飞机空调车的模糊CMAC-PID温度控制器设计

关于飞机地面空调温度优化控制问题,飞机地面空调车温度控制系统具有参考模型不精确、非线性、时变、工作环境不稳定等特点。针对实际温度控制系统中应用到的传统PID温度控制器存在超调量大、响应速度慢、抗干扰能力弱等缺点,设计了一种新的响应速度快、稳定性高和抗干扰能力强的模糊CMAC-PID控制器。温度控制器利用小脑神经网络(CMAC)较强的自适应能力,与模糊PID控制器并行工作,能够迅速、精确、稳定的达到系统所要求的温度值。用Matlab软件进行实验,结果表明控制方式有效地改善了系统的动态性能、稳态精度和鲁棒性,具有较好的工程应用前景。     

基于粒子群优化的模糊PID控制在配料过程的应用

为避免模糊PID控制中参数选取的经验性及参数不变性,应用粒子群算法优化隶属函数分布,增强控制器自适应能力,并提高其控制精度,充分体现了算法的智能性.将粒子群优化的模糊PID控制应用于配料控制系统中,通过仿真并与模糊PID以及传统PID控制方法相比较,结果表明,粒子群算法收敛快,找到最优点时间短,优化后的模糊PID控制具有静态误差小、调节时间短、无超调、抗干扰能力强等优点,能很好地满足控制过程的动态特性,并具有较强的鲁棒性及适应性.     

电磁骚扰自动测试系统中的寻优算法设计

针对电磁骚扰测试转台的特殊要求,根据PID调节器和最小拍控制超调量小,响应速度快,跟随性能强的特点,设计了一种转台的最优控制算法。仿真结果表明,应用此控制方法可以实现电磁骚扰测试转台系统响应速度快、超调量小、控制效果好及抗干扰能力强的优点。该方法具有一定的实用意义和经济价值。     

永磁同步电机调速系统在缝纫机上的研究

本文针对传统的pID控制和免疫PID控制在永磁同步电机(PMSM)调速系统上进行比较.经测试结果表明,采用免疫PID控制方式的调速系统具有超调量小、响应快速、鲁棒性好、抗干扰能力强等优点.这对于性能要求相当高的缝纫机来说,运用免疫PID控制更能提高其性能.     

变论域模糊PID在空调车温度控制中的应用

研究飞机维修地面环境空调系统优化控制,保证预期效果,飞机地面空调车温度控制系统是一个时变、非线性、模型不精确、工作环境不确定的复杂系统,空调控制温度精度差,影响稳定性能.针对传统的PID控制存在响应时问慢、稳定性差等缺点,提出了一种新的响应速度快、稳定性好和抗干扰性强的变论域模糊PID控制方法.采用变论域的思想,结合传统的PID方法和模糊控制方法的各自优点,形成变论域自适应模糊PID控制算法.利用变论域思想提高模糊推理的精度,并用模糊推理的方法实现PID参数的在线整定.在Matlab上仿真,结果表明控制方法效果明显优于传统PID控制,有效改善了系统的动态性能、稳态精度和鲁棒性,有较好的工程应用前景.     

炉温控制系统的仿真研究

针对现实应用中对电阻炉温度控制的高精度要求,由于电阻炉这样的大滞后、非线性、时变的复杂系统,因此设计了-种参数自整定的模糊PID温度控制系统,实现了对电阻炉温度控制的精确控制.系统融合了传统PID控制和模糊控制两大控制理论的优点.通过仿真和在某热工检定系统上的实验表明,方法有效解决了快速性和超调量之间的矛盾,响应快、无超调、鲁棒性强,具有良好的控制效果和品质,并可适应对象以及外部环境引起的扰动,动态特性明显优于传统PID控制.     

混合粒子群算法优化分数阶PID控制参数研究

分数阶比例-积分-微分(PID)控制器是一种把PID控制器的整数阶次推广到分数的比例、积分、微分控制器,它比传统的PID控制器更能精确地控制复杂的被控系统.而参数的取值对控制效果的好坏起着决定性作用,为此提出了一种混合粒子群算法BFA-PSO优化参数值.该算法将具有趋化、繁殖和驱散特点的细菌觅食算法和参数少,易于优化的粒子群算法相结合来计算出精确的分数阶PID控制器的参数值.通过对传统PID控制器和分数阶PID控制器参数优化的实验仿真,结果表明基于该算法的分数阶PID控制不仅无超调量、收敛速度快,而且鲁棒性强、收敛精度高,可用于控制不同的对象和过程.     

