基于粒子群布谷鸟融合算法的主汽温系统控制器参数优化

doi:10.3969/j.issn.1000-1565.2021.02.016

河北大学学报(自然科学版) ›› 2021, Vol. 41 ›› Issue (2): 218-224.DOI: 10.3969/j.issn.1000-1565.2021.02.016

• • 上一篇

基于粒子群布谷鸟融合算法的主汽温系统控制器参数优化

王瑾,蔡迢阳,任梦,吕清

收稿日期:2020-09-02 出版日期:2021-03-25 发布日期:2021-04-07
通讯作者: 吕清(1981—)
作者简介:王瑾(1989—),女,河北保定人,河北师范大学讲师,主要从事智能控制算法研究.
E-mail:15933118610@163.com
基金资助:
国家自然科学基金资助项目(61603121)

Parameter optimization of main steam temperature system controller based on PSO cuckoo fusion algorithm

WANG Jin, CAI Tiaoyang, REN Meng, LYV Qing

College of Engineering, Hebei Normal University, Shijiazhuang 050000, China

Received:2020-09-02 Online:2021-03-25 Published:2021-04-07

摘要/Abstract

摘要： 火电厂主汽温系统具有大惯性、大时滞特性,经典串级比例-积分-微分控制器(PID)难以实现对主汽温系统的精细控制,本文利用粒子群与布谷鸟的融合算法对主汽温控制系统的控制器参数进行优化,通过选择合适的目标函数,对某600 MW直流锅炉主汽温控制系统进行了优化,与工程整定法、粒子群算法的控制结果相比,粒子群布谷鸟融合算法具有更好的全局寻优特性,具有更好的动态性能与抗干扰能力.

关键词: 粒子群算法, 布谷鸟算法, 主汽温控制系统

Abstract: The main steam temperature system of power plant has the characteristics of large inertia and large time delay. The classical cascade PID control is difficult to implement the precise control of the main steam temperature system. In this paper, the fusion algorithm of particle swarm optimization and cuckoo is used to optimize the controller parameters of the main steam temperature control system. By selecting the appropriate objective function, the main steam temperature control system of a 600 MW once-through boiler is optimized. Compared with the control results of PSO algorithm and practical tuning method, PSO-cuckoo fusion algorithm has better global optimization characteristics, better dynamic performance and anti-interference ability.

Key words: particle swarm optimization, cuckoo algorithm, main steam temperature system

中图分类号:

TP273

王瑾,蔡迢阳,任梦,吕清. 基于粒子群布谷鸟融合算法的主汽温系统控制器参数优化[J]. 河北大学学报(自然科学版), 2021, 41(2): 218-224.

WANG Jin, CAI Tiaoyang, REN Meng, LYV Qing. Parameter optimization of main steam temperature system controller based on PSO cuckoo fusion algorithm[J]. Journal of Hebei University(Natural Science Edition), 2021, 41(2): 218-224.

