基于改进粒子群算法的永磁同步电机PID控制器

为提高永磁同步电机系统的控制精度,提出一种使用改进粒子群算法优化的永磁同步电机PID控制器。首先建立永磁同步电机数学模型,然后采用改进粒子群算法对PID控制器参数进行优化,实现永磁同步电机参数在线辨识,最后采用仿真实验对其性能进行测试。仿真结果表明,相对于传统的永磁同步电机PID控制器,本文方法优化的永磁同步电机PID控制器改善了系统响应性能,能够使永磁同步电机获得良好的稳定性、鲁棒性和动态性能。     

BP神经网络在永磁同步电机中的应用

永磁同步电机是一个多变量、非线性、强耦合的系统,传统PID速度控制效果不理想.在分析永磁同步电机数学模型的基础上,采用改进型BP神经网络与传统PID控制相结合作为速度控制器,应用于永磁同步电机调速系统中.在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制,实现了电机速度的自适应控制.仿真结果表明:应用这种新型控制方式的永磁同步电机调速系统具有良好的动态性能和稳态精度.     

一种非线性PID控制算法的仿真研究

研究PID控制系统优化问题,工业控制被控对象均具有非线性、时变和大时滞性,引起系统的品质性能差,传统的线性控制难以达到所要求精度。为了提高系统控制精度,利用PID控制器各增益参数与偏差信号间的非线性关系,提出一种非线性PID控制算法。首先将PID参数转化为优化问题,然后采用粒子群算法的全局、并行搜索能力对非线性控制参数进行求解,得到一组最优的PID控制参数。仿真结果表明,相对于传统线性PID控制,非线性PID控制器超调小,调节时间短,并提高了控制精度,有效解决了传统PID难以准确控制非线性对象的难题。     

PMSM调速系统CMAC网络PID并行优化控制

针对永磁同步电机调速系统存在多变量、非线性和强耦合的控制特点,提出了基于混沌优化策略与自适应CMAC网络PID并行控制相结合的控制方法,并将其应用于永磁同步电机调速系统的参数设计中.该方法首先通过混沌搜索,得到PID控制器参数的次优值,然后再利用变尺度的方法在次优值附近找出PID控制器参数的全局最优值.与传统CMAC网络PID并行控制以及单纯PID控制相比较的仿真结果表明.该方法可以更好地提高永磁同步电机调速系统的控制精度和响应速度.     

基于PXI和RT-LAB的永磁同步电机快速控制原型设计

针对永磁同步电机控制器存在算法复杂、代码量大、开发周期长等问题,实现一种基于虚拟仪器的永磁同步电机快速控制原型系统。设计快速控制原型硬件平台,并对硬件设备进行选型,包括PXI虚拟仪器、功率驱动模块、电机对拖台架等;研究永磁同步电机转子磁场定向控制原理基础上,以一台3.1KW被测电机为被控对象,在RT-LAB实时仿真软件环境下,搭建永磁同步电机控制算法模型。实验结果表明,电机转速与定子电流均可无偏差跟踪参考给定值,系统控制性能良好,且该系统使电机控制器开发周期缩短、成本降低。     

基于模糊PID控制的永磁同步电机矢量控制研究

为了提高永磁同步电机的控制性能和抗干扰能力,针对传统PID控制性能效率不高,以及对工作环境变化的适应性差等问题,通过对比研究传统PID控制和模糊PID控制两者的控制性能,提出了一种基于模糊PID控制的智能控制方法。在Matlab/Simulink环境下搭建仿真模型并进行仿真实验,对传统PID控制和模糊PID控制对永磁同步电机控制效果进行对比。实验结果表明,模糊PID控制器相对于传统的PID控制器超调量小、调节时间短,具有更强的可靠性。     

RBF整定PID在永磁同步电机控制中的应用研究

电动汽车驱动电机具有非线性、时变性和耦合性等特性。为解决常规比例积分微分(PID)控制在电动汽车上下坡或负载发生变化等情况下控制效果不理想的问题,对电动汽车中永磁同步电机的驱动控制系统进行了研究。基于径向基函数(RBF)神经网络在电机控制领域的应用现状,利用RBF神经网络在线整定PID控制参数的方法,改善控制器对电动汽车驱动电机的控制效果。分析了永磁同步电机在电动汽车中的应用特性,建立了电动汽车中永磁同步电机的离散数学模型。通过Matlab仿真,验证了RBF神经网络在永磁同步电机等非线性系统中应用的可行性,并分别在RBF在线整定PID控制和常规PID控制两种情况下进行电机的调速控制仿真试验。试验结果表明,相比常规PID控制,RBF在线整定PID控制具有更好的实时性、抗干扰能力以及自适应能力,能够有效提高电动汽车行驶的稳定性。     

