Icepak自然散热仿真分析的某汇流箱结构优化

自然对流散热方式具有可靠性高、免维护、稳定性高、无噪音、无功耗等优点,越来越多地被用于恶劣环境条件下的通信和电力设备,但电子设备的功率密度也越来越高,发热量越来越大,在采用自然对流散热的前提下,合理的结构布局尤为重要,本文通过Ansys Icepak热仿真软件对某汇流箱体进行了仿真优化,以期为相同或相似产品的研发提供设计借鉴。     

基于改进DPSO算法的并行测试任务优化调度研究

并行测试以减少测试时间和降低测试成本的强大优势,已成为当前自动测试系统发展的方向。针对并行自动测试过程中,测试任务调度复杂,难以优化的问题,以PSO算法为基础,通过对问题空间编码的重新定义,并运用交叉、变异算子给出了新的粒子位置的更新公式,提出了一种改进后的DPSO算法。依据并行测试完成时间极限定理,给出了并行测试任务调度的目标函数与约束条件。以某雷达电子装备并行测试系统中三块电路板并行测试为例,对改进的DPSO算法进行了仿真验证,得到了最优调度测试序列。结果表明：与遗传算法相比,改进后的DPSO算法迭代次数更少,寻优性能更好,适用于工程应用。     

基于蜂群算法的多目标加权优化负荷频率控制研究

为进一步提高两区域互联再热火力发电系统中工作频率和联络线功率的稳定性,提出了一种加权和多目标对负荷频率控制（LFC）的优化方法;采用人工蜂群算法（ABC）和加权和方法实现LFC的多目标优化,而后将其转化为复合目标函数;根据负荷需求变化和系统参数变化情况,利用加权和方法对复合目标函数做归一化处理,使得两区域PID控制器增益达到同步调谐,获得了频率响应的调节时间和超调量达到最佳折中条件。仿真结果表明,该方法简单有效,在不同的运行条件和系统参数变化情况下具有良好的鲁棒性。     

基于改进单神经元的四旋翼PID控制器设计

针对传统PID控制算法对四旋翼飞行器的姿态角进行控制时,其控制参数很难随着环境的变化进行自整定,进而影响四旋翼飞行器的稳定性的问题,提出了一种改进的PID控制算法;该算法通过改进单神经元中的K值公式提高了K_p、K_i、K_d的学习速率,从而提高了系统的响应速度;通过增加超调惩罚措施,通过适当的放大或缩小超调,可以使系统超调达到最小;通过与增量型PID、标准二次型单神经元PID算法进行比较,并且进行仿真实验;结果表明:所提方法具有参数自整定能力强且快速响应、鲁棒性强及稳定性好。     

基于(火积)耗散的体点散热问题拓扑优化方法

本文建立了基于(火积)耗散的体点散热问题的拓扑优化方法.通过利用变分原理,拉格朗日乘子法和Frécheh微分法,给出了上述问题的最优性条件,并利用水平集方法给出了计算最优布置的方法.最后与构型理论比较发现,在同等条件下,本文算法的结果能更大地降低体内的平均温度和最高温度.     

基于模糊神经网络的自适应PID控制器

提出了一种应用于自适应PID控制器的神经网络与模糊控制相结合的算法,该算法可以有效地解决普通PID控制器依赖于对象的数学模型的缺点,可实现控制系统的在线自适应调整,可满足实时控制的要求。仿真结果表明,基于模糊神经网络整定的PID控制器具有较好的自学习和自适应性,具有较快的响应速度。     

蚁群算法PID控制器在磨机给矿控制中的应用

磨矿过程是选矿生产中的关键环节,而其中磨机负荷是磨矿过程的一个重要参数,它与生产效率和能源消耗有密切的关系;针对选矿厂球磨机运行过程具有非线性、大滞后性和时变性的特点,常规PID控制难以得到预期的控制效果;蚁群算法是一种新兴的仿生优化算法,具有较强的鲁棒性和良好的分布式计算机制,易于与PID方法相结合;因此提出了一种基于蚁群算法的PID参数优化的控制算法,实现对球磨机给矿的稳定控制,优化后的控制器与传统PID控制相比,有较好的动态和静态性能;仿真应用结果表明,该方法的实用性和有效性,超调量减少近50%,能够使磨机的给矿控制更加稳定。     

基于改进粒子群优化算法的火电厂机组负荷分配

以坑口电厂SIS系统机组负荷优化分配功能模块为应用背景,针对基本粒子群优化算法易陷入局部收敛、收敛速度慢的缺点,提出一种基于惯性权重非线性减小策略的改进粒子群优化算法。并且通过MATLAB与Visual C++混合编程,开发了机组负荷在线优化分配功能模块,提高了算法的计算效率和工程应用价值。     

基于BP神经网络的PID控制器

利用神经网络和反馈控制理论, 提出了一种基于神经网络PID控制器的伺服控制系统结构. 在高精度仿真试验转台的应用中证实, 该方法避免了PID参数的整定难以匹配的问题, 减小了干摩擦对低速运动的影响. 实验表明：方法自适应能力强, 调节品质好, 具有较高的应用价值.     

