基于天牛须算法的粒子群算法在PID参数整定上的应用

PSO虽然被广泛应用于包含PID参数整定等各种寻优问题中,但是传统粒子群算法在某些场合收敛速度慢且较容易陷入局部最优值。针对这些问题,文中提出一种将新型高效BAS融合进PSO算法的全局寻优过程,该方法可以更好地跳出局部最优点。同时,由于BAS算法为单一个体的算法,易因为早熟收敛陷入局部最优,故将BAS和传统的PSO结合也增强了BAS的丰富度。在Schaffer函数进行的20次独立测试显示,该算法相对于传统PSO和BAS取得了较好的寻优结果。最后,将算法应用到不稳定对象的PID参数寻优中,结果显示相对于PSO和改进PSO算法,新算法下的ts、tr、IAE、ISE等各项指标均得到了提高。     

基于模糊自整定PID的汽轮机数字电液控制系统

基于模糊控制技术和汽轮机DEH系统的数学模型,将模糊自整定理论应用于汽轮机DEH系统,设计了一种适用于汽轮机数字电液控制系统的模糊自整定PID控制器。他利用偏差及偏差变化率作为模糊控制器的输入,并制定了模糊规则进行控制,实现PID参数的实时自整定,从而改善汽轮机调节系统的控制特性。仿真结果和分析表明在调节稳定性,超调量和自整定PID参数等方面,模糊自整定PID控制算法均优于传统PID控制算法。     

基于改进WFPSO算法的无刷直流电机模型分析

针对传统的无刷直流电机控制无法在线调整参数、难以精确控制的问题,提出一种基于改进的粒子群优化(PSO)算法的模糊PID控制器设计。通过对粒子群优化算法的参数进行分时段更新,实现模糊PID控制器参数动态全局优化,来确定使用双闭环控制模型的无刷直流电机的最优参数。Matlab仿真结果表明,该研究方法较传统方法可使得转速无超调、减少调节时间,同时启动时转矩脉动较小。     

自适应权重混合粒子群算法在PID整定中的应用

传统工业控制中的PID参数整定需要良好的先验知识才能达到较好的整定效果,这种人工经验整定PID参数的方法耗时耗力、精度低且鲁棒性差.针对PID参数整定难的问题,标准粒子群优化算法可以实现对PID参数的快速整定,但其易陷入局部极值.因此,本文对标准PSO算法进行改进,将自适应权重混合粒子群优化算法应用于PID参数整定中....     

面向无人飞行器的模糊闭环控制系统研究

通过对无人飞行器的建模,针对无人飞行器自动定向和自动定高,以及速度在内的一些参数提出了改进控制结构和底层控制方法。针对自动定高、定位等水平面控制提出了串级双闭环控制结构,改进了控制的响应速度和调节精度。针对传统PID控制方法采用粒子群算法(PSO)对PID参数进行优化,与设计的模糊控制器进行对比无人飞行器在底层控制上的优劣。通过仿真对比发现,粒子群优化的PID(PSO-PID)控制效果明显强于普通PID算法,但由于无人飞行器数学模型的不确定性,弱于模糊控制器。仿真实验证明提出的方法具有快速的动态响应,并具有一定的鲁棒性。     

PSO及其优化算法在PID控制领域的应用研究

本文介绍了基本粒子群算法在PID控制领域的应用和实现方法,归纳了粒子群算法和遗传算法的结合在自动控制领域的研究现状和改进。最后介绍了PSO法在模糊PID控制器中的应用前景。     

水力机组模糊分数阶控制器设计

为了提高水力发电机组过渡动态性能,利用模糊控制理论设计了基于分数阶的模糊分数阶控制器,并将其应用于水轮机调速系统,利用PSO优化算法对控制器的参数进行优化.与常规PID控制器进行对比实验,实验结果表明,模糊分数阶控制比传统PID控制具有更好的动态性能,对于水轮机转速调节是一种有效的控制手段.     