参考文献

[1] 韩璞,刘淼,王东风,等.过热汽温系统无记忆状态反馈H_∞鲁棒预测控制[J].动力工程学报,2018,38(1):36-42.DOI:10. 3969/j.issn.1674-7607.2018.01.007.
[2] 牛海明,于佼,丁常富,等. 基于多目标粒子群算法的过热汽温自抗扰控制 [J]. 中国电力,2020,53(3):126-132. DOI:10.11930/j.issn.1004-9649.201908096.
[3] 刘帅,刘长良.基于帝国竞争算法的主汽温控制系统参数优化研究[J].系统仿真学报,2017,29(2): 368-373. DOI:10.16182/j.issn1004731x.joss.201702018.
[4] TSENG C S, CHEN B S, UANG H J. Fuzzy tracking control design for nonlinear dynamic systems via T-S fuzzy model[J]. IEEE Trans Fuzzy Syst, 2001, 9(3): 381-392. DOI:10.1109/91.928735.
[5] 周宏宇,王小刚.基于改进粒子群算法的飞行器协同轨迹规划[J].自动化学报,2020,46(1):1-7. DOI:10.16383/j.aas.c190865.
[6] 许胜才,蔡军,程昀,等.基于拓扑结构与粒子变异改进的粒子群优化算法[J].控制与决策,2019,34(2): 419-428. DOI:10.13195/j.kzyjc.2017.1063.
[7] 高哲,廖晓钟.基于平均速度的混合自适应粒子群算法[J].控制与决策,2012,27(1): 152-155. DOI:10.13195/j.cd.2012.01.155.gaozh.029.
[8] 司文静,封喜波,耿立艳,等.基于ADPSO算法优化LSSVM的高速公路交通量预测方法[J].河北大学学报(自然科学版),2017, 37(3): 302-308. DOI:10.3969/j.issn.1000-1565.2017.03.013.
[9] ZAW M M, MON E E. Web document clustering by using PSO-based cuckoo search clustering algorithm[M] //Yang x s.Studies in Computational Intelligence. Cham: Springer International Publishing, 2014: 263-281. DOI:10.1007/978-3-319-13826-8_14.
[10] WANG F, LUO L G, HE X S, et al. Hybrid optimization algorithm of PSO and Cuckoo Search[Z]. 2011 2nd International Conference on Artificial Intelligence, Management Science and Electronic Commerce(AIMSEC), DengFeng, China, 2011: 1172-1175. DOI:10.1109/AIMSEC.2011.6010750.
[11] KARTHIKEYAN M, VENKATALAKSHMI K. Energy conscious clustering of wireless sensor network using PSO incorporated cuckoo search[Z]. 2012 Third International Conference on Computing, Communication and Networking Technologies(ICCCNT12), Coimbatore, India, 2012: 1-7. DOI:10.1109/ICCCNT.2012.6395963.
[12] YANG X S, DEB S. Cuckoo search via lévy flights[Z]. 2009 World Congress on Nature & Biologically Inspired Computing(NaBIC), Coimbatore, India, 2009: 210-214. DOI:10.1109/NABIC.2009.5393690.
[13] YANG X S. Nature-inspired metaheuristic algorithms[M]. znd. Uk:Luniver Press,2010:11-16.
[14] 范永胜,徐治皋,陈来九.基于动态特性机理分析的锅炉过热汽温自适应模糊控制系统研究[J].中国电机工程学报,1997,17(1): 23-28. DOI:10.13334/j.0258-8013.pcsee.1997.01.006. (

基于粒子群布谷鸟融合算法的主汽温系统控制器参数优化

Parameter optimization of main steam temperature system controller based on PSO cuckoo fusion algorithm

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 7

编辑推荐

Metrics

本文评价

[1]	金秀章,张少康. 基于神经网络在线学习的脱硝系统入口氮氧化物预测[J]. 河北大学学报(自然科学版), 2018, 38(4): 423-431.
[2]	李博,田瑞兰,张炜华 ,刘国欣. 粒子群算法在非线性金融风险模型中的应用[J]. 河北大学学报(自然科学版), 2018, 38(3): 225-231.
[3]	陈丽,侯晨伟,张晋国. 基于全寿命周期成本的配电网多阶段无功规划[J]. 河北大学学报(自然科学版), 2015, 35(3): 316-323.
[4]	芦琴,李亚敏. 基于改进微粒群算法的带有软水管的混凝土热学参数反分析[J]. 河北大学学报(自然科学版), 2012, 32(4): 353-357.
[5]	张玉芬,王永军. 一种全局优化的两阶段算法[J]. 河北大学学报(自然科学版), 2012, 32(2): 207-211.
[6]	任玉艳,王洪瑞,鲍洁. 粒子群优化BP网络及其应用[J]. 河北大学学报(自然科学版), 2011, 31(4): 445-448.
[7]	陈亚婷,吴博,张国春. 基于一种推广的Choquet积分的回归模型[J]. 河北大学学报(自然科学版), 2010, 30(4): 353-355,360.