基于改进遗传算法的PID参数研究

常规PID参数的整定存在着控制精度低,稳定性能差的问题,一直限制了其在高精度及可靠性要求高的系统中的应用。采用改进遗传算法对PID参数进行优化,在寻优空间内快速获得全局最优点。在PID控制器中加入遗传算法模块,快速整定出最优解使系统达到稳态的最佳效果。仿真结果表明,该方法较常规PID参数整定与优化方法,具有更好的控制性能指标,提高了寻优精度,加快收敛速度。     

基于遗传算法的PID参数寻优

采用基于幅值裕度和相位裕度的PID参数最优整定方法。通过改进的D分割法计算满足给定幅值裕度和相位裕度的控制器参数稳定域。在该区域中,通过改进的遗传算法搜索最优的PID参数值。定义寻优目标函数为系统误差绝对值积分的倒数,遗传算法中用强迫迁徙来的个体取代不满足稳定裕度条件的个体,提高了遗传算法的处理速度。仿真结果显示,该整定方法能保证闭环系统具有良好的鲁棒性。     

基于遗传算法的自整定PID控制器

控制对象的时滞现象普遍存在,使用简单的PID控制器很难取得很好的效果.本文提出了一种基于遗传算法的PID控制器参数优化设计方法,对带有惯性环节和时滞环节的试验系统进行了仿真实验,结果表明遗传算法是一种简单高效的寻优算法,与传统的寻优方法相比明显地改善了控制系统的动态响应性能.     

退火遗传算法在交通图像分割中的应用研究

基于双CPU的多车道交通流实时动态信息检测系统图像分割的阈值自动优化选取系统,通过将模拟退火思想引入到遗传算法中设计了退火遗传算法(AGA),以最大类方差函数作为遗传算法中适应度的评价函数,利用退火算法后期寻优能力强和遗传算法全局搜索能力强的特点,实现图像阈值的自动优化选取,MATLAB仿真数据表明,本算法较基本遗传算法寻优性能更强,将其应用于该交通流检测系统,增强了整个系统的实时性和鲁棒性.     

基于人工鱼群PID控制算法的四旋翼飞行器控制

针对传统的试凑法对四旋翼飞行器PID控制参数的整定精确度低等问题,提出采用全局人工鱼群算法将PID的3个参数作为鱼群中的一个个体组合,根据目标函数的变化情况及个体的状态,进行觅食、聚群、追尾等行为选择,从而在全局范围内搜索PID参数的最优组合,并结合动力学模型实现飞行器的飞行控制。仿真结果表明,全局人工鱼群算法具有更高的适应性和鲁棒性,且提高了系统的精度。     

一种改进的PSO算法在PID参数优化中的应用

PID控制器具有结构简单、容易实现、控制效果好、鲁棒性强等特点,其关键在于PID参数的优化。微粒群优化算法是一种进化计算技术,其优点是速度快且简单易实现。改进的PSO算法,是在基本PSO算法的基础上引入了遗传算法的思想。仿真实验表明,改进的粒子群算法显著提高了PSO算法的全局搜索能力。     

中央空调冷冻水系统遗传蚁群算法优化控制研究

针对中央空调冷冻水系统控制存在的节能及稳定有效缺陷的问题,提出一种遗传蚁群算法综合优化控制策略。首先对冷冻水系统建模;然后利用遗传算法对蚁群算法的运行参数进行优化,使蚁群算法寻优能力更佳;最后采用改进蚁群算法优化冷冻水变流量PID控制器参数。通过仿真以及实验对比分析发现,在对蚁群算法的运行参数优化过后,系统的稳定性明显加强,具有较强的鲁棒性,在满足室内负荷的前提下,节能效果也有所改善。     

压电悬臂梁振动控制系统联合仿真与实验研究

针对传统的悬臂梁振动抑制系统建立动力学方程的复杂性和精确性不高等缺点,该文提出利用多物理场耦合仿真软件搭建悬臂梁系统作为被控对象,通过设计比例、积分、微分(PID)算法在Simulink中建立控制器模型,对悬臂结构进行振动控制联合仿真。由于结构具有未知性,因而传统控制器PID参数的选取常需根据经验进行试凑来确定。通过提出遗传算法优化PID参数的模型,从而实现参数在线优化实时控制压电悬臂梁振动,仿真和实验均验证了该模型的有效性。此外还通过改变压电执行器在悬臂梁不同应力处的位置进行了振动抑制的仿真与实验。结果表明,该算法模型具有很好的鲁棒性,在不同位置处均可获得最佳的PID整定参数,实现振动抑制最佳效果。     

电锅炉温度控制系统中模糊控制器的设计

温度是化工、石油、冶金等生产过程的一个重要的量,需要准确加以控制。这里以电锅炉为研究对象,探索其温度参数的控制方式。首先采用了常规PID控制和带有Smith预估器的PID控制方式。为了使系统具有更好的鲁棒性,达到更好的控制效果,在传统的PID控制中进一步引入了模糊控制,设计了一种参数自整定的PID控制器。通过三种控制方式比较,可以看出引入模糊控制的PID控制器,使电锅炉温度控制系统具有更好的动态性能和抗扰性能,值得在实践中探索和推广。     

基于DSP NNC-PID的电液位置伺服控制系统设计

提出一种NNC-PID电液位置伺服控制系统的设计方法.采用PC机+DSP为主控制器,NNC自学习、自适应对PID参数自整定的控制算法,以满足在非线性、参数时变性、不确定性条件下,对机械手电液位置伺服系统进行高精度和快速响应的控制要求.与常规PID控制的对比实验表明,该系统由于具有自学习和实时调整PID参数的能力,使系统很快收敛于位置稳态值,同时对参数时变表现出良好的鲁棒性,很好地解决了液压系统的非线性和参数时变问题,具有良好的定位精度和伺服跟踪性能.     

