-
题名基于改进自适应粒子群算法的MPPT追踪系统
- 1
-
-
作者
刘吉庆
王艳
-
机构
湖南科技大学信息与电气工程学院
-
出处
《湖南工业大学学报》
2024年第5期18-25,共8页
-
基金
纳智能材料器件教育部重点实验室开放课题基金资助项目NJ2022002(INMD-2022M09)。
-
文摘
为优化最大功率点追踪(MPPT)技术的追踪精度和追踪时间,提出一种改进自适应粒子群算法(APSO)。对传统PSO算法进行优化,引入自适应惯性权重和非线性学习因子,使其在全局寻优-局部寻优-全局寻优状态下加速MPPT追踪,最后搭建光伏发电系统对自适应粒子群算法进行仿真验证。试验证明:相比于传统PSO算法,改进的APSO算法追踪精度更高,收敛速度更快。未遮挡环境(STC)恒温和变温下收敛速度提升了30.6%和39.2%,局部遮挡(PSC)恒温和变温下收敛速度提升了54.0%和53.7%,改进的APSO算法在PSC环境下更具优势;PSO算法最大功率稳定后占空比存在震荡现象,而APSO算法的占空比为稳定状态,提高了系统的稳定性能。
-
关键词
光伏发电
MPPT
APSO
自适应惯性权重
非线性学习因子
-
Keywords
photovoltaic power generation
MPPT
APSO
adaptive inertia weight
nonlinear learning factor
-
分类号
TM615
[电气工程—电力系统及自动化]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于细菌觅食的函数优化算法
- 2
-
-
作者
孙夏丽
李士心
王坤
刘清清
-
机构
天津职业技术师范大学电子工程学院
-
出处
《天津职业技术师范大学学报》
2021年第4期35-39,共5页
-
基金
天津市科技特派员项目(19JCTPJC41500).
-
文摘
针对细菌觅食优化算法(BFO)易陷入局部最优和全局搜索能力差的问题,提出改进的细菌觅食优化算法(IBFO)。先将趋向性操作中的游动步长C引入非线性正弦学习因子,并融合正余弦算法更新细菌个体位置,使得算法前期利于全局搜索,后期利于局部搜索;在复制操作中引入t分布变异对种群排名后50%的个体进行位置更新,提高收敛速度,收敛于全局极值点;再与原算法对4个标准优化函数的测试结果对比。研究结果表明,改进后的算法在寻优精度和运行时间上表现更好。
-
关键词
细菌觅食算法(BFO)
正余弦算法
非线性学习因子
T分布
-
Keywords
bacterial foraging algorithm(BFO)
sine cosine algorithm
nonlinear learning factor
t distribution
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名改进粒子群算法在含DG配电系统可靠性评估中的应用
被引量：11
- 3
-
-
作者
谭辉
戴小剑
田家俊
袁玉松
辛康康
钟建伟
-
机构
国网湖北省电力有限公司恩施供电公司
湖北民族大学院信息工程学院
-
出处
《湖北民族学院学报（自然科学版）》
CAS
2019年第1期104-108,共5页
-
基金
国家自然科学基金项目(51177060)
恩施州科技计划项目(D20170007)
-
文摘
随着国家清洁能源政策的推行,传统的并网供电设备被更多的分布式电源(distributed generation,DG)所替代,对于那些未进行改造的配电网,DG的接入将使得原有配电网整体拓扑复杂化.采用配电网可靠性评估中最小路法评估配电网,并且针对传统,求取最小路的粒子群算法收敛速度慢的问题,通过使用非线性动态学习因子进行优化,从而使得改进后的粒子群算法收敛性得到提高,最终以IEEE RBTS Bus6系统F4的主馈线为可靠性算例,在Matlab平台进行评估计算,实验结果表明改进后的粒子群算法能较快的求取配电网的最小路,从而对可靠性进行评估.
-
关键词
分布式电源
配电网
可靠性
粒子群算法
非线性动态学习因子
-
Keywords
distributed power
distribution network
reliability
particle swarm optimization
nonlinear dynamic learning factor
-
分类号
TM930.12
[电气工程—电力电子与电力传动]
-
-
题名改进粒子群算法的自动充电机械臂时间最优轨迹研究
被引量：2
- 4
-
-
作者
朱浩
赵清海
郑群锋
宁长久
-
机构
青岛大学机电工程学院
青岛大学电动汽车智能化动力集成技术国家地方联合工程研究中心
北京理工大学机械与车辆学院
-
出处
《机械科学与技术》
CSCD
北大核心
2024年第3期423-429,共7页
-
基金
国家自然科学基金项目(52175236)。
-
文摘
针对桁架充电机械臂关节空间轨迹规划的时间优化问题,提出了一种非线性动态学习因子的粒子群算法。通过运动学分析获取工作空间,引入3-5-3多项式插值进行轨迹规划。结合运动过程中的速度与加速度约束,寻求运动过程中的最短时间。对比改进粒子群算法和基本粒子群算法的收敛速度,分析各关节优化前后运动时间的变化情况,并进行仿真实验验证。结果表明:改进粒子群算法的收敛性能较基本粒子群算法更快,整体运动时间缩短约33%,证实改进粒子群算法的可行性。
-
关键词
桁架充电机械臂
时间优化
非线性动态学习因子
粒子群算法
-
Keywords
truss charging manipulator
time optimization
nonlinear dynamic learning factor
particle swarm optimization algorithm
-
分类号
TH122
[机械工程—机械设计及理论]
-
-
题名伺服系统转动惯量辨识及控制器PI参数优化
被引量：4
- 5
-
-
作者
孙彦瑞
苏成志
-
机构
长春理工大学机电工程学院
-
出处
《组合机床与自动化加工技术》
北大核心
2021年第4期96-99,104,共5页
-
基金
国防基础科研计划资助(JCKY2019411B001)。
-
文摘
在机器人运行时,为了使伺服电机在最优性能下达到目标速度、在工作过程中有着更强的抗扰动能力,并避免出现震荡、谐振的状况,从而造成机器人运行时动态稳定性严重降低。提出一种基于非线性动态学习因子的粒子群优化算法,对普通粒子群优化算法进行改进。该算法以伺服系统控制模型中的速度控制器为核心,实时辨识负载转动惯量值,使伺服系统内部控制参数根据实际工况调节;运用该辨识值,通过计算得到速度控制PI参数值,并实时修正速度控制器PI参数值。MATLAB/SIMULINK仿真结果表明,与传统的粒子群优化算法相比,无论在电机启动过程中、还是负载扰动下,该方法都具有更快的响应速度、更高的控制精度以及更强的抗干扰能力。
-
关键词
转动惯量
非线性动态学习因子
粒子群优化算法
速度控制器PI参数
-
Keywords
moment of inertia
nonlinear dynamic learning factor
particle swarm optimization algorithm
speed controller PI parameter
-
分类号
TH166
[机械工程—机械制造及自动化]
TG506
[金属学及工艺—金属切削加工及机床]
-
