基于改进量子粒子群算法的纸浆浓度控制系统

基于改进量子粒子群算法的纸浆浓度控制系统

论文摘要

目的为了克服传统PID控制在具有大时滞性、非线性等特点的纸浆浓度控制系统中性能不足和参数调整困难等问题,研究参数在线调整的方法。方法在传统PID控制的基础上,结合量子粒子群仿生算法(QPSO),提出一种量子粒子群算法优化的传统PID控制器参数,并应用于纸浆浓度控制系统;同时对基本量子粒子群算法进行改进,引入交叉算子,并将该控制算法应用到纸浆浓度控制系统中,并与传统控制进行对比。结果与传统PID控制和基本量子粒子群优化的PID相比较,改进的优化算法能够得到更加令人满意的控制效果,具有系统超调量小、响应速度快、鲁棒性高等优良的性能。结论基于改进的量子粒子群优化算法的纸浆浓度控制系统可有效控制纸浆浓度,能够明显提高系统的控制精度等性能指标,更好地满足实际应用的要求。

论文目录

  • 1 纸浆浓度控制系统
  •   1.1 控制系统组成及调节原理
  •   1.2 纸浆浓度的数学模型
  • 2 基本量子粒子群算法及其改进算法
  •   2.1 基本量子粒子群算法 (QPSO)
  •   2.2 改进量子粒子群算法 (IQPSO)
  • 3 基于IQPSO算法的控制器参数优化结构
  • 4 仿真结果
  • 5 结语
  • 文章来源

    类型: 期刊论文

    作者: 郑飞,汤兵勇

    关键词: 纸浆浓度,时滞性,传统控制,量子粒子群算法,交叉算子,参数优化

    来源: 包装工程 2019年05期

    年度: 2019

    分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

    专业: 有机化工,轻工业手工业,自动化技术

    单位: 佛山开放大学理工学院,东华大学旭日工商管理学院

    基金: 广东远程开放教育科研基金(YJ1807),佛山市社科规划项目(2018-GJ059)

    分类号: TP18;TS73

    DOI: 10.19554/j.cnki.1001-3563.2019.05.027

    页码: 196-201

    总页数: 6

    文件大小: 1322K

    下载量: 120

    相关论文文献

    • [1].电阻率测深数据的粒子群算法反演[J]. 红水河 2019(06)
    • [2].以云计算资源为基础实现粒子群算法的优化[J]. 电子技术与软件工程 2019(24)
    • [3].基于改进粒子群算法的机组负荷优化分配研究[J]. 科技创新导报 2019(28)
    • [4].基于改进粒子群算法的工程项目多目标集成管理研究[J]. 价值工程 2020(05)
    • [5].改进粒子群算法应用于挖掘机铲斗位置控制[J]. 机械设计与制造 2020(02)
    • [6].基于改进量子粒子群算法的输电网规划[J]. 计算机产品与流通 2020(02)
    • [7].基于改进粒子群算法的主动配电网网架优化研究[J]. 电气应用 2020(01)
    • [8].采用改进粒子群算法优化的涡轮增压器节能研究[J]. 中国工程机械学报 2020(01)
    • [9].进化粒子群算法在航空发动机模型求解中的应用[J]. 工程与试验 2019(04)
    • [10].粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版) 2020(02)
    • [11].基于改进的粒子群算法求解供应链网络均衡问题[J]. 运筹与管理 2020(02)
    • [12].基于粒子群算法的航班座位自动分配系统[J]. 科技创新导报 2019(36)
    • [13].一种求解电力系统无功优化的改进粒子群算法[J]. 电工技术 2020(12)
    • [14].基于改进粒子群算法的主动微波遥感土壤水分反演方法研究[J]. 河南农业 2020(17)
    • [15].基于混合粒子群算法的注塑机电液伺服系统控制研究[J]. 机床与液压 2020(16)
    • [16].基于量子粒子群算法的大型阵稀疏优化方法[J]. 航空科学技术 2020(08)
    • [17].基于粒子群算法的函数复杂度分类法[J]. 控制工程 2020(08)
    • [18].协同粒子群算法下的火工品参数辨识[J]. 企业科技与发展 2020(09)
    • [19].基于家庭角色视角下家庭粒子群算法研究——评《家庭粒子群算法:方法、理论与性能分析》[J]. 中国科技论文 2020(09)
    • [20].基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版) 2020(05)
    • [21].惯性权重矩阵下的自适应粒子群算法分析[J]. 黑龙江工程学院学报 2020(05)
    • [22].基于改进粒子群算法的有效大数据多标准过滤系统设计[J]. 电子设计工程 2020(20)
    • [23].浅谈粒子群算法的应用[J]. 计算机产品与流通 2019(11)
    • [24].基于粒子群算法的最优值求解[J]. 科技广场 2017(12)
    • [25].基于混合粒子群算法的船舶稳定性分析[J]. 舰船科学技术 2018(14)
    • [26].自适应粒子群算法在模拟电路故障诊断中的应用[J]. 软件导刊 2017(02)
    • [27].基于改进量子粒子群算法的电力系统经济调度仿真研究[J]. 实验技术与管理 2017(03)
    • [28].改进的粒子群算法在云计算下的数据挖掘中的研究[J]. 科技通报 2017(04)
    • [29].基于改进粒子群算法的移动机器人路径规划[J]. 传感器与微系统 2017(05)
    • [30].一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J]. 水下无人系统学报 2017(03)

    标签:;  ;  ;  ;  ;  ;  

    基于改进量子粒子群算法的纸浆浓度控制系统
    下载Doc文档

    猜你喜欢