針對水輪機調(diào)節(jié)系統(tǒng)的非線性特性和"水錘"效應(yīng),結(jié)合人工蜂群算法（ABC）搜索過程精細(xì)、全局收斂性較強的特點,提出一種改進(jìn)模糊人工蜂群算法（MFABC）,將其應(yīng)用于不同擾動工況下的水輪機調(diào)節(jié)系統(tǒng)中,并利用Matlab強大的仿真能力完成水輪機調(diào)節(jié)系統(tǒng)參數(shù)的優(yōu)化。通過仿真實驗,驗證了所提出的MFABC算法較Ziegler Nichols算法、模糊PID算法、粒子群算法和標(biāo)準(zhǔn)ABC算法在全局搜索能力和收斂速度方面的有效性和優(yōu)越性,保證該方案下系統(tǒng)能獲得更好的動態(tài)性能。該仿真實驗既可加深學(xué)生對水輪機調(diào)速器參數(shù)優(yōu)化問題的認(rèn)識與理解,也有利于提高學(xué)生的實驗仿真能力。 

【文章來源】：實驗技術(shù)與管理. 2019,36(05)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

圖１水錘效應(yīng)下水輪機調(diào)節(jié)系統(tǒng)數(shù)學(xué)模型圖

ｅｍｉｎ為最終蜂群蜜源質(zhì)量；Ｖａｌｕｅ為當(dāng)前蜂群最優(yōu)蜜源質(zhì)量。將ＮＣＶａｌｕｅ和ｐ相結(jié)合，完成對模糊算法中的位置調(diào)整百分比進(jìn)行動態(tài)修正。前者可以表明偵察蜂遠(yuǎn)離最優(yōu)解的距離，后者體現(xiàn)偵察蜂所處的收斂階段，此時的位置調(diào)整百分比根據(jù)兩者作出相應(yīng)動態(tài)改變。在模糊控制中，將ＮＣＶａｌｕｅ和當(dāng)前線性遞減的ｐ作為輸入量，輸出量為位置調(diào)整百分比修正值ｐｃ。圖２為ｐｃ的模糊規(guī)則控制曲面，模糊規(guī)則的設(shè)計應(yīng)滿足以下條件。圖２ｐｃ的模糊規(guī)則控制曲面圖（１）迭代初期，ｐ較大。若此時ＮＣＶａｌｕｅ為大，表示偵察蜂離最優(yōu)值較遠(yuǎn)，此時需要擴大搜索范圍，讓偵察蜂在全局范圍內(nèi)進(jìn)行全面探索；若此時ＮＣＶａｌｕｅ處于中等或較小值時，則表示偵察蜂距離最優(yōu)值較近，此時需要適當(dāng)縮小搜索范圍，此時ｐｃ應(yīng)取中等或較小值。（２）迭代中期，ｐ適中。若此時ＮＣＶａｌｕｅ為大或中等，ｐｃ應(yīng)取一個中等數(shù)值；若ＮＣＶａｌｕｅ為小，即偵察蜂非常接近最優(yōu)值，則ｐｃ應(yīng)取較小值，使偵察蜂在最優(yōu)值附近作精細(xì)搜索。（３）迭代后期，ｐ較小。若ＮＣＶａｌｕｅ數(shù)值為中等或大，ｐｃ均應(yīng)取大，使偵察蜂適當(dāng)擴大搜索范圍。綜上所述，可得ｐｃ的模糊規(guī)則表（見表１）。其中，輸入量和輸出量均采用�。ǎ樱�、中（Ｍ）、大（Ｂ）作為模糊詞集。表１模糊規(guī)則表本文在模糊化方法的基礎(chǔ)上采用基于迭代次數(shù)非線性調(diào)整偵察蜂搜索空間的方式

