车辆空气悬架PID控制优化仿真

考虑到空气弹簧的非线性特性,建立了2自由度车辆空气悬架系统的振动模型.为了提高车辆行驶平顺性和乘坐舒适性,设计将粒子群优化(Particle Swarm Optimization,PSO)算法与PID控制策略相结合后应用于车辆空气悬架系统控制,并在Matlab/Simulink环境下,对不同车速和行驶路况下的车辆空气悬架进行了仿真分析.仿真结果表明:与传统的PID控制比较,基于粒子群优化的PID控制器使得车辆空气悬架系统的车身垂向加速度(BA),悬架动行程(sws)和轮胎动位移(DTD)的均方根值都有所减少,改善了车辆的平顺性和操纵稳定性.     

基于免疫粒子群优化的主动悬架LQG控制研究

针对LQG控制器用于主动悬架存在权重系数依靠先验知识来确定的不足,提出了免疫粒子群混合优化算法。该算法首先利用粒子群算法对LQG参数进行离线优化,得到一组准最优LQG参数,将其作为在线调节初始值,然后引入免疫粒子群算法对LQG参数进行在线实时优化。该方法实现简单,在保持粒子多样性的同时也改善了粒子群算法收敛速度慢、早熟以及免疫算法过程繁复冗长。仿真验证了所提方法的可行性与有效性。     

基于粒子群算法的PID参数优化

粒子群优化PSO算法是近几年出现的一种新型演化算法,对连续函数的优化效果良好。通过采用PSO算法对PID参数进行了优化,使用实数编码方法,用局部版粒子群算法取得了良好的优化结果。说明了粒子群算法寻优简单、鲁棒性强、易于并行化,是一种效率很高的寻优方法,是PID参数优化的理想方法。     

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。     

基于粒子群算法的PID神经网络解耦控制

基于粒子群的优化算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。该算法采用粒子群算法优化PID神经网络初始权值,并将优化后的最优初始权值控制非线性耦合系统。系统仿真结果表明,粒子群优化后的PID神经网络控制器具有逼近控制目标更快、响应时间较短的显著优点。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有一定的理论研究价值和工程实用价值。     

基于最大粒子群算法的汽车主动悬架与EPS集成控制

在分析了EPS与悬架这两个子系统之间相互影响和协调关系的基础上,建立了转向工况下主动悬架与EPS系统模型,提出了基于最大粒子群算法的模糊/PID集成控制策略。根据实际系统的变化情况,模糊控制规则及PID运行参数通过最大粒子群算法进行优化。仿真结果表明,相对于不加控制的悬架和转向系统,汽车的行驶平顺性、操纵稳定性和安全性均得到了提高。     

改进粒子群算法的PID神经网络解耦控制

综合减摇控制系统存在非线性、多变量、强耦合等因素,会导致减摇系统达不到最佳控制状态。利用粒子群算法具有对整个空间进行高效搜索以及PID神经网络的自适应特点,提出一种改进粒子群算法,以解决粒子群算法中存在算法精度不高、粒子易陷入局部极小值等问题,并提高PID神经网络训练速度和训练精度,便于参数寻优。仿真结果表明,改进的粒子群算法具有一定优越性,将其运用到综合减摇控制系统解耦控制器设计中,能够有效地减小船舶横摇,达到较好的控制效果。     

基于粒子群算法的PID控制器参数优化研究

PID参数优化一直是自动控制领域研究的重要问题,PID的控制效果取决于比例、积分和微分三个参数取值.传统的PID参数多采用试验加试凑的方式由人工进行优化,难以满足控制的实时要求.为了解决控制参数优化选择问题,改善系统性能,提出一种基于粒子群算法的PID参数优化策略.通过建立粒子群优化的PID控制器参数模型,在控制过程中将PID参数(比例、积分、微分)作为粒子群中的粒子,采用控制误差绝对值时间积分函数作为优化目标,在控制过程中动态调整PID的三个控制参数,从而进行PID控制参数的实时优化,最后将优化方案应用于中央空调温度控制系统.仿真应用研究表明,PID参数优化策略具有很强的灵活性、适应性和鲁棒性,进而验证了优化方案的可行性和有效性.     

基于免疫粒子群优化算法的增量式PID控制

基于粒子群优化算法的收敛速度快简单易实现的特点和免疫算法的免疫记忆、免疫自我调节和多峰值收敛的特点,本文设计出免疫粒子群算法,并将其应用于PID控制器中。仿真结果表明,免疫粒子群优化算法适用于增量式PID控制,并且基于免疫粒子群优化算法的增量式PID控制的跟踪效果和抗干扰能力比粒子群优化算法的PID控制和基于免疫算法的增量式PID控制跟踪效果和抗干扰能力都要好。     

基于改进粒子群算法的柴油发电机自适应PID控制

对柴油发电机数字电子调速系统进行了研究;数字电子调速系统是运用闭环控制来实现柴油发电机的转速恒定,以确保供电频率的稳定;传统的柴油发电机组调速器中都是用经典PID控制算法,传统PID控制存在的主要问题其实就是PID参数的整定问题,因为一次性得到的PID参数很难保证其系统的控制效果始终处于最优化状态,因此在频率控制器中引入了基于改进粒子群算法的PID参数自整定方法,实时改变PID参数以保证通过控制取得优化控制效果;在执行器上采用了步进电机,使其调速性能有了很大的改进,成本降低;实验仿真表明,该调速系统动态特性较好,有较高的精度,不失为柴油机调速的一种新方法。     

车辆主动悬架的BP神经网络自适应PID控制

提出了一种主动悬架的基于BP神经网络的自适应PID控制方法,并借助于1/4主动悬架物理模型,探讨了该控制技术在车身主动减振方面的控制问题.以白噪声模拟路面输入,对车辆主动悬架系统进行计算机仿真研究.将BP神经网络PID主动悬架、PID主动悬架和被动恳架的车身加速度、悬架动挠度及车轮动位移三项指标的均方根值进行了对比分析.仿真结果表明,具有BP神经网络PID控制器的主动悬架控制效果明显优于PID主动悬架和被动悬架,可大大减少路面对车身的振动冲击,能显著地提高车辆行驶平顺性和乘坐舒适性,且鲁棒性好.     

