共查询到18条相似文献,搜索用时 93 毫秒
1.
2.
基于改进遗传算法的PID控制器设计 总被引:7,自引:0,他引:7
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。 相似文献
3.
4.
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。 相似文献
5.
6.
7.
基于遗传算法的PID参数优化与仿真 总被引:4,自引:4,他引:4
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。 相似文献
8.
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。 相似文献
9.
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。 相似文献
10.
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。 相似文献
11.
12.
一种新型模糊非线性PID控制器 总被引:4,自引:0,他引:4
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. 相似文献
13.
基于遗传算法的预测自整定P I D 控制器 总被引:22,自引:0,他引:22
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。 相似文献
14.
15.
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。 相似文献
16.
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. 相似文献
17.
PID控制器改进方法研究 总被引:1,自引:0,他引:1
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. 相似文献
18.
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。 相似文献