Angesichts der schlechten Regelungsleistung des indirekten Luftkühlsystems unter Störungen durch äußere Einflüsse und der Tatsache, dass die traditionelle PID-Regelung die Anforderungen an Systeme mit großer Verzögerung, starker Kopplung und Nichtlinearität nicht erfüllen kann, und obwohl die generalisierte prädiktive Regelung (generalized predictive control, GPC) eine gute Regelungsleistung bietet, ist die Parametereinstellung schwierig, wird eine Methode zur Parametereinstellung von GPC basierend auf einem verbesserten Partikelschwarmalgorithmus vorgeschlagen. Es wurde ein Übertragungsfunktionsmodell des indirekten Luftkühlsystems und ein Modell der Umgebungswindgeschwindigkeitsstörung erstellt, und ein GPC-Regler aufgebaut, wobei die zirkulierende Wassertemperatur als Regelgröße verwendet wird. Um das Problem zu lösen, dass der traditionelle Partikelschwarmalgorithmus dazu neigt, in lokalen Optima stecken zu bleiben und eine geringe Konvergenzgenauigkeit aufweist, wurde ein hybrider DE-VPPSO-Optimierungsalgorithmus entwickelt, der den Differenziellen Evolutionsalgorithmus und einen Geschwindigkeits-Stopp-Mechanismus kombiniert. Durch eine Doppel-Populations-Kollaborationssuchstrategie werden Suchfähigkeiten und Konvergenzgenauigkeit verbessert. Mit dem DE-VPPSO-Algorithmus werden gleichzeitig vier wichtige Parameter des GPC optimiert: Prognosehorizont, Steuerhorizont, Steuergewicht und Glättungsfaktor. Umfangreiche Simulationsergebnisse zeigen, dass die vorgeschlagene Methode unter Bedingungen kontinuierlicher Stufeneingangs-Störungen, Umgebungswindgeschwindigkeitsstörung, Modellparameter-Mismatch, zufälliger Rauschstörung und umfassenden Bedingungen hervorragende Regelungsleistung und Robustheit zeigt.

Indirektes Luftkühlsystem;Generalisierte prädiktive Regelung;Partikelschwarm-Optimierungsalgorithmus;Reglerparametereinstellung