一种新型人工免疫算法的PID自整定研究*

提出了一种人工免疫诱导算法(AⅡA),用于实现PID参数自适应整定计算.阐述了人工免疫系统的原理,深入剖析了PID参数自适应整定模型,设计了该模型的人工免疫诱导算法.实验表明,该算法具有快速收敛性,能够较快地找到PID参数自适应整定的最优或次最优参数组合,有利于提高PID控制器调节的实时性.同时,将该算法(AⅡA)与GA算法、齐格勒-尼柯尔斯(Z-N)方法、ISTE方法进行了比较.仿真结果表明了该算法的优越性和实用性.     

改进的细菌觅食优化算法

细菌觅食优化算法是一种受大肠杆菌觅食现象启发产生的一种群体进化算法,该算法具有良好的全局优化能力,鲁棒性强,算法简单等优点,但其也存在易早熟,收敛速度慢等缺点. 根据其缺点,提出了一种改进的细菌觅食优化算法,改进后的算法收敛速度加快,在一定程度上避免了易早熟的缺点. 将原算法和改进算法应用于PID参数的在线自整定,通过matlab仿真实验证明了算法改进后的优越性.     

基于RBF神经网络PID控制的交流伺服系统

将神经网络和PID控制相结合,提出了一种神经网络整定的PID控制策略,并将其应用于交流伺服系统的控制.利用一个两层神经网络在线自适应调整PID控制器的参数,从而使系统的静态和动态性能指标较为理想.径向基函数神经网络用来辨识交流伺服系统的Jacobian信息,其学习算法采用正交最小二乘算法,首先得到径向基函数神经网络的结构.然后用BP算法对该网络的权值进行训练使它逼近给定的函数.实验结果表明,该交流伺服系统具有响应速度快、稳态精度高和鲁棒性强等特点.     

基于神经网络PID控制的交流伺服系统

将神经网络和PID控制相结合,提出了一种基于对角递归神经网络整定的PID控制策略,并将其应用于交流伺服系统的控制.利用对角递归神经网络在线自适应调整PID控制器的参数,从而使系统的静态和动态性能指标较为理想.实验结果表明.基于对角递归神经网络整定的PID控制的交流伺服系统具有响应速度快、稳态精度高和鲁棒性强等特点.     

基于免疫粒子群算法的PID参数整定与自适应

针对粒子群算法容易陷入早熟以及免疫算法计算过程繁复冗长的缺点,将免疫系统的免疫信息处理机制引入PSO算法中,提出了一种基于免疫选择粒子群的算法(ISPSO).将ISPSO算法应用到PID控制器的参数整定与自适应中,并设计了相关PID控制器参数.Matlab仿真试验结果表明,该算法能够解决PSO算法早熟收敛的问题,适用于PID控制器的自整定.     

非线性PID控制器参数优化方法

分析了非线性PID控制器各部分参数对于误差的理想变化过程,构造出一种非线性PID控制器;整定参数较多时,传统的参数优化方法容易产生振荡和较大的超调量,在分析量子粒子群算法（QPSO）的基础上,引入了随机选择最优个体的思想,提出使用改进的量子粒子群算法（GQPSO）优化非线性PID控制器参数。将改进量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较。最后,通过典型传递函数实例,分别使用Z-N、PSO、QPSO方法和改进的量子粒子群算法进行了PID控制器参数优化设计,并对结果进行了分析。     

飞机舵机电液伺服系统智能PID控制方法研究

针对飞机舵机电液伺服系统中PID控制器参数难以整定的问题,引入一种智能PID控制方法。该方法结合了粒子群算法和PID控制器的优点,并利用蜂群算法的选择策略对粒子群算法进行优化,适应了飞机舵机电液伺服系统非线性动态控制环境的要求。实验结果表明,飞机舵机电液伺服系统智能PID控制方法能够达到系统控制性能指标要求,相较于传统PID控制器具有更良好的跟踪效果。     

