没有合适的资源?快使用搜索试试~ 我知道了~
可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报2(2015)99一种新的混合跳变粒子群算法在Mohamed Sayedb, Sawsan Morkos Gharghorya,Mohammed, Hanan Ahmed Kamalba埃及开罗Dokki电子研究所计算机和系统系b埃及吉萨开罗大学工程学院电子和通信工程系2015年4月4日在线发布摘要提出了一种新的混合跳变粒子群算法(HJPSO),用于火电机组PI控制器的增益整定。提出了一种基于高斯和柯西变异的混合JPSO算法,以提高标准PSO算法的新的策略是基于观察的局部和全局最佳粒子,这是没有改善在预定义的迭代次数,并将这些粒子移动到一个新的最佳位置。此外,如果全局最优粒子具有最好的适应度,则构造一个新的粒子来代替全局最优粒子,该粒子处理每个控制器的最小误差仿真结果表明,与其他粒子群优化算法相比,该算法具有较好的控制参数寻优能力©2015 作 者 。 ElsevierB.V. 制 作 和 托 管 这 是 CCBY-NC-ND 许 可 证 下 的 开 放 获 取 文 章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。关键词:机组;粒子群优化算法;高斯柯西变异与PI控制1. 介绍由于家庭和工业用电需求的快速增长,以最高的可靠性和效率满足电力需求是一项挑战目前,电力系统工业在很大程度上依赖于水电站和热火力发电厂是快速和相对便宜的峰值负荷支持发电厂之一锅炉汽轮机组是一种常见的火力发电厂发电。发电是基于用于蒸汽发生的锅炉,用于旋转蒸汽涡轮机以产生所需的工厂电力。锅炉-汽轮机组的控制系统必须支持电力系统的主要目标,即在恒定电压和恒定频率下始终满足负荷对电力的需求。除上述要求外,应将锅炉蒸汽压力和汽包水位保持在所需值,而不受负荷变化的影响。*通讯作者。联系电话:+20 1228187761。电子邮件地址:mohs100 5@hotmail.com(M。Sayed),sawsan@eri.sci.eg,sawsan morcos@yahoo.com(S.M.Gharghory),hanan ak2003@yahoo.com(H.A. Kamal)。电子研究所(ERI)负责同行评审http://dx.doi.org/10.1016/j.jesit.2015.03.0092314-7172/© 2015作者。Elsevier B. V.制作和托管这是CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。100M. Sayed等人/电气系统与信息技术学报2(2015)99锅炉-汽轮机系统通常被建模为多输入多输出(MIMO)非线性系统。锅炉-汽轮机系统的严重非线性和宽运行范围给电力系统控制工程师带来了许多挑战。锅炉-汽轮机机组的主要行为是通过功率和压力控制回路来控制的(Garduno-Ramirez和Lee,2001年)。目前的大多数单元控制策略是从基于PID控制算法的多个单输入单输出控制回路(分散式)配置演变而来的。这些策略可以分为三类:锅炉跟随(汽轮机引导)控制,汽轮机跟随(锅炉引导)控制,以及锅炉-汽轮机协调控制。锅炉跟随方法对负荷变化的响应涡轮跟随方法对负载变化具有更稳定但更慢的响应由于电功率和节流压力之间的高度耦合,不同的控制技术被引入,以提供比分散控制更好的性能,称为协调控制。协调控制基于电力需求和节流阀压力来协调控制输入,其目的是综合上述两种方法的优点,同时最小化它们的缺点(Gery,1988)。近年来,许多研究人员不得不使用不同的现代控制方法,如鲁棒控制,基于遗传算法的控制,模糊控制,增益调度方法和非线性控制策略来控制和优化锅炉汽轮机组的性能。Moon和Lee(2003)提出了模糊自回归滑动平均(FARMA)控制器来控制锅炉-汽轮机系统。 模糊滑模控制器和Takagi-Sugeno模糊控制器分别在Deepa和Lakshmi(2013)和Garduno-Ramirez和Lee(2000)中提出。