水泥回转窑模糊自适应PID温控系统仿真研究

设计了水泥回转窑模糊PID温度控制器,并对其进行了仿真研究.利用Com组件技术集成Matlab与VB编程,实现回转窑温度控制仿真系统.仿真实验证明,该控制器鲁棒性好、响应快、超调量为零,对温度控制较为稳定.     

基于模糊PID的药品生产车间温度控制系统研究

针对药品生产车间温度控制系统大滞后、大惯性、非线性等特点,提出了采用参数模糊自整定PID和Smith补偿等相结合的控制方法,通过仿真分析表明控制效果良好.文章重点讨论了系统控制策略的制定和模糊控制器的设计等内容.     

模糊自整定PID温控系统的设计及仿真分析

本文分析了PID控制和模糊控制的优缺点,考虑将它们结合起来,实现优势互补,采用模糊规则在线整定PID的K,、如、K,三个参数的模糊自适应PID控制方案。仿真结果表明,模糊自整定PID控制能满足调节时间短、超调量小且稳态误差小的控制要求,对干扰的抑制能力也很强。     

基于模糊PID的控制器研究

模糊PID控制系统就是模糊理论与传统的PID控制器的结合。以一控制对象为例,对两种方式的控制进行了仿真和比较,并得出了相应的结论。     

基于模糊PID位置控制器的研究

介绍了电液位置伺服控制系统的组成和工作原理.传统PID控制器在受到外界干扰时,容易导致过大的超调甚至引起震荡,从而使得系统的动静态性能变差.针对此问题,设计了结合PID控制和模糊控制优点的模糊PID控制器.在MATLAB/Simulink环境下进行仿真,结果表明,与传统的PID控制器相比,该方法改善了系统的动静态性能,同时也提高了控制系统的鲁棒性和抗干扰性.     

基于PSO优化的模糊自适应PID算法在照明控制系统中的应用

日光具有时变性及易干扰性,为使日光得到充分合理的利用,实现智能照明系统更有效的控制,提出一种基于粒子群算法（PSO）优化的模糊自适应PID算法,通过PSO算法得到最优PID初始参数,并利用模糊规则对参数进行自适应修正。仿真结果表明,与普通PID算法相比,该算法在最优化初始参数的基础上,上升时间、超调量和稳态时间等指标均得到明显的改善,增强了系统的响应性、稳定性和鲁棒性,具有良好的应用前景。     

基于模糊PID控制器的叶菜温室测控系统设计

温室环境是一个复杂多变的被控对象,无法建立准确的数学模型。江浙地区四季气候变化明显,而现有的控制系统控制模式固定,难以取得理想的控制效果。通过对叶菜生长环境的研究,设计了基于模糊PID控制器的叶菜温室测控系统,用于实现对叶菜温室环境的自动调节。该控制器运用模糊推理对PID控制器的3个参数进行调整,提高了系统的自适应性能。试验结果表明：系统性能稳定、响应时间短、超调小,达到了预期控制效果。     

温度控制系统模糊自适应PID控制设计与仿真

针对温度控制系统纯滞后、非线性等特点,设计了一种模糊自适应PID(Fuzzy Adaptive PID,FA-PID)控制算法。利用Matlab的Simulink工具箱建立模型,并做了传统的PID控制、模糊控制(Fuzzy)以及FA-PID控制的仿真对比实验。仿真结果表明,FA-PID在超调量、调节时间等性能指标上都优于其他两种控制算法,具有更好的适应性和稳定性,改善了温度控制系统的性能指标和控制精度。     

基于模糊自适应PID的龙门刨床直流调速系统

针对龙门刨床的主拖动系统，提出将模糊自适应PID控制用于直流调速系统的方法。利用模糊控制器的控制规则对PID参数进行在线实时调整，较好的克服了传统控制中稳定性差、参数调整困难的问题，仿真结果表明是一种有效的控制策略。     

模糊自整定PID控制在石英炉温度控制系统中的仿真

在石英炉温度模型基础上,将模糊控制与PID控制结合,通过模糊自整定PID控制参数实现了石英炉温度控制系统的设计,并应用Matlab软件在Simulink环境下对石英炉温度控制进行仿真,结果表明：模糊自整定PID控制与常规PID控制相比具有较好的动态性和稳态性.     

Diabetes diet nutrition optimization based on particle swarm optimization algorithm

Nutrition intervention is the key to prevent and control diabetes mellitus. Diabetic patients’ nutrition intervention requires reasonably control of the intakes of the three major nutrients. A diabetes diet nutrition optimization method based on particle swarm optimization (PSO) algorithm is proposed for individual nutritional intervention of diabetes. Firstly, a nutritional optimization mathematical model is established, which meets the demand of diabetic patients’ three major nutrients intake, and then an improved particle swarm optimization algorithm is applied to solve the model. To enhance the convergence speed and search ability of the standard particle swarm optimization, the adaptive inertia weight factor and the natural selection mechanism are introduced in PSO. The performance of the proposed method is verified through an experiment, and the attainment rates of three major nutrients in the designed recipes are close to 100? according to the experimental results, which indicates that it can greatly improve the precision of diabetes nutrition recipes     

基于粒子群优化算法的LS-SVM字符识别模型

提出一种基于粒子群优化算法优化相关参数的最小二乘支持向量机(LS-SVM)的字符识别模型.利用相关的字符数据,分别使用本方法和基于网格搜索的最小二乘支持向量机方法进行识别.仿真结果表明,该方法的精确度高于其它两种方法.     

