基于矢量控制的电动汽车用永磁同步电机系统研究

针对传统PWM调制技术运用到电动汽车时,存在的谐波含量较大,转矩脉动较高等缺点,设计了基于矢量控制的电动汽车用永磁同步电机系统。基于矢量控制的原理,在MATLAB/Simulink环境下搭建了永磁同步电机矢量控制系统模型,采用id=0控制策略,仿真研究了系统动态响应。以TI公司的数字信号处理器(DSP) TMS320F28335作为控制芯片,搭建了永磁同步电机控制系统实验平台,实验研究了电机系统在基速以下运行的状态和效率。仿真和实验结果具有很好的一致性,该研究可为电动汽车用永磁同步电机系统的设计和分析提供参考。     

永磁同步电机调速系统模糊滑模双重控制策略

为解决永磁同步电机传统速度控制系统中出现的控制精度低和响应灵敏度不够等问题,课题组提出一种新型的模糊滑模双重控制策略。设计了基于模糊控制和滑模控制的全新电机系统速度环控制结构,结合2种控制方案的优点,使得系统的动态性能明显改善。仿真结果表明该控制系统具有更好的抗干扰能力和更高的准确性,提出的模糊滑模双重控制策略是有效的。     

基于粒子群算法与改进Ziegler-Nichols算法的PID整定方法

针对Ziegler-Nichols算法设计的PID控制器阶跃响应不理想,不具有灵活性等缺点,提出基于粒子群算法与改进 Ziegler-Nichols算法的PID整定方法。采用粒子群算法优化了Ziegler-Nichols算法中的幅值和相角,设计了具有更好性能 指标的PID控制器。实验结果表明采用该方法进行参数整定后的PID控制器响应速度较快,降低了系统的超调量。     

三群协同粒子群优化算法

针对基本粒子群优化算法易陷入局部极值点、搜索精度低等缺点,提出了一种三群协同粒子群优化算法(TSC-PSO)。搜索时,如果全局极值连续若干代没有改善,粒子未找到全局最优点,就任选某个优群,将其群内粒子和差群粒子交换。仿真结果显示,对一些经典多峰值函数、非凸病态函数,TSC-PSO增强了全局搜索能力,具有比基本PSO更好的优化性能。     

改进指数趋近率的PMSM矢量控制研究

永磁同步电机(permanent magnet synchronous motor, PMSM)为具有强耦合特点的非线性系统。传统矢量控制方法存在转速超调量大、抗扰动性能较差的问题。基于PMSM的数学模型,对比了现今常用的几种滑模控制器的特点,通过改进一般指数趋近率得到新型指数趋近率的滑模控制器模型,数学推导证明其稳定性并在Matlab/Simulink环境中搭建仿真模型。与一般的指数趋近率相比,改进的指数趋近率滑模控制器控制永磁同步电机具有超调量小、转速响应快的特点,并且能很好地抑制外界干扰,验证了结论的正确性。     

永磁同步电机的干扰观测器补偿与模糊切换控制

A PMSM speed control algorithm combining disturbance observer compensation and fuzzy integral sliding mode control (DOB+FISMC) was proposed to solve the problems of slow starting response speed and weak anti interference ability of PMSM speed regulation system. The PMSM speed control model with uncertain interference was established, and the equivalent integral sliding mode control of fuzzy switching was proposed. To reduce the switching gain of FISMC and improve the control accuracy, a disturbance observer was designed to compensate the total interference. The effectiveness of the control algorithm was verified based on the PMSM speed regulation system simulation model. The results show that, compared with the traditional proportional integral control (PI) and sliding mode control (SMC), the proposed algorithm has less tracking error, faster response and stronger resistance to interference for a given sinusoidal signal. This algorithm can improve the starting response speed and robustness of permanent magnet synchronous motors.     

基于模糊PID的双注浆泵同步系统的仿真与研究

针对传统双注浆泵同步系统中同步精度难以保证的问题,提出了基于模糊PID控制的双注浆泵同步系统。利用电液比例阀控制液压缸,液压缸活塞杆直接控制注浆泵活塞,因此,可以通过控制液压缸活塞杆位移,保证注浆泵活塞位移同步,从而使双注浆泵的进料与出料过程同步。采用AMESim/Simulink对该系统进行联合仿真,并进行了实验验证,与传统无模糊PID控制该系统的结果对比,结果表明,模糊PID控制可以有效改善同步注浆系统的控制精度。     

粒子群优化的广义T-S模糊模型参数学习方法

提出了一种基于粒子群优化的广义T-S模糊模型参数学习方法。该方法用离散二进制微粒位置表示模型的结构参数,用普通微粒位置表示模型规则中模糊集隶属函数的参数;这两种微粒位置联合体构成一个模型完整的前件参数集。每一学习循环分两步,前一步用粒子群进化迭代调整所有前件参数,后一步用正交最小二乘法估计后件参数。该方法不需任何先验知识,运算量小,能产生紧凑的模糊模型。非线性动态系统模糊建模的数字仿真说明了该方法的有效性。     

基于粒子群算法的设备大修企业模糊作业车间调度

针对大修企业中调度生产系统中存在的各种不确定因素,通过引入三元组对设备大修企业调度问题进行分析描述,以交货期加权满意度最大为调度目标建立作业车间模糊调度模型。运用粒子群优化算法对模型进行求解,结合企业应用实际进行实例分析,验证了该算法的有效性。     

