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。     

基于遗传算法的锅炉水温PID控制寻优

遗传算法相比传统调节方法具有更好的鲁棒性和最优性。结合锅炉动态水温单回路控制系统的PID参数整定与优化问题,采用遗传算法对其参数进行优化。仿真结果表明,这种优化算法加快了收敛速度,有效提高了系统的全局稳定性,增强了PID控制器的鲁棒性。     

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。     

遗传算法在PID参数整定中的应用

针对传统PID参数整定的困难性 ,本文提出了把遗传算法运用于PID参数整定中 ,采用遗传算法进行PID参数整定是一种寻求全局最优且与初始条件无关的优化方法。仿真结果表明基于遗传算法运的PID参数整定具有良好的控制特性。     

球杆系统自适应遗传PID控制

遗传算法全局寻优参数,但训练时间较长;PID控制算法简单,却难以控制非线性复杂过程.将自适应遗传算法和PID相结合,可有效地改善控制效果.通过建立球杆系统机械部分模型、角度模型和电机模型,得到整个球杆系统的数学模型;设计基于遗传算法的自适应PID控制器,通过在线整定控制器参数,提高球杆系统的控制性能.仿真实验结果证明了该算法的控制效果良好,适应能力较强,具有算法简单、参数整定容易等优点.     

基于量子遗传算法的PID控制器参数自整定

提出了一种基于量子遗传算法（QGA）的PID控制器参数整定方法。首先定义一个包含表示系统超调量、上升时间和稳态误差指标项的适应度函数,并根据实际系统的性能要求对指标项进行适当加权。之后采用具有量子比特个体表示形式和量子旋转门实现种群进化的量子遗传算法,对PID进行多目标寻优,从而实现PID参数的自动整定。仿真结果表明,该方法优化得到PID控制器的综合性能优于常规方法和一般遗传算法得到的PID控制器。     

跳汰机排料系统模糊控制

介绍模糊控制技术在跳汰机自动排料系统中的应用 ,讨论了模糊控制器的设计方法 ,并给出了基于单片机的模糊控制器的实现。实践表明 ,该控制器具有良好的控制效果。     

基于PLC的跳汰机自动排料系统模糊控制

依据PLC的控制特点 ,介绍了模糊控制技术在跳汰机自动排料系统中的应用 ,并给出了模糊控制器的实现过程 ,详述了采用模糊控制理论设计的自动排料控制器的特点和参数调整方法。实践表明 :该控制器具有良好的控制效果     

基于遗传算法的PID参数优化设计

本文应用遗传算法对ＰＩＤ控制器参数进行了优化设计，在构造遗传算法框架时，采用了最佳保留选择机制、两点交叉、重新生成个体策略以及由简易经验公式生成初始群体等方法。经过数字仿真，验证了该算法的有效性和合理性。     

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。     

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。     

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．     

基于遗传算法的直流转台控制参数优化

本文介绍了一种采用遗传算法对直流转台控制参数进行优化的方法。通过对转台进行建模,确定适应度函数,利用遗传算法对其控制参数进行了优化。与模糊自适应PID控制进行了仿真比较,仿真结果表明,基于遗传算法的优化方案具有更强的适应性和鲁棒性,进而证明了该方案的可行性和有效性。     

基于矢量矩免疫遗传算法的PID参数整定

对于不确定系统,PID控制器存在着跟踪设定值与抑制扰动之间、鲁棒性与控制性之间的矛盾,对此,提出采用基于矢量矩方法计算抗体浓度,用免疫遗传算法思想对PID参数进行优化,提出了一种基于矢量矩的免疫遗传算法的PID参数优化控制方法。仿真结果表明,这种优化算法加快了收敛速度,有效提高了系统的全局稳定性,增强了PID控制器的鲁棒性。     

佳点集遗传算法及其在PID控制中的应用*

传统遗传算法具有收敛速度慢、局部寻优能力较差且容易出现“早熟”等现象,运用数论中的佳点集理论与方法对其进行改进。改进的算法通过生成一种具有良好多样性的均匀初始种群,构造出新型的佳点交叉算子和变异算子,使得在进化过程中子代可以更好地继承父代的优良特性,有效地改善了传统算法的全局收敛速度,避免了“早熟”现象的发生。将此改进算法应用于工业PID控制器的参数寻优,仿真结果显示出佳点集遗传算法明显提高了搜索速度,系统的动态性能和稳定性也有明显改善。     

基于改进粒子群算法的PID控制参数优化

针对粒子群优化算法(particle swarm optimization algorithm,PSO)后期易陷入局部最优解这一缺陷,提出一种惯性权重余弦调整的粒子群优化算法(IWCPSO)。在迭代过程中对惯性权重引入余弦变化,改善迭代后期的不足,提高算法的精度。在matlab 2016仿真环境下,与Ziegler-Nichols(ZN)公式法和惯性权重正弦调整的粒子群优化算法(SIPSO)在PID控制参数优化方面的应用效果对比得出该算法是一种使得PID控制系统响应函数性能指标更好,整定结果更精确的算法。     

基于混沌免疫遗传算法整定PID参数

针对传统免疫遗传算法PID参数整定速度慢的缺点,通过引入了混沌增殖思想和隔离小生境技术,结合免疫遗传算法的特点,设计了一种智能的PID参数整定方法。该方法利用混沌增殖对初值的敏感性以及随机性、遍历性、规律性,使免疫遗传算法能够更加有效地跳出局部收敛区域而以更快的速度向全局最优值收敛,进而较好地处理了通常遗传算法中遇到的“早熟”问题。通过隔离小生境技术的引入使得子种群的进化不仅同整个种群的进化密切相关,还有自身进化的独立性,这有利于种群个体多样性的保持。通过实际PID参数整定的例子,结果表明该算法能明显改善免疫遗传算法的收敛性能,搜索效率也得到了显著提高。     

基于风驱动优化算法WDO的PID参数优化

鉴于PID控制器的优越性,其在工业控制领域中的引用越来越广泛。PID控制器的性能主要在于其参数优化设计,PID参数优化问题一直是研究热点。为了解决PID参数优化问题,提出了一种基于自然启发的风驱动优化算法（WDO）的PID优化控制方法,该算法以PID三个参量为控制对象,以误差绝对值和控制输入平方项的时间积分作为优化目标,经过迭代寻优计算得到系统最优控制量。通过计算机仿真,并与遗传算法和粒子群算法PID参数优化相比,结果表明：该算法提高了系统的控制精度、响应速度和鲁棒性,为控制系统PID参数整定提供了参考。     

基于分布种群遗传算法的PID控制器参数优化整定

Enlightened by distribution of creatures in natural ecology environment, the distribution population-based genetic algorithm (DPGA) is presented in this paper. The searching capability of the algorithm is improved by competition between distribution populations to reduce the search zone. This method is applied to design of optimal parameters of PID controllers with examples, and the simulation results show that satisfactory performances are obtained.