基于感知模糊自适应蚁群算法的非线性PID控制

随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器。由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法,并加入模糊自适应信息素更新机制,用于优化非线性PID控制器的设计方法。通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。     

最优PID控制器在智能人工腿中的应用

以蚁群算法为基础,提出了一种新的非线性PID控制器及其参数优化设计方法;该控制器是基于PID控制器各增益参数与误差信号之间呈现非线性关系,根据一般控制系统的阶跃响应曲线,在不同响应时间阶段PID三个增益调节参数的理想变化情况,提出根据控制信号与误差、误差变化率之间的调节规律,拟合一组增益参数的非线性函数,并利用蚁群算法搜索出一组最优的非线性PID参数,构造最优非线性PID控制器,称为AS-NLPID控制器;该控制器已被用于CIP-Ⅰ智能人工腿;仿真实验证实AS-NLPID控制器能有效地控制CIP-Ⅰ智能人工腿,并具有良好的动态和稳态性能.     

具有杂交、变异因子的自适应蚁群算法最优PID参数

以蚁群系统为基础,提出了一种具有杂交、变异因子的自适应蚁群算法优化PID控制参数的方法,该方法克服了一般蚁群算法收敛速度比较慢,容易出现停滞以及全局搜索能力较低的缺点,能够令人满意地实现PID控制参数的优化。仿真实验结果与Z-N法、遗传算法优化的结果进行比较,系统单位阶跃响应的超调量σ和调整时间ts大幅度减少,动态和稳态性能进一步改善,证明该算法具有更新的模拟进化优化方法的有效性。     

基于蚁群算法的真空烧结炉最优PID温控系统

蚁群算法是一种新型的优化算法,具有收敛速度快、鲁棒性强等优点;针对真空烧结炉大惯性、大滞后性、非线性和时变性等特点,采用常规PID控制难以达到温度的精度控制,论文采用蚁群算法优化PID控制器参数,并给出了真空烧结炉最优PID控制系统设计的方法;该方法以误差绝对值为性能指标,实现了不完全微分PID参数的优化;仿真结果表明,该系统与传统的PID相比,有较好的稳态精度和动态性能,具有一定的科学性和实用性.     

基于蚁群算法固定翼无人机PID参数控制方法

针对传统固定翼无人机PID控制器比例、积分和微分参数调节控制精度低,响应速度慢,难以得到最优线性PID参数组合等问题。本文利用蚁群算法寻优搜索对传统PID控制器进行改进,本文将PID参数寻优过程转化为多约束条件组合优化问题,并通过蚁群算法针对PID参数整定多次迭代来进行搜索最优数值路径来更加快速,精确的优化PID线性组合参数值,提高对固定翼的精确PID参数控制。     

基于遗传神经网络的自适应PID控制器的设计

提出了一种基于遗传算法和神经网络的自适应PID控制器的设计方法。该控制器主要由三个部分组成:利用遗传算法优化PID参数,和RBF神经网络结合,对被控对象逼近,搜索出一组准优的初始参数;RBF神经网络完成对被控对象Jacobian信息辨识;基于单神经元的自适应PID控制器,在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能。仿真结果表明,控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程。     

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。     

一种参数自调整PID模糊控制器

结合传统PID控制原理 ,提出一种新型模糊控制器结构 ,即PID型模糊控制器。为提高PID控制器性能 ,设计能在线调整PID参数的模糊控制方法。仿真结果表明 ,自调整参数PID型模糊控制器使系统在暂态响应及稳态性能方面性能优良。     

一种参数自调整PID模糊控制器

结合传统PID控制原理,提出一种新型模糊控制器结构,即PID模糊控制器。为提高PID控制器性能,设计能在线调整PID参数的模糊控制方法。仿真结果表明,自调整参数PID型模糊控制器使系统在暂态响应及稳态性能方面性能优良。     

