基于粒子群优化算法的水下航行器深度控制研究

提出了一种基于粒子群优化算法的水下航行器深度控制器参数优化设计方法。针对水下航行器运动参数变化的特性,采用粒子群优化算法收敛速度快、寻优特性好等特点,将其应用到控制器参数的优化设计中。仿真结果表明,利用粒子群优化算法进行优化设计的水下航行器深度控制器具有良好的控制性能。     

基于FPSO的船舶柴油发电机励磁系统控制

针对大功率船舶柴油发电机工况的复杂性、时变性以及非线性等特性,以及船舶运行负载的变化对发电机励磁系统的影响,借鉴粒子群优化算法能够很好地适应复杂系统参数的寻优的特性以及模糊控制对参数优化的精确性,使用粒子群优化算法对控制器的PID参数进行优化,再使用模糊PID算法以误差和误差变化率作为输入,PID参数的增量作为输出对粒子群优化算法优化出来的PID参数进行修正,构成船舶发电机模糊-粒子群优化(FPSO)励磁控制系统控制器。在Matlab/Simuink环境下进行了额定负载、增加50%额定负载和三相故障等工况的仿真实验。实验表明,端电压经过短暂的波动后能够快速的回归稳定,证明该方法能够很好地适应工况的改变。     

鱼雷发动机参数自整定PID控制

提出一种用于鱼雷发动机的参数自整定PID控制方法。该方法利用支持向量机的非线性函数拟合能力辨识发动机的动态特性,采用粒子群算法实现PID控制器的参数优化。仿真实验表明,支持向量机能很好地拟合发动机的动态特性,基于粒子群算法的参数自整定PID控制器响应快速、无超调,控制效果良好,具有工程应用价值。     

船舶动力定位智能PID控制器设计与仿真研究

由于船舶在海上的动力学特性具有非线性、大时滞和强耦合等特点,风、浪等外部干扰具有随机特征,因而船舶动力定位控制系统是一个复杂的非线性系统,一次性整定的PID参数难以取得理想的控制效果。鉴于PID控制器的性能完全取决于其控制参数,结合混沌粒子群算法、云模型控制和PID控制各自的优势,设计一种具有参数实时自整定功能的智能PID控制器。首先引入混沌粒子群算法离线优化PID参数使控制系统处于优化状态,再利用二维云模型控制对其进行在线调节以增强控制器的适应性和鲁棒性。仿真结果证明所设计控制器的可行性和有效性。     

OceanInfo平台中舰船操纵运动控制研究

针对 OceanInfo平台中的舰船运动控制,研究舰船在航向保持中的混沌运动及其控制问题。基于 PID控制方法的简单性和有效性,应用 PID控制进行平台中的舰船混沌运动的有效控制和航向保持,对其控制参数难以确定的问题,提出改进的动态混沌粒子群优化（PSO）算法进行控制器参数整定并进行仿真实验。实验结果表明：本文提出的改进优化算法能够实现 PID参数的优化整定,其结果能够更为有效地进行舰船航向保持及混沌运动控制,且方法简单、容易编程实现。     

OceanInfo平台中舰船操纵运动控制研究

针对Ocean Info平台中的舰船运动控制,研究舰船在航向保持中的混沌运动及其控制问题。基于PID控制方法的简单性和有效性,应用PID控制进行平台中的舰船混沌运动的有效控制和航向保持,对其控制参数难以确定的问题,提出改进的动态混沌粒子群优化(PSO)算法进行控制器参数整定并进行仿真实验。实验结果表明:本文提出的改进优化算法能够实现PID参数的优化整定,其结果能够更为有效地进行舰船航向保持及混沌运动控制,且方法简单、容易编程实现。     

一种新型船舶航向智能PID控制器优化设计

借鉴免疫系统的免疫响应调节机制,对传统PID控制器进行改进,建立一种非线性自适应免疫PID控制器,并利用粒子群算法对设计的PID控制器进行参数优化.将设计的控制器用于船舶航向控制系统中,实验仿真结果表明:该控制器能很好的根据船舶动态特性的变化,自动地进行适应性免疫调节,具有跟踪速度快、航向控制超调小以及抗扰性强等优点.     

