改进量子遗传算法在PID参数整定中应用

参数整定是PID控制器设计的关键,针对PID控制器参数整定问题,提出一种基于改进量子遗传算法的参数整定方法.该算法在基本量子遗传算法的基础上引入了量子交叉、量子变异和群体灾变操作.基于改进量子遗传算法的PID参数整定方法将PID控制器参数整定转化为参数优化问题,通过改进量子遗传算法的进化计算实现参数整定.与其他参数整定优化算法的仿真结果比较表明,该方法能获取更好的控制品质.仿真结果验证了该方法的可行性.     

遗传算法在PID参数自整定中的应用

将遗传算法用于PID控制器的参数自整定,具有易于收敛、精度较高的优点,较一般的PID控制器参数整定方法省时,可以得到良好的控制效果.     

一种新型的PID控制器参数优化整定方法

PID控制器参数的优化整定一直是自动控制领域的研究热点。本文采用微粒群算法(PSO)进行PID控制器参数的优化研究。仿真结果表明根据本文提出的方法得到的PID控制器参数可以获得满意的控制效果,各项性能指标优于由遗传算法(GA)整定得到的效果。     

锅炉除氧系统自适应遗传PID控制

遗传算法全局寻优参数,但训练时间较长;PID控制算法简单,却难以控制非线性复杂过程。将白适应遗传算法和PID相结合,可以有效地改善控制效果。通过除氧器数学模型,设计基于遗传算法的自适应PID控制器,在线整定控制器参数,提高除氧系统的控制性能。仿真结果表明该算法的控制效果良好。适应能力较强,具有算法简单、参数整定容易等优点。     

BUCK型开关变换器最优PID控制器设计

针对开关电源的复杂性和时变性,传统PID控制器整定方法无法很好满足其控制性能要求的问题,提出一种面向性能指标的最优PID控制器参数整定方法。基于DP算法,计算保证闭环系统稳定的PID控制器参数范围;利用具有全局寻优能力的遗传算法,按照ITAE性能指标在该范围内进行参数寻优。以BUCK变换器为利的仿真研究表明,该方法在指定的性能指标上取得了满意的控制效果,在负载发生摄动时,较传统PID控制器,具有较好的鲁棒性,且计算相对简单、实用性强,可推广到非线性PID控制器的参数整定和相关工程实践中。     

基于遗传算法PID参数寻优的电加热炉温度控制系统

针对工业过程中常见的一阶大滞后对象的PID参数整定问题,提出自适应遗传算法对PID控制进行参数寻优。应用自适应遗传算法对电加热炉温度控制器参数进行优化,并将结果与常规的PID控制方法进行比较,仿真与实际结果表明,当被控对象存在较大纯滞后特性时,采用本方法优化PID控制器参数可获得比较满意的调节效果。     

基于混沌粒子群优化算法的数字PID参数整定

移相全桥零电压(PS-FB-ZVS)PWM DC/DC变换器是变换器的一个研究热点。针对PID控制器参数的整定及自适应调整难以达到最优状态,使控制结果出现较大的超调量,在此利用混沌粒子群优化算法(ChaosParticle Swarm Optimization,简称CPSO)、原始粒子群优化算法和遗传算法对变换器的数字PID控制器参数进行了整定,得到评价函数值收敛趋势图和系统的单位阶跃响应曲线,并利用PID参数整定结果得到输出电压动态响应曲线。通过分析几种算法整定PID参数的结果,表明CPSO具有更好的优化效果。     

基于交替联合迭代的关节电机滑模控制参数整定方法

机器人关节电机的控制器参数整定是实现系统良好控制性能的前提。提出了一种基于交替联合迭代的关节电机滑模控制器参数整定方法。设计了永磁同步关节电机的电磁参数,并设计了PID电流环控制器和滑模速度环控制器结合的滑模-PID控制器。利用工程整定方法初步整定滑模速度环控制器的参数;增设冗余PID速度环控制器,对其参数进行整定,以冗余PID速度环控制器和滑模速度环控制器作用于系统时的输出转速为迭代变量,交替选择速度环控制器参数进行联合迭代,完成滑模速度环控制器参数的整定。利用MATLAB/Simulink软件对系统进行仿真,证明方法具有较高的整定效率,可使关节电机控制系统获得良好的控制性能。     

一种新型的PID参数自整定策略

采用遗传算法实现PID控制器参数自整定,并应用于电化学整流电源稳流控制环节,取得了较好的效果,证实了这种新型自整定策略的可行性。     

遗传算法优化PID控制参数研究

采用常规的整定方式,往往费时而且难以满足控制要求。通过对遗传算法的研究,在确定了编码方案、适应度函数设计等遗传算法控制参数后,采用遗传算法对PID控制器参数进行优化,取得了很好的效果。     

基于遗传算法-BP神经网络优化的PID控制

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法。对于非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为一种有效的控制策略。该文提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化。仿真结果证明了该算法的有效性。     

基于遗传算法的同步发电机自调整模糊PID励磁控制器研究

本文设计了一种基于遗传算法(GA)和模糊逻辑推理的同步发电机PID励磁控制器.利用遗传算法搜索出一组最优的PID初始参数.在此基础上,根据系统当前的电压偏差及电压偏差变化率通过模糊推理和相关计算得到PID参数的调整比例系数,实现PID参数的在线调整.仿真研究结果表明利用该方法设计的励磁控制器具有良好的动静态特性.     