基于人工免疫多目标寻优算法的PID自整定

提出了一种基于人工免疫多目标寻优算法(AIMOA)的PID参数自适应整定的设计方法.利用生物免疫系统的免疫机理设计系统响应的目标函数,再通过AIMOA算法搜索PID控制器的优化参数组,最后将基于AIMOA算法同基于遗传算法(GA) 和齐格勒-尼柯尔斯(Zi-Ni)方法的PID自整定进行了仿真比较.结果表明:AIMOA算法具有快速收敛性,能够较快地搜索到PID参数自适应整定的最优或者次最优解,体现了算法的优越性、实用性和有效性.     

球杆系统自适应遗传PID控制

遗传算法全局寻优参数,但训练时间较长;PID控制算法简单,却难以控制非线性复杂过程.将自适应遗传算法和PID相结合,可有效地改善控制效果.通过建立球杆系统机械部分模型、角度模型和电机模型,得到整个球杆系统的数学模型;设计基于遗传算法的自适应PID控制器,通过在线整定控制器参数,提高球杆系统的控制性能.仿真实验结果证明了该算法的控制效果良好,适应能力较强,具有算法简单、参数整定容易等优点.     

神经元PID控制器在两轮机器人控制中的应用

针对两轮机器人传统PID控制器参数整定困难的问题,设计了一种神经元PID控制器.该控制器利用神经元的自学习和自适应能力,在线实时调整控制器各项参数.建立了两轮机器人的非线性模型,讨论了神经元PID控制系统的结构及其控制算法和各项控制器参数的学习算法.将设计的控制器其应用于两轮机器人的平衡控制中,并且与传统PID控制器进...     

粒子群算法在PID控制器参数整定中的研究与应用

针对自动化控制系统中PID控制器参数整定困难的问题,提出了基于粒子群算法的PID控制器的设计方法,给出了具体的实验架构。采用系统参数鉴定的方式得到直流伺服发电机的传递函数,并利用粒子群算法搜寻PID参数。实验采用MATLAB仿真证明了该方法的可行性和优越性。所得到模拟结果跟遗传算法搜索PID参数的结果做比较,结果显示用粒子群算法调整PID参数所得到的运算时间比用遗传算法的运算时间要短。     

A hybrid genetic algorithm and bacterial foraging approach for global optimization

The social foraging behavior of Escherichia coli bacteria has been used to solve optimization problems. This paper proposes a hybrid approach involving genetic algorithms (GA) and bacterial foraging (BF) algorithms for function optimization problems. We first illustrate the proposed method using four test functions and the performance of the algorithm is studied with an emphasis on mutation, crossover, variation of step sizes, chemotactic steps, and the lifetime of the bacteria. The proposed algorithm is then used to tune a PID controller of an automatic voltage regulator (AVR). Simulation results clearly illustrate that the proposed approach is very efficient and could easily be extended for other global optimization problems.     

基于自抗扰算法的“动中通”系统控制策略

动中通”(SOTM)伺服控制系统通常采用三闭环PID控制策略进行控制器的设计;然而,由于系统扰动和系统时变性参数的存在,传统PID算法难以保证“动中通”系统稳定、可靠地工作;针对传统控制策略的弊端,建立了“动中通”系统数学模型,并提出了一种基于自抗扰(ADRC)算法的双闭环控制策略;仿真实验表明,基于ADRC的双闭环控制策略不仅具有更快的响应速度和更高的控制精度,还有更强的鲁棒性,能有效地弱化系统扰动的影响,满足“动中通”系统的功能需求。     

基于量子粒子群算法的PID控制器参数整定

量子粒子群(Quantum-Delta-Potential-Well-BasedParticleSwarmOptimization,QDPSO)算法是量子空间里的粒子群算法。基于QDPSO提出了一种新的PID参数整定算法,该算法具有操作简单、稳定收敛、寻优快速等优点。同时,引进了一种新的时域评价标准函数来评价QDPSO-PID控制器的性能。仿真结果表明了所提出算法的有效性和所设计控制器的优越性。     

