差分粒子群算法在变风量空调末端中的应用

发布时间：2022-02-23 00:44

　　针对变风量空调末端系统非线性,难以建立精确模型的特点,提出基于改进的差分粒子群算法优化的PID参数整定方法。根据室内温度的实际值与测量值差值的变化,采用惯性权重呈指数形式下降的粒子群算法,使得各个阶段的粒子寻优达到最优;将其与差分算法相结合,利用判断因子对微粒的更新方式进行调控。应用于PID控制器参数优化,并应用于变风量空调系统末端控制。结果表明,该方法稳定时间缩短了10.1 s,超调量减少3.6%。 

【文章来源】：电子器件. 2019,42(05)北大核心

【文章页数】：5 页

【文章目录】：
1 混合差分粒子群算法
    1.1 粒子群算法惯性权重的改进
    1.2 差分进化算法
        1.2.1 变异操作
        1.2.2 交叉操作
        1.2.3 选择操作
    1.3 改进的PSO-DE算法
2 基于PSO-DE算法的PID参数优化
3 变风量空调末端系统模型
4 仿真验证分析
5 结束语


【参考文献】：
期刊论文
[1]基于CQPSO算法的控制系统参数优化[J]. 韦根原,冯新强,韩璞.  系统仿真学报. 2015(07)
[2]变风量空调静压的鲁棒PID控制[J]. 杨世忠,任庆昌.  控制工程. 2013(06)
[3]一种组合粒子群和差分进化的多目标优化算法[J]. 陶新民,徐鹏,刘福荣,张冬雪.  计算机仿真. 2013(04)
[4]一种新的双种群PSO-DE混合算法[J]. 马永刚,刘俊梅,高岳林.  武汉理工大学学报(交通科学与工程版). 2011(06)
[5]基于改进的PSO算法的PID控制在VAV空调系统末端的应用[J]. 马少华,孟繁庆,孙化泽.  沈阳建筑大学学报(自然科学版). 2010(03)

硕士论文
[1]VAV BOX控制算法与仿真[D]. 吴正松.华南理工大学 2012
[2]某中央空调系统节能改造及能耗分析[D]. 沈世平.重庆大学 2011
[3]智能建筑中变风量空调系统的控制与研究[D]. 李友胜.兰州理工大学 2011



本文编号：3640520