Luan等人(2008)还介绍了模糊逻辑作为前馈控制器与其他技术作为正常反馈控制器的组合。此外,Liu和Niu(2008)的工作提出了模型预测控制(MPC)策略。尽管研究和设计现代和复杂的控制算法的研究越来越多,但PID和PI控制器仍然广泛用于大多数工业控制应用中,例如火电厂的实际控制工程中。这种流行是由于其结构简单,坚固,可靠和广泛的适用性。PID和PI控制器的唯一局限性是PID参数的选择不当,系统的稳定性。文献中介绍了传统的调谐方法,包括齐格勒-尼科尔斯,极点配置,连续循环等(Cominos和Munro,2002年)。如今,智能调谐技术被使用并与传统技术进行比较。这些包括基于连接机制的神经网络PID控制(Conradie等人, 2002)和基于模糊逻辑的智能PID控制(Shay e ghi等人,2007年;C.J.和Demir,2008年),遗传算法(GA)(Zain等人, 2009)、进化编程(Nagaraj等人, 2008)和PSO(Oliveira等人, 2002年)。粒子群优化算法自出现以来,由于其概念简单、易于实现、收敛速度快等优点,一直是解决实际优化问题的一种很有前途的方法(Kennedy andEberhart,1995)。通过将粒子群算法与其他进化计算技术相结合,人们对传统的粒子群算法进行了许多改进 研究工作已经开 发 了一 种用 于全 局优化 的组 合 GA 和 PSO 的 混 合 方 法 , 如 ( Kao 和 Erwie , 2008;Robinson 等 人 ,2002;Kamal,2010)。Rashid和Rauf(2010)提出了一种基于遗传规划的自适应进化混合粒子群优化算法。另一个研究趋势是将选择、交叉和变异等进化算子与粒子群算法相结合,以增加种群的多样性和跳出局部极小的能力。一种方法是变异PSO参数,如最佳邻域的位置,以及Miranda和Fonseca(2002)中的惯性权重。另一种方法是防止粒子彼此移动得太近(Løvbjerg等人,2001; Gao和Duan,2007; Løvbjerg和Krink,2002)。此外,利用自适应变异技术改进粒子群算法也是一个新的研究方向。 Chen(Chen等人, 2006)提出了一种基于适应度函数均值与最优值比值动态调整变异概率的高斯变异算子。Yang等人 (Li等人,2008)使用自适应算子来选择每一代中的最佳类型的变异操作。 Pant(Pant等人, 2008)在PSO中使用了基于Beta分布的自适应Cauchy变异算子。Tang(TangandZhao,2010)提出了局部搜索PSO,即LSPSO,通过应用自适应变异算子,根据当前搜索空间的大小动态调整局部搜索的步长。Morkos和Kamal(2012)的工作提出了一种新的自适应PSO局部最优算法,并成功地应用于PID控制器的最优整定。在将粒子群算法应用于锅炉汽轮机组的研究中,提出了二进制粒子群算法和基于细菌觅食的粒子群算法,用于对两输入两输出的锅炉汽轮机组的PID或PI控制器的参数进行最优整定,如文献(Menhaset al.,2011;DeepaandLakshmi,2011). Garduno-Ramirez和Lee(2006)、Zaharn等人(2013)提出了PSO和差分进化来确定每个电力需求的最佳蒸汽压力设定点,以提高整体性能。M. Sayed等人/电气系统与信息技术学报2(2015)99101提出了一种基于高斯和柯西变异的混合跳变粒子群优化算法(HJPSO),用于火电机组PI控制器的采用三个PI控制器分别控制燃料流量阀、蒸汽压力阀和给水流量阀的位置通过最小化实际输出与期望输入之间的误差函数来优化PI控制器的参数,使输出系统跟踪输入。提出的HJPSO算法通过高斯和柯西变异同时对群体中的局部最优粒子和全局最优粒子进行变异。局部最好的粒子没有改善,在预定义的迭代次数,作为落入局部极小值的结果是通过使用高斯和柯西变异变异如果变异后的新适应值优于当前值,则局部最优粒子将跳到在每次迭代中,全局最佳粒子通过柯西和高斯变异进行变异,并将其当前位置替换为最佳变异产生的新位置此外,一个新的修改实施,以提高适应度的全球最佳粒子。