基于PSO-BA 算法的飞机地面空调系统仿真

中国民航大学学报 ›› 2020, Vol. 38 ›› Issue (2): 28-32.

基于PSO-BA 算法的飞机地面空调系统仿真

丁芳¹，周扬¹，吴婷娜¹，陈贵波²

（1. 中国民航大学电子信息与自动化学院，天津300300；2. 广州白云机场空港设备技术发展有限公司，广州510000）

出版日期:2020-04-25 发布日期:2020-05-13
作者简介:丁芳（1960—），女，上海人，副教授，硕士，研究方向为智能控制与检测.
基金资助:
中央高校基本科研业务费专项（3122017003）

Aircraft ground AC system simulation based on PSO-BA algorithm

DING Fang¹, ZHOU Yang¹, WU Tingna¹, CHEN Guibo²

（1. College of Electronic Information and Automation, CAUC, Tinjin 300300, China;2. Baiyun Airport Ground Equipment Co. LTD, Guangzhou 510000, China）

Online:2020-04-25 Published:2020-05-13

摘要/Abstract

摘要： 飞机地面空调系统工作环境多变尧参数较多，传统的PID 控制已无法满足现场高效快速的需求，故引入蝙蝠算法以优化粒子群算法，从而改进传统的PID 控制并应用于飞机地面空调系统。仿真结果表明，改进的粒子群算法具有较强的鲁棒性，可有效抑制大滞后及其他问题，为飞机地面空调系统的改进提供理论参考。

关键词: 飞机地面空调系统, 粒子群算法, 蝙蝠算法, 温度控制, PID 控制

Abstract: Due to the variable working conditions, large amount of parameters and huge delay of aircraft ground AC system, the traditional PID control has been unable to meet the requirement of high efficiency and speed in practition, Bat algorithm is introduced to optimize the partical swarm algorithm and improves the traditional PID control in aircraft ground AC system. Simulation result shows that the improved PSO algorithm has strong robustness and can effectively suppress the huge delay and other problems, which provides a theoretical reference for the improvement of aircraft ground AC system.

Key words: aircraft ground AC system, PSO, BA, temperature control, PID control

中图分类号:

V351.3
TP29

丁芳, 周扬, 吴婷娜, 陈贵波. 基于PSO-BA 算法的飞机地面空调系统仿真[J]. 中国民航大学学报, 2020, 38(2): 28-32.

DING Fang, ZHOU Yang, WU Tingna, CHEN Guibo. Aircraft ground AC system simulation based on PSO-BA algorithm[J]. Journal of Civil Aviation University of China, 2020, 38(2): 28-32.

参考文献 12

[1]	中华人民共和国国家军用标准. 飞机空调车航空通用规范:GJB2643-96[S]. 北京: 国防科工委军标出版社, 1996.
[2]	杨智, 陈颖. 改进粒子群算法及其在PID 整定中的应用[J].控制工程, 2016, 23(2): 162-166.
[3]	罗春松, 张英杰, 王锦锟. 改进粒子群算法整定PID 参数研究[J]. 计算机应用与软件, 2009, 45(17): 225-227.
[4]	温文博. 飞机地面空调车温度控制器设计与实现[D]. 沈阳: 沈阳航空航天大学, 2010.
[5]	潘琢金, 王丽伟, 杨华, 等. 飞机地面空调车温度控制的仿真研究[J]. 计算机仿真, 2012, 29(4): 67-87.
[6]	MENDES J R, KENNEDY J, NVEVES J. The fully informed particle swarm: simpler, maybe better[J]. IEEE Transaction on Evlutionary Computation,2004, 8(3): 204-210.
[7]	吴垚, 霍亮生, 黎进远, 等. 自适应混沌粒子群算法及在PID 整定中的应用[J]. 计算机仿真, 2014, 31(8): 377-406.
[8]	孙丽萍, 李佳琪, 张希萌, 等. 基于PSO-BA 算法的优化排料研究[J].计算机应用与软件, 2019, 36(1): 326-329.
[9]	曹洁, 杜永红, 王进花. 自适应蝙蝠算法优化PF 的风力机桨距系统故障诊断方法[J]. 计算机应用与软件.2018, 35(5): 79-84.
[10]	ROEVA O N, FIDANOVA S S. Hybrid bat algorithm for parameter identification of an cultivation process model[J]. Biotechnology & Biotechnological Equipment, 2013, 27(6): 4323-4326.
[11]	陈思, 贺兴时, 杨新社. 蝙蝠算法快速解算性能优化设计研究[J].计算机仿真, 2017, 34(9): 259-264.
[12]	袁志敏. 基于粒子群优化的大时滞过程PID 控制算法研究[D]. 太原: 山西科技大学, 2018.