一种云模型PID控制器参数整定优化算法

为了解决PID控制器参数整定过程中的优化和复杂性问题,增强PID控制器参数整定的自适应性,结合差异演化算法和粒子群算法,提出一种带有差异演化变异算子的粒子群混合优化算法,利用一维云模型映射器将人的控制经验通过语言原子转换为控制规则器,设计具有自适应功能的云模型控制器;将该优化算法应用于一维云模型PID控制器参数整定与优化,并与传统方法进行仿真比较.结果表明,基于带有差异演化变异算子的粒子群混合优化算法的智能控制器具有简单易行、控制性能良好、自适应性和鲁棒性强的特点,可为云模型控制器参数设计提供参考.     

基于模糊自整定PID的直升机飞行控制律设计

在经典PID控制律基础上,引入模糊控制的概念设计模糊自整定PID控制律改进无人直升机姿态回路控制器,实现了PID控制器的参数在线自整定,并改善了控制器性能.通过Matlab对闭环系统进行算法仿真,表明模糊自整定PID控制器能够发挥优于传统PID控制器的控制性能.最后对所设计的控制器进行半物理仿真验证,通过对比典型输入指令下经典PID和模糊自整定PID两种控制器的控制效果,验证了模糊自整定PID对系统性能的优化.     

基于改进的PSO算法的PID控制在VAV空调系统末端的应用

目的 研究变风量空调系统温度-风量PID控制器的整定方法,利用改进粒子群算法的特点设计一种稳定、高效的自适应控制器.方法 以PSO-CF(带收缩因子的PSO)PID控制方法的整定结果作为参考,在PSO-CF算法中用一个差分向量扰乱粒子的认知能力,再根据粒子群的演化规则自动完成最优控制.结果 采用DPSO-CF(扰乱认知能力的带收缩因子的粒子群)PID自适应控制器时,系统的调节时间约为PSO-CF粒子群PID控制方法的30%,超调量减少了约75%.当系统加入扰动时,相比带收缩因子的PSO,扰乱认知能力的带收缩因子的粒子群PID自适应控制器的调节时间少,超调量小,系统控制品质得到了较大的改善.结论 改进的算法不仅具有良好的鲁棒性,而且还有良好的收敛性.采用上述自适应控制器后,整个系统体现了良好的动态性能及较强的鲁棒性.     

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.     

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。     

基于深度强化学习的自适应增益控制算法

经典比例-积分-微分(Proportional-Integral-Derivative, PID)控制器的参数整定过程繁琐,且随着被控对象模型的改变需要重新整定参数,针对该问题提出了一种基于深度强化学习的自适应增益控制算法。该算法在经典PID控制器的比例环节引入深度Q学习网络(Deep Q-network, DQN)模型,对增益进行自适应调整,同时为简化控制器结构,去除了经典PID控制器中的微分环节和积分环节。以双容水箱为研究对象,对该算法进行仿真实验。结果表明:该算法在满足定值控制任务的前提下,相比于经典PID控制器,其超调量及稳态误差更小,且在模型对象改变后能够通过自学习得到相应的控制策略,从而避免了繁琐的参数整定过程。     

PID自整定方法在火电厂DCS中的应用

讨论了现有的各种PID控制器参数自整定方法和发展状况，针对火电厂DCS中PID控制器参数人工整定存在的问题．提出了基于阶跃辨识的PID参数自整定算法．     

基于PSO-ABFO的负荷频率控制系统控制器设计与优化

负荷频率控制对于保障电网本身安全可靠运行有重要作用,适宜的控制器整定参数使得电网在各种随机扰动下能维持系统频率稳定和长期安全运行.针对单区域两机组电网的负荷频率控制器参优化整定问题,提出一种基于粒子群改进自适应细菌觅食优化算法(PSO-ABFO)的控制器参数整定设计方法.PSO-ABFO在标准细菌觅食算法的基础上,结合...     

