一种基于改进PSO算法的PID控制器参数整定方法

在线性权重下降PSO(LWDPSO)和随机PSO(SPSO)的基础上,提出一种交互进化PSO算法(IEP-SO),将粒子群分成两组,分别采用标准PSO和SPSO并行交互进化,各侧重于全局搜索和局部搜索,根据进化代数动态调整两种算法中进化的粒子数。通过仿真实验,证明了IEPSO的寻优性能优于LWDPSO与SPSO。Zie-gler-Nichols、LWDPSO、SPSO和IEPSO分别对控制对象进行整定仿真测试,证明了IEPSO对PID控制器参数整定效果最佳。     

智能自整定注塑机PID闭环控制系统

针对注塑机系统在注塑过程中控制精度不高、控制灵敏度不强的问题,提出利用群体智能算法蚁群算法优化注塑机在注塑过程中PID参数快速优化选取的问题,又利用混沌算法将蚁群算法中的部分参数进行变异,提高系统的鲁棒性、灵敏性。仿真实验表明:智能自整定PID控制器控制效果明显优于传统意义上的普通PID控制系统,能够获得更高的参数寻优效果,也在很大程度上实现了注塑机闭环注塑系统的有效优化。     

基于系统辨识的PID参数自整定算法在合成氨装置中的应用

从中石化湖北化肥分公司合成氨装置DCS系统中PID参数整定的实际出发,介绍了几种国内外PID参数自整定方法,分析它们的优缺点及存在的问题,提出一种新的基于系统辨识的PID参数自整定算法.论述基于VB的PID参数自整定软件开发,给出PID参数自整定程序设计界面.将这种PID自整定算法在中石化湖北化肥分公司DCS系统中进行应用实验,得出PID参数自整定前后PV趋势对比图,从而验证这种PID自整定算法的可行性.     

基于Smith预估器的PID自适应控制及其应用

针对大时滞时变对象 ,把Smith补偿控制原理和PID参数的自适应调整方法结合起来 ,提出了基于BP神经网络整定Smith PID控制算法 ,即在Smith预估补偿控制系统中 ,利用BP神经网络在线自学习整定PID参数 ,使PID参数实现最佳的非线性组合 ,以适应对象特性的变化 ,从而克服了常规PID算法不适应大时滞系统控制和常规Smith算法过于依赖模型精度的缺陷。仿真研究和实际应用表明 ,本文算法具有很强的鲁棒性和良好的控制品质 ,工程应用控制效果令人满意。     

粒子群自整定变论域模糊控制算法在全电动注塑机中的应用

单一固定型号注塑机在不同的生产工艺与现场应用环境情况下,在注塑的不同阶段对温度的控制必须达到最优,这样注塑制品的次品率与效率才会得到保证。不同的熔融原料对温度控制又会产生较大的影响,所以固定PID参数控制注塑机注塑温度要么超调量过大、要么调整时间过长,都无法满足注塑要求。本文引入改进的自整定变论域模糊算法,通过帐篷映射序列构建粒子的多维空间,排除不同工况下的外界干扰,模糊算法自动对闭环控制参数进行寻优。搭建Matlab仿真平台,通过仿真实验验证了算法比定参数PID控制效果优良,鲁棒性与适用性更好。     

PID参数工程整定方法研究

本文分析了PID控制模型中比例积分微分的作用,介绍了传统PID参数整定的方法,并总结了PID参数经验整定方法,应用该方法对碱液降膜蒸发流量液位串级控制系统主调和副调PID参数进行调整,并取得了较稳定的控制效果。     

单神经元PID控制算法在智能车控制系统的应用

针对传统PID控制算法对智能车的舵机和电机进行控制时,其控制参数很难随环境变化进行自整定,进而影响智能车的运行状态的问题,提出单神经元PID控制算法,该算法具有参数自整定能力强、现场调整参数少、调整周期短及稳定性好等优点。通过对智能车的系统结构和运动学模型进行分析,根据单神经元PID算法的控制策略,进行多种算法的仿真测试并将其应用在实际的智能车控制试验中。结果表明:单神经元PID控制算法能够使控制系统以较好的状态运行,实现智能车快速稳定的自主循迹行驶。     

锦纶聚合釜温度模糊自适应PID控制系统研究与仿真

锦纶聚合釜温度具有非线性、大滞后等特点,使用传统PID控制器的控制效果不够理想。在建立聚合釜温度数学模型的基础上,采用模糊算法与PID控制相结合的模糊自适应PID控制算法,实现PID参数自整定,提高控制精度。基于MATLAB平台构建釜温控制系统模型,仿真结果表明所提模糊自适应PID控制算法效果优于传统PID控制。     

基于PSO算法整定PID参数的SVG直流侧电压控制研究

阐述了PSO算法的原理,推导了SVG电压环传递函数。将PSO算法纳入到PID参数的寻优中,合成在线PSO-PID控制和离线PSO-PID控制。给出了离线PSO-PID、在线PSO-PID算法的适应值函数和参数设置。以推导的SVG电压环传递函数为被控对象,仿真研究表明:在线PSO-PID控制能满足被控对象为时变系统的情况,对于时变系统具有极强的适应性。     