该修改基于最小化每个输出与其对应输入之间的误差,而不是最小化所有三个误差的总和的值。通过形成一个新的粒子,其中包含每个控制器的最佳增益,并实现每个实际输出和期望输入之间的误差最小值如果该新粒子的适应度值优于全局最佳粒子的当前适应度值,则全局最佳粒子由该新粒子更新,否则粒子保持不变。该系统的性能与标准粒子群算法,粒子群算法与高斯(GPSO)和粒子群算法与柯西(CPSO)进行了比较对火电机组PI控制器参数整定的实验研究表明,该算法的性能优于其他粒子群算法。所得结果具有更高的适应度和更快的收敛速度。第二节介绍了锅炉-汽轮机动态模型、PI控制器和用于优化PI参数的误差函数。第3节概述了标准粒子群算法,并简要介绍了混合跳跃粒子群算法。 实验结果和讨论在第4节中给出。最后,第五部分对全文进行了总结。2. 机炉模型与控制2.1. 锅炉-汽轮机模型本文所用的锅炉-汽轮机模型是针对Bell和Astrom(1987)开发的160 MW燃油锅炉-汽轮发电机组。它是一个三输入三输出的非线性模型,用三阶多输入多输出(MIMO)表示。要调节的输出变量是电输出(E,单位MW)、汽包压力(P,单位kg/cm2)和汽包水位(L,单位m),而控制器的输入是控制燃料、汽轮机蒸汽和汽包给水的质量流率的阀门致动器锅炉-汽轮机机组的三个状态变量的动态方程如下:dEdt=([0. 73 u2-0。16]P9/81-E)10(1)DPdt=0。9 u1-0。0018u2P 9/8-0. 15u3(2)dρfdt(141 u3−(1. 1 u2− 0。(19)P)85(三)其中:输入u1、u2和u3是阀门致动器的位置,阀门致动器控制燃料的质量流率、汽轮机的蒸汽以及最后到汽包的给水状态变量为电功率(E)、汽包蒸汽压力(P)和流体(采用以下公式计算汽包水位输出q e=(0. 85 u2- 0。14)P +45。59 u1- 2。51 u3- 2。09(4)α s=(1/ρ f− 0. 0015)/(1/(0. 8名P-25。6)-0。0015)(五)L= 50(0. 13 ρ f+60 α s+0. 11 q e-65。(5)(6)式中:αs为蒸汽干度,qe为蒸发率(kg/s)。=102M. Sayed等人/电气系统与信息技术学报2(2015)99Fig. 1.锅炉-汽轮机组原理图。阀门执行器的位置被限制在[0,1]之间的值,其变化率(pu/s)被限制在以下值:-0。007≤ du1/dt ≤ 0。007−2≤ du2/dt ≤ 0。02-0。05≤ du3/dt ≤ 0。05锅炉-汽轮机装置示意图如图所示。1.一、2.2. 锅炉-汽轮机控制为了将电功率和蒸汽压力分别调节到所需的设定点,并将汽包水位保持在零值,使用了三个PI控制器。第一个控制器将作用于蒸汽流量阀以跟踪电功率的变化,第二个控制器用于控制燃料流量阀以跟踪汽包蒸汽压力的变化,最后一个控制器用于控制给水流量阀以将汽包水位保持在零水位。每个控制器的输出取决于误差(e),误差(e)被定义为设定点和受控变量之间的差。任何控制器的目标都是使幅值误差尽可能小,以改善稳态响应。为了实现工作的目标并提高整个系统的性能,PI控制器参数通过使用以下等式最小化三个控制器的积分平方误差而被调谐到一组最优或接近最优的参数nIISE=Iα1e12(t)dt+α2e2(t)dt+α3e2(t)dt(7)2 3t=0时式中:e1是所需电功率与发电厂模型实际输出之间的误差,e2是蒸汽压力误差,e3是汽包水位误差。α1、α2和α3是加权因子。图图2示出了由不同的控制策略算法调谐的功率单元和PI控制器的示意图,这些控制策略算法在以下部分中详细描述。3. 调谐算法3.1. 标准PSO粒子群优化算法(PSO)是由Kennedy和Eberhart于1995年提出的,它源于社会心理学理论。粒子群算法初始化一组随机粒子(解),然后搜索M. Sayed等人/电气系统与信息技术学报2(2015)99103图二.