基于PSO的恒力执行器PID型模糊控制器

针对打磨机器人在打磨过程中对恒力控制精度和响应速度的要求,提出了一种基于粒子群优化算法的恒力执行器PID型模糊控制器。设计新型PID型模糊控制器,减少设计规则库数量;提出变权重综合型适应度函数,结合误差积分绝对值和控制信号积分绝对值优化PID型模糊控制器的综合性能,同时减小超调量与稳态误差;采用自适应惯性权重策略加快粒子群迭代速度,使用粒子群算法对PID型模糊控制的比例因子进行优化。仿真结果表明,经过粒子群优化的PID型模糊控制实现了打磨力的平稳输出,响应速度提升10%,调节时间缩短14%,系统无超调、无振荡,提高了打磨力的控制精度。     

基于群智能优化算法与MATLAB仿真的高温炉模糊PID温度控制系统设计

针对高炉燃烧器温度控制问题,提出一种PSO-模糊PID的温度控制方法。首先,对模糊PID控制方法进行了研究与探讨;然后,在模糊PID控制方法的基础上,引入粒子群优化算法对PID参数进行优化;最后通过对比实验验证提出方法的有效性与可行性。测试结果表明：粒子群优化算法能够对模糊PID控制系统进行优化,且经过粒子群优化算法优化后的模糊PID控制系统进入稳态所需的时间大大减少,超调幅度达到最低,且在整个控制过程中没有出现震荡情况。可知设计温度控制方法具有可行性和有效性,且响应速度快、稳定性高,能够实现提高温度控制系统自适应能力的目的,继而实现对高炉燃烧器温度进行调节与控制。     

基于ACA优化的自适应电动机控制器设计

研究了一种使用改进的蚁群算法(ACA,Ant colony algorism)对模糊PID控制器进行优化的设计方法;针对模糊PID控制器难以应对电机高性能速度跟踪以及控制精度不高且鲁棒性差的缺点,提出了一种新的自适应电机控制器设计方法;首先建立永磁同步电机的数学模型和优化后的控制器模型,然后引入改进的ACA算法对PID控制器3个比例参数进行全局优化,并定义了优化的具体算法以实现对参数的优化整定;为了验证文中方法的有效性,通过Matlab仿真工具对电机控制实例进行仿真验证,结果表明,文中控制器能克服模糊PID控制器的不足,具有很强的鲁棒性和快速响应性能,能很好地适应负载的变化.     

一种改进的双转式永磁无刷直流电动机PSO优化控制方法

研究了使用改进的PSO(Particle swarm optimization,粒子群优化)算法与PID控制器相结合实现对双转式永磁无刷直流电动机(PMBLDCM)进行控制的方法;针对传统PID调节器控制精度不高和鲁棒性差的缺点,提出了一种结合PSO优化算法和传统PID控制的新控制器;首先建立PMBLDCM的动力学模型,通过引入改进的PSO优化算法,提出了一种使用PSO优化PID控制器参数的模型,并定义了使用PSO优化PID控制器3个比例参数的具体算法;最后,使用Matlab/Simulink对PMBLDCM控制实例进行了仿真;空载和负载两种情况下的仿真结果表明:新的控制方法克服了PID控制器的不足,具有控制精度高、响应速度快、速度跟随准确等优点。     

模糊神经网络在感应加热电源应用的研究

针对感应加热电源具有非线性、时变性、难以建立准确数学模型的特点,本文提出将神经网络与模糊PID相结合,并引入补偿运算,构成一种新的具有可学习的自适应控制方法。该方法利用神经网络的自学习和模糊控制的不确定性等特点,引入神经网络不仅能够适当地调整输入、输出模糊隶属函数,而且能够借助于补偿逻辑算法动态地优化模糊推理,从而优化整个控制系统。通过对本文提出的算法、传统模糊PID算法以及模糊神经网络算法的仿真结果的对比可以看出,该算法较之传统模糊PID控制算法以及模糊神经网络算法具有鲁棒性更强、控制精度更高、可靠性更强等优势。     

基于Fuzzy模型的交流伺服系统自适应PID调节器的设计

为了提高交流伺服系统在实际应用场合中的控制精度和性能特性,提出了模糊自适应PID控制器。模糊自适应PID控制,将传统的PID控制和模糊控制结合起来,可以发挥两者的优势,得到更优良的控制性能。基于Matlab/Simu-link平台搭建了系统的仿真模型,内环采用PI控制,外环采用模糊自适应PID控制,并对模糊自适应控制中的模糊隶属函数进行了优化。在仿真平台上进行了突加负载实验,仿真结果验证了这种方法的可行性,同时,也可以获得较好的性能。     

基于粒子群优化的模糊PID控制在配料过程的应用

为避免模糊PID控制中参数选取的经验性及参数不变性,应用粒子群算法优化隶属函数分布,增强控制器自适应能力,并提高其控制精度,充分体现了算法的智能性.将粒子群优化的模糊PID控制应用于配料控制系统中,通过仿真并与模糊PID以及传统PID控制方法相比较,结果表明,粒子群算法收敛快,找到最优点时间短,优化后的模糊PID控制具有静态误差小、调节时间短、无超调、抗干扰能力强等优点,能很好地满足控制过程的动态特性,并具有较强的鲁棒性及适应性.     