一种基于混沌蚂蚁群算法的系统参数辨识方法

提出了一种基于混沌蚂蚁群算法的控制系统辨识方法,这种方法在给定控制系统数学模型的条件下,将控制系统的参数辨识问题转化为参数的寻优问题,之后利用混沌蚂蚁群算法的全局优化搜索能力对问题进行求解.以典型控制系统为例进行了计算机仿真,实验结果表明,使用混沌蚂蚁群算法可以得到很好的参数估计结果.     

基于MSP430的智能人体表面温度监控系统

介绍了人体表面的低温现象与低温治疗的控制平台。该控制平台以MSP430微处理器为控制核心,以上位机及TFT触摸液晶屏作为操作显示界面,以基于蚁群算法的变参数预测PID作为核心算法,该算法通过将神经网络作为预测模型,利用蚁群算法的全局寻优能力在线优化PID的控制参数,实时监控人体的温度。实验结果表明,系统经该算法处理后,单位阶跃响应的超调量和调控时间大幅减少,动态和稳定性得到了大幅改善,能准确而迅速地将人体表面温度值稳定在要求范围之内。     

基于GPC-PID的制冷系统过热度控制器

针对制冷系统的过热度控制问题,为保证系统动态性能,给出了一种基于广义预测控制滚动优化策略的PID参数自调整算法,设计了GPC-PID控制器.首先根据试验数据,基于最小二乘方法辨识得到过热度与膨胀阀开度间的传递函数模型,随后考虑系统模型的纯滞后环节,基于广义预测控制的性能指标,根据Kuhn-Tucker条件,通过滚动优化策略自动整定PID控制器的参数.最后的仿真结果表明,与传统PID控制器相比,GPC-PID控制器超调小,响应速度快,具有较好的控制效果.     

PID Controller Design for MIMO Processes Using Improved Particle Swarm Optimization

This paper aims at the PID control system design for multivariable input and multivariable output (MIMO) processes. An improved version of a particle swarm optimization (PSO) algorithm is utilized to design PID control gains in MIMO control systems. In addition to the individual best and the global best particles, the velocity updating formula of the developed algorithm includes a new factor, the best particle of each sub-population, to enhance the search capacity. Based on the improved particle swarm optimization (IPSO), a complete design strategy is proposed for MIMO PID control systems. All control gains will be evolved to the optimal values by minimizing the system performance criterion. To show the efficiency of the proposed design method, a multivariable chemical process system with two inputs and two outputs is illustrated. Some experiment results, including different algorithm parameter settings and comparisons with other methods, are given. Numerical simulations indicate that the proposed method is superior to other optimal methods.     

基于RBF神经网络的永磁同步伺服电机控制系统

针对永磁同步电机控制系统,建立其磁场定向控制数学模型。运用增量式数字PID的方法实现对PMSM的传统PID控制策略。在此基础上,借助RBF神经网络的学习能力,进行PID控制器参数的自适应整定,进一步改善PID控制器的性能。同时,为提高RBF网络性能,采用粒子群算法对网络进行优化。仿真表明,与传统PID控制比较,基于RBF的PID控制系统能提高PID控制器的性能,改善了PMSM控制系统的收敛速度和跟踪精度。     

粒子群优化BP-PID的矿井提升机调速系统

传统PID控制器在矿井提升机变频调速系统应用中,由于控制参数固定且不易整定,导致电机转速超调大、电磁转矩和转子磁链脉动大,进而出现矿井提升机调速系统控制效果差的问题。针对这一问题,文中提出一种改进粒子群优化BP神经网络PID控制器的算法。由于BP神经网络算法存在收敛速度慢和极易陷入局部最优的缺点,现将粒子群算法收敛速度快和全局最优特性与神经网络结合,并通过设计神经网络收敛系数进一步加快收敛速度。仿真结果表明,粒子群优化的神经网络控制效果比神经网络好,且效果明显优于传统PID控制器;相较于神经网络PID控制器,矿井提升机转速调节系统稳速调节速度明显提高;与传统PID控制器相比,电机电磁转矩和转子磁链脉动明显降低,具有较强的稳定性和鲁棒性。     

基于遗传因子的自适应蚁群算法最优PID控制

蚁群算法是一种新型的模拟进化算法,重点始于组合优化问题的求解.作者运用该算法优化PID控制参数,但在基本蚁群算法中,存在收敛速度较慢,易出现停滞,以及全局搜索能力较低的缺陷.论文提出了一种具有遗传因子的自适应蚁群算法最优PID控制参数的方法,设计出参数优化图.该方法克服了基本蚁群算法的不足,能够满意地实现PID控制参数优化.仿真结果与Z-N法、遗传算法、基本蚁群算法相比较,优化效果明显得到改善.实验表明,该方法对于控制其他对象和过程也具有应用价值.     

基于临界比例度法整定PID控制器参数的仿真研究

PID控制器参数的整定是PID控制系统设计的核心。为了整定PID控制器参数,基于Matlab/Simulink仿真环境,采用临界比例度法整定PID控制器参数,通过仿真实例很好地实现了对PID控制器参数的整定。该仿真具有直接观察系统性能变化,快速、准确选择合适PID参数,充分体现了Matlab/Simulink直观、方便的特点。