一种基于遗传算法的非线性PID控制器

基于PID控制器各增益参数与偏差信号之间呈现非线性关系,拟合各参数的非线性函数可分别对控制器的P／I／D各部分实施单独调节的思想,提出根据控制与误差之间的调节规律,给定一组增益参数的非线性函数,并采用遗传算法来优化和构造此非线性PID调节器．典型系统的仿真结果表明,该控制器可在一定程度上兼顾系统的动态和静态性能．     

基于改进遗传算法的PID控制器设计

针对一般遗传算法存在的不足，提出一种改进的遗传算法，并将其应用于PID控制器参数设计。该方法采用实数编码，是为了操作方便、提高精度和收敛速度，且能克服传统PID参数整定的费时性。仿真结果表明，基于改进遗传算法设计的PID控制器获得了良好的控制效果，其控制性能优于常规的PID控制器。     

一种改进的遗传算法及其在PID控制中的应用

针对经典遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点,提出了一种改进的遗传算法,并将其应用于PID参数寻优。该算法既具有经典遗传算法的全局寻优能力,又具有局部寻优能力;同时,它又能有效地抑制早熟,保证得到的优化参数为最优。仿真结果表明,基于此遗传算法寻优设计的PID控制器可以极大地提高寻优的速度,鲁棒性强,具有很好的动态品质和稳定性。     

基于改进遗传算法的PID参数寻优与控制器设计

相比传统的调节方法,遗传算法具有更好的鲁棒性、最优性,能较好的实现参数的自动化调节。对标准遗传算法（SGA）进行了分析、研究,并在SGA的基础上进行了改进。改进的遗传算法从提高全局搜索性能和加快收敛速度出发,提出了改进的选择算子、交叉算子和变异算子,仿真结果表明,改进的遗传算法的全局搜索性能和收敛速度远远优于标准遗传算法。     

基于遗传算法的PID参数寻优

遗传算法是一种模拟自然进化而提出的简单高效的优化组合方法。该文主要研究了控制器参数优化问题 ,并利用遗传算法的基本原理对单回路及串级回路进行了离线寻优。仿真结果表明了遗传算法应用于控制器参数优化的可行性和有效性。同时遗传算法还克服了其它方法的某些弊端     

用PID梯度算法训练基于神经网络的广义非线性PID控制器

将梯度优化过程看作反馈控制系统,从而提出了一种带运量项的PID梯度算法（PIDGDM）。进一步讨论了该算法的收敛特性,提出了一种非线性PID控制器以对付一些非线性控制问题。神经网络被用于实现该非线性PID控制器。PIDGDM算法被用于训练所提出的神经网络非线性PID控制器。最后,给出了有关方法应用于两个化工过程的仿真研究结果。     

基于遗传算法的PID参数优化与仿真

本文提出了一种基于遗传算法的PID控制器参数优化设计。通过仿真研究，表明了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性能。     

基于一种新的目标准则的PID控制器参数优化

本文提出一种新的误差积分准则，即广义误差绝对值乘时间积分(GITAE)，它能获得比ITAE更优的响应曲线以及更大的幅值稳定裕度。特别是当对象时滞比τ／T很小或很大的时候，ITAE优化结果不能保证工程要求的足够的幅值稳定裕度，而GITAE能克服这一缺陷。     

利用改进遗传算法优化PID参数

为了改善单纯遗传算法早熟收敛与寻优能力不足的问题,将粒子群算法引入遗传算法变异操作中,提出了一种基于遗传算法与粒子群算法的组合算法。将改进的遗传算法应用于PID控制器参数优化中,通过仿真实验表明,新算法效果明显优于单纯遗传算法,能有效克服早熟收敛现象、降低随机性初始种群的影响、提高算法收敛精度,具有良好的收敛性和寻优能力。     