基于助老机器人的驱动电机控制算法研究

传统PID控制算法可靠性高、控制精度高、算法简单,但只对能够建立精确数学模型的控制系统有更好的控制作用。模糊自整定PID控制算法是结合传统PID控制和现代控制理论中模糊控制优点的一种现代控制算法。基于此,在结合PID控制算法的基础上进行改进,采用模糊自适应PID控制算法,并利用MATLAB进行仿真。结果表明,该算法提高了助老机器人控制系统的准确鲁棒性和抗干扰性能。     

气垫船航向的智能控制及仿真研究

研究气垫船航向优化控制问题,航向受到多种影响,具有非线性、时变等特点,常规PID难以建立精确的控制模型,控制精度低,影响航向控制.为了提高气垫船航向控制精度,提出一种粒子群优化算法、最小二乘支持向量机和常规PID相融合的气垫船航向控制算法(PSO-LSSVM-liD).采用粒子群算法对气垫船PID参数进行在线整定,同时采用最小二乘支持向量机对航向变化进行预测,然后PID根据预测结果对气垫船航向进行超前控制.仿真结果表明,PSO-LSSVM-PID提高了气垫船航向控制精度,克服了常规PID控制算法存的缺陷,环境适应能力更强,可以保证气垫船安全航行.     

基于改进粒子群算法的模糊神经网络PID控制器设计

针对模糊神经网络PID控制器中参数初始值的设置对控制器性能影响大的问题,提出一种改进的PSO算法优化模糊神经网络PID控制器参数的设计方法.该方法采用实数编码的方式对控制器参数进行优化,并以ITAT指标作为改进的PSO优化算法的适应度函数.实验仿真表明:经过改进的PSO算法优化的模糊神经网络PID控制器具有良好的动静态性能,响应速度更快,超调量更小,控制精度更高.     

冻干试验机温度自适应模糊PID算法研究

将模糊控制理论应用于冻干试验机的温度控制系统中,有助于提高温度响应曲线的跟随性及加快反应时间,从而可以提高温度的控制精度。通过PID控制与参数自适应模糊PID控制的对比的MATLAB仿真实验,获得了调节时间有明显改善的参数自适应模糊PID控制器算法;对真空冷冻试验机系统的近似模型进行了定量分析,并结合实践经验,给出了模型的数学表达式。应用新研制的控制器算法,对具有非线性、大滞后特征的冻干试验机温度系统具有很好的控制作用,弥补了传统的PID控制的不足。     

风扰条件下四旋翼无人机智能控制算法的设计与仿真

为提高四旋翼无人机在风扰条件下的抗扰能力和控制精度,提出一种利用遗传算法优化模糊控制器规则以提高控制器性能的方法。首先,对自然条件下风速的变化特性进行分析,建立相应的数学模型,并将其作为环境噪声引入系统。在四旋翼无人机动力学模型的基础上,设计模糊PID控制器对其进行控制。同时,对模糊控制器中的模糊子集进行基因编码,设计改进型遗传算法来实现对模糊规则的再整定与优化。在Matlab/Simulink仿真环境下的实验结果表明,该算法有效地提高了四旋翼无人机在面对复杂干扰时的抗扰能力和控制精度。     

基于改进交叉熵算法的伺服电机参数优化设计

针对伺服电机变负载控制问题,提出了一种对自适应模糊PID控制器初始参数优化的改进交叉熵算法。通过运用此方法对伺服电机模糊PID控制器在控制过程中的参数进行优化,证明了该算法在模糊PID控制器应用的过程中具有较好的鲁棒性和兼容性。通过实验,同时与基于ZN算法、遗传算法和交叉熵算法的模糊PID控制结果进行对比,证明改进交叉熵优化算法不但具有较快的响应速度、较好的稳定性、较小的超调和较优的ITASE性能指标,而且其优化过程更为精确简便。     

神经网络的强耦合控制系统仿真研究

研究工业控制领域的优化控制问题,工业控制对象具有强耦合特性,传统方法无法对其进行精确解耦,导致系统控制精度比较低.为提高工业控制系统的控制精度,提出一种PID控制和神经网络相融合的控制方法.利用PID优良动态控制特性和BP神经网络非线性控制特性对控制系统进行解耦,在权值调整算法式中加入增大动量项,提高网络学习效率,并采用粒子群算法优化权值初始值,提高控制精度,减少振荡产生.在MATLAB环境下,对非线性控制系统进行仿真研究,仿真结果表明,PID神经网络提高系统的抗干扰能力,提高系统控制精度,能够对系统进行精确解耦,使工业控制系统的性能得到改善.     

