基于IASHGA算法的水轮发电机组PID调速器参数优化研究

针对遗传算法（SGA）存在求解精度与收敛速度间的矛盾,提出了一种自适应对称调和遗传算法（IASHGA）,并将该算法用于水轮发电机组PID调速系统参数的优化设计,以系统的上升时间和超调量指标作为IASHGA算法的适应度函数;以四川某水电站的真实数据对经过优化后遗传算法PID控制规律进行计算机仿真．仿真结果表明,改进的算法较之常规遗传算法（SGA）和粒子群优化算法（PSO）,不但提高了全局的搜寻能力,而且有效避免了早熟收敛问题．为水轮机调速器PID参数优化研究提供了新途径．     

基于IASHGA算法的水轮发电机组PID调速器参数优化研究

针对遗传算法(SGA)存在求解精度与收敛速度间的矛盾,提出了一种自适应对称调和遗传算法(IASHGA),并将该算法用于水轮发电机组PID调速系统参数的优化设计,以系统的上升时间和超调量指标作为IASHGA算法的适应度函数;以四川某水电站的真实数据对经过优化后遗传算法PID控制规律进行计算机仿真.仿真结果表明,改进的算法较之常规遗传算法(SGA)和粒子群优化算法(PSO),不但提高了全局的搜寻能力,而且有效避免了早熟收敛问题.为水轮机调速器PID参数优化研究提供了新途径.     

积分过程的PID控制器智能优化设计

针对积分时滞过程,采用微粒群优化(PSO)算法对比例-积分-微分(PID)控制器的参数进行优化设计.通过将PID控制器的参数设置为群体微粒在参数空间中的位置,模拟群体智能和动物觅食的动态行为来对PID参数寻优,使代表PID控制器参数的微粒逐渐向最优区域移动,获得最佳的PID参数.在优化过程中采用了偏差平方积分(ISE)的优化指标.实例仿真结果表明,基于微粒群算法优化得到的PID控制器不仅响应速度快、超调量小、抗干扰能力强,而且对过程时滞的变化具有较强的鲁棒性.     

基于蝙蝠算法的PID控制参数优化技术与仿真研究

PID参数整定是PID控制中的一个重要环节,传统的PID参数整定方法已经不能完全适用。为提高PID参数优化精度,解决传统PID参数整定时产生的误差较大问题,将蝙蝠算法引入控制系统中优化PID控制参数。通过MATLAB仿真,比较蝙蝠算法、粒子群优化算法和增量式PID控制算法对控制参数优化的性能。实验结果表明：在函数寻优测试中,与遗传算法、粒子群优化算法相比,蝙蝠算法能防止陷入局部最优,使种群更加稳定并达到更好的收敛速度和寻优精度;在PID控制参数优化中,与粒子群优化算法、增量式PID控制算法相比,蝙蝠算法优化PID控制参数的实际输出曲线最贴近理论输出曲线,稳定性更好。     

基于粒子群优化的PID伺服控制器设计

针对耦合和非线性永磁同步电机（PMSM）控制器优化设计的难题,提出了基于粒子群优化（PSO）算法的比例、积分和微分(PID)控制器的优化设计方法.结合PSO的基本原理和PMSM伺服系统的控制策略,给出了优化PID控制器设计的步骤.考虑到综合评价系统的各项性能指标,在优化过程中引入了新的模糊汉明距离的评价策略.同时对遗传算法（GA）和PSO算法优化结果进行对比研究.仿真和实验结果表明,该方法能搜寻到最优或次最优的参数空间,并能取得比GA更好的空间解.优化得到的PID控制器速度响应快、超调量小,有效地提高了伺服系统的动态性能.     

一种无人机俯仰角控制PID参数的优化方法

为改善飞机俯仰角控制系统的动态性能及稳态精度,对小型无人机的俯仰角通道采用PID控制器进行控制.针对传统PID控制器容易整定不良的缺点,采用遗传算法(GA)和粒子群算法(PSO)相结合的方式对PID的参数进行整定,并对PSO的惯性权重采用先减后增的方式进行动态调整.利用Matlab/Simulink对改进遗传算法及传统遗传算法进行了仿真.仿真结果表明改进遗传算法能有效改善系统的动态性能及稳态精度.     

积分过程PID控制器参数的新型优化整定方法

针对积分时滞过程,结合菌群优化（BSFO）算法和控制系统优化设计策略,提出了一种新的PID控制器参数优化整定方法.通过将PID控制器的参数设置为群体细菌在参数空间的位置,将时间乘以绝对误差的积分（ITAE）作为细菌对环境的适应度函数,并模拟细菌群体觅食的动态行为来实现对PID控制器参数的寻优.实例仿真结果表明,菌群优化算法能够实现对PID控制器参数的有效整定,并在稳定时间、超调量、鲁棒性和抗干扰性等方面具有满意的综合性能.在大量仿真结果的基础上,给出了一个积分时滞对象的PID控制器参数整定经验公式.     

基于GAOT的PID控制器参数整定研究

遗传算法是一种具有极高鲁棒性和广泛适用性的全局优化方法,遗传算法优化工具箱(GAOT)为遗传算法的推广和应用提供了良好的工具,它采用模块化设计,包含了常用的遗传算子.针对传统PID参数整定的一些局限性,利用遗传算法优化工具箱对PID控制器参数进行整定.分析了遗传算法的应用步骤、GAOT的基本用法和GAOT与控制器参数整定的接口方法,利用仿真试验将该方法与Ziegler-Nichols法和工程品质最佳法进行比较.仿真结果表明:该方法几乎无超调,且过渡时间最短,可明显提高系统性能.     

