基于改进粒子群算法的柴油机调速策略研究

发布时间：2020-04-16 10:47

【摘要】：在船用柴油机电子控制技术的应用中,电子调速系统是一个重要组成部分。在当前的柴油机调速系统中,通常采取PID控制技术,传统PID控制器的参数在设定完成之后通常不变,这导致PID控制器的参数有可能不是最佳参数,不能实现最佳控制效果。而粒子群(Particle Swarm Optimization,PSO)算法能根据系统的误差对PID参数进行自动调节和更新,可使系统一直保持在最佳状态。本文将PSO算法与PID相结合,并在柴油机调速控制上成功应用。本文的主要研究工作如下:首先,研究PSO算法的基本原理和组成,根据传统PID控制器的控制原理,设计一种智能PID控制器。将该智能PID控制器用于控制经典的时滞系统,通过分析试验数据,发现当前PSO算法存在粒子跳跃的问题,提出一种避免出现该问题的改进方法。将基于改进PSO算法的PID控制器用于对经典的时滞系统进行控制,并与传统PID控制器和基于标准PSO算法的PID控制器进行比较。实验结果表明,该智能PID控制器优于传统PID控制器,同时,对PSO算法的改进是有效的,提升了算法的收敛精度。其次,基于Matlab/Simulink软件和柴油机工作原理,建立了D6114型柴油机平均值模型和柴油机调速系统模型。分别用经典PID控制器、基于PSO算法的PID控制器和基于标准PSO算法的PID控制器对该模型进行控制,进行柴油机启动和负载突变的仿真试验。结果表明,基于改进PSO算法的PID控制器优于另外两种PID控制器,具有更小的超调率和更短的稳定时间。最后,进行硬件在环仿真测试平台的研究,并进行硬件搭建、ECU配置、软件配置和波表生成等准备工作。分别进行基于不同算法的PID控制器的柴油机调速系统硬件在环仿真测试,根据实验结果,进一步验证了基于改进PSO算法的PID控制器是可行的。
【学位授予单位】：中国舰船研究院
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;U664.121

【相似文献】

相关期刊论文 前10条

1 陈建新;崔广才;;基于改进粒子群算法的函数优化研究[J];电脑迷;2018年01期

2 周慧;;基于粒子群算法的最优值求解[J];科技广场;2017年12期

3 吴丰;郭晓娟;;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年14期

4 邓广彪;;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年04期

5 张钊旭;王志杰;李建辰;王贵奇;许军;杨进候;;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年03期

6 朱俚治;王兴虎;;试谈粒子群算法[J];电脑编程技巧与维护;2017年11期

7 朱宝;;基于改进粒子群算法的盾构掘进施工优化研究[J];辽宁科技学院学报;2017年03期

8 袁正午;李君琪;;基于改进粒子群算法的云资源调度[J];计算机工程与设计;2016年02期

9 江嘉伟;毋文峰;;一种改进的粒子群算法[J];电脑编程技巧与维护;2016年06期

10 张卫明;周庆忠;黎武;;基于改进粒子群算法的野战油库选址优化[J];兵器装备工程学报;2016年08期

相关会议论文 前10条

1 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

2 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

3 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

4 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

5 王波;肖健梅;王锡淮;;基于改进粒子群算法的车辆路径问题研究[A];2007中国控制与决策学术年会论文集[C];2007年

6 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年

7 黄胜;任万龙;王超;何新;;多目标粒子群算法在翼型优化的应用[A];第二十五届全国水动力学研讨会暨第十二届全国水动力学学术会议文集（上册）[C];2013年

8 王莹;盛四清;;基于改进粒子群算法的电压薄弱区域恢复[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

9 孟繁敏;杨彬;张其林;;改进的粒子群算法在钢框架截面优化中的应用[A];第十三届全国现代结构工程学术研讨会论文集[C];2013年

10 孔宪仁;秦玉灵;罗文波;;带飞行因子的粒子群算法的铝蜂窝板模型修正[A];结构及多学科优化工程应用与理论研讨会’2009（CSMO-2009）论文集[C];2009年

相关博士学位论文 前10条

1 钟继如;基于混合粒子群算法的小冲杆试验预测材料强度的研究[D];华东理工大学;2019年

2 刘天宇;基于协作学习和文化进化机制的量子粒子群算法及应用研究[D];西安电子科技大学;2017年

3 孟丽;粒子群算法及其在分数阶系统辨识中的应用研究[D];华北电力大学(北京);2016年

4 韩佳伟;多层级苹果预冷过程模拟及预冷控制决策优化[D];北京工业大学;2018年

5 雷开友;粒子群算法及其应用研究[D];西南大学;2006年

6 王芳;粒子群算法的研究[D];西南大学;2006年

7 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年

8 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

9 王雪飞;粒子群算法的动态拓朴结构研究[D];西南大学;2008年

10 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

相关硕士学位论文 前10条

1 王源;基于混合粒子群算法的三轴气浮台平台优化设计[D];沈阳工业大学;2019年

2 贾波凯;基于改进粒子群算法的柴油机调速策略研究[D];中国舰船研究院;2019年

3 熊龙飞;基于CEEMDAN与粒子群算法的旋转机械故障诊断研究[D];南京农业大学;2017年

4 李东;改进粒子群算法及结构优化设计应用研究[D];浙江工业大学;2018年

5 曹宁;粒子群算法在参数化BIM模型优化中的应用研究[D];天津大学;2018年

6 李莎;风光微燃机多能互补发电系统优化设计与仿真[D];浙江工业大学;2018年

7 刘紫丹;基于粒子群算法和人工势场法的AGV路径规划研究与应用[D];深圳大学;2018年

8 李国庆;面向复杂多模态多目标优化问题的粒子群算法研究[D];郑州轻工业大学;2019年

9 宋奕萌;基于修正偶应力理论的非线性微梁的尺度效应分析[D];吉林大学;2018年

10 赵昊;基于混沌粒子群算法优化硅基波导光栅耦合器的研究[D];山东大学;2018年

，

本文编号：2629695