基于粒子群算法求解整数规划的改进方法

标准粒子群算法主要用于优化连续性,而对粒子群算法求解非线性整数规划,算法的粒子位置必须解决取整问题。基此,文章提出一种粒子位置最终取整的方法,以改进粒子群算法解决整数规划的具体过程。基准函数的仿真结果表明,改进后的取整方法的搜索成功率优于直接取整和随机取整,综合搜索效率更佳。     

非线性随机扰动的粒子群优化算法

在惯性权重非线性递减策略的基础上,引入小阻尼振荡函数,提出一种新的非线性递减随机扰动的粒子群算法,通过2个基准测试函数对算法性能和收敛性进行了分析.实验仿真表明：相对于标准粒子群算法,新策略加快了收敛速度,在一定程度上避免了粒子群优化算法的早熟收敛问题.     

微粒群算法参数设置的正交试验分析

微粒群算法(PSO)提出后,由于其优越的性能和易用性而得到了广泛的应用。传统PSO在算法参数设置上主要凭研究者经验进行选择,难免存在主观随意性偏差。采用正交试验设计的方法对PSO算法的w、c_1、c_2参数设置进行试验分析,从而提出较好的参数设置。通过对4个标准测试函数的实验分析,结果显示当w=1、c_1=c_2=3时算法有较好的性能。     

基于混沌和自适应变异的粒子群聚类算法研究

针对粒子群聚类算法(PSO-Kmeans)所存在的种群随机初始化遍历性差、线性惯性权重调整策略收敛效果差、粒子易陷入早熟收敛、等距点影响聚类精确度以及处理大量数据时性能不足等问题,提出了1种混沌和自适应变异的粒子群聚类算法,通过无限折叠混沌映射初始化、非线性惯性权重调整、基于变异参数的自适应t分布变异以及比较等距点周围趋向性等策略,对PSO-Kmeans算法进行改进,并实现了算法的并行化。实验结果表明,改进算法可以有效地避免早熟收敛,聚类精度要优于Kmeans算法和PSO-Kmeans算法,而且在处理大量数据时能有效提高算法的时间性能。     

基于粒子群优化算法的散乱数据光顺拟合

在散乱数据光顺拟合问题的计算中,引入了群体智能粒子群优化算法,增加了计算的自动程度以及客观性,优化中提出了优于传统罚函数法的模糊罚函数法,将模糊集合理论和粒子群优化算法有机地结合起来,并通过对节点序列内在关联性的分析,提出了适合邻域搜索类算法实施的邻域结构,以获得目标函数的全局解,最后给出了数值仿真实例。     

减法聚类和粒子群优化TS模糊神经网络的驾驶疲劳融合检测(英文)

为提高基于单一特征检测算法的准确率和可靠性,提出基于多个特征的驾驶疲劳融合检测算法.从直接反映驾驶员疲劳的2个面部特征和间接反映疲劳的1个车辆行为特征2个方面对驾驶疲劳进行综合检测.该算法运用TS模糊神经网络来识别驾驶疲劳,采用减法聚类对网络进行结构辨识,确定模糊规则的条数及相关参数的初始值,并改进了粒子群优化算法对网络进行训练.仿真和实车实验表明,该算法不仅能有效改善TS模糊神经网络的收敛速度和识别精度,而且能提高驾驶疲劳的检测正确率.     

基于并行粒子群优化算法的蛋白质二级结构预测

为了提高蛋白质二级结构预测的效率,对具有完全学习策略的量子行为粒子群（CLQPSO）算法进行了研究,实现了一种融合混沌优化与完全学习策略的量子行为粒子群算法;通过在粒子群进化过程中对收缩扩张因子和局部吸引子的混沌优化,提高了敛速和精度．基于统一计算设备架构（CUDA ）,利用GPU 的并行计算能力,将该算法并行化并应用到蛋白质二级结构预测中．实验表明：相比串行实现,该并行算法在对长度较短的残基序列进行蛋白质二级结构预测时,加速比可超过40．     

基于PSO城市应急物流最优调度决策的研究

在城市应急网络的大背景下,采用粒子群优化算法(PSO),对应急物流的调度进行了研究。自然选择的粒子群优化算法是在基本粒子群算法的基础上改进的算法,相比基本粒子群算法,它用当前较好的粒子代替较差的粒子,通过函数测试,表明自然选择的粒子群算法的精确度和效率都很高。利用自然选择的粒子群算法,在满足应急运输要求的前提下,充分利用各种物流设施,快速组织多种交通工具,制定应急物流最优的调度决策,以保证经济效益的最大化和实现过程的最优化。