一种改进的PSO算法在PID参数优化中的应用

PID控制器具有结构简单、容易实现、控制效果好、鲁棒性强等特点,其关键在于PID参数的优化。微粒群优化算法是一种进化计算技术,其优点是速度快且简单易实现。改进的PSO算法,是在基本PSO算法的基础上引入了遗传算法的思想。仿真实验表明,改进的粒子群算法显著提高了PSO算法的全局搜索能力。     

基才PSO—BP神经网络的PID控制器参数优化方法

针对传统PID控制系统参数整定过程存在的在线整定困难和控制品质不理想等问题,结合BP神经网络自学习和自适应能力强等特点,提出采用BP神经网络优化PID控制器参数。其次,为了加快BP神经网络学习收敛速度,防止其陷入局部极小点,提出采用粒子群优化算法来优化BP神经网络的连接权值矩阵。最后,给出了PSO—BP算法整定优化PID控制器参数的详细步骤和流程图。并通过一个PID控制系统的仿真实例来验证本文所提算法的有效性。仿真结果证明了本文所提方法在控制品质方面优于其它三种常规整定方法。     

改进粒子群算法在四旋翼PID参数优化中的应用

采用试凑方式对四旋翼飞行器PID控制参数人工进行调整工作量大、费时且难以达到较好的控制效果。为了解决控制参数优化问题,提出基于带交叉因子的粒子群算法(PSO)的PID参数优化策略。将带交叉因子的粒子群算法能快速准确找到最优参数解的特点与PID控制结合起来,在控制过程中将PID参数作为粒子群中的粒子,用遗传算法对粒子进行选择、保优、交叉,以ITAE准则作为误差性能指标,用粒子群算法调整PID参数,得出最优的粒子作为四旋翼飞行器的PID控制器参数。仿真结果显示,该方法具有更强的灵活性、适应性和鲁棒性,并能提高控制系统的精度,具有很好的工程应用价值。     

BP神经网络PID的气动位置控制系统的研究

本文提出了一种将常规PID控制与BP神经网络相结合的自适应PID控制器,该控制器运用神经网络和BP算法实现了对PID参数的在线调整,利用变步长法和引入动量项来改进BP神经网络学习算法,有效减小了学习过程的振荡趋势,改善了收敛性,避免了学习过程陷入某些局部最小值,并将其用于在线调整气动位置伺服控制系统的PID参数,实现具有最佳组合的PID控制。MATLAB仿真表明,本文控制算法的静态特性、动态品质良好,鲁棒性强。     

模糊自整定PID控制器的设计与仿真

由于实际工业生产过程通常具有非线性,很难确定精确的数学模型,使用PID控制器无法达到满意的控制效果,因此提出计算机智能控制策略。利用计算机模拟人的控制过程,根据系统当前状态进行自动控制,达到控制精度要求。首先结合计算机仿真技~[JZiegler．Nichols方法进行PID参数整定,并利用模糊算法对参数进行在线自调整,在Matlab环境下完成全部设计。仿真结果证明,模糊自整定PID控制的算法使系统稳态性能变好,具有较强的鲁棒性,超调减小,控制效果明显优于传统PID控制。     

模糊PID复合控制算法的有效改进

分析当前模糊PID复合控制算法的控制特性及不足,提出优化改进的算法,即基于梯形隶属函数的模糊切换算法及仿人智能思想的在线调整算法,进而实现了自适应的模糊PID复合控制算法。通过实验研究,得到优化改进的模糊PID复合控制算法。该算法具有较好的稳定性、动态性、无静差等优点,其控制品质优于常规模糊PID复合控制算法,具有推广应用的价值。     

基于蚁群算法PID控制器的应用研究

传统的PID控制对于控制模型不确定并具有非线性特性的对象时,存在参数难以整定、控制效果不好的缺点,文中提出了一种基于蚁群算法的PID调节算法,即利用蚁群算法动态调节PID的参数,实现对配料系统的控制,通过实验仿真的方式证明了该方法具有良好的控制效果及适应性。     

