基于改进PSO算法的加热系统分数阶控制

doi:10.3969/j.issn.1006-2475.2018.07.008

计算机与现代化

基于改进PSO算法的加热系统分数阶控制

（宝鸡文理学院电子电气工程学院,陕西宝鸡721013）

收稿日期:2018-01-15 出版日期:2018-08-23 发布日期:2018-08-27
作者简介:姜苏英(1990-),女,陕西商洛人,宝鸡文理学院电子电气工程学院助教,硕士研究生,研究方向:工业过程智能控制算法。
基金资助:
宝鸡文理学院硕士科研启动项目(ZK2017096)

FractionalOrderControlBasedonImprovedPSOAlgorithmforHeatingSystem

(CollegeofElectronic&ElectricalEngineering,BaojiUniversityofArtsandSciences,Baoji721013,China)

Received:2018-01-15 Online:2018-08-23 Published:2018-08-27

摘要/Abstract

摘要： 针对分数阶加热系统，提出一种基于改进粒子群优化算法的分数阶PIλDμ控制方法。首先，将细菌趋化行为机制引入带收缩因子的粒子群优化算法中，解决粒子群优化算法中由于只存在吸引操作没有排斥操作导致种群多样性失去的问题，从而避免PSO早熟收敛及陷入局部最优；然后使用改进PSO算法优化分数阶PIλDμ控制器的参数；最后，以加热系统为被控对象，分别采用改进粒子群优化算法、标准粒子群优化算法、遗传算法优化分数阶PIλDμ控制器的参数。仿真结果表明，使用该改进算法整定分数阶PIλDμ控制器参数，控制器能有效地抑制模型参数的摄动，系统鲁棒性更强。

关键词: 分数阶, 粒子群优化, 鲁棒性, 遗传算法

Abstract: Forfractionalorderheatingsystem,afractionalordercontrolmethodbasedonimprovedparticleswarmoptimizationalgorithmisproposed.First,thechemotaxismechanismofbacteriaisintroducedintotheparticleswarmoptimizationalgorithmwithconstrictionfactortosolvetheproblemofthePSOpopulationdiversitylost,whichiscausedbecausethereisonlyattractionoperationwithoutexclusionoperationinPSOalgorithm.
ThismethodcanpreventfallingintolocaloptimumbecauseofPSOprematureconvergence.ThentheimprovedPSOalgorithmisusedtooptimizetheparametersoffractionalordercontroller.Finally,takingtheheatingsystemasthecontrolledobject,theimprovedparticleswarmoptimizationalgorithm,thestandardparticleswarmoptimizationalgorithmandthegeneticalgorithmareusedrespectivelytooptimizetheparametersofthefractionalordercontroller.Thesimulationresultsshowthatbyusingtheimprovedalgorithmtosetthefractionalordercontrollerparameters,andthecontrollercaneffectivelyrestraintheperturbationofthemodelparameters,therobustnessofthesystemisbetter.

Key words: fractionalorder, particleswarmoptimization, robustness, geneticalgorithm

中图分类号:

TP273

姜苏英. 基于改进PSO算法的加热系统分数阶控制[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2018.07.008.

JIANGSu-ying. FractionalOrderControlBasedonImprovedPSOAlgorithmforHeatingSystem[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2018.07.008.

