En respuesta al problema del bajo rendimiento de control del sistema de enfriamiento indirecto por aire bajo perturbaciones de factores externos, y dado que el control PID tradicional no satisface las necesidades de sistemas con retraso grande, acoplamiento fuerte y no lineales, y aunque el control predictivo generalizado (generalized predictive control, GPC) tiene buen desempeño de control, el ajuste de sus parámetros es complicado, se propone un método de ajuste de parámetros de GPC basado en un algoritmo mejorado de enjambre de partículas. Se establecieron modelos de función de transferencia del sistema de enfriamiento indirecto por aire y de perturbación de la velocidad del viento ambiental, y se construyó un controlador GPC con la temperatura de salida del agua de circulación como variable controlada. Para abordar el problema de que el algoritmo de enjambre de partículas tradicional tiende a quedarse atrapado en óptimos locales y tiene baja precisión de convergencia, se diseñó un algoritmo híbrido DE-VPPSO que combina el algoritmo de evolución diferencial y un mecanismo de pausa de velocidad, utilizando una estrategia de búsqueda colaborativa de doble población para mejorar la capacidad de búsqueda y la precisión de convergencia. Usando el algoritmo DE-VPPSO, se optimizaron simultáneamente cuatro parámetros clave del GPC: horizonte de predicción, horizonte de control, peso de control y factor de suavizado. Los resultados de simulación integrales muestran que el método propuesto exhibe un excelente rendimiento de control y robustez en condiciones de perturbaciones escalonadas continuas, perturbaciones de velocidad del viento ambiental, desajustes de parámetros del modelo, interferencias de ruido aleatorio y condiciones compuestas.

Sistema de enfriamiento indirecto por aire;Control predictivo generalizado;Algoritmo de optimización por enjambre de partículas;Ajuste de parámetros del controlador