全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

用微粒群算法实现水轮机调节器参数的优化设计

, PP. 41-44

Keywords: 微粒群优化,水轮机,PID调节器,参数优化

Full-Text   Cite this paper   Add to My Lib

Abstract:

目前水轮机调节系统PID参数整定一般都是根据经验公式或现场反复试验获取,它往往不易获得最佳参数.为了保证获得最优水轮机PID调节器参数,本文研究了利用微粒群优化(PSO)算法进行参数优化设计的新方法.PSO算法是一种新的仿生优化方法,具有结构和运算简单的优点.仿真试验结果表明,用微粒群算法优化水轮机调节器参数,可以获得满意的控制精度和效率.与改进的遗传算法优化结果相比,各项控制性能指标(如调节时间、负调、超调量等)都优于遗传算法整定的PID调节器.

References

[1]  [ 沈祖诒. 水轮机调节系统分析[M ]. 北京: 中国水利水电出版社, 1991. 157- 193
[2]  [ 金波, 朱世强. 用正交试验法整定PID 控制器参数 [ J] . 中国机械工程, 2000, 11( 6): 682- 683.
[3]  [ 龚崇权, 蔡维由. 基于遗传算法的水轮机调节系统最优参数整定[ J]. 电力系统自动化, 2002, 26( 15): 57- 59.
[4]  [ 廖忠, 沈祖诒. 基于正交交叉操作的遗传算法及在水轮机调速器参数优化中的应用[ J]. 大电机技术, 2003( 5): 61 -64.
[5]  [ 南海鹏, 王涛, 等. 基于改进遗传算法的水轮机调速器参数优化[ J] . 水利学报, 2002, 33( 10): 57 -61.
[6]  [ Ay ed Sa lm an, Im tiaz Ahm ad, Sabah A-lM adan.i Particle swarm optim ization fo r task assignm ent prob lem [ J]. M -i c roprocessors and M icrosy stem s, 2002, 22 ( 10 ): 363- 371.
[7]  [ Parsopou los K E, V raha tisM N. Recent approach to g loba l optim ization problem s through Partic le Sw arm Optim ization[ J] . Neura l Compu ting, 2002, 1( 2): 235- 306.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133