基于粒子群优化的分数阶PID预测函数参数整定

为避免分数阶PID预测函数手动调节参数的不确定性以及繁琐性,应用粒子群算法优化其参数,完善分数阶PID预测函数控制器,并提高其控制精度,充分体现了算法的智能性。将粒子群整定分数阶PID预测函数算法应用于单变量的励磁控制系统中,通过Matlab仿真并与模糊分数阶PID预测函数以及经验调节方法相比较,结果表明,粒子群算法整定参数收敛速度快,找到最优点时间短,整定后的算法具有静态误差小、无超调、上升速度快、调节时间短、抗干扰能力强等优点,能很好地满足励磁系统的动态特性,并具有较强的鲁棒性及适应性。     

基于微粒群算法的PID参数优化及其在电阻炉温度控制中的应用

PID控制在工业上广泛应用;但是PID参数整定困难。该文提出一种改进的微粒群算法,进行PID参数寻优,并应用于电阻炉温度控制。仿真证明了该算法能有效地实现PID参数整定,应用于电阻炉温度控制时,具有响应快,超调小等优点。     

模糊免疫PID在温度控制系统中的应用

针对实际工业过程中温度控制的特点，借鉴生物免疫系统中的免疫反馈原理，结合模糊控制器可以逼近非线性函数的特点，提出了将模糊免疫PID控制算法应用到温度控制系统中。仿真结果表明该方法具有超调量小，调整时间短，抗干扰能力和鲁棒性强等优点，控制效果优于常规的PID控制方法。     

基于RandW-SecPSO的四旋翼飞行器分数阶PID控制器参数优化

为了提高四旋翼飞行器姿态控制的控制性能,将分数阶PID控制器运用到四旋翼飞行器的控制系统中.提出了一种带随机权重平均值的二阶粒子群算法(RandW-SecPSO)去优化分数阶PID控制器的参数.将随机权重平均值与二阶粒子群算法相结合,对粒子群进行二阶初始化,同时加入随机权重用以平衡全局搜索能力和局部开发能力,这样提高了算法的收敛精度,并将其与PID控制器进行仿真分析.通过搭建仿真平台,验证了该算法的可行性.仿真结果表明:RandW-SecPSO算法在优化四旋翼飞行器分数阶控制器的参数上要好于粒子群算法(PSO),与PSO算法相比调节时间缩短了0.7s,上升时间减少了0.2s,超调量减小了8％,具有收敛速度快、超调量小、稳定性好等优点.总之RandW-SecPSO算法优化分数阶PID动态响应特性比PID要好很多.     

基于改进粒子群算法的四旋翼自抗扰控制器优化设计

针对四旋翼飞行器自抗扰控制器参数较多,人工整定困难且难以得到最优控制效果的问题,提出一种基于改进粒子群算法的四旋翼自抗扰控制器优化方法。在设计了四旋翼飞行器的自抗扰控制器之后,将自抗扰控制器的参数作为粒子群中的粒子进行迭代寻优,同时在传统的粒子群算法基础上,参考遗传算法,对适应值不好的粒子进行交叉保优,以提高粒子的多样性,加快寻优速度。仿真结果表明,对比人工整定参数的控制器,优化后的控制器超调更小,调节时间更快。该方法能够解决四旋翼飞行器自抗扰控制器人工参数整定困难的问题,且优化后的控制器具有更好的控制效果。     

基于多种群遗传算法的水面无人艇航迹控制方法

针对水面无人艇(USV)的航迹控制问题,提出了一种由视线导向法和多种群遗传算法整定的PID航向控制器组成的航迹跟踪控制方法.该方法采用多种群遗传算法克服了传统遗传算法容易陷入局部最优的问题,增强了算法的全局寻优能力;并根据模型特点改进了适应度函数,使得对控制器性能的评价更加合理.与标准遗传算法和粒子群算法的对比仿真表明,多种群遗传算法在PID参数整定方面寻优能力更强、稳定性更高;同时,整定出的PID控制器针对不同的模型参数,均表现出收敛速度快、无超调、无稳态误差的优良特性.航迹仿真结果表明,设计的航迹控制方法能够有效跟踪给定航迹.     