混沌天牛须算法在分数阶PID参数优化中的应用

针对分数阶PID控制器参数整定的复杂性问题,提出了一种基于混沌天牛须算法的分数阶PID控制器参数整定方法。首先,利用天牛须算法的寻优机制,进行不断的迭代寻优,寻找最适合受控系统的分数阶PID参数。同时,在原始天牛须算法中引入了混沌扰动机制,根据Logistic映射公式对天牛个体的位置进行随机扰动,增强全局搜索效果。为了验证所提出的混沌天牛须算法的优越性,将混沌天牛须算法与天牛须算法、粒子群算法对分数阶PID控制器参数分别进行寻优,最后进行仿真实验,结果表明混沌天牛须算法具有更好的寻优性能。     

基于改进的粒子群PID控制在变风量系统中的应用

目的研究变风量空调系统温度-风量PID控制器的整定方法,利用粒子群算法的特点设计一种较为高效、稳定的自适应控制器.方法以常规PID控制方法的整定结果作为参考,选择PID参数的取值区间,选取种群数量、维数、最大寻优速度、收缩因子等粒子群内部参量,根据粒子群的演化规则自动完成最优控制.结果采用引入收缩因子的粒子群PID自适应控制器时,系统的调节时间约为常规控制方法的50%,超调量减少了约75%.且动态过程快速而平稳;而当系统突加阶跃扰动时,粒子群PID自适应控制器的调节时间及超调量均约为常规控制方法的50%,系统控制品质得到了较大的改善.结论仿真结果表明,采用上述自适应控制器后,空调房间的温度调节过程加快,室内外干扰因素对房间温度的影响明显降低,整个系统体现了良好的动态性能及较强的鲁棒性.     

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。     

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.     

粒子群优化算法的PID控制在最大风能捕获系统中的应用

在永磁同步风力发电系统中,传统的PID算法广泛应用在浆距角控制及最大风能捕获系统中。但由于自然环境和运行效率等因素的影响,系统中容易出现积分饱和现象．因此,针对传统的PID整定算法,提出一种将粒子群收缩优化算法（PSO）与传统PID算法相结合的防积分饱和算法,并将这种算法应用在最大风能跟踪捕获系统下的浆距角控制中．在PscAD／EMll）c仿真软件的基础上,搭建系统平台,通过对仿真结果的分析,得出两种算法相结合的优越性,同时系统的抗扰动及鲁棒性也得到增强．     

基于混沌PSO的循环流化床汽温系统分数阶控制

分数阶PIλDμ控制是传统PID控制的推广与发展,积分阶次λ和微分阶次μ的引入使得分数阶PIλDμ控制器具有更灵活的结构、更好的鲁棒性和更强的抗扰动能力,但也增加了参数整定的难度.参数的取值对控制效果的好坏起着决定性作用,为此提出了采用混沌粒子群优化算法优化分数阶PIλDμ控制器参数.该方法采用自适应粒子群优化算法执行...     

基于PSO算法的核电站主给水泵转速控制系统的优化与仿真

针对核电站主给水泵转速控制系统的PID控制器参数调节低效、复杂、精确度低等问题,研究了参数优化问题.首先通过实验得到运行数据,然后对主给水泵转速控制系统建立数学模型,最后通过改进的粒子群算法进行PID参数优化.仿真结果表明,优化后的PID参数得到了良好的控制效果,且提高了效率.     

基于粒子群优化的板球系统双闭环滑模控制

板球系统是高阶、开环不稳定的非线性系统,本文基于板球系统简化模型,结合Lyapunov稳定性原理,在双闭环控制方案的基础上,设计滑模变结构位置控制器,并使用粒子群算法对滑模界面参数和滑模趋近律参数进行优化,提高了控制精度,减消了滑模抖振。仿真实验表明,与传统双闭环PID控制相比,滑模变结构控制算法响应速度更快,达到稳定状态时间更短,具有更好的跟踪与鲁棒性能。     

基于粒子群算法的锅炉主蒸汽压力模糊PID控制

采用模糊PID智能控制算法,对锅炉主蒸汽压力进行控制,建立锅炉主蒸汽压力控制的MATLAB/Simulink仿真模型,编写基于MATLAB的粒子群程序优化模糊PID比例因子和量化因子,并与模糊PID和常规PID控制算法进行比较。仿真结果表明:与PID控制、模糊PID控制相比,采用基于PSO优化的锅炉主蒸汽压力控制,具有较强的适应性、鲁棒性和抗干扰性。     

基于PSO算法的电力系统稳定器参数优化

针对电力系统稳定器的参数优化问题,提出一种基于微粒群优化算法的整定方法。算法选择Δω作为输入信号,以ITAE指标作为微粒群优化算法的目标函数,对电力系统稳定器增益Ki和时间常数T1i、T3i三个参数进行优化设计。仿真结果验证了算法的有效性和优越性。