基于遗传算法的PID参数优化方法

PID参数整定与优化一直是自动控制领域研究的重要问题，采用遗传算法进行PID参数优化是一种寻求全局最优且与初始条件无关的优化方法，在参数优化过程中，考虑了2种不同的目标函数做了大量仿真实验。仿真结果表明了遗传算法应用于控制器参数优化的可行性和有效性，不失为一种具有较好实用价值的PID参数优化方法。     

影响遗传算法PID参数优化性能的主要因素

针对影响遗传算法性能的主要因素进行讨论，并结合PID励磁调节器参数优化，对不同编码方式、遗传算法的控制器参数优化情况进行比较分析。所得结果对应用遗传算法在线调整控制参数具有指导意义。     

遗传算法PID参数优化的改进

介绍了遗传算法的基本原理 ,并针对简单遗传算法在PID控制中存在的问题进行了分析 ,提出在不同情况下采用不同的变异概率的方法 ,并分别进行了实验仿真。仿真结果表明 ,用改进的遗传算法优化PID参数 ,可以提高优化性能 ,对控制系统具有良好的控制精度、动态性能和鲁棒性     

基于遗传算法-BP神经网络优化的PID控制

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法。对于非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为一种有效的控制策略。该文提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化。仿真结果证明了该算法的有效性。     

一种PID参数优化算法

本文提出了一种PID参数优化算法。该法通过遗传算法进行PID参数遗传进化寻优。经过仿真计算，表明该种优化算法的有效性。     

遗传算法优化PID控制参数研究

采用常规的整定方式,往往费时而且难以满足控制要求。通过对遗传算法的研究,在确定了编码方案、适应度函数设计等遗传算法控制参数后,采用遗传算法对PID控制器参数进行优化,取得了很好的效果。     

改进的自适应遗传算法在控制器PID参数优化中的应用

针对遗传算法(GA)中自适应机制存在理论性和可行性之间的矛盾,提出一种行之有效的自适应算法。该算法根据个体和群体的适应度来确定个体的交叉变异概率,并据此采用无放回抽样的方式进行交叉变异。用一个非常复杂的数学函数对新算法进行了测试,结果表明改进算法克服了传统GA难以解决的早熟和局部收敛的问题,并且收敛速度大有提高。在此基础上将其应用于锅炉过热汽温串级控制系统的PID参数优化,仿真结果表明了其优越性,具有很好的应用价值。     

基于遗传算法和神经网络的PID控制参数的优化研究

针对传统的PID控制中参数整定的难题，采用智能控制技术优化PID参数，利用神经网络进行系统商务谈判识，建立对象模型，在此模型基础上，运用遗传算法寻优PID控制参数采用变交叉 概率和变异概率自适应遗传算法寻优得到PID控制参数，与传统的整定结果相比较，遗传算法优化效果更好，最终达到最优的控制效果。     

基于免疫遗传算法优化的汽温系统变参数PID控制

针对工程实际应用，提出了一种改进的变参数PID控制策略，新的控制策略不论对于调节还是设定值跟踪，均具有很好的控制效果，对于工业实际中常见的大滞后对象也有很好的抗干扰性能和较强的鲁棒性。为了使变参数皿控制取得更好的性能，提出了鲁棒整定的思想，并采用免疫遗传算法进行设计参数的鲁棒优化调整。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主蒸汽温度被控对象进行的仿真研究结果表明，基于免疫反馈和遗传机制的免疫遗传算法具有全局优化的能力，对变参数PID控制的参数优化设计是成功和有效的，使得具有多模型特性的汽温控制系统在不同的负荷下均获得很好的调节品质。同时也表明，免疫遗传算法和变参数PID控制均具有较好的发展前景，可用于某些多模型系统的同时整定设计。     

基于模糊-遗传算法的智能自适应PID控制系统参数优化

基于模糊控制和遗传算法的优化方法,提出了智能自适应PID控制器参数优化的设计方法,以种群多样性为标准进行阶段的划分,并在优化进入到微调阶段进行模糊变异,通过算法的改进使得在PID控制中,PID参数的整定不依赖于对象的数学模型,且能在线调整,算例结果表明了该算法的有效性。     

基于自适应遗传算法的感应电动机调速系统PID控制器参数优化

以速度误差积分型性能指标为目标函数,根据评估函数值变化幅度自适应调整变异概率,以防止算法早熟和陷入局部极小值.运用Matlab/Simulink建立电机矢量控制模型并对PID参数的优化数值进行仿真,结果表明本文提出的参数整定方法较传统PID方法更加优越.     

基于遗传算法的PID控制器及应用

对遗传算法和PID控制器做了简单的介绍,提出了一种应用遗传算法对PID控制器参数进行优化设计,重点介绍了遗传算法的优化过程。文章通过实例对几种参数整定方法的控制效果进行了仿真和比较,证明了基于遗传算法的PID参数整定方法的可行性和良好的控制效果。最后将该算法应用于气流炸药生产线的风速控制,取得了预期的控制效果。     

基于蚁群算法的再热汽温预测PID控制器参数优化

将预测控制和PID控制器结合运用于再热汽温系统的控制当中。采用神经网络多步预测作为预测模型,并用蚁群算法实现了该控制系统的PID参数在线优化;最后通过计算机仿真,验证了该算法的有效性。     

基于小生境混沌免疫算法的PID参数优化

在人工免疫算法的基础上,提出了一种小生境混沌免疫算法。通过在免疫算法中引入小生境机制和混沌细搜索,增强了算法保持种群多样性的能力和局部搜索能力;此外,通过对小生境机制与解空间关系的分析,提出了一种小生境距离选取依据。应用于PID参数的优化,并与遗传算法(Genetic Algorithm,GA)、人工免疫算法(Artificial Immune Algorithm,AIA)进行比较。仿真结果表明,设计的PID控制器控制效果优于GA和AIA。     

基于遗传算法的同步发电机模糊PID励磁控制器研究

在常规的模糊PID励磁控制器基础上,提出一种利用遗传算法优化模糊控制器的量化因子和比例因子的同步发电机励磁控制器,并仿真研究,结果表明利用该方法设计的励磁控制器具有更好的动态特性和静态特性。     

遗传算法在FACTS控制器参数优化中的应用

对遗传算法进行了全面改进(吸收了目前该领域研究的一些最新研究成果,例如:模拟退火、自调整等方法),并研究了遗传算法在FACTS控制器参数优化中的应用,证明了遗传算法良好的优化效果。利用本文的研究成果进行了陕西电网中使用FACTS控制器的可行性研究,可以准确计算出安装FACTS控制器给电网带来的效益。     

基于实数编码遗传优化的神经网络参数自学习PID控制器

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法.利用Matlab进行仿真计算.实验结果表明,所设计的参数自学习PID控制器具有良好的鲁棒特性和响应速度以及抑制干扰特性,可构成较实用的工业控制器.     

基于改进多目标遗传算法的非线性PID控制器参数设计

针对NSGA-Ⅱ算法的不足,对其截断算法进行了改进,使得最终的非支配个体能够更均匀分布在Pareto前沿面上,并运用该方法来优化和构造非线性PID调节器。通过对锅炉过热汽温控制系统的仿真研究表明,该方法获得的非线性控制器可在一定程度上兼顾系统的动态和静态性能,相比固定参数的PID控制器,控制品质有了很大的改善。