基于遗传算法的PID参数优化设计

本文研究了一种新的参数优化设计方法。它以误差积分型性能指标为目标函数,以设计参数的取值范围为约束条件建立了优化数学模型。之后,在Matlab环境下,将遗传算法同Simulink仿真技术有机融合来求解该优化模型,数值实验表明：本方法简单直观,通用性强,所设计的PID性能优异,十分适合于工程应用。     

基于遗传算法的半导体制冷器非线性PID设计

针对常规线性PID对具有非线性特征的半导体制冷器温度控制系统存在快速性和超调量难以兼得、抗干扰能力差的问题,提出将非线性PID控制用于半导体制冷器温度控制的策略.通过对线性PID存在问题以及PID各增益参数与偏差信号之间非线性关系的分析,构建了增益参数的非线性函数,针对非线性函数中参数较多问题提出了自适应遗传寻优的求解方法.仿真和实验结果表明,基于此遗传算法寻优的非线性PID控制器相比线性PID控制器,调节时间缩短,超调量减小,抗干扰能力更强.     

一种新型模糊非线性PID控制器

采用一维输入一维输出的模糊映射关系与传统PID控制器相级联的方式，构成一个模糊非线性PID控制器以提高现有PID控制器的性能．一维模糊控制器无需选择与调整量化因子和比例因子，采用五条规则，易于实现．数值仿真和误差泛函积分评价指标表明，所提出的模糊非线性PID控制器比现有控制器具有更好的动静态性能．     

基于遗传算法的预测自整定P I D 控制器

提出一种基于遗传算法的预测自整定ＰＩＤ控制算法。利用预测技术克服时滞,利用遗传算法优化ＰＩＤ控制器参数。对工业过程中典型的大时滞被控过程的仿真表明,这种控制算示鲁棒性强,响应速度快,抗干扰能力强,可构成较实用的工程控制器。     

非线性PID控制器

本文利用非线性跟踪-微分器和非线性组合方式来改进经典PID调节器以提高其适应性和鲁棒性.     

基于粒子群算法的一种非线性PID控制器

基于PID控制器各增益参数与偏差信号之间非线性关系,分析了一种P/I/D各部分参数关于误差的理想变化过程,根据控制与误差之间的调节规律,给定一组增益参数的连续非线性函数,构造出一种非线性PID控制器。粒子群算法具有对整个参数空间进行高效并行搜索的特点,采用该算法寻优整定该非线性PID控制器的各增益参数。仿真结果表明了所提算法的有效性和所设计控制器的优越性能。     

基于神经网络和遗传算法的智能PID控制

提出了一种结合神经网络和遗传算法的智能PID控制算法;该控制器先利用RBF辨识网络在线辨识系统模型,再利用遗传算法在线调整PID三个控制参数,将传统的Ziegler-Nichols方法所得的控制参数作为遗传算法的初始参数范围,缩小了遗传算法的寻优范围;在MATLAB6.5环境下进行仿真和试验研究,结果证明RBF辨识网络的输出能够很好地跟踪对象输出,遗传算法很好地优化了控制参数;二者结合可在线有效地控制较复杂的被控对象.     

PID控制器改进方法研究

分析了常规PID(比例—积分—微分)控制特点,针对其在非线性控制中存在的问题,基于参数自整定和控制器误差组合方式,分别设计了参数自整定模糊PID控制器、参数自整定RBF神经网络PID控制器和非线性自抗扰PD控制器.并进行了实验验证,实验结果表明,从参数自整定和控制器误差组合角度出发,所采用的控制策略可使非线性系统具有较好的动态特性、鲁棒性和自适应能力.     

基于实数编码遗传算法的PID控制系统设计

提出一种使用遗传算法确定PID控制系统参数的方法。它以使用工程中常用的频域指标作为目标函数,使方法更具有实效。根据这一思想,使用C语言设计遗传算法的各个部分,如编码方式、适应度函数、遗传操作算子等。最后,对实际的算例进行计算并将结果在Matlab环境下进行了仿真。仿真结果表明:本方法快速、有效。