基于GA-PSO的PMSM伺服系统分数阶控制

针对永磁同步电机伺服系统要求快速响应、鲁棒性及抗干扰能力的问题,设计了一种遗传算法—粒子群算法(GA-PSO)优化的分数阶PID控制器。利用改进Oustaloup算法,框图化实现分数阶PID控制器。采用GA-PSO算法优化整定分数阶PID控制器参数,解决了分数阶PID控制器设计繁琐、参数整定多的问题,可得到使伺服系统性能最好的分数阶PID控制器参数组合。对采用分数阶PID控制器和传统整数阶PID控制伺服系统进行仿真,结果表明,采用优化后的分数阶PID控制器具有跟踪速度快、抗干扰能力强、鲁棒性好的优点。     

基于遗传算法的PID控制器参数优化与仿真

阐述了一种基于遗传算法的PID控制器参数优化设计方法。仿真研究表明,遗传算法应用于PID参数优化,与传统的寻优方法相比可提高控制器的稳定性和动态特性。     

基于改进遗传算法的伺服系统自抗扰控制研究

针对传统PID控制不能满足数控进给伺服系统对控制性能的要求,提出将自抗扰控制器引入伺服进给系统的设计方法,采用改进遗传算法对自抗扰控制器参数进行整定优化。仿真结果表明采用改进遗传算法优化的伺服进给系统自抗扰控制器具有良好的控制性能和鲁棒性,所提出的数控伺服系统自抗扰设计方法有效可行。     

四旋翼飞行仿真器的PID神经元网络控制器设计

针对四旋翼飞行仿真器系统具有多输入、多输出及多变量等特点，设计了一套基于四旋翼飞行仿真器的PID神经元网络控制器。首先建立四旋翼飞行仿真器系统模型，然后以四旋翼飞行仿真器为控制平台，并以MATLAB/Simulink软件为实验平台，搭建PID控制器和PID神经元网络控制器模型，并分别使用两种控制方法进行实时飞行仿真实验。最后实验结果表明，相比PID控制，PID神经元网络控制方法对四旋翼飞行仿真器的调节时间更短、超调量更小，具有更优的控制性能。     

PID控制参数优化中的改进免疫遗传算法

针对传统的PID控制起参数优化方法的缺点,提出了一种结合精英策略的改进的人工免疫遗传算法(IGAE),该算法的特点是以新的抗体相似度、期望繁殖率以及克隆选择概率的定义方法和计算公式作为优化问题的目标函数,采用IGAE去调整和优化PID控制器的三个增益参数,结合精英选择策略(elitism strategy)以获得性能最优的PID控制器.仿真实验结果表明新的免疫遗传算法具有全局优化的能力,响应速度快、鲁棒性强,对变参数PID控制的参数优化设计是成功和有效的.     

基于改进的遗传算法的伺服电机模糊PID控制器设计

针对伺服电机采用PID控制的参数整定困难问题,将模糊理论和PID控制相结合设计出模糊PID控制器,并通过改进的遗传算法对模糊控制器的隶属函数和控制规则同时进行优化,利用MATLAB进行仿真。结果表明,基于改进遗传算法的模糊PID控制器,具有良好的动静态性能,且响应速度快、超调量小。     

基于遗传算法整定的PID控制

PID控制器是在工业过程中常见的一种控制器,遗传算法是一种具有极高鲁棒性的全局优化方法,针对传统PID参数整定的困难性,本文提出把遗传算法运用于PID参数整定中,用MATLAB仿真软件编程,仿真结果表明根据遗传算法寻优设计的PID控制器降低了超调量、加快响应速度,所以基于遗传算法整定的PID控制具有较好的动态品质和稳态精度。     

基于改进遗传算法的气体混合控制系统的设计与仿真

针对传统气体混合存在精度低、混合时间长等问题,研究了以质量流量控制器为主的气体混合系统,设计了改进遗传算法整定PID参数的控制系统。利用模式识别建立了系统数学模型,针对标准遗传算法的缺陷,设计了一种改进比例选择算子并提出自适应法调整交叉、变异概率。进行仿真实验验证改进遗传算法优化PID控制系统的控制性能。实验结果表明,相比标准遗传算法和Z-N法优化PID,基于改进遗传算法优化PID控制系统具有更高的控制精度以及更快的混合时间。     

采用遗传算法参数整定的车辆ABS分数阶PID控制

以单轮车辆模型为基础在一定的简化和假设后对ABS进行数学建模,然后将分数阶微积分理论与传统PID控制理论相结合,构造出分数阶PID控制器。为得到最优的控制器参数,利用MATLAB的遗传算法工具箱,完成遗传算法的主程序编写。由于分数阶微积分算子的存在,不能直接用传递函数的方法得到适应度函数值,所以采用Simulink建立适应度函数值的仿真模型供主程序调用。然后在MATLAB/Simulink环境下,进行仿真实验:1)经验试凑法和遗传算法得到控制器参数时的系统仿真比较;2)基于遗传算法的分数阶PID控制器与传统PID控制器的系统仿真比较。结果表明:经过遗传算法优化得到的参数,使ABS系统的制动距离、制动时间、滑移率阶跃响应的超调量明显比试凑法时更小,同样得到分数阶PID控制器的ABS系统比整数阶的制动性能有明显的提升,从而验证了所提出的分数阶PID控制器在ABS制动控制中是有效的。     

小型四旋翼飞行器新型非线性PID姿态控制器设计

针对小型四旋翼飞行器姿态控制问题,设计了一种新型非线性PID姿态控制器。针对传统PID的不足,通过引入两个跟踪微分器以及误差反馈的非线性组合构成非线性PID,并结合简化的小型四旋翼飞行器数学模型,提出了一种基于新型非线性PID姿态控制方法。仿真结果表明,所设计的控制器具有较强的鲁棒性、抗干扰性以及良好的滤波性能,系统具有良好的动态和稳态性能。由于保留了传统PID优点,设计简单,对实际工程具有较大的指导价值。     