基于微粒群优化的鲁棒PID控制器参数整定方法研究

针对复杂工业过程中存在的一类模型不确定问题,提出一种新的鲁棒PID控制器参数整定方法.通过将鲁棒PID控制器的参数整定问题转化成一个max-min优化问题,利用微粒群优化(PSO)的协作算法对之进行求解,能获得某种鲁棒性能指标最优的PID控制器.对连续搅拌反应釜系统的实例仿真结果表明:与其它典型鲁棒PID控制器设计方法相比,本方法得到的PID控制器具有更强的鲁棒性和抗干扰能力,当过程操作范围发生大的变化时,利用本方法设计的鲁棒PID控制器能获得满意的结果.     

结合遗传算子的改进粒子群算法在控制系统设计中的应用

针对粒子群优化算法容易陷入局部最优以及早熟等缺点,结合遗传算法的选择交叉变异算子进行改进,得到一种新型PSO算法.将该方法应用于PID控制系统参数调优和被控对象参数辨识,仿真结果显示所提出的算法优化效果优于基本粒子群优化算法和遗传算法,收敛性能也得到较大提高.     

基于DRNN神经网络的石油钻机自动送钻系统智能控制研究

针对钻井过程的非线性、不确定性和实时性要求,采用基于对角神经网络(DRNN)的控制方案,能在线自适应的调整P ID控制器的3项参数。以自动送钻实验系统模型为被控系统进行仿真实验,仿真结果表明可以达到较为理想的控制结果,基于DRNN神经网络控制器结构简单,易于实现,效果明显优于传统的P ID控制器。     

管材挤出机加工参数的模糊PID控制及其仿真

从建立原料黏度与加工参数间的逻辑关系出发,设计了一种基于模糊比例积分微分(PID)控制的螺杆转速控制系统,采用Matlab软件进行了仿真。结果表明:与传统PID控制相比,模糊PID控制具有响应时间快,超调和振荡小等优势,系统可根据输入参数的变化实时控制螺杆转速,保证最终管材制品的质量稳定。     

Low-gain internal model control PID controller design based on second-order filter

A design method is proposed for low-gain internal model control (IMC) proportional-integral-derivative (PID) controllers based on the second-order filter. The PID parameters are obtained by approximating the feedback form of the IMC controller with a Maclaurin series, in which the second-order filter is applied using the IMC approach to achieve a low-gain PID controller that is suitable for model mismatch problems. Analytical PID tuning rules based on the second-order filter are derived for several common-use process models. The second-order filter is designed from the desired time domain performances of maximum overshoot and settling time. Furthermore, the robustness of the IMC PID controller based on the second-order filter is analyzed, and results show that its robustness performance is better than the first-order filter under certain conditions. Finally, three categories of models divided by the ration of time constant and time delay are presented in the comparative numerical simulations to validate the effectiveness and generality of the proposed PID controller design method.     

基于次最优模型降阶的自整定PID控制器

针对过程工业中含有振荡环节和大滞后环节较难控制的被控对象,设计了一种基于频域辨识的自整定PID控制器.该控制器采用次最优模型降阶算法,辨识出二阶加纯滞后的模型;然后基于给定的相位裕度和幅值裕度,整定出PID参数.并通过仿真实验表明对于不同的被控对象,自整定得到的PID参数均能取得较好的控制效果.     

模糊自整定PID控制器的设计与仿真

制浆碱回收蒸发工段第一步就是通过蒸汽将黑液进行浓缩,蒸汽的温度控制效果对后续燃烧工段和苛化工段起着举足轻重的作用。主管道蒸汽温度控制通常具有大惯性、大延迟、时变等特性,采用常规的PID控制难以获得满意的控制效果。为此,提出一种模糊自整定PID控制器的串级控制算法,该算法很大程度上提高了主蒸汽温度的控制品质。针对隶属度函数对模糊推理模型的精度影响和控制算法的特点编写了模糊规则,并且根据动态性要求的不同,分两种情况进行比较。仿真表明,模糊自整定PID串级控制算法在整体性能上要优于传统PID串级控制。     

基于粒子群优化算法的球磨机制粉系统PID-ANN解耦控制器

球团厂钢球磨煤制粉系统是多变量强耦合、时滞、非线性以及生产工况变化大的复杂对象,其自动控制问题一直是控制界关注的热点。基于粒子群算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。PID神经网络解耦控制方法被用来消除回路之间的耦合,神经网络连接权值由粒子群算法进行学习优化。仿真研究表明所建模型和所提控制方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有很高的工程实用价值。     

基于模糊RBF神经网络的无刷直流电机调速控制

针对无刷直流电机的速度控制,把模糊控制与神经网络原理相结合,提出了基于模糊RBF神经网络的PID控制方法,该网络具有自适应性。利用最小均方差来调整网络的权值,使径向基函数快速收敛,获得较佳PID控制参数,达到对转速跟随控制。同时自适应网络对整个系统的动态性能起到了改善作用。仿真结果表明该方法具有很好的控制效果。