基于模糊神经网络的永磁同步电机伺服系统研究

永磁同步电机具有非线性、强耦合的特性,常规的矢量控制方法难以对其进行精确控制。此外,电机系统易受负载扰动影响,从而产生转速和电磁转矩波动。针对转速环参数固定会导致系统响应速度慢、超调量大的问题,文中提出了一种模糊径向基神经网络PID控制策略,用以替代矢量控制系统中转速环PID控制。将神经网络和模糊控制相结合,基于增量式PID控制方式,利用梯度下降优化算法动态调整转速环中的PID参数。系统模型仿真结果表明,模糊神经网络PID控制的电机系统超调量较小,相较于常规PID控制,新模型在低速和高速运行的启动时间分别缩短了66.7%和75.9%,动态响应更快,具有更好的鲁棒性和抗干扰能力。利用DSP搭建了实验平台,实验结果也证明了该控制方法的有效性。     

基于PLC的PSO算法PID输送机速度控制技术研究

本文主要利用粒子群优化算法(PSO)确定输送机系统速度控制中的最佳PID控制器增益。该项目通过三菱Q系列UDV PLC实现,该PLC带有多个编码器传感器和一个内置以太网模块来监控反馈。为了验证该方法的性能,将PSO离线确定的最优增益应用于模拟器和实际模型。实验结果表明,与其它方法相比,所提出的基于粒子群算法的PID控制...     

针对西红柿生长特性的物联网集成控制的温室智能通风系统的研究与设计

针对西红柿喜温的生长特性以及温室用户大规模手工操作等特点,对传统的温室大棚参数控制进行改进,将PID控制与模糊算法相结合对参数进行优化控制,采用瑞萨智能控制芯片对整个系统进行智能控制,利用物联网集成控制实现对大棚的参数智能控制,实现了大棚参数的优化控制。     

基于协同遗传算法的TS-PID控制器参数整定

针对复杂的非线性系统,传统的PID控制难以达到良好的效果,采用TS-PID模糊模型来构造非线性PID控制器,并提出基于协同遗传算法实现控制器参数的整定及优化。将协同进化、遗传算法相结合,采用多种群协同进化的策略,大大提高了算法的进化效率和后期收敛速度。典型系统的仿真结果表明,该控制器一定程度上兼顾了系统的静态和动态的性能,且控制效果优于一般的非线性PID控制器。     

混合参数自调整模糊PID控制的应用

介绍了综合传统PID控制和模糊控制的优点，提出了一种混合参数自调整模糊PID控制方式。通过对水轮机系统的仿真，并与常规PID控制和定参数模糊PID控制比较，验证了这种方法能够提高系统的响应性和鲁棒性。     

基于改进灰狼算法的云资源调度策略研究

针对云计算中任务调度考虑因素单一和大规模任务环境下任务存在调度效率低、分配不合理等问题,本文提出了一种基于改进的灰狼优化算法的云计算任务调度策略。通过建立基于多目标的评价模型,使其在单一适应度中处理多目标,其中包含任务总耗时、功耗以及系统负载度;提出一种将粒子群算法和灰狼优化算法相结合的搜索方法,以增强灰狼层次的全局最优搜索;引入自适应权重以增强灰狼优化算法的局部搜索能力;同时引入随机对立学习策略以避免陷入局部最优。将本文提出的改进算法与粒子群优化算法(PSO)、标准灰狼优化算法(GWO)及基于MakeSpan适应度的灰狼优化算法(MGWO)在CloudSim平台进行对比实验。仿真结果表明,该方法适用于大规模任务调度,且在任务完成总耗时、功耗以及系统的负载均衡度方面较PSO、GWO和MGWO均有明显提升,其中较MGWO算法综合提升14%。