基于改进粒子群算法的蒸汽发生器水位控制优化

核动力装置蒸汽发生器的水位控制系统,多采用串级三冲量PID控制方案.为了克服传统的控制器参数整定方法的局限性,应用粒子群优化算法对主调节器进行参数整定,获得了相对最优参数.仿真结果表明,与传统整定方法相比,这种参数整定方案得到的控制参数能使水位控制系统具有更好的控制品质.     

基于PSO的船舶动力定位自适应反步控制器

在船舶动力定位实际的作业过程中,由于海洋环境是缓慢变化的,建立的对象模型总存在一定的不确定性。针对上述问题,本文提出利用自适应反步控制器对船舶进行控制,并利用粒子群算法对控制器参数进行寻优,最后通过计算机仿真对本文方法进行了验证,仿真结果表明该方法有效。     

基于遗传算法的核动力舰船蒸汽发生器水位PID控制研究

采用遗传算法对PID参数进行寻优,在搜索空间内获得全局最优点,将遗传算法和Z-N整定的结果作了比较,仿真结果表明,采用遗传算法能获得较好的控制效果,在蒸汽发生器水位控制过程中,可以采用遗传算法来优化PID控制器参数。     

基于OIPSO算法的环境最优动力定位控制器设计

环境最优动力定位控制是一种以能量消耗最少为目标的动力定位控制方法,在不需要任何环境传感器的情况下,使其保持在设定区域且消耗能量最少,节约燃料、减少有害气体的排放。首先,提出一种带有目标性初始化粒子群的改进粒子群优化算法(OIPSO),通过引入混沌算子,利用信息熵进行评估对初始化粒子种群进行调整以提高粒子群算法全局搜索能力和收敛速度,具有大范围全局寻优能力。其次,研究设计环境最优艏向控制器控制律,该控制律能满足欠驱动船舶动力定位的控制需求。最后以Cyber Ship Ⅱ动力定位模型船为对象进行仿真验证。结果表明,所提出的寻优算法和改进控制律达到了设计的目的。     

船舶工程中的云粒子群算法研究

船舶在航行过程中的航向控制对于船舶航行安全是非常重要的。本文首先阐述传统的云粒子群算法,然后针对其陷入局部最优等缺点进行改进,利用云变异的云自适应粒子群优化算法进行船舶航向PID控制,并进行仿真实验。实验结果表明,本文算法具有较强的鲁棒性和稳定性。     

粒子群算法在船舶电网系统中的应用

介绍粒子群算法的原理,并根据算法中的问题,改进粒子群算法,将自适应粒子群优化算法应用于船舶电网系统中。对自适应粒子群优化算法中的参数进行调整和变异,增强了种群全局寻优的速度和精度。最后将此算法应用于船舶电网系统的无功优化中,并通过对比实验说明本文所采用的算法在稳定系统电压方面效果明显。     

一种半潜式支持平台靠泊路径跟踪控制方法

针对PSO算法在应用到路径跟踪时，容易陷入局部最优的缺陷和惯性权重调节机制的局限性，提出基于粒子进化率的改进IM-PSO优化算法。该算法一方面利用粒子的进化率及时调整粒子的惯性权重，提高算法的搜索速度；另一方面利用免疫系统的免疫机制增加粒子的多样性，提高PSO算法摆脱局部最优的能力。选取北海型半潜式支持平台作为工程案例，在北海真实海况下进行靠泊路径跟踪控制的仿真分析，对PID路径跟踪控制器参数进行优化。仿真结果表明，与标准PSO优化方法相比，该方法优化的靠泊路径跟踪控制器的稳定性更高，提高了运算效率，收敛精度更高。     

