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.     

智能优化算法的控制器参数整定分析

遗传算法(Genetic Algorithm,GA)和模拟退火算法(Simulated Annealing Algorithm,SA)均是近年来研究的热点智能优化方法,两种智能算法应用于PID控制器参数调节,为PID控制器参数的优化提供新的研究思路。本文针对GA后期进化缓慢的缺陷,引入自适应机制,可以实现基于自适应GA的参数优化。将GA与SA有机结合,发挥GA全局并行搜索能力与SA较强的局部搜索能力,优势互补,实现了基于退火模式的GA,并应用于PID参数优化。最后本文以Matlab为仿真工具,进行PID控制器参数优化仿真实验,证明本文算法的可行性和有效性。     

遗传算法和小波神经网络PID在电机控制系统中的应用

提出了一种基于遗传算法和小波神经网络的PID参数整定方法.首先,利用具有自然进化的遗传算法对小波神经网络的初始权值进行优化训练,解决了控制器网络初始权系数对控制效果产生的影响;其次,利用小波神经网络对PID参数进行在线调节;最后,将此算法运用到电机控制系统的PID参数寻优中.仿真结果表明:基于此算法设计的PID控制器可以极大地提高寻优速度,鲁棒性强,改善了电机控制系统的动态性能和稳定性.     

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.     

免疫PID控制器遗传优化方法的研究

免疫PID控制是一种基于生物学中免疫原理的智能PID控制方法,参数设定是该控制器设计的重要环节.基于人工智能中的遗传算法理论,设计了一种针对免疫PID控制器参数设计的新型寻优算法,并给出相应的计算机辅助设计方案.仿真实验体现了该方法的良好优化效果.     

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.     

模拟退火粒子群算法的免疫PID控制

免疫反馈机制能迅速对外部抗原反应,并迅速稳定系统;将免疫反馈机制引入PID调节器设计,能有效增强系统的鲁棒性和抗干扰性能。利用模拟退火粒子群算法优化免疫PID控制器相关参数,克服了常规PID调节器参数寻优的不足,提高了系统的响应速度。仿真结果表明所提出算法的有效性。     

改进粒子群算法应用于挖掘机铲斗位置控制

挖掘机工作装置精确的位置控制是实现其轨迹自动控制的基础。提出一种改进粒子群优化算法,应用于液压系统PID参数的优化整定中,把遗传算法中的选择和交叉两种操作方式添加到标准的粒子群算法中形成的混合优化算法,提高了算法的搜索能力。建立具有整定PID控制器功能的仿真平台,使用改进粒子群算法、标准粒子群算法和相位裕度方法对PID控制器进行整定仿真,根据仿真结果,进行了模拟铲斗平地运动试验。仿真和试验结果表明改进粒子群算法整定的PID控制器参数,在电液伺服系统的动态响应和精确的轨迹控制方面有良好效果。     

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.     

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.     

超磁致伸缩执行器位移模型的参数辨识

准确辨识模型参数是提高超磁致伸缩执行器位移控制精度的关键,针对单一算法难以实现对超磁致伸缩磁滞非线性模型参数准确识别的问题,将遗传算法与模拟退火算法融合,首先利用遗传算法的快速搜索能力得到一个较优群体,再利用模拟退火算法的突跳能力对整个群体进行优化调整,并在算法中引入最优保留策略和动态步长搜索方法,提出一种改进的遗传模拟退火算法,并将其应用于对超磁致伸缩执行器位移磁滞非线性模型参数辨识。该算法兼具遗传算法和模拟退火算法的优点,既有较快的收敛速度,又提高了辨识精度和最优解质量。通过试验验证,超磁致伸缩棒伸长量的模型计算结果与测量值符合程度较好,平均相对误差为3.85%,该方法能方便有效地辨识模型参数。     

基于混合退火遗传算法的圆柱蜗杆传动模糊优化设计

针对基本遗传算法在优化设计中遇到的局部搜索能力不强、早熟收敛等问题,提出一种将模拟退火、Powell搜索方法与遗传算法相结合的混合遗传算法.在此基础上对普通圆柱蜗杆传动模糊优化设计进行了研究;数值计算表明,该混合退火遗传算法可以有效地克服基本遗传算法的上述缺陷,可以加速算法的收敛,具有良好的优化性能.并用该算法较好地解决了普通圆柱蜗杆传动的模糊优化设计.     