改进粒子群算法整定PID参数研究

PID控制器的性能取决于其控制参数的组合,针对其参数的整定和优化问题,提出了应用一种改进的粒子群优化算法,该算法借鉴了遗传算法的杂交机制,并采用惯性权值的非线性递减策略,用以加速算法的收敛速度和提高粒子的搜索能力。将该算法应用于一个二阶系统的PID控制器参数的优化。仿真结果表明该改进的粒子群算法具有比传统粒子群算法和遗传算法更好的优化效果,具有一定的工程应用前景。     

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。     

基于遗传算法的半导体制冷器非线性PID设计

针对常规线性PID对具有非线性特征的半导体制冷器温度控制系统存在快速性和超调量难以兼得、抗干扰能力差的问题,提出将非线性PID控制用于半导体制冷器温度控制的策略.通过对线性PID存在问题以及PID各增益参数与偏差信号之间非线性关系的分析,构建了增益参数的非线性函数,针对非线性函数中参数较多问题提出了自适应遗传寻优的求解方法.仿真和实验结果表明,基于此遗传算法寻优的非线性PID控制器相比线性PID控制器,调节时间缩短,超调量减小,抗干扰能力更强.     

基于改进BBO算法的分数阶PID控制器设计

针对分数阶PID(Fractional-Order Proportional-Integral-Derivative,FOPID)控制器参数整定,提出了一种改进生物地理学优化(Biogeography-Based Optimization,BBO)算法。该算法改进点主要包括:迁移操作中保留精英个体;变异操作中引入差分进化(Dtferential Evolution,ED)算法的变异策略;消除重复样本。仿真结果表明:在分数阶PID控制器参数整定中,与原始的BBO算法、遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)比较,提出的改进BBO算法具有超调量小、误差小,收敛更快的特点。     

基于多种群风驱动优化算法的PID参数整定

针对标准风驱动优化算法容易收敛到局部最优和未成熟收敛的问题,提出了一种多种群风驱动优化算法,并将其用于PID控制器的参数整定。该算法将PID控制器的比例、积分和微分参数作为空气微团的位置矢量,以ITAE指标作为算法的适应度函数,通过多个种群协同搜索,寻求解空间中适应度值最小的位置。通过实验仿真,并与基于标准风驱动优化算法、基于遗传算法和基于粒子群算法的PID参数整定相比,该算法在收敛速度、收敛精度等方面均表现出更好的性能。     

基于改进粒子群优化算法的预测控制

在实际工业过程中预测控制算法应用广泛,但是对于多变量预测控制算法其参数较多,且各个参数之间相互耦合,故整定其参数比较复杂,鉴于此提出一种基于改进粒子群算法的预测控制参数优化算法。该算法的基本思想是将生物寄生行为机制引入到粒子群优化算法中,形成双种群粒子群优化算法,使用该改进粒子群算法对多变量预测控制算法的参数进行离线优化,从而确定预测控制算法参数的最优取值。最后,将本文算法用于冷热水系统液位和温度的控制,并通过仿真将该算法与标准粒子群优化算法相比较,仿真结果表明使用该算法对多变量预测控制的参数进行优化整定时,系统的阶跃响应具有抗干扰性能好、超调量小、调节时间短等优点。     

一种采用改进CPSO算法的PID参数整定方法

为提高控制系统的性能,提出了一种采用改进混沌粒子群(CPSO)算法的PID参数整定方法。该算法将混沌搜索应用到粒子群算法的粒子位置和速度初始化、惯性权重优化、随机常数以及局部最优解邻域点的产生的全过程,使其不仅具有全局寻优能力,而且具有持续与精细的局部搜索能力。3种典型控制系统的PID参数整定实验结果验证了所提方法的有效性,其性能明显优于常规方法。