采用所提出的粒子群优化算法和不同的粒子群优化算法对具有PI控制器的锅炉-汽轮机单元进行整定。optima通过更新世代。每个粒子跟踪到目前为止在问题搜索空间中获得的最佳解决方案这个值称为pbest。另一个最佳值是群体中的整体最佳值,其位置是由群体中的任何粒子获得的,称为gbest。因此,任何粒子的位置都受到其经验所访问的最佳位置和其邻域中最佳粒子的位置的粒子朝向pbest和gbest位置的加速度由已生成的随机数加权每个粒子使用以下等式更新其速度和位置:vi(k+1)=wi vi(k)+c1rand1()(pbest−xi(k))+c2rand2()(gbest−xi(k))(8)xi(k+1)=xi(k)+vi(k+1)(9)其中:v(k+1),v(k)分别为迭代次数k+1,k时的质点速度,x(k+1),x(k)分别为迭代次数k+1,k时的质点Rand是(0,1)之间的随机数c1被称为自信,通常取值范围为(1.5-2.0),而c 2被称为群体置信,通常取值范围为惯性权重w用于平衡搜索空间的探索和利用,对粒子群算法的收敛行为起着非常重要的作用惯性权重在每一代中基于以下等式从1.0动态减小wi=w Maxwmax−wmin.iter(10)itermax其中:itermax是最大迭代次数,iter是当前迭代次数。wmax和wmin是惯性权重的最大值和最小值。我们提出的粒子群优化算法的参数为:c1= 1.5,c2= 2,迭代次数N= 100和群体大小= 50。3.2. 混合PSO为了增加种群的多样性,并帮助粒子群算法跳出局部极小值,不同类型的混合粒子群算法的介绍和进行调整的三个PI控制器的锅炉汽轮机对象模型。第一种是通过柯西变异对全局最优粒子的速度和位置进行变异,第二种是通过柯西变异对全局最优粒子的速度和位置进行变异,−104M. Sayed等人/电气系统与信息技术学报2(2015)99该方法通过高斯变异对全局最优粒子的速度和位置进行变异,具体描述如下:Vg=Vgexp(δ)(11)Xg=Xg+Vg δg(12)其中:Xg和Vg表示全局最佳粒子的位置和速度。δ和δg表示尺度参数为1的柯西或高斯随机数最后,第三种方法是在下面的部分中描述的建议HJPSO3.3. 新的HJPSO算法第三种技术是一种新的混合跳跃PSO(HJPSO),它是Hui(2012)中描述的思想的修改方法。 HJPSO是通过监控每个局部最佳粒子的适应度来实现的,这些粒子在预定义的连续迭代次数中没有得到改善,这意味着该粒子落入局部极小值。该局部最优粒子通过高斯随机数和柯西随机数进行变异,当最优变异后的粒子适应值优于当前值时,跳到新的位置同时,全局最优粒子在每次迭代中通过柯西变异和高斯变异进行变异除此之外,在我们的应用程序中,多个控制器同时调整,提出了一个新的修改,以提高适应性的全球包围粒子。通过监控每个控制器的性能,并形成一个新的粒子,其中包含每个控制器的最佳参数增益,实现实际输出和期望输入之间的误差最小值。最后,如果该新粒子的适应度值优于全局最佳粒子的当前适应度值,则用该新粒子更新全局最佳粒子,否则粒子保持不变。HJPSO的框架按以下步骤呈现步骤1步骤2步骤3 -根据等式更新每个粒子(8)和(9)。步骤4步骤5第六步骤7评估新粒子的适应度,如果新粒子的适应度优于当前全局最佳粒子的适应度,则用新粒子更新全局• 步骤8• 第94. 仿真结果为了验证所提出的算法的有效性,实验已经进行了优化调整的三个PI控制器的锅炉汽轮机厂与三个输入输出。第一个是控制蒸汽控制阀的电力控制器,第二个是控制燃料控制阀的压力控制器,第三个是控制给水控制阀的汽包水位控制器。的性能·······M. Sayed等人/电气系统与信息技术学报2(2015)99105图3.第三章。电力输出PI控制器调整的新的HJPSO和其他算法使用ISE指标和阶跃输入。不同的控制策略基于性能标准进行比较,所述性能标准例如是用于三个输出(电功率、压力和水位)的峰值过冲、稳定时间和积分平方误差(ISE)。计算了HJPSO,CPSO,GPSO和标准PSO调整的PI控制器的成本函数100代。