Application of GA/GA-SA based fuzzy automatic generation control of a multi-area thermal generating system

Optimal integral gains (for integral gain control) and proportional-integral-derivative gains (for PID control) are computed by genetic algorithm (GA) and then hybrid genetic algorithm-simulated annealing (GA-SA) techniques for nominal values of area input parameters and optimal transient responses of area frequency deviations in terms of settling times, undershoots, overshoots and df/dt as output with incremental increase of area load for interconnected three equal generating areas. Though it is well known that the normal PID control is usually superior to integral control because of the advantages of each of the three individual control actions (proportional, integral and derivative), the author’s contribution in the paper is optimizing these individual PID gains through GA or GA-SA methods to obtain an optimal PID controller, which would be further better than an optimal integral controller. These optimal PID gains are tested by plotting transient responses analytically by MATLAB based software program and then by “SIMULINK of MATLAB software.” Both methods yield same results and prove that optimal PID gains are superior to suboptimal, arbitrary PID gains and optimal integral gains as well with respect to transient responses. The author’s next contribution is to show optimal PID gains as determined by hybrid GA-SA technique to be more globally optimal than those determined by GA method. For off-nominal input parameters, transient responses as determined by fast acting Sugeno fuzzy logic technique reflect the same superiority of GA-SA based optimized gains, specially for PID control, the same has also been verified by “MATLAB–SIMULINK” software.     

基于遗传算法的水轮机调节系统最优参数整定

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。文中应用遗传算法整定水轮机调节系统最优调节参数,避免了采用单纯形法容易陷入局部极小值的缺陷,且没有连续性和可微的限制,算法简单,同时,获得的调节参数优于根据传统公式整定的调节参数,性能指标良好,具有广泛的推广使用价值。     

一种基于遗传算法和神经网络的PID控制

提出了一种融合遗传算法和神经网络的PID控制算法。该控制器先利用遗传算法对BP网络的初始权系数进行学习优化，再利用BP算法实现对PID参数在线调节，解决了控制器网络初始权系数对控制效果产生的影响，仿真结果表明了该控制方法的有效性。     

一种满意控制的水轮机调速系统参数优化方法

水轮机调速器比例积分微分(proportion-integration- differentiation,PID)参数优化是经久不衰的研究课题,目前研究较多的是基于最优化理论的参数设计。提出一种基于水轮机转速性能指标满意度参数优化的新方法,该方法直接计算系统响应的上升时间、超调量、调整时间、稳态误差和反调量等性能指标,籍此得到各性能指标的满意度函数,并以系统总体满意度作为适应度函数,利用遗传算法进行参数优化,得到总体满意度符合设计要求的PID参数。该方法设计目标更实际、具体,尽管参数不一定最优,但能满足系统响应要求,且代价较小,更具实用性。应用至刚性水击模型和弹性刚性水击模型水力系统的PID参数优化设计,仿真结果表明满意度控制方法在水轮机调速系统参数优化中的有效性和实用性。     

基于遗传算法的永磁同步直线电机PID控制研究

由于永磁同步直线电机系统运行过程中参数摄动和负载扰动等问题的存在,传统 PID控制器无法满足高精度伺服控制系统的要求。设计出一种基于遗传算法(GA)优化的 PID 控制器,并通过 Simulink 对永磁同步直线电机控制系统进行建模和仿真实验。仿真和实验表明,采用 GA优化的PID控制器与传统的 PID控制器在指定速度和负载扰动条件下相比,具有更好的动态稳定性和跟踪性能,能有效抑制参数摄动的影响并对负载扰动具有较强的鲁棒性,实验结果也证明了方案的有效性和可行性。     

Genetically tuned fuzzy PID controller in two area reheat thermal power system

This paper demonstrates the design and analysis of automatic generation control using intelligent genetic algorithm tuned fuzzy based controller. A two area thermal power system simulated for four different scenarios considers a reheat steam turbine in each area with Generator rate constraints. The Integral Time Squared Error (ITSE) employed to get an objective function for the optimization of controller gains. The simulation results compared with the conventional Proportional Integral Derivative (PID) controller, Genetic Algorithm (GA) tuned PID controller and GA tuned Fuzzy PID controller. The proposed GA tuned Fuzzy based PID Controller can generate the best performance for peak overshoot, undershoot and settling time with step load disturbances. Robustness of the performance of the proposed controller provided with system parametric uncertainties.     

Intelligent particle swarm optimized fuzzy PID controller for AVR system

In process plants like thermal power plants, biomedical instrumentation the popular use of proportional-integral-derivative (PID) controllers can be noted. Proper tuning of such controllers is obviously a prime priority as any other alternative situation will require a high degree of industrial expertise. So in order to get the best results of PID controllers the optimal tuning of PID gains is required. This paper, thus, deals with the determination of off-line, nominal, optimal PID gains of a PID controller of an automatic voltage regulator (AVR) for nominal system parameters and step reference voltage input. Craziness based particle swarm optimization (CRPSO) and binary coded genetic algorithm (GA) are the two props used to get the optimal PID gains. CRPSO proves to be more robust than GA in performing optimal transient performance even under various nominal operating conditions. Computational time required by CRPSO is lesser than that of GA. Factors that have influenced the enhancement of global searching ability of PSO are the incorporation of systematic and intelligent velocity, position updating procedure and introduction of craziness. This modified from of PSO is termed as CRPSO. For on-line off-nominal system parameters Sugeno fuzzy logic (SFL) is applied to get on-line terminal voltage response. The work of SFL is to extrapolate intelligently and linearly, the nominal optimal gains in order to determine off-nominal optimal gains. The on-line computational burden of SFL is noticeably low. Consequently, on-line optimized transient response of incremental change in terminal voltage is obtained.