基于优化粒子数和分段权值的粒子群直线电机PID整定

以工程中直线电机伺服系统为研究对象,提出一种优化粒子数量加分段式惯性权重递减的粒子群PID控制器参数优化算法。优化粒子数量的方法可降低函数调用次数,通过对近两代的全局最优值进行比较,得到的误差值如果大于设定值,认为是在初始寻优阶段,保持粒子数量,否则在最终优化阶段,减少粒子数量,所减少的粒子特征是最接近最佳粒子的粒子,以保证在欧氏距离内实现粒子的分散性。最后再结合指数衰减曲线加线性递减曲线构成的分段式惯性权重递减策略提升算法的全局寻优和局部寻优能力。经数值验证分析,该优化算法在保证遍历性的同时,在一定程度上提高了算法的运行速度和寻优精度。实验仿真结果表明,该算法对PID控制器进行参数优化,直线电机系统响应速度快,超调量小,调节时间短。     

基于自适应变异DE算法的PID参数整定优化

针对工业过程中的PID参数整定难的问题,在分析传统差分进化算法的基础上,提出了一种自适应变异的差分进化算法,用于PID控制器的参数优化。改进算法定义了群体相似度系数和个体优劣系数,根据群体相似度系数动态调整变异操作,发挥不同变异操作模式的优点,使得算法同时兼顾了全局搜索和局部搜索的能力,根据个体优劣系数自适应调整交叉概率因子,改变以往交叉概率因子为定值常数,算法能够根据变异个体优劣选择合适的交叉概率因子。将改进算法用于以直流电机模型为被控对象的PID控制器参数整定优化中。仿真实验研究表明,相较于传统PID,DE-PID和QPSO-PID控制,AMDE-PID控制器具有更快的响应速度和稳定精度。     

自聚合飞蛾火焰优化算法对PID参数优化研究

PID控制器的控制对象通常具有高阶非线性等特点,在参数整定时容易使控制器出现超调、振荡、性能变差等缺陷。为解决此问题,提出一种自聚合飞蛾火焰优化(SMFO)算法对PID参数进行优化。在常规飞蛾火焰优化(MFO)算法中引入萤火虫算法中的光强吸引特性,以提高算法的寻优性能。采用高斯分布对火焰种群适宜个体进行选取,其利用光强吸引特性周期性地对适宜火焰的位置进行调整,强化火焰之间的联系,增强算法的局部勘探能力。将改进算法用于PID控制参数优化实验,以PID参数作为算法中的个体,以ITAE为适应度函数,进行PID参数优化。仿真结果表明:SMFO算法具有较好的寻优性能,相比于MFO算法和Z-N法,其超调量至少减少26.3%、调节时间至少减少69.6%,保证了控制系统的稳定性。     

基于改进克隆选择算法的自抗扰控制参数整定

针对自抗扰控制器参数多、整定困难的问题,提出了基于改进克隆选择算法的自抗扰参数优化整定方法。该算法通过在进化过程中采用了三层不同的变异进化策略,形成多策略混合协同进化机制,有效平衡了算法的全局探索与局部开发,较好克服了基本克隆选择算法容易陷入局部最优解以及算法后期收敛速度慢的不足。用经典的标准测试函数来检验所提出算法的可行性与有效性,实验结果表明该算法具有全局搜索能力强、稳定性好、收敛速度快、收敛精度高等优点。以时滞系统的自抗扰控制器参数优化整定进行仿真验证,结果表明经文中提出算法优化后的控制器具有更小的超调量、更快的调节时间及更高的控制精度。     

改进PSO算法优化交流伺服系统PID参数研究

伺服系统PID控制参数的优化整定对系统可靠性和稳定性有着重要意义,而传统整定方式下参数优化整定时间较长、效果不佳、反应较慢。为了解决以上问题,提出一种优化交流伺服系统参数的控制方法。基于改进PSO算法实现惯性权重和学习因子随迭代次数的改变自适应调整,引入适应度函数快速优化整定PID控制器参数。利用MATLAB分别对基于遗传算法(GA)、量子遗传算法(QGA)、粒子群算法(PSO)的伺服系统PID参数整定进行仿真实验及对比分析。通过实验测试基于改进PSO算法和GA算法的PID控制器对伺服系统稳定性的影响。结果表明:利用改进PSO算法对PID参数进行优化整定,使得伺服系统具有鲁棒性强、稳定性高、超调量小等优点。     

基于蚁群优化的神经网络智能PID控制策略研究

提出了一种基于蚁群优化、BP网络学习和RBF网络辨识的智能PID控制策略,有效地克服了BP算法训练过程中收敛慢和易陷入局部极小值的缺陷.利用该控制策略,对PID参数进行在线调整,并应用于材料试验机电液位置伺服系统.仿真结果表明,与各种传统PID控制策略相比,采用该智能PID控制器控制的系统具有更好的动态响应特性和抗扰动能力.     

