基于您提供的文档内容，以下是针对四个问题的详细解答： 基于软符号(Softsign)-比例积分(PI)控制器与混合海星优化算法-差分进化(hSFOA-DE)的离心风机压力控制

《Biomimetics》：Pressure Control of Centrifugal Fan Using Softsign-PI Controller Tuned by Hybrid Starfish Optimization Algorithm with Differential Evolution Cebrail Turkeri, Serdar Ekinci, Davut Izci, Dacheng Li and Erdal Akin

　　

本研究针对感应电机驱动的离心风机压力调节问题，提出了两项互补的新颖性：一是引入软符号(Softsign)非线性函数对跟踪误差进行预处理的比例积分(PI)控制器（即Softsign-PI控制器），二是采用混合海星优化算法与差分进化(hSFOA-DE)策略自动整定控制器参数。该方法在实验验证的非线性风机-电机模型上进行评估，并与现代元启发式算法——海星优化算法(SFOA)、动画燕麦优化(AOO)、电鳗觅食优化(EEFO)、差分进化(DE)、粒子群优化(PSO)——以及经典整定方法（基于Murrill的2-DOF PID、Tyreus–Luyben PID和Ziegler–Nichols PI）进行了基准测试。统计总结和箱线图表明，该方法具有更优的中心趋势和更小的运行间变异性；适应度-进化曲线显示出更快的收敛速度；时域性能指标证实了改进的瞬态和稳态行为。目标函数比较进一步显示Zwe-Lee Gaing(ZLG)和绝对误差积分(IAE)值最低，支持了所提方法在鲁棒性和跟踪精度方面的优势。这些增益减少了超调和累积误差，可降低风机/泵运行中的节流损失和执行器负荷，暗示了潜在的节能和维护效益。

该论文发表于《Biomimetics》，针对工业中广泛应用的离心风机等涡轮机械在压力调节时面临的非线性、参数敏感性及传统比例积分(PI)控制器整定困难等问题，研究人员开展了基于新型Softsign-PI控制器与混合优化算法的压力控制研究。研究旨在通过非线性误差整形和先进优化提升PI控制的性能，同时保持其结构简单性和工业适用性。通过在实验验证的非线性风机-感应电机模型上的仿真实验，研究人员得出结论：所提出的Softsign-PI结合hSFOA-DE的方法在瞬态响应、稳态精度和鲁棒性方面均优于经典的整定方法和多种先进的元启发式算法，具有重要的工程应用价值。

关键技术方法主要包括：首先，构建了由Softsign非线性模块和PI控制器组成的两级控制架构，利用Softsign函数的平滑饱和特性对误差信号进行预处理；其次，设计了混合海星优化算法与差分进化(hSFOA-DE)，将DE的变异、交叉和选择算子嵌入SFOA的开发阶段以增强局部搜索能力；最后，定义了包含归一化调节时间、超调和绝对误差积分(IAE)的多准则适应度函数，并在MATLAB/Simulink环境中对控制器参数进行了优化求解。

研究结果部分显示：在“1. 引言”中，研究人员确立了在工业环境中使用PI控制器的必要性，并指出了现有高级控制在复杂性和计算负担上的局限，从而引出了结合非线性整形与智能优化的研究动机。在“2. 相关工作”中，通过回顾模型预测控制(MPC)、线性二次型调节器(LQR)及各种元启发式算法，明确了当前研究的空白在于缺乏针对涡轮机械压力控制的Softsign-PI结构与高效的混合优化策略。在“3. 提出的算法”中，详细阐述了海星优化算法(SFOA)的探索与开发机制，以及差分进化(DE)的变异、交叉和选择过程，并说明了hSFOA-DE如何通过引入DE算子来增强SFOA的精细化搜索能力，其工作机制通过相关图示展示。在“4. 风机-电机系统的动态建模”中，研究人员采用了经实验验证的非线性离心风机与感应电机耦合模型，利用人工神经网络(ANN)估算总效率，建立了高保真的仿真平台，其动力学方程和框图在文中有所描述。在“5. 提出的Softsign-PI控制器”中，介绍了将误差信号经Softsign函数缩放后再输入PI控制器的结构，分析了其平滑饱和特性如何保护执行器免受过大输入影响，其结构框图被给出。在“6. 目标函数与hSFOA-DE的应用”中，定义了用于整定的适应度函数，该函数平衡了调节时间、超调和IAE，并列出了待优化参数的搜索边界。

在“7. 比较结果与讨论”中，研究人员得出了多项具体结论。在“7.1. 元启发式优化器间的比较”部分，通过25次独立运行的统计分析表明，hSFOA-DE取得了最低的平均适应度值(8.3123)和最小的运行间标准差(0.2568)，优于SFOA、AOO、EEFO、DE和PSO；收敛曲线显示hSFOA-DE约在25次迭代后降至约8，具有更快的收敛速度；时域指标也证实了其上升时间、峰值时间和超调量均为最优。在“7.2. 与经典整定方法的比较”部分，结果显示hSFOA-DE整定的Softsign-PI在达到745 Pa设定点的速度和瞬态波动幅度上均显著优于Murrill-based 2-DOF PID、Tyreus–Luyben PID和Ziegler–Nichols PI。在“7.3. 目标函数结果：ZLG和IAE”部分，hSFOA-DE实现了最低的Zwe-Lee Gaing(ZLG)值(0.0111)和绝对误差积分(IAE)值(39.5107)，表明其在综合动态性能和累积跟踪精度上具有一致性优势。

讨论与结论部分总结道，这项工作提出了一种新颖的Softsign-PI控制器，并通过hSFOA-DE进行整定，用于感应电机驱动的离心风机压力调节。在文献验证的非线性风机-电机模型上，该设计在统计显著性、收敛特性和时域性能上均一致地优于当代元启发式算法和经典整定方法。主要发现包括：Softsign-PI结构在保持稳态精度的同时改善了瞬态响应；hSFOA-DE算法在收敛性和解质量上增强了参数整定性能；该方法在多指标评估中超越了经典和基于元启发式的方法；ZLG和IAE的同步降低表明动态响应和跟踪精度得到了均衡提升。未来的工作将包括在风机/泵实验装置上的硬件验证、扰动与噪声下的评估、多目标公式化、在线或自适应整定以及向PID或2-DOF架构的扩展。