水下无人集群优化部署算法设计与分析

部署优化是水下无人传感器集群重要任务之一,针对水下探测需要,本文设计基于粒子群与人工鱼群法混合部署算法。首先利用先用改进粒子群算法进行初期寻优,然后利用人工鱼群算法进行后期寻优,完成水下无人集群节点部署优化设计。通过对特定场景设计,设定实验约束条件,利用Matlab完成优化部署算法的系统仿真实验,对覆盖率进行对比分析,得出部署优化算法覆盖率提高了25%,覆盖度曲线初期收敛快,后期寻优效果有明显提升。     

一种参数自整定PID在变频冷却水系统的仿真研究

由于船舶在航行过程中海水温度、主机运行情况等参数变化会导致常规的PID控制效果不理想,所以需要对船舶变频冷却水系统的控制器进行改进。文章建立了船舶中央冷却水系统的数学模型,并在Matlab/Simulink环境下建立了仿真模型。利用BP神经网络的特性实现PID参数的自整定,并用BP神经网络PID控制器与传统PID控制器分别对系统进行控制,比较其控制效果。仿真结果表明,BP神经网络PID控制器的控制精度和鲁棒性优于传统PID控制器。     

船舶柴油发电机组智能控制及优化

由于传统PID控制在复杂多变系统难以做到精确控制,因此结合PID控制与模糊控制策略应用于发电机组的调速系统与励磁系统,对船舶发电机组实现模糊PID控制。由于模糊控制的控制规则取决于人为主观经验,且模糊控制规则和隶属度函数需要大量实验与经验佐证,采取PSO粒子群算法对模糊PID控制中的隶属度函数进行优化。根据Matlab仿真平台模型搭建及分析,表明PSO粒子群算法优化后的模糊PID控制使得船舶柴油发电机组的调速系统与励磁系统更加优化稳定,具有良好的稳态与动态性能。     

云模型自适应算法在船舶航向控制系统中的应用

我国航运发达,船舶在航行的过程中会受到风浪流等不确定因素的影响,人们在提高航行安全性和可靠性方面进行了大量的研究。本文利用云模型对传统的粒子群算法进行优化,在优化过程中主要采用的是正态云粒子发生器,对种群中不同区间中的粒子,通过自适应的方式获取惯性权重值,并详细地阐述了算法的实现过程。最后利用Matlab进行系统仿真,在仿真的过程中增加了白噪声干扰,实验结果表明本文算法较PID控制鲁棒性强、调节速度快、能耗少。     

基于PSO优化扩展卡尔曼滤波的电机参数估计方法研究

针对传统扩展卡尔曼滤波算法应用于感应电机参数估计时,由固定测量噪声与真实噪声的差值所引起的估计误差问题,提出了一种粒子群优化扩展卡尔曼滤波的感应电机参数估计方法.以粒子群算法对扩展卡尔曼滤波算法中人为设定的固定测量噪声进行迭代寻优,同时引入全局最优变量,避免陷入局部最优,使寻优得到的测量噪声最大程度逼近真实的噪声水平.仿真结果表明,使用粒子群优化的扩展卡尔曼滤波方法降低了感应电机参数估计的误差,证明了该方法的有效性.     

粒子群算法优化PID的USV航向稳定性控制

航向稳定性直接影响水面无人艇(USV)的安全航行,针对当前USV航向稳定性控制存在的控制误差大、抗干扰能力弱等缺陷,设计了粒子群算法优化PID的USV航向稳定性控制方法。首先将PID控制方法引入到USV航向稳定性控制中,然后采用粒子群算法对PID控制参数进行动态优化,以适应USV航向稳定性控制误差的变化,提高USV航向稳定性控制的鲁棒性,最后与其他USV航向稳定性控制方法进行对比测试,本文方法的USV航向稳定性控制精度高达90%以上,而且在受到外界干扰时,可以快速保证USV航向稳定,提高了USV航向稳定性控制的抗干扰能力,本文方法的USV航向稳定性控制效果要优于经典USV航向稳定性控制方法,验证了本文方法的优越性。