基于PSO的恒力执行器PID型模糊控制器

针对打磨机器人在打磨过程中对恒力控制精度和响应速度的要求,提出了一种基于粒子群优化算法的恒力执行器PID型模糊控制器。设计新型PID型模糊控制器,减少设计规则库数量;提出变权重综合型适应度函数,结合误差积分绝对值和控制信号积分绝对值优化PID型模糊控制器的综合性能,同时减小超调量与稳态误差;采用自适应惯性权重策略加快粒子群迭代速度,使用粒子群算法对PID型模糊控制的比例因子进行优化。仿真结果表明,经过粒子群优化的PID型模糊控制实现了打磨力的平稳输出,响应速度提升10%,调节时间缩短14%,系统无超调、无振荡,提高了打磨力的控制精度。     

基于粒子群优化的模糊PID控制在配料过程的应用

为避免模糊PID控制中参数选取的经验性及参数不变性,应用粒子群算法优化隶属函数分布,增强控制器自适应能力,并提高其控制精度,充分体现了算法的智能性.将粒子群优化的模糊PID控制应用于配料控制系统中,通过仿真并与模糊PID以及传统PID控制方法相比较,结果表明,粒子群算法收敛快,找到最优点时间短,优化后的模糊PID控制具有静态误差小、调节时间短、无超调、抗干扰能力强等优点,能很好地满足控制过程的动态特性,并具有较强的鲁棒性及适应性.     

基于粒子群优化的桥式起重机模糊PID控制

由于桥式起重机调速系统具有非线性特点,采用传统PID控制效果不佳,而模糊控制却能很好地改善非线性系统的性能,因此将二者相结合设计出了桥式起重机的模糊PID控制器。同时为了进一步改善控制器的性能,利用粒子群算法（PSO）的寻优特性对其参数进行优化,并通过 Matlab仿真与优化前的控制器以及传统 PID控制器进行对比,结果表明,采用粒子群算法优化后的模糊PID控制器动态性能更佳,具有超调小、调节时间短、适应性强的优点。     

基于改进QPSO算法的电动汽车模糊控制器参数优化

目前电动汽车常以无刷直流电机（BLDCM）作为驱动器,但BLDCM调速控制系统中模糊控制器的量化因子和比例因子采用传统方法,自调节能力弱,针对该问题提出一种改进QPSO算法（AMF-QPSO）实现对量化因子和比例因子的自适应调节。AMF-QPSO算法以收缩—扩张系数（contraction expansion,CE）控制方式为研究重点,提出粒子活性概念,并以其作为反馈量实现动态自适应调节CE系数; 同时,为防止种群高度聚集,采用精英群体随机交叉学习机制,对部分活性低的精英粒子进行扰动,增强种群后期多样性。最后,通过LabVIEW实验平台,以具体案例验证AMF-QPSO算法性能。实验结果表明,AMF-QPSO优化的模糊PID控制器具有比标准模糊PID控制器和QPSO优化的模糊PID控制器更好的控制性和自适应性。     

中央空调房间温度智能PID控制的仿真研究

中央空调房间温度控制系统是一个复杂系统,针对一次性整定得到的PID参数难以保证系统控制始终处于优化状态和良好的品质特性,提出了参数自整定方法,通过实时改变PID参数从而保证控制系统的优良品质。结合粒子群优化算法和模糊控制以及传统PID控制各自的优势,设计了一种新的自适应模糊PID控制器。鉴于PID控制器的性能完全依赖于其参数的整定和优化,采用粒子群算法离线优化PID参数,并利用模糊控制在线调整PID参数,以取得良好的控制效果。利用Matlab软件进行了数字仿真。仿真结果表明,方法调节精度较高,调节迅速,超调小,具有一定的可行性。     

基于GA的闪蒸罐压力模糊自适应PID控制

针对加氢裂化中对闪蒸罐压力控制的非线性、滞后性等问题,本文提出一种基于遗传算法的模糊PID控制器,用于改善闪蒸罐压力控制效果。该控制器利用遗传算法优化模糊控制器的量化因子和比例因子,从而实现模糊PID控制器参数K_p、K_i、K_d的自适应调节。结果表明,优化后的模糊自适应PID控制器与常规PID控制器相比,提高了绝热闪蒸罐压力控制的自适应能力和鲁棒性,改善了系统的动态特性和静态性能,对非线性和时滞性的控制效果更好。     

