基于蚁群神经网络的工业自动化PID参数优化

针对常规方法无法获得最优PID控制器参数的缺点,提出一种基于蚁群神经网络的PID控制器参数优化方法（ACO-RBFNN）。ACO-RBFNN将PID控制器的3个参数作为RBF神经网络的输入,系统输出为RBF神经网络期望输出,通过蚁群算法对RBF神经网络的参数进行优化,并通过RBF神经网络构造参数自学习的PID控制器,从而实现PID控制器参数在线优化。仿真实验结果表明,基于ACO-RBFNN的PID控制器可以得到令人满意的控制效果,可以应用于工业自动化控制系统的PID控制器参数优化。     

基于蚁群算法的六自由度并联平台控制参数优化

由于PID控制具有高度的非线性、时变不确定性等特点,因此控制过程较为复杂。针对PID控制的关键问题——PID参数整定,设计了一套基于蚁群算法的PID参数优化系统。对六自由度并联平台控制参数优化进行了研究。蚁群算法是一种寻优简单、鲁棒性强、效率高的寻优方法。该算法可根据蚁群信息素反馈载体确定决策点。为了规划蚁群活动的行为方向,需要根据相应的信息素更新规则,对每只蚂蚁个体进行信息素的增量构建,以达到优化PID控制器三个参数的目的,进而消除系统参数不确定性对控制系统的影响。详细阐述了基于蚁群算法的六自由度并联平台的电液伺服PID控制参数优化。理论分析和实例仿真研究表明,提出的优化策略是有效、可行的。该方案不但降低了设计的难度,而且提高了控制系统设计的品质,在控制工程领域中有着十分广阔的应用前景。     

基于蚁群算法的航空发动机PID参数优化

提出一种基于蚁群算法的PID参数优化控制算法,对航空发动机的双变量解耦控制方法进行了研究.蚁群算法采用分布式并行计算机制,易于与PID控制方法结合,优化后的控制器克服了传统的PID控制参数不易整定的缺点,且控制器结构简单规范、动态和静态性能良好,具有较强的鲁棒性.仿真结果表明该控制系统实现了解耦控制,对航空发动机模型参数在大范围内的变化均有良好的控制效果.     

定量发油系统优化控制的研究

为了提高油库系统发油的过程中发油系统的安全、自动化、效率与精度等,论文通过选取可靠性高的硬件设施模块,以及利用模糊PID优化算法来对整个发油过程进行优化,以减小误差,达到预期效果.     

蚁群算法在PID控制器参数优化中的应用研究

PID参数优化一直是控制工程领域研究的热点,针对提高系统的稳定性和响应特性,传统的PID控制参数多采用试验的方式进行优化,往往费时而且难以达到较好的控制效果.为了解决控制参数优化,改善系统性能,提出一种新型的蚁群算法的PID参数优化策略,将蚁群算法能快速稳定找到最优参数解的特点与PID精确调节的特点有机结合起来,在控制...     

改进蚁群神经网络及其在滞后系统中的应用

针对热连轧监控AGC系统具有多变量、强耦合、非线性、大滞后及参数时变的特点,提出了一种改进蚁群神经网络,采用动态局部信息素更新和自适应调节信息素挥发的全局信息素更新相结合的方式对蚁群算法进行了改进。并利用改进后的蚁群算法对神经网络权值和阈值进行优化,利用优化后的神经网络对PID控制器参数进行整定。改进的蚁群算法稳定性好,寻优效率高,避免了神经网络参数陷入局部极小等问题,从而实现大滞后系统的优化控制。仿真结果表明,在监控AGC系统中,在对象的滞后时间发生变化的情况下,基于改进蚁群神经网络的优化控制系统具有动态响应速度较快,对外部扰动具有良好的鲁棒性,使控制品质得到很大的提高。     

基于改进GAAA算法的PID参数优化

针对PID参数优化问题，对蚁群算法进行改进，并与遗传算法相结合，提出了改进的GAAA算法；该算法先利用遗传算法获得初始信息，然后运行改进的蚁群算法，大大加快了蚁群算法的速度；对PID控制的参数优化与仿真结果表明，该优化方法无论在时间性能和优化性能上都取得了较好的效果。     

管控一体化的油库控制系统的应用与研究

本文针对中小型油库发油控制系统中存在的问题,结合了计算机控制技术、组态技术及管理技术,设计了以PLC为控制核心的管控一体化的发油控制系统.该系统采用上下位机控制模式,上位机采用通用PC机 组态软件,下位机采用XTL-5000发油控制器,充分发挥各自优势,实现油库发油作业的完整监控工作.     

基于最大-最小蚂蚁系统的PID参数整定

PID参数是影响PID控制器控制效果的重要参数。本文提出一种基于最大-最小蚂蚁系统(MMAS)进行PID参数整定的新型算法MPID,并给出了MPID算法的具体实现步骤。实验仿真表明,MPID算法与基于遗传算法、基本蚁群算法的PID整定方法相比,优化效果有明显改善,说明了该算法的可行性和优越性。     

基于蚁群算法固定翼无人机PID参数控制方法

针对传统固定翼无人机PID控制器比例、积分和微分参数调节控制精度低,响应速度慢,难以得到最优线性PID参数组合等问题。本文利用蚁群算法寻优搜索对传统PID控制器进行改进,本文将PID参数寻优过程转化为多约束条件组合优化问题,并通过蚁群算法针对PID参数整定多次迭代来进行搜索最优数值路径来更加快速,精确的优化PID线性组合参数值,提高对固定翼的精确PID参数控制。     