基于遗传模拟退火算法的机器人全局路径规划

研究了机器人在已知环境下用遗传模拟退火算法进行最优路径搜索的方法，此算法兼备了遗传算法和模拟退火算法的优点，还对路径的转折节点处进行了光滑性的改进，并且通过仿真实验证明了此方法能够快速得到最优路径。     

A GA-SA Multiobjective Hybrid Search Algorithm for Integrating Lot Sizing and Sequencing in Flow-Line Scheduling

It is very important that the sequencing and lot sizing in the flow-line environment are not independent. They should be integrated. In this paper, a multiobjective hybrid evolutionary search algorithm which combines a genetic algorithm and a simulated annealing algorithm is proposed and the performance of the proposed algorithm is compared with the existing genetic algorithm and the simulated annealing algorithm. The algorithms are coded independently and the performance is compared with randomly generated test problems. The objective functions considered for evaluation are the minimisation of makespan, minimisation of overtime and minimisation of holding cost. The scalar fitness function combining all the three objective functions, which minimises total cost, is used. The results are presented in tables and figures. The results show that the proposed hybrid algorithm performs better than the genetic algorithm and the simulated annealing algorithm.     

一类混合模拟退火与蚁群优化算法及其收敛性分析

针对蚁群算法易陷入局部最优和模拟退火算法搜索效率低的缺点,利用蚁群算法搜索高效和模拟退火算法的概率突跳性,提出运用两者优点的混合算法,借鉴模拟退火算法来改善全局优化能力,并分析了算法收敛性。通过中国旅行商问题的求解表明算法的优越性。     

一种基于改进遗传算法的车间调度问题研究

作业车间调度是一类求解较困难的组合优化问题,在考虑遗传算法早熟收敛问题结合模拟退火算法局部最优时能概率性跳出的特性,该特性最终使算法能够趋于全局最优。在此基础上,将遗传算法和模拟退火算法相结合,提出了一种基于遗传和模拟退火的混合算法,该算法将模拟退火算法赋予搜索过程一种时变性融入其中,具有明显的概率跳跃性。同时。通过选取Brandimarte基准问题和经典的Benchmarks基准问题进行分析,并应用实例对该算法进行了仿真研究。该结果表明,通过模拟退火算法与遗产算法相集合,可以使计算的收敛精度明显提高,是行之有效的,与传统的算法相比较,有较明显的优越性。     

基于混合遗传模拟退火算法的离合器蝶形压紧弹簧优化设计

针对遗传模拟退火算法的局部搜索能力不足,并且可能早熟和遗失最好解;以及传统优化算法全局性较弱,容易陷入局部解的问题.提出一种将遗传模拟退火算法和共轭方向法相结合的混合遗传模拟退火算法.在此基础上对离合器蝶形压紧弹簧优化设计进行研究,并与传统优化方法进行比较,结果表明,该方法简单可行,可为蝶形压紧弹簧以及其他产品的设计提供一种新方法.     

全局优化算法自适应模拟退火-遗传算法的研究

对模拟退火法和遗传算法作了简要叙述,并深入分析了模拟退火法和遗传算法的寻优特性,指出了模拟退火法存在的不足及遗传算法的优良特性,从而引入了自适应模拟退火-遗传算法,并定性分析了该算法的可行性。     

协作制造网络伙伴选择组合模型与算法研究

为满足快速响应市场需求、快速选择和配置资源,提出了三阶段协作制造网络伙伴选择组合优化模型;针对遗传算法早熟收敛和模拟退火算法搜索冗长问题,提出了基于邻域函数的尺度参数自寻优的改进遗传模拟退火算法,并在Delphi环境下通过实验仿真验证了算法的有效性.     

一种求解Flow-Shop调度问题的混合量子进化算法

针对Flow—Shop调度问题,在量子进化算法的基础上,提出了一种求解置换流水车间调度问题的混合量子进化算法（HQEA）,融合了量子进化算法和经典遗传算法的优点,并提出了一种新的针对置换流水车间调度问题的解码方法和一种新的量子门更新旋转角策略,最后针对一系列典型置换流水车间调度问题进行了对比仿真。研究结果表明,所提出的混合量子进化算法HQEA具有良好的全局搜索能力和较快的收敛速度。