针对1000/100液压颚旋式破碎机系统存在的多变量、强耦合、时变性等特性,采用模糊解耦控制算法对其破碎过程进行自动控制,从而优化破碎过程中出现的控制精度低、破碎效率不佳以及破碎产品质量不高等问题。考虑到多输入、多输出模糊控制器设计过程较为复杂,且常规模糊控制又难以达到预期的控制效果,故采用对角矩阵解耦算法将破碎过程动态模型进行简化,解耦得到两个相互独立的单输入、单输出子系统,并分别设计两个模糊控制器对破碎系统进行联合控制;为解决标准PSO算法早熟、易陷入局部最优的问题,提出动态惯性权重改进PSO算法,对模糊控制器控制参数进行寻优。通过仿真以及现场破碎试验结果表明,采用改进PSO算法优化的模糊解耦控制器效果好、稳定性高、鲁棒性强,能较好地满足1000/100液压颚旋式破碎机的控制要求,促进了破碎效率和破碎...

为实现对拖拉机液压油品质的有效监测,保障拖拉机液压系统的平稳运行,基于改进PSO-BPNN设计一种针对拖拉机液压油品质的监测方法。首先,为研究拖拉机液压油品质恶化情况,在液压油新油的基础上配制不同比例的液压油油样。随后,搭建拖拉机液压油品质监测试验装置,并依据试验装置采集与监测液压油粘度、介电常数和温度参数。然后,设计并搭建一种基于改进PSO-BPNN的拖拉机液压油品质监测模型,该模型利用正弦调整惯性权重的PSO算法优化BPNN的权值和阈值初始值,提高模型收敛效率。最后,为验证基于改进PSO-BPNN的液压油品质监测方法的可行性,与基于传统BPNN、标准PSO-BPNN的拖拉机液压油品质监测模型进行对比。结果表明,基于改进PSO-BPNN的拖拉机液压油品质监测方法具有较快的收敛速度,监测正确率达到97.78%,为优化拖拉机液压油品质监测方法提供参考。...

SCARA机械臂在工作过程中和工作终止后都会出现振动问题,为了降低机械臂的残余振动,选取粒子群作为寻最优抑振轨迹的优化算法,针对粒子群算法在轨迹寻优时收敛性差以及出现停滞现象问题,提出采用非线性递减惯性权重和粒子种群跳跃的方法对粒子群算法进行改进。利用机械臂振动抑制实验平台,使用改进的粒子群算法进行抑振轨迹优化并进行实验研究,验证结果可行且有效,得到抑振指标最小的最优抑振轨迹。

为了提高数控转台液压伺服双马达系统的同步控制精度,设计了一种改进PSO算法和共反馈同步误差校正控制方案。共反馈同步误差校正控制方案利用主反馈误差来实现对跟踪误差的控制,并通过同步误差完成马达控制系统的反馈补偿,以达到更高的同步控制精度并提升运动性能。通过仿真分析得到:采用改进的复合控制方式获得了最小系统超调和稳态误差,并且能够在最短时间内实现位置响应稳态。利用改进PSO算法调试同步误差校正通道的PID超调量为2.385,调节时间为0.872 s,稳态误差为5.822×10^(-3),ITAE为0.6235,表现出优秀的控制性能。通过对比发现,综合运用共反馈同步误差校正并改进PSO算法进行控制时,明显降低了系统超调与波动性,确保了系统静态与动态性能均符合数控转台的控制要求。

针对目前液压支架平衡缸采用PID控制参数整定效果不理想,响应速度不高、精度较低等问题,提出了一种基于改进粒子算法的液压支架平衡缸PID参数整定方法。通过对标准粒子群算法(PSO)的惯性权重和学习因子进行优化,以避免算法过早收敛,提高参数寻优效果,并以此建立了平衡缸PID控制系统的Simulink模型进行仿真。结果表明:改进PSO算法的PID参数调整相应速度较快,参数超调量和稳态误差更低,具备良好的参数整定能力。

针对电液位置伺服系统控制性能不佳的问题,提出一种基于改进PSO算法优化的模型参考自适应(Model Reference Adaptive Control,MRAC)跟踪控制方法。首先,建立电液位置伺服系统数学模型,设计出模型参考自适应控制器;其次,分析PSO算法、APSO算法在参数寻优过程中的不足,提出一种改进的PSO算法;最后,将改进的PSO算法用于模型参考自适应控制器以改善其控制性能。结果表明,改进PSO算法优化的模型参考自适应控制具有响应速度快、跟踪精度高的优点。

伺服系统PID控制参数的优化整定对系统可靠性和稳定性有着重要意义,而传统整定方式下参数优化整定时间较长、效果不佳、反应较慢。为了解决以上问题,提出一种优化交流伺服系统参数的控制方法。基于改进PSO算法实现惯性权重和学习因子随迭代次数的改变自适应调整,引入适应度函数快速优化整定PID控制器参数。利用MATLAB分别对基于遗传算法(GA)、量子遗传算法(QGA)、粒子群算法(PSO)的伺服系统PID参数整定进行仿真实验及对比分析。通过实验测试基于改进PSO算法和GA算法的PID控制器对伺服系统稳定性的影响。结果表明:利用改进PSO算法对PID参数进行优化整定,使得伺服系统具有鲁棒性强、稳定性高、超调量小等优点。

为了进一步提高旋风分离器性能,对导叶式旋风分离器结构进行多目标优化。首先构建旋风分离器参数化脚本模型,通过数值模拟与台架试验对模型准确性进行验证,再基于全局高灵敏参数,利用搜索能力强和收敛速度快的改进PSO算法,以分离效率和压降为性能目标对分离器结构进行优化。对比分析优化前后的参数变化率、静压力与湍动能,结合工程需求选取最优方案,并对最优方案进行试验验证。结果表明:优化后的参数配置可有效减弱内部湍流运动强度和能量

引入了一种基于解空间划分的改进粒子群算法,有效地解决了传统粒子群算法前期容易陷入局部极小值的问题,并将此算法应用到RBF神经网络的参数优化和样本学习中.运用聚减累算法确定了径向基函数中心个数,通过改进的PSO优化了网络中基函数的中心值和宽度,最后利用PSO训练网络输出样本,实现了液压钻机的故障诊断.试验结果表明,基于改进PSO优化的RBF神经网络在液压钻机故障诊断中,在样本较小的情况下,具有较快的响应速度以及较高的诊断精度.