基于单片机的温度控制系统的设计

针对单片机温度控制系统采用传统控制方法容易出现响应速度慢、振荡剧烈、控制精度低等问题,对单片机温度控制系统的硬件电路、控制精度、控制算法等方面进行了设计研究;基于以AT89C51单片机为核心运用DS18B20温度传感器的温度控制系统,提出了变论域模糊PID控制算法,将变论域模糊控制和PID控制相结合,结合生猪猪舍温度控制系统对传统PID控制算法以及变论域模糊PID控制进行对比分析;实验结果表明,设计的温度控制系统采用了变论域模糊PID控制算法,提高了控制精度,加快了系统的响应速度,从而增强了温度控制系统的实用性,产生了重要的实际工程意义。     

一种粒子群模糊PID控制算法在温室中的应用

为了提高温室监测的控制水平,针对于温室环境具有多变量、大惯性、强耦合的特点,提出一种基于粒子群优化的模糊PID控制算法。根据对温室监测系统常用控制方法的研究结果,该算法在模糊PID控制的基础上,采用改进的粒子群算法对模糊控制参数进行优化,有效解决了模糊PID控制过度依赖专家经验、缺少动态性能的缺点。通过温室监测中环境温度的仿真对比实验,验证了所提出的粒子群优化模糊PID算法的有效性。在实验中,对比监测过程中常用的控制方法可以发现,该方法具有更快的响应速度并且在效果上明显的降低了最大偏差量,在温室监测控制中取得了良好的效果。     

水轮发电机组PID参数的优化仿真研究

研究水轮发电机组PID参数优化问题,由于PID参数是一个多参数组合系统,参数间互相关联,呈高度非线线性关系,传统参数优化算法采用经验方法,耗时长,难以找到最优参数,导致PID控制精度不高.为了获取最优PID参数,提高系统控制精度,提出一种粒子群算法的PID参数优化方法.采P1D参数作为粒子群中的一个粒子,PID控制精度作为粒子的目标函数,通过粒子相互作用,不断缩小粒子的搜索空间,通过引入重新启动策略,提高粒子摆脱局部极值能力,最后找到最优PID参数.通过对某水电站的真实数据对参数优化后的PID控制器进行测试实验,结果表明,粒子群优化算法能够很快找到PID最优参数,明显提高了水轮发电机组PID控制精度,系统超调量更小,调节时间更短,为控制系统优化提供了依据.     

机器人全局PID模糊滑模跟踪控制与仿真研究

为解决机器人跟踪控制过程中采用PID控制算法会出现抖动和误差的问题,提出了一种机器人全局PID模糊滑模跟踪控制算法.通过将PID滑模控制和模糊控制相结合,设计了全局PID模糊滑模控制;基于模糊规则,对滑模控制增益进行自适应调整,从而消除建模误差和干扰,削弱了控制时产生的抖振,在线调整控制器参数和估计误差,并通过积分来消除外界干扰,因此提高了控制精度.仿真结果表明,与常规的PID算法相比,该方法在处理控制抖动和消除误差以及干扰方面具有极高的鲁棒性.     

飞机防滑刹车系统控制器的设计及仿真

飞机防滑刹车系统具有复杂性、非线性以及不确定性的特点,难以建立其精确数学模型;模糊控制具有不依赖被控对象模型的特点,PID控制具有控制精度高的特点,将模糊控制和PID控制结合,提出了一种模糊PI+模糊ID控制律的设计方法,利用MATLAB软件中的SIMULINK仿真工具,对飞机防滑刹车系统的智能控制算法进行了仿真,然后将仿真结果与一般的模糊控制的仿真结果进行了比较分析,结果表明模糊PI+模糊ID比一般模糊控制刹车时间缩短了1.7s,距离缩短了80m,能较好地改善刹车系统的性能,提高防滑刹车系统的效率。     

基于变论域模糊PID的分解炉温度控制研究

分解炉温度控制系统具有非线性、时变、纯滞后的特点,针对传统PID控制及模糊.PID控制难以很好地满足控制要求,提出了一种变论域模糊自适应PID控制方法。利用变论域思想,设计了一种基于函数模型的伸缩因子控制器,动态地调整模糊控制器的量化因子和比例因子,提高了控制精度。在Matlab环境下分别对PID控制、模糊PID控制和变论域模糊PID控制方法进行了仿真对比,结果表明变论域模糊PID控制方法具有更好的动静态性能和自适应能力。