基于RBF神经网络的永磁同步电机控制系统

由于永磁同步电机控制系统具有非线性等特点,而使传统PID人工调节参数过程过于繁琐,且无法根据电机的运行状态改变参数,为了提高控制精度、增强控制系统的自适应能力,课题组以电流环PI控制为基础,结合径向基（RBF）神经网络对永磁同步电机进行在线辨识,根据辨识得到的灵敏度信息整定PID控制参数,建立参考模型。在MATLAB软件中利用Simulink中建立了PMSM模型,通过对比PID、RBF PID在启动环节和负载变化时的速度变化,验证了改进BRF PID控制的有效性。仿真结果表明RBF PID控制具有更快的响应,更好的抗干扰能力。     

基于Simulink的模糊PID参数自整定控制器的设计与仿真

针对PID控制器参数整定问题,介绍了一种运用模糊推理实现对PID参数自整定的控制方法,并运用S imu link进行仿真分析,仿真结果表明:模糊PID参数自整定控制较常规PID控制具有较小的超调量和较短的调节时间,以及较好的动态响应特性和稳态特性。     

基于遗传粒子群算法的供水系统优化调度

针对某城市供水系统,建立了大型供水系统的多目标混合离散变量的优化调度模型,采用遗传粒子群混合算法对调度模型进行了求解,实现了该供水系统的直接优化调度,并与传统遗传算法优化调度的过程及结果进行了对比,新算法在优化时间、优化结果及求解效率等方面都具有较强的优越性.     

变尺度混沌量子粒子群算法

利用混沌算子的遍历性,结合量子粒子群的快速收敛性,提出了变尺度混沌量子粒子群算法(CQPSO)。针对标准粒子群容易陷入局部最优的缺陷,CQPSO能快速收敛到最优解。对标准测试函数的测试结果表明:该算法在收敛速度和收敛精度上都得到了大幅度的提高。     

模拟退火并行粒子群优化算法程序设计与研究

针对粒子群优化算法后期收敛差和模拟退火算法全局优化能力强的特点,建立模拟退火并行粒子群优化算法(SA-PSO算法)模型。利用MATLAB语言开发SA-PSO算法工具箱,实现SA-PSO算法的程序设计,高效、稳定地提高算法全局寻优能力。     

模糊自适应PID对保险粉合成pH值的控制研究

保险粉合成过程pH值控制存在非线性、时滞性、不确定性问题,采用常规PID控制结合人工控制的方式无法实现参数自调整,对pH值的控制很难达到预期效果,为此,提出了模糊自适应PID控制方法。介绍了保险粉合成原理及反应方程式,分析酸碱中和pH值控制并确定系统的传递函数,设计了模糊自适应PID控制器,通过Matlab/Simulink进行仿真分析,并进行了实验验证,结果表明：模糊自适应PID控制与常规PID控制相比,具有超调量小、调节时间短、抗干扰能力强等优点,实现了对pH值的有效控制。     

基于粒子群算法的网络教学资源优化获取

利用通用搜索引擎可以在网络上获得大量相关的网络教学资源，如何在众多的网络教学资源中迅速、高效地获得理想的教学信息是越来越重要的研究课题。为解决这一问题，本文提出了基于粒子群算法的网络教学资源优化获取方法。首先对每个网络教学资源赋予一定的评价指标，然后利用粒子群算法对搜索列的网络教学资源进行优化排序，从而可以在众多的网络教学资源中迅速、高效地获得优质的教学资源。     

拉伸技术粒子群优化算法的多用户检测器

粒子群优化算法是一类新型进化算法,为提高粒子群优化算法对复杂问题全局最优解的探测能力,该文引入一种基于拉伸技术的粒子群优化算法,把它应用到CDMA通信系统中抗干扰关键技术——多用户检测中,提出了基于拉伸粒子群算法的多用户检测器。仿真结果表明,该检测器在误码率性能、抗远近效应和增加系统容量方面的性能较之其他的检测器均有明显的提高。     

改进的粒子群优化算法结合人工神经网络用于有机物毒性的QSAR研究

介绍了粒子群优化算法和Alopex-B算法的基本原理,提出了一种用Alopex-B算法改进的粒子群优化算法,并将其应用于函数优化和有机物毒性的QSAR研究。结果表明:改进型粒子群算法对复杂的测试函数搜索效率明显提高,应用于有机物毒性的QSAR研究能提高计算的精确度,降低预测误差。     

粒子群优化算法在天线方向图综合中的应用

针对目前粒子群优化算法在多零点低旁瓣约束的阵列天线方向图综合中早熟收敛、易陷入局部极值的问题,提出了一种改进的粒子群优化算法MSPSO,在多子群、层次化的模型中采用von Neumann邻域结构,以改善收敛速度和优化精度。建立一种新的目标函数模型,对顶层和底层的子群分别采用适合其特点的适应值目标函数,平衡了算法的全局和局部搜索能力。仿真结果表明,将该算法应用于阵列天线方向图综合中,取得了很好的优化效果。     

基于高斯白噪声扰动变异的粒子群优化算法

为了有效避免粒子群算法(PSO)早熟和局部收敛的现象,在深入分析PSO算法的基础上,提出了一种基于高斯白噪声扰动变异的粒子群优化算法(GMPSO)。该算法以一定的概率选中粒子进行基于高斯白噪声扰动的变异,并重新随机产生飞离搜索区域的粒子,以克服粒子群后期多样性严重下降的缺点。通过对Benchmark函数的测试表明:GMPSO算法无论是搜索精度、速度还是稳定性均显著优于PSO算法。