基于粒子群优化的 PI 预测函数励磁控制器

将PI控制器与预测函数算法相结合,利用粒子群算法优化整定其参数,提出了一种新型的基于粒子群优化的PI预测函数励磁控制器的设计方法。该算法具有广义上的PI控制器的两个参数,同时具有预测函数算法对模型要求低和上升速度快等优点,同时利用粒子群算法优化PI参数,使其克服了传统PI控制器参数难以整定的缺点。仿真结果表明该算法不仅能有效的解决机端电压偏移问题,还能有效的抑制电网低频振荡,且具有较好的鲁棒性,同时PI参数整定方便,为电力系统稳定性控制提供了一种新型有效的方法。     

智能预测算法在污水处理pH值控制中的应用

在处理污水时pH值的变化过程具有高度非线性和时滞性,常规PID控制器的控制效果不够理想。介绍了污水处理过程的反应原理以及pH值控制方面存在的问题,阐述了非线性预测控制算法的一般步骤,确定了污水pH值智能预测控制的研究思路。确定了输入输出变量并搭建其数学模型,然后根据数学模型构建了神经网络预测模型。将粒子群与BP神经网络相结合,利用粒子群算法优化神经网络的初始权值阈值,既能克服BP算法局部最优的问题,又能提升收敛速度及预测精度。最后将智能预测控制算法的输出作用于PID控制回路的设定值。仿真结果表明,智能预测控制算法控制性能优于单纯PID控制,能更快跟踪设定值,具有更强的适应性。     

粒子群优化算法在源强反算问题中的应用研究

在危险化学品泄漏事故中泄漏源强是预测事故后果的主要影响参数,也是事故应急救援决策的基础。为了在化学品泄漏事故过程中快速准确地获取泄漏源强数据,将粒子群优化(PSO)算法应用于危险化学品泄漏源强的反算中。利用高斯烟羽扩散模型和下风向浓度测量数据,将计算浓度与测量浓度的误差平方和作为目标函数,采用粒子群算法来优化,以确定源强并通过模拟的测量浓度数据进行算法有效性验证。结果表明,PSO算法及其参数改进算法不依赖于初值的选择,计算速度快,能满足事故应急响应救援的需要。