参考文献

［1］TorvikPJ,BagleyRL.Ontheappearanceofthefractionalderivativeinthebehaviorofrealmaterial［J］.JournalofAppliedMechanics,1984,51(2):294-298.
［2］薛定宇，赵春娜.分数阶系统的分数阶PID控制器设计［J］.控制理论与应用,2007,24(5):771-776.
［3］〖ZK(＃〗何一文,许维胜,程艳.Bode理想传递函数在分数阶控制中的应用［J］.信息与控制，2010,39(2):200-206.
［4］赵志诚,李明杰,张井岗.基于伯德理想传递函数的分数阶PID控制器［J］.华中科技大学(自然科学版),2014,42(9):10-13.
［5］LuanVaTN,LeeM.Analyticaldesignoffractional-orderproportional-integralcontrollers［J］.ISATransactions,2013,52(5):583-591.
［6］李大字,刘展,靳其兵,等.基于遗传算法的分数阶控制器参数整定研究［J］.控制工程,2006,13(4):384-387.
［7］SadatiN,ZamaniM,MohajerinP.OptimumdesignoffractionalorderPIDforMIMOandSISOsystemsusingparticleswarmoptimizationtechniques［C］//The4thIEEEInternationalConferenceonMechatronics.2007:1-6.
［8］齐乃明,秦昌茂,王威.分数阶系统的最优Oustaloup数字实现算法［J］.控制与决策,2010,25(10):1598-1600.
［9］郑恩让,姜苏英.基于改进粒子群优化算法的分数阶PID控制［J］.控制工程,2017,24(10):2082-2087.
［10］高嵩,王磊,陈超波,等.一种改进粒子群优化的分数阶PID参数整定［J］.控制工程,2017,24(10):2010-2015.
［11］赵华东,宋保业,张建胜,等.基于粒子群优化算法的分数阶PID控制器设计［J］.山东科技大学学报(自然科学版),2017,36(4):60-65.
［12］王皓,欧阳海滨,高立群.一种改进的全局粒子群优化算法［J］.控制与决策,2016,31(7):1161-1168.
［13］王植.基于差分进化的混沌量子粒子群优化算法［J］.计算机与现代化,2017(8):22-25.
［14］赵坤灿.基于粒子群算法的新能源集热系统物联网控制模型研究［J］.机械与电子,2016,34(12):54-57.
［15］姜凤利,张宇,王永刚.一种基于引导策略的自适应粒子群优化算法［J］.计算机应用研究,2017,34(12):3059-3062.
［16］李飞,刘建昌,石怀涛,等.基于分解和差分进化的多目标粒子群优化算法［J］.控制与决策，2017,32(3):403-410.
［17］李丽,牛奔.粒子群优化算法［M］.北京：冶金工业出版社，2009:95-102.
［18］RigetJ，VesterstromJS，RigetJ.ADiversity-guidedParticleSwarmOptimizertheARPSO［R］.Aarhus:DepartmentofComputerScience,UniversityofAarhus,2002.
［19］李大字,刘浪,靳其兵.基于最大灵敏度的加热系统分数阶内模控制［J］.控制与决策,2015,30(10):1989-1902.

[1]	林启钊, 彭志平, 郭棉, 崔得龙. 基于双向多步预测的炉管温度场重构方法[J]. 计算机与现代化, 2024, 0(01): 53-58.
[2]	刘显茁, 邓韦斯, 谢恩彦. 考虑分布式发电并网的配电网自适应保护系统[J]. 计算机与现代化, 2023, 0(09): 120-126.
[3]	潘思源, 张伟. 基于改进LSTM算法的锂电池SOC估计[J]. 计算机与现代化, 2023, 0(08): 25-30.
[4]	张志霞, 谢宝强. 基于FCGA-LSTM与迁移学习的天然气负荷预测[J]. 计算机与现代化, 2023, 0(07): 7-12.
[5]	刘付琪, 张达. 基于PSO-DBN的液压系统冷却器故障诊断[J]. 计算机与现代化, 2023, 0(06): 7-14.
[6]	潘裕庆, 张苏宁, 冯仁君, 景栋盛. 结合粒子群优化和LightGBM的入侵检测方法[J]. 计算机与现代化, 2023, 0(04): 123-126.
[7]	曾依浦, 戴毅茹, 陈雨田. 基于反向学习和精英提升的无速度项动态粒子群算法[J]. 计算机与现代化, 2023, 0(03): 113-120.
[8]	钱晓钊, 王澎. 面向图卷积神经网络鲁棒防御方法[J]. 计算机与现代化, 2023, 0(01): 74-80.
[9]	王颖颖, 庄毅, 孙逸帆. 基于粒子群优化BP神经网络的可靠性评估模型[J]. 计算机与现代化, 2022, 0(12): 42-49.
[10]	汪敏, 徐英豪, 朱习军. 基于改进遗传算法优化BP神经网络的糖尿病并发症预测模型#br#[J]. 计算机与现代化, 2022, 0(11): 69-74.
[11]	王扬, 陈梅, 李晖. FOCoR:一种基于特征选择优化的课程推荐技术[J]. 计算机与现代化, 2022, 0(10): 1-7.
[12]	冉昊杰, 王宏智. 基于改进模拟退火算法的生鲜农产品配送中心选址[J]. 计算机与现代化, 2022, 0(10): 36-40.
[13]	战俊伟, 庄毅. 基于能耗与延迟优化的移动边缘计算任务卸载模型及算法[J]. 计算机与现代化, 2022, 0(08): 86-93.
[14]	吴代漾, 赵洁, 梁家铭, 董振宁, 梁周扬. C2C在线短租跨平台房东匹配算法[J]. 计算机与现代化, 2022, 0(06): 43-48.
[15]	徐胜超, 熊茂华. 基于遗传算法的容器云资源配置优化[J]. 计算机与现代化, 2022, 0(01): 108-112.

基于改进PSO算法的加热系统分数阶控制

FractionalOrderControlBasedonImprovedPSOAlgorithmforHeatingSystem

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价