智能PID参数自整定技术在伺服系统中的应用

针对常规PID控制参数整定困难,且受时变、非线性等因素影响而不能达到预期控制效果的实际情况,提出了RBF网络动态辨识的BP神经网络PID参数自整定算法.此算法可实现PID控制参数的在线自整定和优化;同时,将算法应用于伺服控制系统中,以VC++6.0和Matlab为开发和仿真工具,对动态辨识神经网络智能PID参数自整定方法进行仿真研究.仿真结果表明,控制算法鲁棒性强、响应速度快,可用于控制参数时变的非线性系统.     

On-line tuning PID parameters in an idling engine based on a modified BP neural network by particle swarm optimization

PID control systems are widely used in many fields, and many methods to tune the parameters of PID controllers are known. When the characteristics of the object are changed, the traditional PID control should be adjusted by empirical knowledge. This may result in a worse performance by the system. In this article, a new method to tune PID parameters, called the back-propagation network modified by particle swarm optimization, is proposed. This algorithm combines conventional PID control with a back propagation neural network (BPNN) and particle swarm optimization (PSO). This method is demonstrated in the engine idling-speed control problem. The proposed method provides considerable performance benefits compared with a traditional controller in this simulation.     

一种改进的PID参数整定的研究及仿真

传统PID控制由于依赖于对象的数学模型和控制参数难以精确整定,使其很难适应具有非线性系统的控制。针对非线性系统,本文提出了一种结合免疫的思想改进PSO的PID的控制算法,从而解决PID控制的鲁棒性差及受模型限制的问题,并结合了Matlab强大的矩阵计算和系统仿真功能,对文中实例的PID参数进行了优化整定。仿真结果表明,该控制算法有较强的抗干扰和适应参数变化及鲁棒性和自适应性。     

单参数自适应PID控制的应用研究

为了满足控制工程应用中控制器的控制算法尽量简单、在线整定参数尽量少，及便于掌握等要求，提出了一种简易的单参数自适应PID控制算法。较之于传统PID算法，该算法比较简单，只需整定一个参数，且能够根据误差和误差变化速率按照非线性规律不断地进行修正，且有良好的动态控制性能。现已经用于印染行业中打样机温度的控制，控制结果表明，该算法的控制效果良好，适应能力较强，具有算法简单、参数整定容易等特点，非常适合于工程上的应用。     

基于差分进化的伺服电机自抗扰控制

针对传统PID、模糊控制算法设计简单,无法对实际系统进行扰动补偿,导致外部未知干拢影响伺服电机的控制,提出一种基于差分进化的伺服电机自抗扰控制技术;通过对自抗扰控制中参数kp、kd的动态整定,对比了基于差分进化算法(DE ADRC)、自抗扰控制算法(ADRC)、PID算法的跟踪误差,结果显示DE-ADRC算法具有明显优势,较ADRC算法、PID算法的跟踪误差分别降低了54％和49％;进一步利用蒙特卡罗统计学算法对控制对象进行仿真,以超调量、调节时间和误差绝对值积分为控制性能评估指标证明所提出的DE-ADRC算法比PID算法和ADRC算法具有更强的鲁棒性和系统抗干扰能力,为伺服电机在实际工程中抗干扰能力的增强提供了技术支持.     

基于复合前馈模糊PID的位置伺服系统研究

在现代伺服控制系统中,PID控制在响应速度和位置跟踪精度方面存在不足。针对此种不足,提出了一种基于复合前馈模糊PID的控制算法。同时,使用该算法建立了控制系统的数学模型和策略,并使用Matlab和TMS320F28379D控制器搭建了系统仿真模型进行实验验证。实验结果表明,该复合模糊控制算法具有快速响应、准确、无超调等特性,满足机器人等伺服控制场合需要。