Face au problème des performances de contrôle médiocres du système de refroidissement indirect par air sous perturbation de facteurs externes, et considérant que le contrôle PID traditionnel ne peut satisfaire les exigences de contrôle des systèmes à grand retard, fortement couplés et non linéaires, bien que le contrôle prédictif généralisé (generalized predictive control, GPC) offre de bonnes performances de contrôle, le réglage des paramètres est difficile, une méthode d'optimisation des paramètres GPC basée sur un algorithme de groupe de particules amélioré est proposée. Un modèle de fonction de transfert du système de refroidissement indirect par air et un modèle de perturbation de la vitesse du vent ambiant ont été établis, et un contrôleur GPC avec la température de sortie de l'eau de circulation comme variable contrôlée a été construit. Pour résoudre les problèmes du groupe de particules traditionnel facilement piégé dans un optimum local et de la faible précision de convergence, un algorithme d'optimisation hybride DE-VPPSO fusionnant l'algorithme d'évolution différentielle et un mécanisme de suspension de vitesse a été conçu, utilisant une stratégie de recherche coopérative à double population pour améliorer la capacité de recherche et la précision de convergence. L'algorithme DE-VPPSO optimise simultanément quatre paramètres clés du GPC : l'horizon de prédiction, l'horizon de contrôle, le poids de contrôle et le facteur de lissage. Les résultats complets de simulation montrent que la méthode proposée présente d'excellentes performances de contrôle et une robustesse sous conditions de perturbations par marches continues, perturbations de la vitesse du vent ambiant, inadéquation des paramètres du modèle, interférence de bruit aléatoire et conditions combinées.

Système de refroidissement indirect par air;Contrôle prédictif généralisé;Algorithme d'optimisation par essaim de particules;Réglage des paramètres du contrôleur