一种改进粒子群算法在水轮机控制中的应用

关于水轮发电机控制系统优化问题,水轮发电机组的控制技术对于水轮发电机组稳定工作非常重要。针对保证供电质量,改善调节系统的非线性时滞特性,利用具有局部搜索能力的粒子群算法对水轮发电机组进行模糊PID控制可以确保控制的稳定性。首先,根据水轮发电机组的控制原理和模糊PID控制器的基本结构,提出具有局部搜索能力的改进粒子群算法,利用模糊PID控制器以及采用了改进粒子群算法的模糊PID控制器,用MATLAB软件对水轮发电机组进行优化控制仿真,仿真结果表明采用改进粒子群算法的模糊PID控制器具有最优的控制效果。     

氯乙烯聚合反应自适应模糊PID控制器的设计

介绍了通过自适应模糊PID控制器实现氯乙烯聚合反应釜温度控制的设计思想，由于聚合反应釜的大惯性、大滞后的特性，采用常规的PID调节产生严重的滞后效应和超调现象。难以收到令人满意的结果。该文利用自适应模糊PID调节取代常规PID调节，取得了令人满意的效果。仿真结果表明，该调节具有无超调、响应快等优点。     

基于粒子群算法的PID神经网络解耦控制

基于粒子群的优化算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。该算法采用粒子群算法优化 PID 神经网络初始权值,并将优化后的最优初始权值控制非线性耦合系统。系统仿真结果表明,粒子群优化后的 PID 神经网络控制器具有逼近控制目标更快,响应时间较短的显著优点。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有一定的理论研究价值和工程实用价值。     

基于粒子群算法的PID神经网络解耦控制

基于粒子群的优化算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。该算法采用粒子群算法优化PID神经网络初始权值,并将优化后的最优初始权值控制非线性耦合系统。系统仿真结果表明,粒子群优化后的PID神经网络控制器具有逼近控制目标更快、响应时间较短的显著优点。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有一定的理论研究价值和工程实用价值。     

基于PID控制器的铝热连轧张力控制系统的设计与实现

针对PID控制器在铝热连轧张力控制系统中收敛速度慢的问题,提出一种自适应权值粒子群算法优化神经网络PID控制器的设计方法,该方法采用自适应权值粒子群算法优化神经网络的权值和阈值,使它们在调节PID控制器时找到最优参数,仿真结果表明,在铝热连轧张力控制系统中,自适应粒子群算法优化的神经网络PID控制器与其他PID控制器相比能更快地使张力达到稳定状态、缩短响应时间、改善板形。     

基于改进量子粒子群算法的NCS模糊控制器参数优化

针对网络化控制系统中模糊控制器的量化因子和比例因子采用传统经验方法难以整定的问题, 提出了一种改进量子粒子群（IQPSO）算法对模糊控制器量化因子和比例因子进行优化。该方法将ABC算法中的搜索算子作为变异算子引入到QPSO算法中, 使得IQPSO算法较好地克服了QPSO算法保持种群多样性差容易早熟收敛的缺陷, 并以ITAE指标作为IQPSO算法的适应度函数对模糊控制器进行优化。典型工业过程仿真结果表明, IQPSO优化的模糊控制器具有比PID控制器和标准QPSO优化的模糊控制器更好的控制性能和适用性。     

基于改进量子粒子群算法的NCS模糊控制器参数优化

针对网络化控制系统中模糊控制器的量化因子和比例因子采用传统经验方法难以整定的问题,提出了一种改进量子粒子群(IQPSO)算法对模糊控制器量化因子和比例因子进行优化。该方法将ABC算法中的搜索算子作为变异算子引入到QPSO算法中,使得IQPSO算法较好地克服了QPSO算法保持种群多样性差容易早熟收敛的缺陷,并以ITAE指标作为IQPSO算法的适应度函数对模糊控制器进行优化。典型工业过程仿真结果表明,IQPSO优化的模糊控制器具有比PID控制器和标准QPSO优化的模糊控制器更好的控制性能和适用性。     

无人机姿态控制器设计及仿真

由于无人机模型的非线性和参数的时变性,传统PID方法设计的控制器动静态性能可能会变得很差,针对这种问题,设计了适合于某型无人机的模糊自适应姿态控制器;对于模糊控制器的隶属函数选择中盲目性的问题,利用粒子群优化算法对隶属函数进行智能寻优,降低设计过程中专家主观意向对控制器性能不确定性的影响;仿真结果表明,文章设计的控制器相对传统PID有更好的动静态性能,并且对于模型参数的时变性具有一定的鲁棒性.     

