改进PSO算法优化交流伺服系统PID参数研究

伺服系统PID控制参数的优化整定对系统可靠性和稳定性有着重要意义,而传统整定方式下参数优化整定时间较长、效果不佳、反应较慢。为了解决以上问题,提出一种优化交流伺服系统参数的控制方法。基于改进PSO算法实现惯性权重和学习因子随迭代次数的改变自适应调整,引入适应度函数快速优化整定PID控制器参数。利用MATLAB分别对基于遗传算法(GA)、量子遗传算法(QGA)、粒子群算法(PSO)的伺服系统PID参数整定进行仿真实验及对比分析。通过实验测试基于改进PSO算法和GA算法的PID控制器对伺服系统稳定性的影响。结果表明:利用改进PSO算法对PID参数进行优化整定,使得伺服系统具有鲁棒性强、稳定性高、超调量小等优点。     

基于粒子群算法的焊缝跟踪PID控制

为了提高焊缝跟踪的控制效果,提出了基于粒子群算法的焊缝跟踪PID控制器设计方法,即应用PSO算法优化PID控制器的三个参数。仿真结果表明,该算法优化的PID控制器有效地提高了焊缝跟踪系统的性能,相比传统的PID控制具有更高的控制品质。     

基于实时气象信息的智能衣架伸缩控制研究

为了提高无人状态下智能衣架自动晾晒和回收衣物的稳定性和准确性,提出一种新的基于实时气象信息的智能衣架伸缩控制方法。介绍了智能衣架工作原理。通过NHZD10光照传感器对光照情况进行感知,通过雨量传感器对雨水进行检测,给出光照和雨量传感器参数。驱动部分选用L298N电机驱动模块,当集成运放输出高电平时,电机驱动模块驱动改进粒子群前馈PID控制器,实现对智能衣架伸缩的控制。分析了前馈PID控制器的控制原理,介绍了粒子群算法,针对其早熟收敛的弊端对其进行调整,通过改进粒子群方法获取最优PID控制参数,提高控制精度,给出改进粒子群前馈PID控制器。实验结果表明：所提方法控制精度和稳定性高,抗参数失配能力强。     

基于实时气象信息的智能衣架伸缩控制研究（英文）

为了提高无人状态下智能衣架自动晾晒和回收衣物的稳定性和准确性,提出一种新的基于实时气象信息的智能衣架伸缩控制方法。介绍了智能衣架工作原理。通过NHZD10光照传感器对光照情况进行感知,通过雨量传感器对雨水进行检测,给出光照和雨量传感器参数。驱动部分选用L298N电机驱动模块,当集成运放输出高电平时,电机驱动模块驱动改进粒子群前馈PID控制器,实现对智能衣架伸缩的控制。分析了前馈PID控制器的控制原理,介绍了粒子群算法,针对其早熟收敛的弊端对其进行调整,通过改进粒子群方法获取最优PID控制参数,提高控制精度,给出改进粒子群前馈PID控制器。实验结果表明:所提方法控制精度和稳定性高,抗参数失配能力强。     

改进的PSO算法及其在控制系统参数整定中的应用(英文)

针对传统PID控制对非线性、强耦合控制系统的控制效果不佳,参数整定难度大的情况,基于改进的PSO算法,设计了一种HSIC控制器。该设计借助改进的粒子群算法对控制器参数整定进行了优化研究,基于粒子群算法,借鉴遗传算法中操作因子特性,提出了一种具有遗传思想的改进粒子群算法。在Matlab环境下,通过对标准函数的仿真实验测试,验证了该改进算法的优越性。利用Simulink工具对所设计的2种控制器进行了仿真比较研究,仿真实验表明,所设计的仿人智能控制器具有较好的控制品质,有比较好的可实现性。研究表明,整定后的控制器可以满足受控系统的控制品质要求。     

多策略改进粒子群优化AGV模糊PID控制

为解决AGV在复杂环境下控制精度低下、响应速度慢和鲁棒性差等问题,提出一种基于改进粒子群优化模糊PID控制方法。在粒子群算法（PSO）引入Logistic混沌映射对种群进行初始化,其次对惯性权重和学习因子进行非线性控制更新,提升种群寻优能力和避免陷入局部最优;选取9个测试函数验证改进PSO算法效果。仿真结果表明改进PSO在寻优精度和收敛速度都优于其他3种算法,而且不易陷入局部最优。最后对被控系统进行效果验证,结果表明改进PSO优化模糊PID控制器在常规和外部干扰两种环境下控制性能都优于传统PID和模糊PID,具有高可靠性、高控制精度,满足系统要求。     