基于自适应粒子群优化算法的永磁同步电机参数辨识

永磁同步电机广泛应用于工业驱动系统中,开展永磁同步电机参数在线辨识对实现电机高性能控制和可靠状态监测具有重要意义.针对永磁同步电机动态数学模型具有非线性、多参数、强耦合等特点,从电气系统和机械系统两方面建立了永磁同步电机数学模型,针对参数辨识问题的特点,提出了一个惯性因子的自适应公式,在此基础上,建立了以粒子群算法为框架的自适应粒子群优化算法,对永磁同步电机定子电阻Rs和负载转矩TLd进行了在线辨识,并基于实验平台验证了辨识结果.研究结果表明:自适应粒子群优化算法通过不超过20次迭代就可以发现最优参数,模型参数的估计值和测量值匹配良好,该算法可在其他类型电机的参数辨识中推广应用.     

水轮发电机组PID参数的优化仿真研究

研究水轮发电机组PID参数优化问题,由于PID参数是一个多参数组合系统,参数间互相关联,呈高度非线线性关系,传统参数优化算法采用经验方法,耗时长,难以找到最优参数,导致PID控制精度不高.为了获取最优PID参数,提高系统控制精度,提出一种粒子群算法的PID参数优化方法.采P1D参数作为粒子群中的一个粒子,PID控制精度作为粒子的目标函数,通过粒子相互作用,不断缩小粒子的搜索空间,通过引入重新启动策略,提高粒子摆脱局部极值能力,最后找到最优PID参数.通过对某水电站的真实数据对参数优化后的PID控制器进行测试实验,结果表明,粒子群优化算法能够很快找到PID最优参数,明显提高了水轮发电机组PID控制精度,系统超调量更小,调节时间更短,为控制系统优化提供了依据.     

PID控制器参数优化算法的仿真研究

研究PID控制器参数优化问题,现代控制对象具有复杂非线性、时变性特点,引起系统的输出品质特性差,超调大稳定性时间长,控制精度差等.传统PID控制是针对线性控制系统提出的,控制精度比较低.为了提高PID控制精度,基于神经网络提出PID控制器参数自适应优化方法.通过将系统控制偏差和PID控制器的3个参数作为神经网络的输入,最优控制性能作为优化目标,通过神经网络自身学习和加权系数调整,获得最优控制性能的PID控制器参数.仿真结果表明,神经网络的PID控制方法提高了系统控制精度,系统响应速度更快,具有很强的自适应性和鲁棒性,为优化控制系统提供了参考.     

基于风驱动优化算法WDO的PID参数优化

鉴于PID控制器的优越性,其在工业控制领域中的引用越来越广泛。PID控制器的性能主要在于其参数优化设计,PID参数优化问题一直是研究热点。为了解决PID参数优化问题,提出了一种基于自然启发的风驱动优化算法（WDO）的PID优化控制方法,该算法以PID三个参量为控制对象,以误差绝对值和控制输入平方项的时间积分作为优化目标,经过迭代寻优计算得到系统最优控制量。通过计算机仿真,并与遗传算法和粒子群算法PID参数优化相比,结果表明：该算法提高了系统的控制精度、响应速度和鲁棒性,为控制系统PID参数整定提供了参考。     

基于粒子群优化算法的PID控制器参数整定

PID控制器的性能完全依赖于其参数的整定和优化，但参数的整定及在线自适应调整对常规的PID控制器是难以解决的问题。根据粒子群算法具有对整个参数空间进行高效并行搜索的特点，提出了一种基于粒子群优化算法整定PID控制器参数的设计方法，并定义了一种新的性能指标函数来评价PID控制器的性能。现以二阶的船舶控制装置为研究对象，运用粒子群优化方法对PID控制器参数进行了寻优研究。仿真结果表明，该方法比一般PID参数整定方法具有更好的控制性能指标，有着一定的工程应用价值。     

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.     

