資源描述：
《基于經(jīng)驗整定公式的熱工系統(tǒng)控制器參數(shù)智能優(yōu)化.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第37卷第5期華北電力大學(xué)學(xué)報Vo1．37．No．52010年9月JournalofNoAhChinaElectricPowerUniversitySep．，2010基于經(jīng)驗整定公式的熱工系統(tǒng)控制器參數(shù)智能優(yōu)化韓璞，呂玲，張倩，董澤(1．華北電力大學(xué)控制科學(xué)與工程學(xué)院，河北保定071003；2．國網(wǎng)信息通信有限公司，北京100761)摘要：提出了基于大量實驗總結(jié)得到的針對有自平衡和無自平衡對象的控制器經(jīng)驗整定公式，實驗證明了公式的有效性，該公式可直接用于工程中。進而，利用粒子群算法(PSO)優(yōu)化有自平衡對象構(gòu)成的主蒸汽溫度系統(tǒng)以及無自平衡對象構(gòu)成的鍋爐汽包水位系統(tǒng)的控制器參數(shù)，采用經(jīng)驗整定
2、公式進行初始路徑的選擇，指導(dǎo)了粒子群最初的尋優(yōu)過程，大大降低了尋優(yōu)的隨機性，克服了PSO進化速度慢及易于陷入局部最優(yōu)解的缺陷。關(guān)鍵詞：粒子群優(yōu)化算法；控制器參數(shù)優(yōu)化；經(jīng)驗整定公式；熱工系統(tǒng)中圖分類號：TK413．5文獻標識碼：A文章編號：1007—2691(2010)05—0073—05Controllerparameterintelligentoptimizationinthermalsystemutilizingregulation-basedformulasHANPu，LVLing，ZHANGQian，DONGZe(1．SchoolofControlScienceandEnginee
3、ring，NorthChinaElectricPowerUniversity，Baoding071003，China；2．StateGridInformation&TelecommunicationCo．Ltd．，Beijing100761，China)Abstract：TwoSetsofformulaswereproposedindealingwithPIDcontrolleroptimizationforself-balancedandnon—serf-balancedobjectsrespectivelyaccordingtoagreatamountofexperiment．Then
4、ACOalgorithmwithexperience-basedinitialroutelayoutwasadoptedintheoptimizationofcontrollerparametersformain—steamsystemandboilerwaterlevelsystemcomposedbyserf-balancedandnon—self-balancedobjectscorrespondingly．Theresuhshowtheenhancedef-ficiencyindepressingrandomnessandlocaloptimumstickingduringopti
5、mizationprocess．Keywords：particleswarmoptimizationalgorithm；controllerparameteroptimization；regulation·basedformulas；ther-malsystem短幾年時間便獲得了很大的發(fā)展，并在一些領(lǐng)域0引言得到應(yīng)用。本文提出采用改進粒子群算法對熱工系統(tǒng)PID控制器的參數(shù)進行優(yōu)化，其基本思想是：計算機技術(shù)的發(fā)展，使得控制手段逐漸從手根據(jù)經(jīng)驗公式設(shè)定粒子群的初始位置和界定飛行動模式轉(zhuǎn)向自動調(diào)節(jié)，不論在何種方式，核心問范圍，以誤差積分型性能指標為目標函數(shù)、以設(shè)題都是PID控制器參數(shù)的優(yōu)化問題。
6、對于一些復(fù)計參數(shù)的取值范圍為約束條件建立了優(yōu)化數(shù)學(xué)模雜過程，尤其是大時滯和大慣性系統(tǒng)，常規(guī)的型。然后按一定規(guī)模初始化一個種群，種群中每PID參數(shù)不能實現(xiàn)實時在線調(diào)整，且難以取得更個個體代表一個可行的解。然后根據(jù)PID整定優(yōu)好的控制效果?；Ｐ屠昧Ｗ尤核惴ㄟM行迭代搜索，群體不斷近年來，模擬生物進化過程的智能算法作為演化，直到尋優(yōu)結(jié)束。求解優(yōu)化問題的有效手段而開始被引人控制系統(tǒng)的設(shè)計中，如遺傳算法、蟻群算法，粒子群算法1粒子群優(yōu)化算法等。其中，粒子群算法概念簡單，實現(xiàn)容易，短粒子群優(yōu)化算法(ParticleSwarmOptimiza—收稿日期：2010—04—10tion，PSO)是在199
7、5年由美國社會心理學(xué)家74華北電力大學(xué)學(xué)報2010正Kennedy和電氣工程師Eberhart共同提出的。假設(shè)均勻分布產(chǎn)生個體在Ⅳ維搜索空間中有m個粒子，粒子i(i：1，(4)對任意粒子，設(shè)P=Xi。2，?，m)的空間位置為X／=(，?，X)，將目前，有關(guān)PSO算法的研究大多數(shù)以帶有慣帶人目標函數(shù)就可以計算出其適應(yīng)值，根據(jù)適性權(quán)重的PSO算法為基礎(chǔ)進行擴展和修正。為應(yīng)值的大小衡量的優(yōu)劣。粒子i經(jīng)歷的最優(yōu)位此，在大多數(shù)文獻
