基于混沌粒子群优化的烧结过程自抗扰协调控制下载

AI100_小助手 2020-04-20 08:49:53

在分析烧结料层的物料运行及烧结终点界定的基础上,引入混沌粒子群优化自抗扰控制器参数的控制策略,实现对烧结过程中的台车速度及其与圆辊给料机转速间的速比的控制。为准确确定烧结终点状态,提高烧结矿的有效烧结效率,以烧结机尾料层断面图像的灰度值为基础数据,提出了判断烧结状态及提供反馈控制量的经验公式。将经验公式与自抗扰控制器相结合,最终实现了台车速度增量及速比增量的协调控制。依据机尾料层断面火焰图像灰度数据,对连续4d的烧结机台车速度及速比进行调节,得到变化趋势相同的台车速度及圆辊转速过程曲线,表明本文构建的方法是有效的。
相关下载链接：//download.csdn.net/download/weixin_38713167/12340636?utm_source=bbsseo

...全文

17 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

在分析烧结料层的物料运行及烧结终点界定的基础上,引入混沌粒子群优化自抗扰控制器参数的控制策略,实现对烧结过程中的台车速度及其与圆辊给料机转速间的速比的控制。为准确确定烧结终点状态,提高烧结矿的有效烧结效率,以烧结机尾料层断面图像的灰度值为基础数据,提出了判断烧结状态及提供反馈控制量的经验公式。将经验公式与自抗扰控制器相结合,最终实现了台车速度增量及速比增量的协调控制。依据机尾料层断面火焰图像灰度数据,对连续4d的烧结机台车速度及速比进行调节,得到变化趋势相同的台车速度及圆辊转速过程曲线,表明本文构建的方法是有效的。

多个函数利用多种粒子群算法解决优化问题：用二阶粒子群优化算法求解无约束优化问题用二阶振荡粒子群优化算法求解无约束优化问题用混沌粒子群优化算法求解无约束优化问题用基于选择的粒子群优化算法求解无约束优化问用基于交叉遗传的粒子群优化算法求解无约束优化问用基于模拟退火的粒子群优化算法求解无约束优化问题用随机权重粒子群优化算法求解无约束优化问题用学习因子同步变化的粒子群优化算法求解无约束优化问题用学习因子异步变化的粒子群优化算法求解无约束优化问题

2.1粒子群算法思想的起源 粒子群优化(Particle Swarm Optimization, PSO)算法是Kennedy和Eberhart受人工生命研究结果的启发、通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智能的全局随机搜索算法，自然界中各种生物体均具有一定的群体行为，而人工生命的主要研究领域之一是探索自然界生物的群体行为，从而在计算机上构建其群体模型。自然界...

1 基于tent混沌改进粒子群为改善基本粒子群优化算法的寻优性能,通过算法混合,在粒子群优化算法中遥步引入优进策略和混沌搜索机制,以加强粒子群的局部寻优效率和全局寻优性能.井将粒子分为两类,分别执行不同的进化机制,实现协同寻优,从而构建为一种新的混沌混合粒子群优化算法.标准测试函数的仿真优化结果表明,该混合算法对较大规模的复杂问题具有较强的求解能力.算法寻优效率高,全局性能好,优化结果稳定,性能明显优于标准粒子群优化算法以及遗传算法等单一的随机搜索方法. 2 部分代码 ..

混沌映射是一类具有高度复杂性和随机性质的非线性动力系统，它具有敏感依赖于初值和参数的特点，可以产生看似无规律的运动轨迹。基于混沌映射的粒子群算法（Chaotic Particle Swarm Optimization，CPSO）则是利用混沌映射的这种随机性质，来增强粒子群算法的全局搜索能力。 CPSO算法与传统粒子群算法的主要区别在于，它使用混沌映射生成随机数序列来代替传统粒子群算法中使用的伪随机数序列，以增加算法的随机性和多样性。

下载资源悬赏专区

12,778

社区成员

12,305,933

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章