一种新型自适应复合控制器在锂电池充电系统中的应用

为了解决锂电池充电系统的不确定性和参数整定困难的问题,本文提出了一种基于蚁群算法优化的模糊＋变论域模糊PID复合控制器的新方法。该控制器在系统波动频繁时,采用模糊控制使其具有最优的动态性能;当系统进入稳定阶段,采用PID参数自适应的变论域模糊控制以提高准确度。而用蚁群算法对PID参数值进行离线优化,并将优化后的值作为在线调节的初值,使系统更加稳定。将提出的复合控制策略应用于锂电池充电控制系统中。仿真结果表明,该系统具有良好的抗干扰性和鲁棒性。     

电动负载模拟器多余力矩抑制方法研究

为了解决多余力矩对电动负载模拟器强干扰,影响加载指令跟踪精度的问题,论文将基于蚁群优化的PID控制方法用于加载电机控制器的设计。首先在分析加载电机结构以及工作原理的基础上建立了电动加载系统的数学模型,并利用结构不变性原理进行前馈补偿推导;其次针对常规PID控制器无法通过变参数来应对复杂的非线性环境的问题,提出了一种基于蚁群算法优化PID控制器参数的复合控制策略;最后通过仿真验证了该控制策略在对多余力矩消除上要优于常规的PID控制。     

非线性系统的蚁群优化预测PID控制

针对非线性、时变及大惯性系统的控制问题,提出了一种基于蚁群算法的预测PID控制算法。该算法以神经网络作为预测模型,将预测控制和PID控制相结合,并用蚁群算法在线优化控制器参数,其中以常规的Ziegler-N ichols方法整定的控制器参数为基础,选取蚁群优化变量的动态搜索区间。该算法考虑了控制能量受限情况下,非线性系统的预测控制问题。计算机仿真结果表明,该非线性控制方案具有较好的鲁棒性,相对传统PID控制策略还表现出了良好的动态性能,能够满足对再热汽温对象的控制要求。     

基于蚁群算法的真空烧结炉最优PID温控系统

蚁群算法是一种新型的优化算法,具有收敛速度快、鲁棒性强等优点;针对真空烧结炉大惯性、大滞后性、非线性和时变性等特点,采用常规PID控制难以达到温度的精度控制,论文采用蚁群算法优化PID控制器参数,并给出了真空烧结炉最优PID控制系统设计的方法;该方法以误差绝对值为性能指标,实现了不完全微分PID参数的优化;仿真结果表明,该系统与传统的PID相比,有较好的稳态精度和动态性能,具有一定的科学性和实用性.     

基于智能优化PID的矢量控制系统

针对异步电动机矢量控制系统的速度控制策略,文章提出了蚁群算法参数寻优的矢量控制系统.构造一个按转子磁场定向的转速、磁链闭环控制的矢量控制系统,利用MATLAB/SIMULINK对该矢量控制系统进行仿真研究。仿真实验结果表明该系统较常规PID调节器构成的系统具有更好的动、静态性能和鲁棒性。     

基于改进型蚁群算法的MFJSSP研究*

为了对MFJSSP进行优化,给出了改进的基于蚁群算法的MFJSSP解决方法。改进后的算法根据工件数量确定子集数量。给出了可选工作集的构建方法及在寻优过程中的邻域搜索策略,并对蚁群算法的参数选择问题进行了讨论。完成了MFJSSP中蚁群算法的改进,并将改进后的蚁群算法应用于解决4×5问题和8×8问题,取得了较理想结果。实验结果证明所提出的算法在解决MFJSSP上是一种可行、有效的解决方法。     

带软时间窗的多车场开放式车辆调度

带软时间窗的多车场开放式车辆调度问题是在开放式车辆路径问题的基础上,考虑了多车场和客户服务时间的约束,是一类典型的NP难解问题。针对该问题,提出了一种改进的蚁群算法求解方案,并建立了相应的数学模型。首先通过设置一个虚拟车场将多车场VRP转化为单车场VRP,然后利用参数控制的改进蚁群算法与2-opt算法结合来对模型求解。算法先利用K-means与细菌觅食算法相结合的聚类技术判断蚁群状态,进而动态调整算法参数,使其快速收敛到全局最优解附近,再依据混沌理论的特点来调整参数,使其跳出局部最优。最后,再利用2-opt算法对最优解进行优化。实验结果验证了该算法求解MDOVRPSTW问题的有效性。     

基于遗传算法优化的跳汰机排料系统PID控制仿真

针对传统PID控制方法应用于跳汰机排料系统时难以获得最优控制参数、控制效果差的问题,提出一种基于遗传算法的PID控制参数优化方法,介绍了基于遗传算法优化的PID控制结构、参数优化方法及步骤,并以某矿井跳汰机排料系统为例,对基于该方法的PID控制器的控制性能进行了仿真研究。仿真结果表明,该方法能够实现PID控制参数的在线优化,收敛速度快,具有较强的鲁棒性;基于该方法的PID控制器具有良好的动、静态性能,无超调现象,控制精度高。     

具有杂交、变异因子的自适应蚁群算法最优PID参数

以蚁群系统为基础,提出了一种具有杂交、变异因子的自适应蚁群算法优化PID控制参数的方法,该方法克服了一般蚁群算法收敛速度比较慢,容易出现停滞以及全局搜索能力较低的缺点,能够令人满意地实现PID控制参数的优化。仿真实验结果与Z-N法、遗传算法优化的结果进行比较,系统单位阶跃响应的超调量σ和调整时间ts大幅度减少,动态和稳态性能进一步改善,证明该算法具有更新的模拟进化优化方法的有效性。