基于GAOT的PID控制器参数整定研究

遗传算法是一种具有极高鲁棒性和广泛适用性的全局优化方法,遗传算法优化工具箱(GAOT)为遗传算法的推广和应用提供了良好的工具,它采用模块化设计,包含了常用的遗传算子.针对传统PID参数整定的一些局限性,利用遗传算法优化工具箱对PID控制器参数进行整定.分析了遗传算法的应用步骤、GAOT的基本用法和GAOT与控制器参数整定的接口方法,利用仿真试验将该方法与Ziegler-Nichols法和工程品质最佳法进行比较.仿真结果表明:该方法几乎无超调,且过渡时间最短,可明显提高系统性能.     

热工系统中PID参数的遗传算法整定

针对热工系统中常规的PID参数寻优策略的缺点以及遗传算法所具有的强大的全局优化能力和鲁棒性，采用了基于遗传算法的PID参数整定与优化方法，仿真结果表明该方法具有可行性和有效性。     

基于协同进化算法的水轮机模糊PID调速器研究

针对水轮机调速器常规PID控制不能根据系统的动态过程自动调整控制参数的问题,提出一种改进的基于协同进化遗传算法的模糊自适应PID控制算法,该方法采用协同进化遗传算法同时优化模糊PID控制的模糊规则和PID整定公式中的3个比例因子,通过模糊推理的方法求解PID参数的变化量,对PID参数进行自动整定,为了避免优化得到的模糊规则之间发生跳变,在目标函数中引入一光滑因子。仿真表明,该控制算法具有良好的静态和动态性能。     

基于改进粒子群算法的PID控制器参数整定优化

针对经典粒子群算法应用在PID控制器参数上整定的方法效果往往不佳的问题上,提出了一种改进粒子群算法的PID控制器参数整定优化设计,在粒子群的基础上加入遗传算法中的交叉算子,并将粒子群中的惯性权重因子改成动态参数,应用到PID控制器,使参数的自适应整定问题也获得了改进,快速性和稳定性也都优于经典粒子群算法的PID控制器．借助Matlab获得仿真系统的响应曲线图,根据对比得出系统性能的指标改进情况．     

基于遗传算法的自整定PID调节器及应用

PID调节器在工业控制领域中应用广泛,因此对调节器参数进行在线整定具有十分重要的意义.本文在对系统在线建模的基础上,采用遗传算法(GeneticAlgorithm,GA)实现了PID参数的自动整定,并在温度控制系统中取得了成功应用.     

基于改进量子遗传算法的超声电机模糊PID控制

针对超声电机非线性、时变性的特点,设计了模糊自整定PID控制器,并利用量子遗传算法对模糊自整定PID控制器参数进行优化,以提高系统的动态性能和适应性.针对传统量子遗传算法的不足,对编码方式、种群初始化、量子旋转门、量子变异以及增加量子灾变5个方面进行改进.仿真结果表明:改进量子遗传算法改善了传统量子遗传算法容易产生种群...     

用微粒群算法实现水轮机调节器参数的优化设计

目前水轮机调节系统PID参数整定一般都是根据经验公式或现场反复试验获取,它往往不易获得最佳参数.为了保证获得最优水轮机PID调节器参数,本文研究了利用微粒群优化（PSO）算法进行参数优化设计的新方法.PSO算法是一种新的仿生优化方法,具有结构和运算简单的优点.仿真试验结果表明,用微粒群算法优化水轮机调节器参数,可以获得满意的控制精度和效率.与改进的遗传算法优化结果相比,各项控制性能指标（如调节时间、负调、超调量等）都优于遗传算法整定的PID调节器.     

一种无人机俯仰角控制PID参数的优化方法

为改善飞机俯仰角控制系统的动态性能及稳态精度,对小型无人机的俯仰角通道采用PID控制器进行控制.针对传统PID控制器容易整定不良的缺点,采用遗传算法(GA)和粒子群算法(PSO)相结合的方式对PID的参数进行整定,并对PSO的惯性权重采用先减后增的方式进行动态调整.利用Matlab/Simulink对改进遗传算法及传统遗传算法进行了仿真.仿真结果表明改进遗传算法能有效改善系统的动态性能及稳态精度.     

PID参数整定发展的趋势

在详细分析PID参数整定发展的基础上,指出传统PID参数整定具有物理意义明确、易于掌握的优点以及其参数优化不够的缺点,并对现行PID参数自整定的一些做法给予评述,指出了几种PID参数优化的特点.最后就PID参数整定发展的方向进行展望,揭示先进控制理论与PID整定方法的融合是新型PID控制器产生的途径.     