粒子群优化算法在神经网络控制中的应用

考虑粒子群优化算法在不确定系统的自适应控制中的应用。神经网络在不确定系统的自适应控制中起着重要作用。但传统的梯度下降法训练神经网络时收敛速度慢,容易陷入局部极小,且对网络的初始权值等参数极为敏感。为了克服这些缺点,提出了一种基于粒子群算法优化的RBF神经网络整定PID的控制策略。首先,根据粒子群算法的基本原理提出了优化得到RBF神经网络输出权、节点中心和节点基宽参数的初值的算法。其次,再利用梯度下降法对控制器参数进一步调节。将传统的神经网络控制与基于粒子群优化的神经网络控制进行了对比,结果表明,后者有更好逼近精度。以PID控制器参数整定为例,对一类非线性控制系统进行了仿真。仿真结果表明基于粒子群优化的神经网络控制具有较强的鲁棒性和自适应能力。     

基于微粒群算法的PID控制器优化研究

研究PID控制器性能优化中,由于被控对象具有高阶、非线性等特点,而在工业生产过程中,传统的PID参数整定方法易出现超调和震荡问题,使系统响应特性差。为改善系统性能,提出一种改进粒子群算法的智能优化策略,将PID控制器参数作为粒子群中的粒子,以控制误差时间积分函数作为优化目标,进行PID控制参数的并行优化。利用MATLAB仿真软件进行仿真,并通过与传统整定方法(Z-N法)进行比较。结果表明,粒子群的PID参数整定法可提高控制器性能,并能够实现目标的最优整定,为PID控制器性能优化提供依据。     

基于改进磷虾群算法的水电站频率控制

针对复杂的水电站调速系统难以确立精确数学模型导致传统比例-积分-微分(PID)控制器控制精度低、自适应能力差等问题,提出了一种改进磷虾群算法对其PID控制器参数进行优化.对磷虾群算法引入进化因子α以及优化算子β以增加算法自适应调节能力.首先将频率误差以及频率误差变化率代入到改进的磷虾群算法控制器中,通过算法迭代得到一组...     

直流无刷电机控制器设计与仿真

关于无刷电机性能优化问题。无刷直流电机工作过程中电气参数具有非线性、时变性的特性,造成实时性差,由于传统的PID控制器的参数不能在线调整,在对其进行控制时存在鲁棒性差、精度低等缺点。为解决上述问题,提出将模糊自适应PID控制器应用于无刷直流电机的控制中,根据系统的转速偏差e和偏差变化率ec,经过模糊逻辑推理,动态自适应调整PID控制器的三个参数。在分析电机模型的基础上,借助在Matlab仿真平台设计了无刷直流电机模糊自适应PID控制器的仿真模型。结果表明:较之传统的PID控制器,模糊自适应PID控制器响应速度快、鲁棒性强、无超调、精度高,达到了较好的控制效果。     

基于群智能优化算法与MATLAB仿真的高温炉模糊PID温度控制系统设计

针对高炉燃烧器温度控制问题,提出一种PSO-模糊PID的温度控制方法。首先,对模糊PID控制方法进行了研究与探讨;然后,在模糊PID控制方法的基础上,引入粒子群优化算法对PID参数进行优化;最后通过对比实验验证提出方法的有效性与可行性。测试结果表明：粒子群优化算法能够对模糊PID控制系统进行优化,且经过粒子群优化算法优化后的模糊PID控制系统进入稳态所需的时间大大减少,超调幅度达到最低,且在整个控制过程中没有出现震荡情况。可知设计温度控制方法具有可行性和有效性,且响应速度快、稳定性高,能够实现提高温度控制系统自适应能力的目的,继而实现对高炉燃烧器温度进行调节与控制。     

基于动态层次分析的自适应多目标粒子群优化算法及其应用

提出一种基于动态层次分析的自适应多目标粒子群优化算法,利用模糊一致矩阵层次分析法选取全局最优粒子,保证进化方向的合理性和客观性。在进化过程中对种群状态进行客观度量,自适应更新种群的权重和学习因子等重要参数,使种群进化具有自我调节能力。将提出的算法分别应用于标准多目标测试函数、PID控制器参数优化和甲醇转化烃类物质的工业过程模型辨识中,通过与其他算法的对比说明了所提出算法的有效性和可行性。