基于混沌优化的规范化PID控制器及其应用

为了解决PID参数整定繁琐，难以达到最优状态，控制结果出现较强的振荡和大超调等问题，作者提出一种规范化PID控制器参数混沌优化方案，由于混沌运动具有遍历性，随机性等特点，它能在一定的范围内按期自身规律不重复地遍历所有状态，把混沌动力学特性与退火策略结合起来在规范化PID参数域中实现混沌优化搜索，具有更强的搜索PID参数全局最优值的能力，对水轮机调速系统进行控制仿真，结果表明；该算法能有效地实现PID参数最优整定；控制结果具有稳定，超调小，响应快，调节时间短，结构简单，容易实现的优点，为解决PID控制器参数全局最优设计提供了一种有效的方法。     

基于改进粒子群算法的PID控制器参数整定优化

针对经典粒子群算法应用在PID控制器的参数上整定的方法其效果往往不佳的问题上,本文提出了一种改进粒子群算法的PID控制器参数整定优化设计,在粒子群的基础上加入遗传算法中的交叉算子,并将粒子群中的惯性权重因子改成动态参数,应用到的PID控制器,使参数的自适应整定问题也获得了改进,快速性和稳定性也都优于经典粒子群算法的PID控制器。借助Matlab进行仿真系统的响应曲线图,根据对比得出系统性能的指标改进情况。     

S函数在水轮机非线性动态建模中的应用研究

通过分析传统水轮机建模的不足,提出了用Matlab中的S函数建立水轮机非线性动态模型的新方法.给出了应用于某电站水轮机数字建模的具体实例.由于新方法是直接对水轮机全特性曲线进行处理,因而具有比传统方法更高的精度和可信度,这对研究水轮机动态特性和调速器PID参数的离线优化有重要意义.     

在线学习自适应模糊控制器在水轮机调节中的应用

针对水轮发电机组系统具有时变非线性,传统的控制方法很难达到最优控制的特性,提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组运行.模糊控制器的比例因子、模糊推理规则和隶属函数由遗传算法在线寻优.由RBF神经网络进行被控对象的动态特性模型辨识,以评价模糊控制器控制性能.仿真实验表明,控制效果良好,特别在变工况和扰动情况下优于最优PID控制.     

基于协同进化算法的水轮机模糊PID调速器研究

针对水轮机调速器常规PID控制不能根据系统的动态过程自动调整控制参数的问题,提出一种改进的基于协同进化遗传算法的模糊自适应PID控制算法,该方法采用协同进化遗传算法同时优化模糊PID控制的模糊规则和PID整定公式中的3个比例因子,通过模糊推理的方法求解PID参数的变化量,对PID参数进行自动整定,为了避免优化得到的模糊规则之间发生跳变,在目标函数中引入一光滑因子。仿真表明,该控制算法具有良好的静态和动态性能。     

基于BFO-PSO的LT-MED海水淡化温度控制

提出一种基于混合粒子群算法和细菌觅食算法的温度控制器,重点研究了菌群优化粒子群（BFO-PSO）算法的性能,包括突变、交叉、步长变化、趋化步骤和细菌的生命周期等。利用MATLAB仿真平台将其与传统比例积分微分算法（PID）及粒子群算法（PSO）进行控制效果对比,发现该方法效率高。与传统PID和PSO调节的PID相比,细菌觅食优化算法的智能PID在系统响应速度和系统稳定性能上都有很大的提高。     

非线性解析模糊控制及在水电机组控制中的应用

在解析模糊控制器的基础上,引入非线性函数建立了一种新的模糊控制器,讨论了所论模糊控制器的规则和参数在线调整方法.建立了所论模糊控制器的控制参数与常规PID控制器参数间的关系.最后给出了其在水电机组控制系统中的应用.仿真研究表明:所论模糊控制器可以显著提高水轮机调速系统的动态性能.     

基于蚁群算法优化RBF神经网络的汽温系统控制

针对火电厂主蒸汽温度模型不确定性的问题,提出一种智能复合控制方法.采用粒子群算法优化蚁群算法参数,将改进蚁群算法对径向基神经网络PID的权值进行优化,从而实现了对主蒸汽温度的动态控制.仿真结果表明,基于改进蚁群算法优化的径向基神经网络PID控制器使被控系统具有快速响应速度和很好的抗干扰性能,证明了该方法的有效性.     

基于改进粒子群算法的主汽温系统PID参数优化

应用改进的粒子群优化算法优化PID参数。采用动态变量区间以逐步缩小搜索区间，加快粒子群寻优速度，并且针对粒子群算法可能出现的停滞现象，引入了重新启动策略，改善了算法摆脱局部极点的能力。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主汽温被控对象的仿真研究，结果表明：改进的粒子群算法寻优速度快，计算量小，对PID参数优化是非常有效的，使得主汽温控制系统取得了很好的控制品质，系统鲁棒性比较强。     

Stability, Convergence of Harmonious Particle Swarm Optimizer and Its Application

Particle swarm optimizer(PSO),a new evolutionary computation algorithm,exhibits good performance for optimization problems,although PSO can not guarantee convergence of a global minimum,even a local minimum.However,there are some adjustable parameters and restrictive conditions which can affect performance of the algorithm.The sufficient conditions for asymptotic stability of an acceleration factor and inertia weight are deduced in this paper.The value of the inertia weight w is enhanced to(-1,1).Furthermore a new adaptive PSO algorithm-harmonious PSO(HPSO) is proposed and proved that HPSO is a global search algorithm.Finally it is focused on a design task of a servo system controller.Considering the existence of model uncertainty and noise from sensors,HPSO are applied to optimize the parameters of fuzzy PID controller.The experiment results demonstrate the efficiency of the methods.