基于精英培养混合遗传算法的PID参数整定

提出了一种基于精英培养的混合遗传算法,该算法采用参数自适应变化的遗传操作与精英个体的有方向的邻接爬山操作相结合。遗传参数的调整和搜索终止条件打破了传统的由整个进化群体的进化情况决定的做法,而改由精英团体的进化情况决定。通过仿真实验说明了通过新算法能实现PID参数的快速的自整定,且整定效果较好。     

基于改进遗传算法的PID控制器设计

针对一般遗传算法存在的不足，提出一种改进的遗传算法，并将其应用于PID控制器参数设计。该方法采用实数编码，是为了操作方便、提高精度和收敛速度，且能克服传统PID参数整定的费时性。仿真结果表明，基于改进遗传算法设计的PID控制器获得了良好的控制效果，其控制性能优于常规的PID控制器。     

基于MBP算法的PID控制器设计

针对一般BP算法存在的不足,提出一种改进的BP算法,并将其应用于PID控制器的参数设计中,并且克服了常规的PID控制器参数整定的费时性,用MBP算法的PID控制器代替常规的PID调解器。介绍了MBP算法和基于MBP算法的PID控制器的控制结构。通过仿真可以看到这种控制器的控制效果很好。还改善了系统的稳定性。     

模糊PID控制器

本文介绍一种新的模糊PID控制的设计和参数整定方法。运行结果表明，在控制非线性和时变对象时，其控制效果优于数字PID控制器。     

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PLC的二自由度PID控制算法研究及应用

介绍基于可编程序控制器的二自由度PID控制算法的工作原理及特点并以聚合反应为例详细阐述了该算法的应用方法。实践结果表明,二自由度PID控制算法可以较好地实现间歇反应的自动控制,并为过程控制提供了一种行之有效的方法。     

基于蚁群算法的PID控制器智能优化

PID控制由于算法简单，鲁棒性好在过程控制中获得了广泛的应用，但是经典的Z-N算法整定的PID参数却并不是最佳的。蚁群算法是一种新型的优化算法，具有收敛速度快、鲁棒性强的优点。本文介绍了蚁群算法的数学模型，针对某个线性系统设计了基于蚁群算法的智能PID控制器，仿真表明智能PID控制器具有良好的控制性能。     

基于VCGA 2-DOF PID控制器优化设计

遗传算法提供了一种复杂系统优化问题求解的通用框架,它通过对生物遗传和进化过程的模仿,来实现对问题的最优解的自适应搜索。针对基本遗传算法应用中早熟和慢收敛问题,应用改进的遗传算法,将适应度引入对操作因子的自适应调整。并给出了基于Matlab鳊程的实例。在此基础上,针对二自由PID的控制器优化设计问题,运用改进的遗传算法,在Matlab上进行了控制器参数的设计和仿真。结果表明,改进的遗传算法具有更快的收敛速度、更高的效率及全局收敛性,是一种适于工程应用的参数寻优方法。     

基于神经网络和遗传算法的智能PID控制

提出了一种结合神经网络和遗传算法的智能PID控制算法;该控制器先利用RBF辨识网络在线辨识系统模型,再利用遗传算法在线调整PID三个控制参数,将传统的Ziegler-Nichols方法所得的控制参数作为遗传算法的初始参数范围,缩小了遗传算法的寻优范围;在MATLAB6.5环境下进行仿真和试验研究,结果证明RBF辨识网络的输出能够很好地跟踪对象输出,遗传算法很好地优化了控制参数;二者结合可在线有效地控制较复杂的被控对象.     

一种改进的遗传算法及其在PID控制中的应用

针对经典遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点,提出了一种改进的遗传算法,并将其应用于PID参数寻优。该算法既具有经典遗传算法的全局寻优能力,又具有局部寻优能力;同时,它又能有效地抑制早熟,保证得到的优化参数为最优。仿真结果表明,基于此遗传算法寻优设计的PID控制器可以极大地提高寻优的速度,鲁棒性强,具有很好的动态品质和稳定性。     

基于改进遗传算法的PID参数寻优与控制器设计

相比传统的调节方法,遗传算法具有更好的鲁棒性、最优性,能较好的实现参数的自动化调节。对标准遗传算法（SGA）进行了分析、研究,并在SGA的基础上进行了改进。改进的遗传算法从提高全局搜索性能和加快收敛速度出发,提出了改进的选择算子、交叉算子和变异算子,仿真结果表明,改进的遗传算法的全局搜索性能和收敛速度远远优于标准遗传算法。     

基于分布种群遗传算法的PID控制器参数优化整定

Enlightened by distribution of creatures in natural ecology environment, the distribution population-based genetic algorithm (DPGA) is presented in this paper. The searching capability of the algorithm is improved by competition between distribution populations to reduce the search zone. This method is applied to design of optimal parameters of PID controllers with examples, and the simulation results show that satisfactory performances are obtained.     

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.     

基于遗传算法的预测自整定P I D 控制器

提出一种基于遗传算法的预测自整定ＰＩＤ控制算法。利用预测技术克服时滞,利用遗传算法优化ＰＩＤ控制器参数。对工业过程中典型的大时滞被控过程的仿真表明,这种控制算示鲁棒性强,响应速度快,抗干扰能力强,可构成较实用的工程控制器。     

QPSO混合算法在PID控制器优化中的应用

为了提高PID控制器参数优化的速度和成功率,提出了一种基于改进量子粒子群优化与非线性规划的混合算法．在算法中引入了柯西分布随机数扰动项,以增加粒子群体的多样性,增强其全局搜索性能：并将非线性规划函数融入算法,使其局部搜索能力也得到改善,从而提高了算法的精度和收敛速度．将该算法应用于4阶对象的PID控制器参数优化,用MATLAB编程运行,结果表明其响应时间短、超调量小、稳定性好,具有一定的实用性和推广价值．