基于粒子群优化神经网络自适应控制算法的并联机器人仿真研究

针对传统控制算法对并联机器人轨迹跟踪精度控制效果不好的问题,提出了一种并联机器人的改进粒子群优化神经网络自适应控制算法,首先对粒子群优化算法进行惯性权重的优化和变异操作的改进,然后用改进的PSO算法优化神经网络的初始权值并进行在线调节PID参数。最后以六自由度并联机器人为研究对象,将传统PID控制与基于改进PSO优化的神经网络自适应控制算法分别进行了仿真实验。仿真结果表明,在快速性和稳定性能上,基于改进PSO优化的神经网络自适应控制算法比单纯的PID控制更加优越,在一定程度上减小了轨迹输出的误差并且提高了轨迹跟踪精度。     

基于粒子群优化的焊接工作台伺服系统PID控制

提出了基于粒子群优化的焊接进给工作台位置PID控制。焊接进给工作台是焊机伺服系统的重要组成部分,其位置控制对提高焊接质量具有重要意义。采用简单高效的PID控制算法,但由于焊接伺服系统具有非线性等特点,使得PID控制器参数调整困难,传统的齐格勒—尼柯尔斯法则参数整定效果不佳。粒子群算法是一种全局优化算法,可以有效地实现PID参数整定,因此,在Simulink软件下建立进给工作台位置控制模型,采用粒子群算法来实现PID参数的调整,并进行了仿真。仿真结果显示,基于粒子群优化的PID控制器具有超调量小、精度高的特点,控制效果明显好于齐格勒—尼柯尔斯法则。     

基于混合粒子群算法的注塑机电液伺服系统控制研究

注塑机电液伺服系统是一个时滞、非线性复杂系统,传统PID控制往往难以取得理想的控制效果。为了获取良好的控制效果,提出一种用混合粒子群算法优化PID控制器参数的方法,将模拟退火算法引入到粒子群算法中,能够更加快速、准确寻优出PID控制器最优参数。利用MATLAB仿真软件建立注塑机电液伺服系统控制模型,将混合粒子群算法与粒子群算法、遗传算法进行对比。仿真结果表明:利用混合粒子群算法优化的PID控制器收敛速度快、准确性高、鲁棒性强,明显提高了系统的控制性能。     

基于改进粒子群算法的无刷直流电机控制研究

文章针对无刷直流电机(BLDC)复杂的、耦合的非线性的特点,克服传统的控制算法控制速度精度不高、响应速度慢等缺点,提出了一种基于改进的粒子群算法(PSO)对PID控制器系数自整定的无刷直流电机控制新策略.在Matlab/Simulink中搭建BLDC控制系统的仿真模型,并实现双闭环的控制:速度环采用改进粒子群算法优化PID控制,电流环采用滞环电流控制.仿真结果验证了该控制方法对无刷直流电机调速系统具有良好的快速性、稳定性和鲁棒性.     

基于改进的PSO在并联机构神经网络控制系统中的应用

针对传统 PID 神经网络不能实时有效地控制非线性多变量系统的问题,设计了一种新型多变量自适应 PID 神经网络控制器。该控制器的隐含层带有输出反馈和激活反馈,实现了比例、微分和积分功能。利用一种基于解空间划分的改进粒子群算法对控制器参数进行优化,消除了初始值对控制器准确性的影响,并将控制器应用于并联机构控制中。由仿真结果可知：控制器控制精度高,鲁棒性和自适应性较强。这一研究为并联机构的精准控制和优化设计提供了理论基础。     

基于改进的PSO在并联机构神经网络控制系统中的应用（英文）

针对传统PID神经网络不能实时有效地控制非线性多变量系统的问题,设计了一种新型多变量自适应PID神经网络控制器。该控制器的隐含层带有输出反馈和激活反馈,实现了比例、微分和积分功能。利用一种基于解空间划分的改进粒子群算法对控制器参数进行优化,消除了初始值对控制器准确性的影响,并将控制器应用于并联机构控制中。由仿真结果可知:控制器控制精度高,鲁棒性和自适应性较强。这一研究为并联机构的精准控制和优化设计提供了理论基础。     

基于改进PSO算法的EHA叉车举升系统仿真分析

为改善EHA叉车举升系统的动态特性,建立系统的电机和液压部分数学模型.针对传统PID控制系统参数调整困难、超调量大、响应速度慢等问题,将改进PSO优化算法与PID控制器相结合,提出一种PSO-PID控制器.通过MAT-LAB/Simulink搭建整个系统的仿真模型,对比分析采用传统PID控制与PSO-PID控制的系统的...     

基于IPSO的数控机床进给伺服系统PID参数优化

数控机床的高精度进给控制一般都采用永磁同步电机拖动的交流伺服系统,优化进给轴伺服系统PID参数对提高进给轴快速响应性、跟随精度和抗干扰性等均具有重要作用。针对数控机床高精度要求,文章提出了一种改进粒子群算法(Improved Particle Swarm Optimization,IPSO),利用其对数控机床进给伺服系统模糊控制器(PID)的三个比例因子参数Kp、Ki、Kd进行优化,并在Simu Link环境中进行仿真实验,同时与人群搜索算法(SOA)、基本粒子群算法(PSO)、遗传算法(GA)进行对比。仿真结果表明,利用IPSO算法进行PID参数优化的数控机床伺服系统动态性能得到了很大改善,具有低超调量、鲁棒性强和高稳态精度等优点。     

