资源描述：
《粒子群优化算法及其在水轮机调速器pid参数优化中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、粒子群优化算法及其在水轮机调速器PID参数优化中的应用第37卷第4期?学术Vo1.37NO.4湖南农机HUNANAGRICULTURALMACHINERY2010年7月Ju1.201O粒子群优化算法及其在水轮机调速器PID参数优化中的应用孙旭伟(华东宜兴抽水蓄能有限公司,江苏宜兴214205)摘要:粒子群优化算法即ParticleSwarm0ptimjzatj0n(Ps0)是由Kennedy和Eberhart于1995年提出的一种基于群智能(SwarmIntelligence)~-法的演化计算(evolutionarycomputation)技
2、术.通过同时动态调整惯性权重和加速度权重以平衡运算性能,提出改进的PS0算法,利用改进PSO优化算法优化的PID控制规律使得调节系统具有更好的动态调节特性和鲁棒性.关键词:粒子群优化算法;水轮机;调速器;PID参数优化中图分类号:TV734.4TP301.6文献标识码:A文章编号:1007—8320(2010)04—0o64—02ParticleswarmoptimizationforhydraulicturbinespeedgovernorPIDparameteroptimizationSUNXu-wei(EastChinaYixingPum
3、pedStorageCo.,Ltd.,Yixing,Jiangshu214205,China)Abstract:ParticleswarmoptimizationisParticleSwarmOptimization(PSO)byKennedyandEberhartin1995proposedbasedonswarmintelligence(SwarmIntelligence)melhodsofevolutionarycomputation(evolutionarycomputation)technology.Dynamicallyadjust
4、edthroughthesameinertiaweightandaccelerationofweighttobalancethecomputingperformance.animprovedPSOalgorithm,theimprovedPSOalgorithmoptimizationofPIDcontrollawmakestheadjustmentsystemhasbeRerdynamicregulationcharacteristicsandrobustness.Keywords:Particleswarmoptimization;turb
5、ine;governor;PIDparameteroptimization粒子群优化算法即ParticleSwarmOptimization(PSO)是由Kennedy和Eberhart于1995年提出的一种基于群智能(SwarmIntelligence)方法的演化计算(evolutionarycomputation)技术.PSO的基本概念源于对鸟群捕食行为的研究.PSO中,每个优化问题的潜在解都是搜索空间中的一只鸟,称之为"粒子".所有的粒子都有一个由被优化的函数决定的目标函数值,每个粒子还有一个速度决定他们飞翔的方向和距离.然后粒子们就追随
6、当前的最优粒子在解空间中搜索.PSO初始化为一群随机粒子,然后通过迭代找到最优解.在每一次迭代中,粒子通过跟踪两个极值来更新自己.第一个就是粒子本身所找到的最优解(个体极值).另一个极值可以是整个粒子群目前找到的最优解(全局极值),此时的PS0算法称为全局版PSO算法,也可以是该粒子的邻居所找到的最优解,此时的PSO算法称为局部版PSO算法.1标准PSO算法假设在一个D维的H标搜索空fbj内,南m个粒子组成的一个群落,其中第个粒子的当前位置可以表示为一个D维的向量:(,,…,),i=1,2,…,m,每个粒子的位置就是收稿日期:2010—05—1
7、8作者简介:孙旭伟(198I一),男,助理工程师,主要从事电站机组运行管理工作.一个候选解.将代人一个指定的目标函数就可以计算出其相应值,根据目标函数值的大小衡量的优劣.第i个粒子的"飞翔"速度也是一个D维的向量,记为=(,'/3,…,),1,2,…,m.第i个粒子迄今为止搜索到的最优位置记为=(PP,…,P),i=1,2,…,m,整个粒子群迄今为止搜索到的最优位置记为:(pgl,P,…,pC).粒子群每向前演化一代,就用下列方程对每个粒子的位置和速度进行更新:fV(+1)--wV()+c,r】(
8、p
9、一x())+c2r2(()),=1,2,…
10、,m{Ix(+1)=X(k)+(+1),:l,2,…,,(1)式中表示迭代的次数;埘表示惯性权重,通常设定在0.9至0.4之问;c2为学习因子,通常取