利用ISE指标和阶跃和斜坡两种不同的设定值对各PI控制器的增益进行整定后,汽轮机的电功率、蒸汽压力、汽包水位的时间响应统一在图1和图2中。分别为3-8。此外,HJPSO,CPSO,GPSO和标准PSO的成本函数使用ISE与两个设定点输入如图所示。九比十表1 此外,具有阶跃和斜坡输入的三个PI控制器的参数值如表5-6所示。见图4。蒸汽压力输出PI控制器由新的HJPSO和其他算法调整使用ISE指标和阶跃输入。106M. Sayed等人/电气系统与信息技术学报2(2015)99图五、采用改进的HJPSO算法和ISE指标及阶跃输入的其他算法对汽包水位PI控制器进行整定,得到汽包水位的输出图六、采用新的HJPSO和其他算法调整PI控制器的电功率输出,使用ISE指标和斜坡输入。图7.第一次会议。蒸汽压力输出PI控制器调整的新的HJPSO和其他算法使用ISE指标和斜坡输入。M. Sayed等人/电气系统与信息技术学报2(2015)99107图8.第八条。采用新的HJPSO算法和其他使用ISE指标的算法调整PI控制器的汽包水位输出,并具有斜坡输入。见图9。给出了HJPSO和其他混合PSO算法在阶跃输入下调整PI控制器的代价函数。表1阶跃输入下采用ISE判据的电力系统暂态响应特性功率峰值(Mp)峰值时间(Tp)稳定时间(Ts)成本函数值PSO120.378818673.129667.81CPSO120.373617661.929270.91GPSO120.376717662.729259.28HJPSO120.376917457.929254.5108M. Sayed等人/电气系统与信息技术学报2(2015)99见图10。给出了HJPSO和其他混合PSO算法在斜坡输入下PI控制器的性能函数。表2阶跃输入和ISE判据下蒸汽压力的瞬态响应特性蒸汽压力峰值(Mp)峰值时间(Tp)稳定时间(Ts)成本函数值PSO120.4439121742.929667.81CPSO120.653118725.629270.91GPSO123.65118725.929259.28HJPSO123.68117723.129254.5表3采用ISE判据的斜坡输入下电力系统的瞬态响应特性功率峰值(Mp)峰值时间(Tp)稳定时间(Ts)成本函数值PSO120.1718519.9436539.7547CPSO120.0333420473.779GPSO120.0826420470.1488HJPSO120.1995519.8665464.8748表4采用ISE判据的斜坡输入蒸汽压力瞬态响应特性蒸汽压力峰值(Mp)峰值时间(Tp)稳定时间(Ts)成本函数值PSO120.18225069.87539.7547CPSO120.33172869.78473.779GPSO120.53062069.75470.1488HJPSO120.40532969.73464.8748M. Sayed等人/电气系统与信息技术学报2(2015)99109表5在阶跃输入下,采用不同的算法对控制器参数进行整定MW控制器压力控制器液位控制器KPKiKPKiKPKiPSO1.19960.05172.42620.06262.61550.019CPSO1.18770.05522.38470.06763.35440.0081GPSO1.1680.05492.38560.06753.46590.0083HJPSO1.15690.0562.37770.06863.40160.0082表6在斜坡输入下,采用不同的算法对控制器参数进行整定MW控制器压力控制器液位控制器KPKiKPKiKPKiPSO3.58090.391615.72980.18022.99560.012CPSO8.140.301313.32010.30443.05540.0137GPSO8.67090.552611.82660.27843.47720.0152HJPSO3.71690.90910.5220.21293.22510.0144仿真结果表明,HJPSO算法与其他整定算法相比具有一定的优越性。