融合模拟退火策略的萤火虫优化算法

萤火虫算法是群智能领域近年出现的一个新的研究方向,该算法虽已在复杂函数优化方面取得了成功,但也存在着易于陷入局部最优且进化后期收敛速度慢等问题,而模拟退火机制具有很强的全局搜索能力,结合两者的优缺点,提出一种融合模拟退火策略的萤火虫优化算法。改进后的算法在萤火虫算法全局搜索过程中融入模拟退火搜索机制,在局部搜索过程中采用了回火策略,改善寻优精度,改进了萤火虫算法的全局搜索性能和局部搜索性能。仿真实验结果表明：改进后的算法在收敛速度和解的精度方面有了显著地提高,证明了算法改进的可行性和有效性。     

基于模拟退火算法的PID参数优化研究

为获得最优的PID控制器参数及探寻更好的PID整定方法,针对模拟退火算法(SAA)全局寻优能力、收敛性、鲁棒性强的特点,提出了一种基于SAA的PID参数优化方法。针对工业过程中的无时滞过程、小时滞过程、大时滞过程、高阶过程模型,分别将综合性能指标ITAE、ITSE、IAE、ISE作为目标函数,借助MATLAB的.m程序和Simulink进行PID参数优化研究,充分验证了基于模拟退火算法的PID参数优化方法的可行性和有效性;并将优化结果与Z-N法、C-C法、ISTE最优设定法三者的整定结果进行对比分析,结果也表明基于模拟退火算法的PID参数优化相对于传统常规方法具有显著的优越性。     

基于混沌PSONN-PID神经网络的热连轧活套系统自适应解耦控制

为改善粒子群优化算法的寻优性能,提出了一种新的算法———混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,同时采用增加粒子交互性策略及先增后减的惯性权重因子模型来设置惯性权重因子,改善了递减策略中存在的缺陷。将改进后的算法与PID型单神经元相结合,并将其用于热连轧活套解耦控制系统。仿真试验表明：该算法较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决活套系统高度张力耦合问题提供了一种新的有效途径。     

基于智能融合优化算法的锚杆钻机液压系统控制策略研究

根据传统Z-N法整定PID控制器参数的不足,提出基于智能融合优化算法的PID参数整定策略。仿真结果表明:用该算法整定PID参数有效、快速、准确,具有最优性。将该算法应用于锚杆钻机液压系统控制策略研究,仿真和实验表明:当变行程机构缓冲腔峰值油压变化时,智能优化算法跟据所需功率最大原则,寻找合适系统和工作油压,引起缓冲外套位移及冲击活塞行程变化,以此改变冲击能和冲击频率,实现了锚杆钻机根据工作对象的变化,自动调整工作参数,确保设备合理参数匹配下的最大功率工作。对于其他的控制对象和控制过程有一定的参考价值。     

基于混沌PSONN-PID神经网络的热连轧活套系统自适应解耦控制（英文）

为改善粒子群优化算法的寻优性能,提出了一种新的算法——混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,同时采用增加粒子交互性策略及先增后减的惯性权重因子模型来设置惯性权重因子,改善了递减策略中存在的缺陷。将改进后的算法与PID型单神经元相结合,并将其用于热连轧活套解耦控制系统。仿真试验表明:该算法较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决活套系统高度张力耦合问题提供了一种新的有效途径。     

混合策略改进鲸鱼优化算法在圆柱度误差评定中的应用

机械零件的形位精度对其互换性以及功能质量具有极其重要的影响,其中圆柱度误差是评价回转类零件精度的一个重要指标。设计一种基于混合策略改进的鲸鱼优化算法,以提高圆柱度误差在评定过程中的精度和收敛速度。首先,在初始种群的生成中引入Tent混沌映射和非线性参数,以提高解的质量;其次,为了改善算法的局部搜索能力,在螺旋式位置更新阶段引入一个自适应权重系数;最后,在随机搜寻阶段引入莱维飞行从而提高全局搜索能力。通过采用不同优化算法的实验和结果对比分析,提出的算法在圆柱度误差评定精度和速度方面均有一定提升。     

基于粒子群优化的焊接工作台伺服系统PID控制

提出了基于粒子群优化的焊接进给工作台位置PID控制。焊接进给工作台是焊机伺服系统的重要组成部分,其位置控制对提高焊接质量具有重要意义。采用简单高效的PID控制算法,但由于焊接伺服系统具有非线性等特点,使得PID控制器参数调整困难,传统的齐格勒—尼柯尔斯法则参数整定效果不佳。粒子群算法是一种全局优化算法,可以有效地实现PID参数整定,因此,在Simulink软件下建立进给工作台位置控制模型,采用粒子群算法来实现PID参数的调整,并进行了仿真。仿真结果显示,基于粒子群优化的PID控制器具有超调量小、精度高的特点,控制效果明显好于齐格勒—尼柯尔斯法则。     