基于改进遗传算法的电液伺服系统轨迹控制

为了提高挖掘机器人电液伺服系统的轨迹精度,首先,建立挖掘机器人电液伺服系统模型;其次,对遗传算法的种群、适应度函数、交叉概率和变异概率进行改进,设计改进遗传算法的PID控制器,在联合仿真平台上进行了仿真研究,用阶跃和斜坡信号评估控制器性能;最后,搭建挖掘机器人轨迹控制实验平台,采用对挖掘机器人精度要求较高的斜坡作业验证控制器性能。结果表明:相比较于传统的PID控制器和经典遗传算法优化的PID控制器,改进遗传算法优化的PID控制器调整时间短,响应快速,实际动作控制时轨迹跟踪误差最小,可用在挖掘机器人实际轨迹控制中。     

模糊自整定PID在四旋翼飞行器姿态控制中的应用

四旋翼飞行器的结构简单以及对飞行环境要求低的优势,使其应用极其广泛。四旋翼飞行器的姿态控制是决定飞行性能的关键,目前,应用较成熟的控制方法仍为PID控制,但是四旋翼飞行器的姿态之间存在非线性的耦合,使得控制参数整定有难度,PID控制器对其姿态的调整会出现较大的超调量,或者较长的调节时间。该文综合了模糊控制和PID控制各自优势,设计了模糊自整定PID控制器,能够实现参数的自整定。仿真结果显示,所设计的控制器能够有效抑制系统超调量,提高响应速度。     

基于自适应遗传算法的异步电机矢量控制参数优化与仿真

自动控制领域中PID参数的整定是一个极其重要的问题。为解决工程人员凭经验对异步电机控制器参数整定难寻到最优解的问题,将速度误差积分型作为目标函数,采用惩罚措施,利用自适应遗传算法对异步电机速度控制器的参数进行优化、仿真,并与利用常规PID参数整定获得的速度曲线相对比,实验结果表明,用自适应遗传算法优化的参数,可以提高系统的控制精度、动态性能。     

基于遗传算法的数控机床进给伺服系统模糊PID位置控制研究

文章针对电机引入的非线性、参数不确定性及对位置伺服系统快速定位和无超调的要求问题,提出了一种新的位置控制方法,即基于遗传算法的模糊PID位置控制。该方法结合遗传算法和模糊PID控制的优点,利用遗传算法优化模糊PID控制系统的模糊控制规则,通过模糊控制规则对PID参数进行实时修改。仿真结果表明,这种位置控制器具有良好的稳态精度和动态响应,与传统比例位置控制的伺服系统相比,具有良好的动态、稳态性能以及较强的鲁棒性。     

基于微粒群算法优化PID参数研究

提出一种利用微粒群算法优化PID控制器参数的方法.微粒群算法(P S O)是一种新的随机优化算法,具有搜索速度快、寻优能力强、算法简单等特点.介绍了将微粒群算法用于PID控制器参数优化的方法、算法实现流程,仿真实验证明了微粒群算法的有效性,其性能优于遗传算法和传统的经验方法.     

夹具实验台液压系统的仿真与优化

通过对夹具实验台液压系统的改进,应用AMESim软件对改进后的系统进行仿真,分析了PID控制器参数对系统动态特性的影响。从控制的角度出发,应用遗传算法对PID控制器参数进行优化整定,改善了系统的动态性能,增强了系统的稳定性和快速性。     

基于遗传算法优化的汽车半主动悬架PID控制仿真研究

PID控制器在汽车半主动悬架应用中存在参数确定的问题,针对这一问题设计了一种基于遗传算法优化整定PID参数的方法.该方法利用遗传算法的全局优化能力,以半主动悬架的性能指标为目标函数对PID参数进行优化设计.应用该方法进行汽车半主动悬架平顺性仿真.仿真结果表明,基于遗传算法优化的PID控制器的汽车半主动悬架相对于PID控制主动悬架以及被动悬架而言,改善了车身垂向加速度和悬架动行程.同时在充分利用PID控制器优势的基础上,改善了其参数确定过程中存在的问题.     

基于模拟退火遗传算法的PID控制器参数优化

针对遗传算法存在容易早熟的不足,将模拟退火算法融合到遗传算法中,建立了模拟退火遗传算法,并将其应用于PID控制器的参数优化.结果表明,将模拟退火算法融合到遗传算法中是有效的,基于模拟退火遗传算法的PID控制器参数优化是可行的.     

PID参数整定的一种混合优化算法

PID控制器是工业界应用最广泛的控制策略,参数整定是PID控制器设计的核心内容.提出一种基于遗传算法和数值优化算法的混合优化方法,采用由粗到精的搜索过程,先利用遗传算法进行全局粗略搜索,再利用数值优化算法得到精确的参数.仿真试验结果证明提出的混合优化算法是进行PID参数整定的一种有效方法.     

一种基于多参数优化的神经网络控制器研究

针对常规PID+CMAC复合控制器中多个控制参数难以确定的问题,提出采用改进遗传算法对PID控制参数、CMAC神经网络学习率和惯性量等多参数进行寻优,把常规PID控制、CMAC神经网络和遗传算法的优点结合起来,设计了基于改进遗传算法多参数优化的PID+CMAC自适应控制器.仿真结果表明,提出的多参数优化的CMAC控制器具有良好的鲁棒性、抗干扰能力和自适应能力,是解决不确定性非线性对象控制问题的一种有效的控制方法.