如图所示,PI控制器调整的HJPSO的过渡响应特性的建立时间,成本函数和收敛速度,并与步骤和斜坡输入优于标准的PSO,CPSO和GPSO。HJPSO在峰值超调量和峰值时间值方面与其他混合整定算法相比仅略有差异,而其他混合整定算法的峰值超调量和峰值时间值略优于HJPSO。此外,所有的混合粒子群算法实现了更好的性能比标准粒子群优化的主要目标。5. 结论本文提出了一种新的基于高斯和柯西变异的混合跳跃粒子群算法(HJPSO),用于锅炉汽轮机组三PI控制器的整定。采用PI控制器对燃料流量阀、蒸汽压力阀和给水流量阀进行位置控制。通过最小化实际输出与期望输入之间的误差函数来优化PI控制器的参数,使输出系统以期望的方式跟踪相应的HJPSO算法的主要思想是在预定义的迭代次数内监测局部最优适应值的变化如果变异粒子的适应度值优于其当前值,则将局部最佳粒子移动到新的最佳位置。此外,对全局最优粒子进行了新的修改,生成一个新粒子,该粒子由每个控制器的最优参数组成,使误差最小,如果粒子的适应度值优于全局最优适应度值,则替换全局最优粒子的位置为了验证所提出的HJPSO的效率,不同类型的混合粒子群优化方法被引入到锅炉汽轮机组的三个PI控制器的整定,并与HJPSO和标准PSO进行比较。仿真结果证明了所有混合粒子群算法的鲁棒性和有效性,并达到了比标准粒子群算法更好的性能改进后的算法具有收敛速度快、性能好等优点引用贝尔,R. D.,Astrom,K.J.,一九八七年 锅炉-汽轮机-发电机组动态模型:160MW机组的数据处理和功率估算。瑞典隆德技术研究所。C,S, Demi r,2008年非线性四分之一汽车模型的耦合规则模糊PID控制器 世界科学院Sci. Eng. 技术41,238-241. 陈杰,Ren,Z.,范,X.,2006. 基于自适应变异的P粒子摆优化及其在PID参数整定中的应用研究于:Proc. 第一届国际研讨会上的系统和控制在航空航天和宇航,页。990-994.Cominos,P.,Munro,N.,2002年。 PID控制器:最近的调整方法和设计规范。 Proc. 控制理论应用 149(1),46-53。110M. Sayed等人/电气系统与信息技术学报2(2015)99Conradie,A.,Miikkulainen河,奥尔德里奇,C. 2002. 利用神经摆动的自适应控制。在:遗传和进化计算会议,美国。Deepa,T.,Lakshmi,P.,2011. 基于细菌觅食粒子群优化的锅炉汽轮机组协调控制器整定。EUR.《科学杂志》Res.64(3),446-455。Deepa,T.,Lakshmi,P.,2013. 汽包锅炉汽轮机系统模糊滑模控制器的抖振消除。CEAI15(2),78-85。高跃林,段玉红,2007。一种新的随机惯性权重自适应粒子摆动优化算法. Adv. 内特尔Comput. Theor.Appl.2(Part7),342-350.Garduno-Ramirez,R.Lee,K.Y.,两千 利用前馈模糊控制实现功率单元的宽范围运行。 IEEE Trans. 能源转换器。 15(4),421-426。Garduno-Ramirez,R.Lee,K.Y.,2001年 通过压力设定点调度协调控制实现多目标电厂优化运行。IEEETrans. 能源转换器。 16(2).Garduno-Ramirez,R.Lee,K.Y.,2006年。 应用粒子摆臂最佳化技术之发电厂多目标控制。 IEEE Trans. 能源转换器。21(2),552-561。H.C.格里,1988. 协调控制的发展。In:Inst.Soc.Am. 电源供应器,St.Petersburg,FL,pp. 109-112,文件编号88-0417。Hui,Wang,2012. 用于多峰函数优化的具有混合跳跃的P物品摆动优化。J.Inf.Comput. Sci. 9(4),1115-1124。Kamal,H.A.,2010. 一种新的GA/PSO集成算法用于PID控制器的优化整定。Mediterr. J.Meas. Control6(January(1)),18-24. Kao,Yi-Tung,Erwie,Zahara,2008.