基于混合粒子群的RBF神经网络PID控制策略在某随动系统测试平台中的应用

针对某武器随动系统的研制需求,设计了一种基于电动负载模拟器技术的随动系统测试平台。为了解决该平台的模型不确定性、非线性和PID参数难以匹配的问题,提出了一种基于混合粒子群算法的RBF神经网络PID控制策略。实际应用表明该控制策略易于实现PID参数的自整定,控制效果良好,具有快速响应性和较好的鲁棒性、自适应性。     

基于优化非线性控制的齿轮传动系统动态误差研究

针对齿轮传动系统运动角位移跟踪误差较大、振动幅度相对严重等问题,对直齿圆柱齿轮运动过程中产生的角位移和输出扭矩等进行研究。建立齿轮传动系统模型,给出齿轮传动系统动力学方程式。对传统线性PID控制系统进行改进,设计非线性PID控制系统。引入粒子群算法,对粒子群算法权重系数进行改进。采用改进后的粒子群算法优化非线性PID控制系统,通过反馈误差对PID控制器参数进行调节,从而达到控制系统输出误差的补偿目标。利用MATLAB软件对优化后的齿轮传动系统输出误差和扭矩进行仿真,并且与线性PID控制结果进行对比。结果表明:与线性PID控制系统相比,优化后的齿轮传动控制系统能够在线调节各项控制参数,从而提高齿轮传动精度。该控制系统反应速度快,稳定性较好,抗干扰能力强,具有较高的控制精度。     

基于改进ESO的两相混合式步进电机反步控制

两相混合式步进电机是一个由脉冲驱动的多变量、强耦合的非线性系统，针对步进电机运行易受内外界扰动的影响从而产生失步、抖振等问题，提出了一种基于扩张状态观测器(ESO)的反步控制系统，在传统ESO的基础上，引入了径向基函数神经网络(RBF),对ESO的参数进行实时调整，同时引入粒子群算法(PSO),对反步控制器参数进行优化。研究结果表明，与传统反步控制相比，采用改进ESO的反步控制系统能在空载及负载状态下有效的提高系统的跟踪精度，并提高系统的响应速度。     

基于混合粒子群算法优化橡胶挤出机Smith-模糊PID温度控制系统北大核心

为提高橡胶挤出机Smith-模糊PID温度控制系统的控制精度,更好地实现智能整定参数与橡胶挤出机温度最优控制,采用混合粒子群(HPSO)算法优化Smith-模糊PID控制系统,完成对温度控制系统PID参数基准值的自动寻优。借助MATLAB软件辨识挤出机温控系统数学模型,搭建Smith-模糊PID温度控制系统。为避免粒子群(PSO)算法陷入局部最优,在PSO算法的基础上将社会因子分解为局部社会因子和全局社会因子,设计出HPSO算法对PID参数进行寻优;将HPSO算法优化系统前后的控制效果进行对比。结果表明:采用HPSO算法优化Smith-模糊PID温度控制系统的控制精度更高、抗干扰性能更强,温度控制精度在±(1~1.5)℃以内,并且接近±1℃,完全满足橡胶挤出生产过程中对料筒温度控制的指标要求,可以在一定程度上提升温控系统的控制精度以及挤出机械的智能化水平。     

基于优化粒子数和分段权值的粒子群直线电机PID整定

以工程中直线电机伺服系统为研究对象,提出一种优化粒子数量加分段式惯性权重递减的粒子群PID控制器参数优化算法。优化粒子数量的方法可降低函数调用次数,通过对近两代的全局最优值进行比较,得到的误差值如果大于设定值,认为是在初始寻优阶段,保持粒子数量,否则在最终优化阶段,减少粒子数量,所减少的粒子特征是最接近最佳粒子的粒子,以保证在欧氏距离内实现粒子的分散性。最后再结合指数衰减曲线加线性递减曲线构成的分段式惯性权重递减策略提升算法的全局寻优和局部寻优能力。经数值验证分析,该优化算法在保证遍历性的同时,在一定程度上提高了算法的运行速度和寻优精度。实验仿真结果表明,该算法对PID控制器进行参数优化,直线电机系统响应速度快,超调量小,调节时间短。     

基于IPSO模糊PID的汽车主动悬架电液伺服控制

为实现主动悬架的自适应控制,在整车7自由度主动悬架模型中加入阀控非对称液压缸动力学模型,并进行动力学分析。针对粒子群算法易早熟、寻优效率低的问题,提出一种改进粒子群算法(IPSO)算法,对模糊PID控制器的参数进行优化。同时,以B级模拟路面为输入,采用 AMESim 和Matlab软件对车辆行驶平顺性进行了联合仿真分析。结果表明:所建立模型能真实体现悬架系统的运动过程,所提出的控制策略能有效降低路面对车身垂向振动、俯仰、侧倾等性能指标的影响,提高车辆的行驶平顺性和操纵稳定性。