２水輪機調(diào)節(jié)系統(tǒng)參數(shù)ＴａＴｙＴｗｅｇｅｙｅｈｅｑｘｅｑｙｅｑｈ５．７２０．３０．８３００．７２１２１．５５０５－０．０３２２０．８７３００．５７０８３．２實驗結(jié)果分析（１）負(fù)荷擾動工況下仿真結(jié)果。圖３和圖４分別為５％負(fù)荷擾動工況下的適應(yīng)度函數(shù)收斂曲線圖和水輪機調(diào)節(jié)系統(tǒng)轉(zhuǎn)速相對偏差過渡過程曲線圖。表３為ＺＮ算法、模糊ＰＩＤ算法、ＰＳＯ算法、ＡＢＣ算法以及ＭＦＡＢＣ算法的實驗結(jié)果數(shù)據(jù)對比。圖３５％負(fù)荷擾動平均適應(yīng)度曲線圖圖４５％負(fù)荷擾動轉(zhuǎn)速相對偏差曲線圖在５％負(fù)荷擾動工況下，相比于標(biāo)準(zhǔn)ＡＢＣ算法：由圖３的平均適應(yīng)度函數(shù)曲線可以看出，改進(jìn)的ＭＦＡＢＣ算法收斂速度更快，收斂結(jié)果更好，同時由表３可得ＭＦＡＢＣ算法優(yōu)化后的ＢｅｓｔＪ值降低了９．１９％；由圖４的轉(zhuǎn)速相對偏差曲線可以看出，ＭＦＡＢＣ算法優(yōu)化后的超調(diào)量和穩(wěn)定時間都有所下降，由表３可得，分別降低了１．１３％、６．３６％。這些數(shù)值表明采用ＭＦＡＢＣ算法優(yōu)化后的系統(tǒng)尋優(yōu)精度更高，收斂效果更好，且受到負(fù)荷擾動后能更快達(dá)到穩(wěn)定。表３負(fù)荷擾動工況下不同優(yōu)化算法仿真實驗結(jié)果擾動工況優(yōu)化算法５％負(fù)荷擾動ＺＮＦｕｚｚｙＰＩＤＰＳＯＡＢＣＭＦＡＢＣ１０％負(fù)荷擾動ＺＮＦｕｚｚｙＰＩＤＰＳＯＡＢＣＭＦＡＢＣＢｅｓｔＪ——１４．９５５５１３．７０４０１２．４４３７——４７．１３９８３２．５８９８２４．８８８８Ｏｖｅｒｓｈｏｏｔ０．０２０８０．０１９７０．０１８２０．０１７７０．

【參考文獻(xiàn)】：
期刊論文
[1]一種基于混沌搜索改進(jìn)的人工蜂群算法[J]. 田屏.  西南師范大學(xué)學(xué)報(自然科學(xué)版). 2018(07)
[2]自適應(yīng)模糊PID控制器的設(shè)計及MATLAB仿真[J]. 宋超,曹翱,溫家璽.  現(xiàn)代制造技術(shù)與裝備. 2018(07)
[3]一種典型閉環(huán)PID控制教學(xué)實驗設(shè)計[J]. 劉恒,吳朝陽,劉建成,孫冬嬌.  實驗技術(shù)與管理. 2017(09)
[4]一種改進(jìn)的全局粒子群優(yōu)化算法[J]. 王皓,歐陽海濱,高立群.  控制與決策. 2016(07)
[5]基于模糊PID控制的水輪機調(diào)節(jié)的研究[J]. 王塞北,王亞楠.  科技創(chuàng)新與應(yīng)用. 2015(29)
[6]基于內(nèi)�？刂频墓I(yè)控制系統(tǒng)仿真器魯棒PID控制器設(shè)計[J]. 王佳偉,楊亞非,錢玉恒,趙新宇.  實驗技術(shù)與管理. 2015(01)
[7]Matlab軟件在自動控制原理實驗中的應(yīng)用[J]. 劉金頌,張慶陽,蘇曉峰,楊蕾.  實驗技術(shù)與管理. 2014(06)
[8]基于先進(jìn)PID控制的電動機調(diào)速系統(tǒng)研究[J]. 劉峰.  科技創(chuàng)新與應(yīng)用. 2014(15)
[9]基于Ziegler-Nichols頻率響應(yīng)方法的自適應(yīng)PID控制[J]. 王亞剛,許曉鳴,邵惠鶴.  控制工程. 2012(04)
[10]基于線性與非線性模型的水輪機調(diào)速器PID參數(shù)優(yōu)化比較[J]. 方紅慶,陳龍,李訓(xùn)銘.  中國電機工程學(xué)報. 2010(05)



本文編號：3526271