一种求解多峰函数的混合遗传算法和粒子摆动优化。 Appl. 软计算八,849-857.Kennedy,J.,Eberhart,C.,一九九五年 P文章摆臂优化。在:IEEE神经网络国际会议论文集,澳大利亚,pp。1942-1948年。Li,C.,杨,S.,是城洛杉矶2008年一种粒子摆动臂的自适应变异算子。在:2008年英国计算智能研讨会论文集,pp。165-170Liu,X.J.,Niu,L.X.,2008年发电厂可行约束非线性预测控制。 美国控制会议。Løvbjerg,M.,Krink,T.具有自组织临界性的扩展粒子群第四届进化计算大会论文集(CEC-2002)。Løvbjerg,M.,Rasmussen,T.,克林克,T.,2001. 具有繁殖和子种群的混合粒子摆动优化器。在:第三届遗传和进化计算会议(GECCO),卷。第1页。469-476Luan,X.C.,Han,W.S.,Young,A.,翟玉,江,Y.,2008年原对象模糊的Takagi-Sugeno模糊协调控制系统。第17届世界自动控制大会论文集,国际自动控制联合会。Menhas,M.,Wang,L.,美国,费先生妈C.X.2011年。 用新的二进制粒子群优化算法整定锅炉-汽轮机组协调控制器。Int.J.Autom.Comput. 8(2),185-192。米兰达,V,Fonseca,N.,2002年6月。将新的粒子群算法(EPSO)应用于电压/VAR控制。在:第14届电力系统计算会议(PSCC'02),塞维利亚,西班牙。加州大学穆恩分校Lee,K.Y.,2003年。 采用模糊自回归移动平均(FARMA)模型对锅炉-汽轮机系统进行控制。 IEEE Trans. 能源转换器。18(1),142-148。Morkos,S.,Kamal,H.A.,2012. 基于自适应混合粒子群算法的PID控制器优化整定。国际比较通讯杂志ControlVII(March(1)),101-114,accepted 9,2011.Nagaraj,B.,Subha,S.,兰普里亚湾,2008年利用软计算技术对PID控制器的算法进行整定。 Int. J. Comput. Sci. 网络 安全性8(4)。Oliveira,P.M.,Cunha,J.B.,科埃略,J.O.P.,2002. 用P-条摆臂算法设计PID控制器。第21届IASTED国际会议:建模、识别和控制(MIC2002),奥地利因斯布鲁克。潘特,M.,Thangaraj河,亚伯拉罕,A.,2008. 使用自适应变异的P物品摆动优化。第19届数据库和专家系统应用国际会议论文集,pp.519-523.Rashid,M.,Rauf Baig,A.,2010年。基于遗传规划的自适应进化混合粒子束优化算法。 Int. J. 因诺五世Comput. 信息控制(ICIC)6(1月(1))。罗宾逊,J.,Sinton,S.,Rahmat-Samii,Y.,2002年6月。摆臂、遗传算法及其混合:异形波纹喇叭天线的优化。In:IEEEInternationalSymposiumonFunctional&Propagation,SanAntonio,TX.Shayeghi,H.,Ali Shayanfar,H.,Jalili,A.,2007年 多级模糊PID负荷频率控制器在电力系统重构中的应用。 J. 电子 Eng. 58(2),61-70。Tang,Jun,Zhao,X.,2010年。 一种自适应局部搜索的混合粒子摆动优化算法。 J. 网络 5(4月4日)。Zaharn,Z.,Shi,R.,刘,X.,2013. 采用均匀微分进化算法实现机组协调控制。 TELKOMNIKA11(7),3498-3507.Zain,B.,Tokhi,M.O.,Toha,S.F.,2009. 基于遗传优化的单连杆柔性机械臂垂直运动的PID控制。IEEEUKSimComputerModelingandSimulation。
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功