期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

改进的PSO及其在结晶器液位控制中的应用 被引量：11

Improved PSO and its application in crystallizer liquid level control system
在线阅读 下载PDF
导出
摘要 针对粒子群算法存在的易于陷入局部极值和收敛速度慢等不足,提出了基于变惯性权重和多种群并行寻优策略的,通过多种群寻优策略来解决陷入局部极值的问题,利用变惯性权重的方法提高收敛速度。并将改进粒子群算法在连铸结晶器液位PID控制器参数自整定中进行了应用研究,仿真结果表明了此算法在PID参数的自整定过程中的有效性。 Due to the shortcomings of low precision and premature convergence in PSO, an improved PSO algorithm based on variable inertia weight and multi-swarm parallel optimization is proposed. Multi-swarm optimization is used to avoid premature convergence, and variable inertia weight is applied to improve the convergence precision. The proposed IPSO was applied to parameter self-tuning of the crystallizer liquidlevel PID controller in continuous steel casting system. The simulation results show that IPSO is useful for PID self-tuning.
作者 房启超 徐林 王建辉 顾树生
机构地区 东北大学信息科学与工程学院
出处 《仪器仪表学报》 EI CAS CSCD 北大核心 2006年第11期1399-1402,共4页 Chinese Journal of Scientific Instrument
基金 国家自然科学基金(60474040)资助项目。
关键词 改进粒子群算法 PID参数自整定 连铸结晶器 液位控制 improve PSO algorithm PID parameter self-tuning crystallizer in continuous steel casting system liquid-level control
分类号 TP273 [自动化与计算机技术—检测技术与自动化装置]
  • 相关文献

参考文献6

  • 1宋胜利,左敦稳,王珉,冯柯,张琦.基于遗传算法寻优的PID控制技术及应用[J].系统工程理论与实践,2003,23(9):135-139. 被引量：11
  • 2KENNEDY J, EBERHART R Particle searm operation [A]. Proc IEEE Int Conf on Neural Networks[C]. Perth, 1995:1942-1948.
  • 3EBERHART R, KENNEDY J. A new optimize using particle swarm theory [A]. Proc 6th Int Symposiumon Micro Machine and Human Science[C]. Nagoya,1995 : 39-43.
  • 4谢晓锋,张文俊,杨之廉.微粒群算法综述[J].控制与决策,2003,18(2):129-134. 被引量：424
  • 5EBERHART R C, SHI Y. Comparing inertia weights and constriction factors in particle swarm optimization[C], Proceedings of the 2000 International Congress on Evolutionary Computation (San Diego, California),IEEE Service Center, Piscataway, NJ, 2000 : 84-88.
  • 6郭戈,王伟,柴天佑.一种鲁棒预测控制方法及其在连铸中的应用[J].钢铁研究学报,1998,10(3):21-24. 被引量：2

二级参考文献40

  • 1[31]Eberhart R, Hu Xiaohui. Human tremor analysis using particle swarm optimization[A]. Proc of the Congress on Evolutionary Computation[C].Washington,1999.1927-1930.
  • 2[32]Yoshida H, Kawata K, Fukuyama Y, et al. A particle swarm optimization for reactive power and voltage control considering voltage security assessment[J]. Trans of the Institute of Electrical Engineers ofJapan,1999,119-B(12):1462-1469.
  • 3[33]Eberhart R, Shi Yuhui. Tracking and optimizing dynamic systems with particle swarms[A]. Proc IEEE Int Conf on Evolutionary Computation[C].Hawaii,2001.94-100.
  • 4[34]Prigogine I. Order through Fluctuation: Self-organization and Social System[M]. London: Addison-Wesley,1976.
  • 5[1]Kennedy J, Eberhart R. Particle swarm optimization[A]. Proc IEEE Int Conf on Neural Networks[C].Perth,1995.1942-1948.
  • 6[2]Eberhart R, Kennedy J. A new optimizer using particle swarm theory[A]. Proc 6th Int Symposium on Micro Machine and Human Science[C].Nagoya,1995.39-43.
  • 7[3]Millonas M M. Swarms Phase Transition and Collective Intelligence[M]. MA: Addison Wesley, 1994.
  • 8[4]Wilson E O. Sociobiology: The New Synthesis[M]. MA: Belknap Press,1975.
  • 9[5]Shi Yuhui, Eberhart R. A modified particle swarm optimizer[A]. Proc IEEE Int Conf on Evolutionary Computation[C].Anchorage,1998.69-73.
  • 10[6]Kennedy J. The particle swarm: Social adaptation of knowledge[A]. Proc IEEE Int Conf on Evolutionary Computation[C].Indiamapolis,1997.303-308.

共引文献434

同被引文献90

引证文献11

二级引证文献33

仪器仪表学报
2006年 第11期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部