粒子群优化PID的舰船电气设备自动控制研究

发布时间：2021-06-09 22:01

　　为减少舰船电气设备自动控制误差,设计一种粒子群优化PID的舰船电气设备自动控制方法。首先建立舰船电气设备自动控制系统数学模型,然后将粒子群优化算法与PID控制算法结合,最后建立目标函数,实现粒子群优化PID的舰船电气设备自动控制。实验结果表明,此次研究的粒子群优化PID的舰船电气设备自动控制方法不仅减少了舰船电气设备自动控制误差,还减少了电气设备自动控制调节时间,能够满足舰船电气设备自动控制需求。 

【文章来源】：舰船科学技术. 2020,42(24)北大核心

【文章页数】：3 页

【部分图文】：

图2粒子群优化PID的舰船电气设备自动控制原理Fig.2PrincipleofautomaticcontrolofshipelectricalequipmentbasedonparticleswarmoptimizationPID

i<(1+σ)ki,(Iσ)kd<kd<(1+σ)kd,(4)式中：kp，ki，kd作为控制器参数；kn，kq，kd分别为整定值。kpkikd在实际应用粒子群优化算法与PID控制算法对舰船电气设备自动控制时，将，，作为控制参数，原理如图2所示。图2粒子群优化PID的舰船电气设备自动控制原理Fig.2PrincipleofautomaticcontrolofshipelectricalequipmentbasedonparticleswarmoptimizationPID在实际应用时，合理调整这3个控制参数，以实图1粒子群优化PID算法流程Fig.1ParticleswarmoptimizationPIDalgorithmflow第42卷李志鹏：粒子群优化PID的舰船电气设备自动控制研究·107·

现对舰船电气设备的自动控制，并且能够降低舰船电气设备自动控制误差。3实验对比3.1正弦跟踪误差对比由此次设计的粒子群优化PID的舰船电气设备自动控制方法与传统控制方法输出的稳态误差曲线对比结果如图3所示。图3电气设备自动控制稳态误差对比Fig.3Comparisonofsteady-stateerrorsofelectricalequipmentautomaticcontrol由图3可知，跟踪误差在0.01内波动，误差较校而传统的电气设备自动控制方法跟踪误差波动范围较大，说明传统控制方法的控制效果没有此次研究的粒子群优化PID的舰船电气设备自动控制方法的控制效果好。3.2调节时间对比采用传统的舰船电气设备自动控制方法与此次研究的粒子群优化PID的舰船电气设备自动控制方法对舰船电气设备自动控制，调节时间对比结果如图4所示。分析可知，此次研究的粒子群优化PID的舰船电气设备自动控制方法花费的调节时间较少，在几次实验中，所花费的电气设备自动控制调节时间都较少。而传统的电气设备自动控制方法所花费调节时间较多，在几次实验中花费的时间都多于此次研究的粒子群优化PID的舰船电气设备自动控制方法的调节时间。综上所述，此次研究的粒子群优化PID的舰船电气设备自动控制方法比传统控制方法的控制误差小，并且电气设备自动控制调节时间短，证明了此次研究控制方法的有效性。此次研究的方法将粒子群优化算法与PID算法结合，并设定了控制目标，从而保证了舰船电气设备自动控制效果。4结语本文设计了一种粒子群优化PID的舰船电气设备自动控制方法，并通过实验验证了本文控制方法的有效性。此次研究的方法不仅减少了电气设备自动控制误差，还减少了电气设备自动控制的时间。这不仅能够保证

【参考文献】：
期刊论文
[1]基于混合粒子群算法的水轮发电机组调速器PID参数优化[J]. 张剑焜,李志红,李燕,梁兴,魏志芳,朱政.  中国农村水利水电. 2019(01)
[2]基于电气设备的自动控制设计研究[J]. 周欣.  现代制造技术与装备. 2018(12)
[3]基于改进粒子群优化IPSO算法的茶叶烘干机温度控制策略[J]. 乌兰,刘雅荣.  食品与机械. 2018(10)
[4]基于H∞最优控制理论的粒子群优化算法在造纸定量控制中的应用[J]. 李二,林淑怡,张卫东.  中国造纸. 2018(04)



本文编号：3221392