基于优化非线性控制的齿轮传动系统动态误差研究

针对齿轮传动系统运动角位移跟踪误差较大、振动幅度相对严重等问题,对直齿圆柱齿轮运动过程中产生的角位移和输出扭矩等进行研究。建立齿轮传动系统模型,给出齿轮传动系统动力学方程式。对传统线性PID控制系统进行改进,设计非线性PID控制系统。引入粒子群算法,对粒子群算法权重系数进行改进。采用改进后的粒子群算法优化非线性PID控制系统,通过反馈误差对PID控制器参数进行调节,从而达到控制系统输出误差的补偿目标。利用MATLAB软件对优化后的齿轮传动系统输出误差和扭矩进行仿真,并且与线性PID控制结果进行对比。结果表明:与线性PID控制系统相比,优化后的齿轮传动控制系统能够在线调节各项控制参数,从而提高齿轮传动精度。该控制系统反应速度快,稳定性较好,抗干扰能力强,具有较高的控制精度。     

基于模糊权重的Fuzzy-PID控制系统研究

针对经典模糊控制策略和 PID 控制策略各自的优点和缺点,建立了一种 Fuzzy-PID 自适应切换的混合控制系统,在控制过程中,将 PID 线性控制器通过控制的权重与模糊控制器并行结合,在偏离稳定的工作点较远的区域会以具有优势的模糊控制为主,在稳定的工作点附近位置则会主要使用静态性能好的 PID 线性控制。并针对 Fuzzy-PID 的混合控制系统中经常采用的阈值切换和单模糊子集进行模糊切换的缺点,提出一种利用模糊权重控制器进行的切换,应用结果表明：该模糊权重切换下的混合控制性能有所改善和提高。     

基于改进PSO优化模糊神经网络的数控机床故障诊断技术研究

数控机床故障具有隐蔽性和复杂性的特点,为了快速准确地识别数控机床发生的故障,结合粒子群算法全局搜索能力强、寻优速度快及模糊神经网络容错能力强、自适应性强的特点,提出了将模糊逻辑、RBF神经网络及粒子群算法有机结合的数控机床故障诊断方法。为了改善粒子群算法局部搜索能力,在标准粒子群算法的基础上,改进粒子群的速度更新公式和惯性权重,以此优化模糊神经网络结构参数,从而建立起改进PSO优化模糊神经网络的数控机床主轴伺服系统故障诊断模型。实验和仿真结果表明:与RBF神经网络、标准PSO优化模糊神经网络相比,改进PSO优化模糊神经网络的故障辨识准确性更高、泛化能力更强。     

液压位置伺服系统PID参数在线优化

将粒子群算法与传统的PID控制器相结合,并采用平方误差矩积分函数作为适应度判据,构成了PSO-PID控制器,该控制器能够在线优化PID控制器参数。仿真结果表明,在系统工况发生变化时,新型控制器能够取得满意的控制效果。     

基于禁忌搜索优化的直线进给系统矢量控制

数控机床的直线进给矢量控制系统中包含多个PID调节器,其控制参数直接影响系统性能。而直线进给系统是一个复杂的非线性时变系统,为了优化PID调节器控制参数,文章提出了改进的禁忌优化算法(Tabu),并将其应用于直线进给系统。在分析现有禁忌算法基础上,对Tabu算法的邻域范围、Tabu表和算法终止条件进行了改进,以直线进给系统的跟踪性能指标为目标函数,应用该算法对直线进给矢量控制系统各调节器的PID参数进行优化,并进行了实验验证。结果表明,应用文中方法优化控制器参数后,与传统PID控制相比,直线进给系统在负载改变时转速波动和位置跟踪误差显著减小,提高了直线进给系统的稳态和动态性能。     

基于多克隆粒子群的无心磨削工艺参数优化

为了选择无心磨削的最佳工艺参数,建立了磨削工艺参数优化模型,并提出了一种多克隆的粒子群优化算法。将克隆复制、克隆交叉、高频变异和克隆选择引入粒子群优化算法中,从而改善基本粒子群算法容易陷入局部极小值、收敛速度慢的缺点。与其他相关算法相比,新算法在进行磨削工艺参数优化时,搜索速度更快、搜索能力更强。     

基于混合粒子群算法优化橡胶挤出机Smith-模糊PID温度控制系统北大核心

为提高橡胶挤出机Smith-模糊PID温度控制系统的控制精度,更好地实现智能整定参数与橡胶挤出机温度最优控制,采用混合粒子群(HPSO)算法优化Smith-模糊PID控制系统,完成对温度控制系统PID参数基准值的自动寻优。借助MATLAB软件辨识挤出机温控系统数学模型,搭建Smith-模糊PID温度控制系统。为避免粒子群(PSO)算法陷入局部最优,在PSO算法的基础上将社会因子分解为局部社会因子和全局社会因子,设计出HPSO算法对PID参数进行寻优;将HPSO算法优化系统前后的控制效果进行对比。结果表明:采用HPSO算法优化Smith-模糊PID温度控制系统的控制精度更高、抗干扰性能更强,温度控制精度在±(1~1.5)℃以内,并且接近±1℃,完全满足橡胶挤出生产过程中对料筒温度控制的指标要求,可以在一定程度上提升温控系统的控制精度以及挤出机械的智能化水平。