基于PSO算法和BP神经网络的PID控制研究

针对PID控制中的参数整定的难点及基本BP算法收敛速度慢、易陷入局部极值的问题,提出利用PSO算法的全局寻优能力和较强的收敛性来改进BP网络的权值调整新方法,从而对PID控制的比例、积分、微分进行优化控制。该方法是在基本BP算法的误差反向传播的基础上,使粒子位置的更新对应BP网络的权值和阈值的调整,既充分利用了PSO算法的全局寻优性又较好地保持了BP算法本身的反向传播特点。仿真结果表明基于PSO算法的BP神经网络的PID优化控制具有较好的性能和自学习、自适应性。     

基于改进的PSO算法的球磨机PID神经网络控制系统

球磨机制粉系统是一个复杂的多变量系统,具有强耦合、非线性、大迟延、慢时变等特点,很难建立精确的数学模型,采用常规的控制策略难以获得满意的控制效果。针对上述问题,在对球磨机制粉系统动态特性进行分析的基础上,提出了一种不依赖于被控对象数学模型的多变量PID神经网络解耦控制策略;为进一步提高控制器性能,利用一种改进的PSO算法对PID神经网络的权值初值进行离线优化训练,然后采用BP算法对权值进行在线调整,避免网络陷入局部极小值,保证了系统不会出现大的超调和震荡。仿真结果表明,该策略可以保证球磨机控制系统有大范围的鲁棒性和适应性,能较好地解决球磨机制粉系统的耦合性、时变性等问题,具有优良的解耦机制和控制品质。     

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。     

基于粒子群优化的桥式起重机模糊PID控制

由于桥式起重机调速系统具有非线性特点,采用传统PID控制效果不佳,而模糊控制却能很好地改善非线性系统的性能,因此将二者相结合设计出了桥式起重机的模糊PID控制器。同时为了进一步改善控制器的性能,利用粒子群算法（PSO）的寻优特性对其参数进行优化,并通过 Matlab仿真与优化前的控制器以及传统 PID控制器进行对比,结果表明,采用粒子群算法优化后的模糊PID控制器动态性能更佳,具有超调小、调节时间短、适应性强的优点。     

基于改进粒子群算法的中药提取过程PID优化控制

提出了一种适合于中药提取过程的基于改进粒子群算法的PID优化控制方法;针对粒子群算法存在早熟和局部收敛的问题对算法进行了改进,采用一种非线性动态自适应方法作为惯性因子权值调整策略,使惯性权值随粒子目标值的变化而自动改变;将该法应用于中药提取温度控制系统PID控制器参数优化设计,首先利用广义Hermite-Biehler定理计算控制对象的PID控制器参数稳定域;然后在参数稳定域范围内采用改进粒子群算法寻优得到了满足指定性能指标(ITAE)最小的最佳控制器参数值;最后针对中药提取工段的温度控制二阶时滞系统进行了仿真,验证了该方法的有效性。     

基于AMESim的车辆悬架系统建模与仿真

介绍了高级工程系统仿真建模环境AMESim,利用该软件建立了车辆悬架系统的模型,并对该模型进行时域仿真分析,仿真过程中给出了阶跃输入下车辆轮胎的弹性形变、悬架系统对车辆垂直速度的响应以及对车身加速度的影响情况。结果表明,该仿真环境较为真实的模拟车辆悬架系统的实际响应,为其他车辆悬架系统的仿真与优化提供了基础模型。     

改进粒子群的模糊神经PID控制研究与应用

设计一款电子负载用于对稳压电源进行检测。在硬件方面,对DSP控制器的选择、电子负载各芯片的选取、键盘及显示电路的设计进行了详细的介绍;在软件方面,针对模糊神经PID控制算法易陷入局部极值和迭代过久的缺点,加入了改进的粒子群算法,并且在神经网络在线调整时加入训练参数,对算法进行了改进,提高了算法的效率。将设计好的电子负载对稳压电源源效应进行检测,取得了较好的结果。     

基于集成协同PSO算法的车辆路径优化仿真

为提高物流配送效率,减小配送车辆的运输成本,提出采用改进的集成协同粒子群优化(PSO)算法来对路径进行优化。根据车辆路径问题的特点,采用极坐标对路径上的节点编码,并用权重表示其先后顺序,将其转化为连续PSO算法解决该问题。并且针对标准PSO算法存在的早熟问题,通过划分子种群来提高粒子的多样性,并利用集成学习,将粒子的每个维度视为个体学习者进行结合,提高搜索精度,构建了集成协同PSO算法。理论分析和实验表明,所采用的编码方式结合改进的集成协同PSO算法可以有效解决车辆路径问题。