基于神经网络和遗传算法的PID参数自整定算法

针对常规PID(proportional-integral-derivative)参数整定过程依赖被控对象的数学模型、不能灵活得到期望的性能指标等问题,提出了一种基于神经网络和遗传算法的PID参数自整定算法。该算法首先通过训练神经网络得到PID控制器参数和控制性能指标之间的映射关系;再利用遗传算法进行最优解搜索,得到全局范围内一组最优的控制器参数,使得给定的基于时域性能指标的目标函数值最优;最后,以水箱液位系统为例对所提算法进行实验验证。实验结果表明,与传统的ZN (Ziegler Nichols)参数整定法相比,所提算法整定的参数具有了更好的控制效果,同时可以通过改变目标函数中的性能指标权重系数,灵活得到不同期望的控制效果。     

对求解0-1背包问题的混合遗传算法的改进

将启发式搜索算法贪心算法与基本遗传算法相结合构成的混合遗传算法在求解大规模0-1背包问题时．其性能较基本遗传算法和贪心算法都有很大的改善。在这种混合遗传算法的基础上作进一步的改进．使算法性能获得进一步的提高。     

基于遗传算法的结构优化方法

介绍了结构优化的数学模型和遗传算法的改进,同时分别用简单遗传算法和改进的遗传算法对算例进行了计算比较。计算表明,改进的遗传算法能加快收敛速度,提高精度。最后通过编制VC＋＋来实现遗传算法程序,并结合算例对其进行了分析,证明了本程序是正确的。     

一种全局优化的计算方法——遗传算法

遗传算法是搜索复杂最优解的一种并行计算方法,本简述了遗传算法的基本思想,并介绍了其来源、发展,指出了遗传算法存在的问题。     

基于遗传算法的滑模目标跟踪控制

本文介绍了遗传算法,并设计推出一种滑模目标跟踪控制器,并利用遗传算法对滑模目标跟踪控制器进行了优化,计算机仿真证明取得了良好效果。     

遗传算法在单招面试自动组卷系统中的应用

应用遗传算法高效地解决了单招面试时自动组卷问题,并结合试验给出结果验证和分析。实验证明,对于一个在一定约束条件下的多目标参数优化问题,采用遗传算法十分有效。     

用遗传基因算法实现切削实验数据拟合

采用遗传基因算法实现切削数据的拟合,用数据库技术实现算法—将基因（ｇｅｎｅ）视为字段、染色体（ｃｈｒｏｍｏｓｏｍｅ）视为记录、种群（ｐｏｐｕｌａｔｉｏｎ）视为库,以数据库的基本操作替代遗传过程;解决了传统回归分析方法的不足,使回归过程简单、结果稳定、可靠,并为回归分析提供了一条新途径。     

基于Web的选课系统的设计与实现

Web应用程序的开发方法已经从早期的手工作坊式转向基于面向对象的方法设计。应用UML建模可降低系统复杂性,提高系统设计的可重用性和系统的可维护性。对网上选课系统进行了分析和研究,利用UML技术完成系统的分析和设计,并给出具体的实现方法。     

基于贝叶斯网络的并行分布估计算法研究

在传统的遗传算法中，不合适的参数设置会降低所得解的质量，于是在解决一些优化问题时传统的遗传算法被分布估计算法所取代。对传统的遗传算法和分布估计算法EDAs(Estimation of Distribution Algorithms)，及其各自的并行模式进行了对比，重点介绍了基于贝叶斯网络的并行EDA算法。     

Granularity of Knowledge Computed by Genetic Algorithms Based on Rough Sets Theory

1.Introduction 1.1 R ough Set T heory and G ranular of K now l- edge Rough set theory is proposed by Zdzislaw Pawlak ,and itis a new mathematical approach to granularitoyf knowledge .Itbecame a crucialissufeor computer scientis,tsparticularliyn the area o…     

工程网络资源平衡的改进型遗传算法研究

对工程网络资源平衡的遗传算法的缺陷进行了分析,提出了聚类分析优化遗传算法。通过种群优化分类,使搜索半径不断缩小,实现了自适应连续优化搜索,较大提高了网络优化收敛速度、解的精度及全域寻优能力。通过分析和实例验证,表明该算法对大型工程网络具有明显的优越性,是一种可用于工程施工的实用型方法。