热电制冷LED自然对流散热的设计与优化

为提升高热流密度下LED灯具的自然对流散热性能,以一款基于热电制冷（TEC）的单颗LED小型灯具模组为研究对象,在采用实验测量和回归拟合准确获得TEC性能参数的基础上,建立了有无TEC参与散热的等效热路模型,并选择合理的数学公式对其进行性能描述,进而遵循本文设计的计算流程快速得到各种散热性能数据。LED模组的散热分析表明：在恒定的LED热功率下,施加最佳的TEC电流可获得最高的散热性能;LED热功率越低,安装TEC的散热性能越比常规方法优异。经遗传算法优化前后的性能对比分析表明：优化后结构中TEC的合理工作区明显增大,能满足LED更高功率的散热需求;当LED为0.493 W时,优化后结构的最佳结温仅为15.66℃,远低于30℃的环境温度。基于TEC实验数据建立的等效热路模型,能为装配TEC的LED模组提供快速完整的散热设计分析与结构优化的合理方案。     

基于改进自适应萤火虫群算法的空调送风温度优化控制

为了提高变风量空调(VAV)送风温度系统的控制精度,减少冷冻水系统能耗,提出一种基于改进自适应萤火虫群算法(AGSO)优化的PID控制策略.建立被控对象数学模型,引入混沌搜索和变异策略,改善基本萤火虫群算法后期容易陷入震荡和局部最优的问题,利用改进自适应萤火虫群算法对冷冻水阀-送风温度PID控制进行优化.实验结果表明:...     

基于自适应遗传算法的改进PID参数优化

PID控制的控制性能取决于PID参数的设置,针对传统PID参数整定和优化过程中存在的问题进行了PID控制改进,提出了自适应遗传算法整定和优化PID参数的方法。改进PID控制将系统的综合性能控制区分为不同目标的局部性能控制,采用自适应遗传算法针对不同控制目标进行PID参数寻优,选择、交叉和变异概率的自适应改变在保持种群多样性的同时加快算法收敛。改进的PID控制和遗传算法有效提高了PID参数寻优能力,提高了控制系统的响应能力和稳定性。最后通过发动机怠速转速控制应用表明本算法的可行性和有效性。     

基于电子散热新技术的研究

随着微电子技术向小型化集成化及高频高速方向发展,热流密度急剧增加,电子散热问题己成为制约微电子工业发展的瓶颈。而传统的冷却方式不能满足其散热要求,促进人们研究和发展新的散热方式。文中就几种新型的散热技术如微通道冷却、微射流冷却、微热管冷却的研究现状、存在的问题及今后的研究方向进行综述。     

基于改进教学优化算法的Hermite正交基神经网络混沌时间序列预测

针对传统预测模型对混沌时间序列预测精度低、收敛速度慢及模型结构复杂的问题, 提出了基于改进教学优化算法的Hermite正交基神经网络预测模型. 首先, 将自相关法和Cao方法相结合对混沌时间序列进行相空间重构, 以获得重构延迟时间向量; 其次, 以Hermite正交基函数为激励函数构成Hermite正交基神经网络, 作为预测模型; 最后, 将模型参数优化问题转化为多维空间上的函数优化问题, 利用改进教学优化算法对预测模型进行参数优化, 以建立预测模型并进行预测分析. 分别以Lorenz 系统和Liu系统为模型, 通过四阶Runge-Kutta法产生混沌时间序列作为仿真对象, 并进行单步及多步预测对比实验. 仿真结果表明, 与径向基函数神经网络、回声状态网络、最小二乘支持向量机及基于教学优化算法的Hermite正交基神经网络预测模型相比, 所提预测模型具有更高的预测精度、更快的收敛速度和更简单的模型结构, 验证了该模型的高效性, 便于推广和应用.     

基于PID算法的磁场闭环控制技术研究

已有的束流磁场控制方法大多采用开环的方式,即根据磁场需求直接设置磁铁电源输出的电流或电压值.但开环状态的磁场在现场噪声以及磁铁自身涡流效应的影响下,极容易发生偏移.针对此问题,设计了基于PID算法的磁场闭环控制系统.该系统以偏转磁铁为控制对象,使用霍尔传感器获取磁场值作为反馈,磁铁电源励磁电流的输出作为控制系统的输入量...     

基于模糊PID控制的永磁同步电机控制器研究

为了提高复杂环境条件下永磁同步电机（PMSM）控制器的动态控制性能与抗干扰能力,分析了永磁同步电机的速度-电流（或力矩）双闭环控制调速结构,提出了一种基于模糊PID控制原理的速度环控制策略。速度环运行时,模糊PID控制器首先将永磁同步电机转速的误差及误差变化率进行模糊化处理,然后依据模糊规则进行模糊推理,并自动在线整定出速度环PID的三个系数（比例系数、积分系数、微分系数）,不仅减少了速度环的调节时间,也能增强抵御来自电流环（或力矩环）的干扰。仿真结果表明,当永磁同步电机的转速发生变化或负载发生扰动时,相比于传统的PID控制器,模糊PID控制器能提高系统的动态性能与鲁棒性。该方法用于永磁同步电机的控制是可行、有效的。