基于自适应蚁群遗传混合算法的 PID 参数优化

针对遗传算法易重复迭代、蚁群算法易陷入停滞的缺点,提出基于自适应蚁群遗传混合算法的 PID 参数优化。先用遗传算法获得 PID 参数的初值,再用改进后的蚁群算法自适应调整路径选择概率和信息素更新规则,最终搜索出 PID 参数的最优值。仿真结果表明,对于给定的被控对象,相比于 GA 和 ACS 算法,该算法搜索出的 Kkp、Kki 、Kkd 最优,系统响应时间短,动态性和稳定性佳,说明该方法整定出的 PID 参数值具有最优性。对于其他的控制对象和过程也具有参考价值。     

电动负载模拟器多余力矩抑制方法研究

为了解决多余力矩对电动负载模拟器强干扰,影响加载指令跟踪精度的问题,论文将基于蚁群优化的PID控制方法用于加载电机控制器的设计.首先在分析加载电机结构以及工作原理的基础上建立了电动加载系统的数学模型,并利用结构不变性原理进行前馈补偿推导;其次针对常规PID控制器无法通过变参数来应对复杂的非线性环境的问题,提出了一种基于...     

蚁群算法在油库发油PID控制中的应用

针对目前油库定量发油过程具有非线性、滞后性等特点,常规PID控制难以达到预期的控制精度,提出一种蚁群算法优化PID参数的控制方案。在PID发油控制系统的基础上引入蚁群算法,通过蚁群迭代寻优的方式优化PID控制参数,从而实现油库发油的稳定性。在控制系统中,采用S7-1200 PLC为控制器,通过SCL语言实现算法,PID参数基于蚁群算法动态优化。实验表明,所提出的方法较PID参数Z-N整定法更具实用性和有效性,超调量减少58%,能够使发油控制更加稳定。     

基于蚁群算法的航空发动机PID参数优化

提出一种基于蚁群算法的PID参数优化控制算法,对航空发动机的双变量解耦控制方法进行了研究.蚁群算法采用分布式并行计算机制,易于与PID控制方法结合,优化后的控制器克服了传统的PID控制参数不易整定的缺点,且控制器结构简单规范、动态和静态性能良好,具有较强的鲁棒性.仿真结果表明该控制系统实现了解耦控制,对航空发动机模型参数在大范围内的变化均有良好的控制效果.     

基于改进GAAA算法的PID参数优化

针对PID参数优化问题,对蚁群算法进行改进,并与遗传算法相结合,提出了改进的GAAA算法;该算法先利用遗传算法获得初始信息,然后运行改进的蚁群算法,大大加快了蚁群算法的速度;对PID控制的参数优化与仿真结果表明,该优化方法无论在时间性能和优化性能上都取得了较好的效果。     

Design of PID controller with incomplete derivation based on ant system algorithm

A new and intelligent design method for PID controller with incomplete derivation is proposed based on the ant system algorithm (ASA). For a given control system with this kind of PlD controller, a group of optimal PID controller parameters Kp^*, Ti^*, and Td^* can be obtained by taking the overshoot, settling time, and steady-state error of the system‘s unit step response as the penfomunce indexes and by use of our improved ant system algorithm. Kp^*, Ti^*, and Td^* can be used in real-time control. This kind of controller is called the ASA-PID controller with incomplete derivation. To verify the performance of the ASA-PID controller, three different typical transfer functions were tested, and three existing typical tunmg methods of PID controller parameters,including the Ziegler-Nichols method (ZN), the genetic algnrithrn (GA), and the simulated annealing (SA), were adopted for comparison. The simulation results showed that the ASA-PID controller can be used to control different objects and has better performance compared with the ZN-PID and GA-PID controllers, and comparable performance compared with the SA-PID controller.     

基于蚁群优化的模糊神经网络控制器的应用研究

针对传统PID控制方式的不足,文章提出了一种新的永磁同步电动机控制策略,即采用蚁群优化算法对模糊神经网络控制器的3个因子参数ka、kb、ku进行全局优化,给出了永磁同步电动机的数学模型,详细介绍了模糊神经网络控制器的设计,分析了蚁群优化算法,并进行了仿真实验。仿真结果表明,基于蚁群优化模糊神经网络控制器的永磁同步电动机调速系统具有很强的鲁棒性和自适应性,动态响应快,能够较好地跟踪负载变化。