钢包炉配料PSO-BP-PID 控制研究

针对钢包精炼炉( Ladle Ｒefining Furnace) 又称LF 炉,配料加料过程的惯性、时滞、非线性等控制特性,设计了一种基于微粒群优化算法( Particle Swarm Optimization,PSO) 、误差反向传播( Back Propagation,BP) 神经网络以及比例－ 积分－ 微分( PID) 的复合控制算法PSO-BP-PID,并将该复合算法应用于150 t 钢包精炼炉配料称重控制系统中,实现配料称重过程的智能控制。PSO-BP-PID 算法利用微粒群优化算法的全局寻优特性,优化BP 神经网络的初始权值以提高神经网络的收敛性; 采用经微粒群算法优化后的BP 神经网络在线实时调整PID参数。通过基于PSO 和BP 网络的PID 控制器实时控制钢包精炼沪的配料过程。仿真实验和运行实验结果表明,PSO-BP-PID 算法的控制效果优于单一PID 算法的控制效果。采用PSO-BPPID算法的钢包炉配料系统后,明显提高了配料精度,有效地解决了配料称重过程中速度与精度的矛盾。     

基于四旋翼无人机的粒子群PID控制研究

针对四旋翼无人机PID控制中,凭借经验知识和仿真调试来选取比例、积分、微分等参数时存在盲目性的问题,提出了利用改进后的粒子群算法对PID控制器进行优化的方法。采用自适应惯性权重的方法对粒子群进行优化能够避免在刚开始就陷入局部最优的困境,同时选用ITAE准则作为改进粒子群算法的适应度,以此达到更好的控制效果。通过MATLAB/Simulink搭建模型并仿真,证明了自适应粒子群PID比传统的PID响应更快,超调量接近于0,达到稳定的时间更短;在遇到干扰信号时粒子群PID算法恢复稳定的时间较PID减少了0.15s。     

飞机地面空调车温度控制的仿真研究

研究优化飞机地面空调车温控制问题,由于飞机地面空调车温度控制是非线性、时变性强的系统,工作环境不确定性,面对复杂系统温控模型不准确,传统的PID控制存在超调量大、响应速度慢、抗干扰能力弱等缺点。为提高温度控制精度,提出了一种新的稳定性好、精度高、抗干扰能力强的遗传-粒子群PID控制方法。结合传统的PID方法,遗传算法和粒子群算法的各自优点,实现了PID参数的在线整定。通过在matlab上进行仿真,实验结果证明算法具有超调量小、响应速度快、精度高、抗干扰能力强等优点,PID控制性能有显著提高,为飞机地面空调车的温度控制设计提供了依据。     

基于改进粒子群优化算法的PID控制器参数优化

针对PID控制器参数整定问题,提出一种基于改进粒子群优化算法的优化方法。该方法在实数编码及设定参数搜索空间的基础上,采用基于指数曲线的非线性惯性权值递减策略,以较大幅度地提高算法的收敛速度和精度;嵌入基于差分进化算法变异算子的局部搜索策略,以有效提高粒子个体的适应性和群体的多样性,改善解的质量,同时增强算法全局空间探索和局部区域改良能力的平衡。仿真结果表明,该方法与传统和智能算法相比较,所得到的控制器参数能够使控制系统获得更好的动态响应特性和满意的控制效果。     

基于粒子群算法的抄纸过程PID神经元网络优化控制

抄纸过程中定量和水分的控制是一个大纯滞后、强耦合和非线性的系统,本文提出使用粒子群算法优化的PID神经元网络来解决这些控制问题。设计的双PID神经元网络闭环控制系统中,网络结构简单,使用增加动量项的误差反向传播算法,提高了学习速度,减少了系统的反应时间,并采用粒子群算法优化网络的初始权值,克服PID神经网络学习过程中由于权值易陷入局部最优值的缺点,提高了系统的控制精度。仿真结果表明：初始权值优化后的PID神经网络控制系统具有更高的控制精度和更快的响应时间,能更好地实现抄纸过程的解耦控制。这为抄纸过程定量水分的自动控制提供了一种新的方法。      

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。     

基于改进PSO算法的PID参数自整定

研究了比例-微分-积分(PID)控制器参数自整定问题，提出一种基于改进粒子群优化算法的PID控制器参数自整定方法。采用实编码方法和基于指数曲线的非线性惯性因子取值策略，该途径易于实现，并且提高了寻优的速度和精度。仿真实例表明了该方法的有效性。