一种改进人工蜂群的分数阶PID控制器优化算法

针对分数阶PID控制器参数整定过程参数多复杂性大,传统靠经验试凑的方法不易实现且优化效果差的问题,提出了一种改进的人工蜂群算法,实现分数阶PID控制器参数的整定;该算法通过改进人工蜂群算法中搜索方程,并引入一个淘汰机制,对分数阶控制器参数进行群智能搜索,将搜索到的参数送至分数阶PID控制器中反复迭代,以带有权值的误差绝对值积分指标(AIE)作为人工蜂群寻优的目标函数,最后得出控制器;本文以非线性系统为被控对象,经过实例仿真,验证了该算法实现的控制器比传统整数阶控制器和未改进的人工蜂群算法实现的分数阶控制器的动态性能和稳态性能都有所提高,在超调、上升时间、振荡性方面都优于未改进算法。     

计及时滞的互联电网负荷频率控制最优分数阶PID控制器设计

分数阶PID控制器相比于传统整数阶PID控制器,具有控制性能好、鲁棒性强等诸多优势,可应用于电网的负荷频率控制(load frequency control,LFC)中.针对网络化时滞互联电网的LFC问题,提出了一种基于计算智能的分数阶PID控制器参数优化整定方案.该方案选择时滞LFC系统时域输出响应构建优化目标函数,采用最近提出的灰狼优化算法获得最优的分数阶PID控制器参数,所设计的控制器能确保一定时滞区间内LFC系统的稳定性.仿真算例表明,所设计的LFC最优分数阶PID控制器比传统整数阶PID控制器的控制性能更优,时滞鲁棒性更强.     

灰狼算法优化分数阶模糊控制器参数

PID模糊控制在工业控制中是最广泛的一种控制方法,在一些复杂的实际系统中,应用分数阶PID模糊控制器在整定系统参数性能上优于整数模糊控制器.分数阶模糊控制器具有较多的控制参数,这些控制参数直接影响了模糊控制器的性能.用传统的算法校准分数阶模糊控制器并不能得到最佳的参数值,而且标定参数的过程较为复杂.因此提出用灰狼优化算法(Grey Wolf Optimizer,GWO)优化分数阶模糊控制器的参数.将基于灰狼优化算法的分数阶模糊控制器优化方法与其他五种典型的基于群智能的优化方法进行了比较.实验结果表明,该方法的控制效果更好.     

基于最优Oustaloup的分数阶PID参数整定

目前工程控制中大部分系统采用传统PID控制,由于分数阶PID继承了传统PID的优点,并且具有更好的控制品质及更强的鲁棒性,因此针对分数阶微积分的高精度数字实现及分数阶PID控制器在工程复杂系统中的实际应用,提出一种新的分数阶微积分高精度数字实现算法-最优Oustaloup数字实现,并建立控制系统的仿真模型,利用框图式模型结合最优ITAE性能指标来整定分数阶PID的参数。通过实例仿真验证,该方法能进一步优化控制器参数,提高控制精度及获得更好的控制效果,便于非线性系统及复杂系统的分数阶PID参数整定。     

基于分数阶PID控制器的智能车控制

针对智能车高速行驶下对目标轨迹的快速跟踪要求,结合预瞄跟随理论设计了分数阶PID控制器(FOPID).分数阶PID比传统PID控制器多两个参数自由度,所以在设计过程中有更大的灵活性.利用改进Oustaloup数字实现算法,框图化实现分数阶PID控制器,通过遗传算法对IAE性能指标寻优整定FOC参数并应用于智能车被控系统...     

基于BF-PSO的船舶电站柴油机分数阶控制器

针对船舶电力系统的频率稳定性问题,对船舶电站柴油机调速系统设计了分数阶PIλDμ控制器。采用细菌觅食-粒子群混合优化(BF-PSO)算法对分数阶PIλDμ控制器参数进行优化整定,解决了分数阶PIλDμ控制器整定参数多、设计复杂的问题。对分别采用分数阶PIλDμ控制器和传统整数阶PID控制器的柴油机调速系统进行了仿真和对比。结果表明,在同等条件下优化得到的分数阶PIλDμ控制器能够有效抑制模型参数摄动,鲁棒性更强,具有更好的控制效果。     

智能PID参数自整定技术在伺服系统中的应用

针对常规PID控制参数整定困难,且受时变、非线性等因素影响而不能达到预期控制效果的实际情况,提出了RBF网络动态辨识的BP神经网络PID参数自整定算法.此算法可实现PID控制参数的在线自整定和优化;同时,将算法应用于伺服控制系统中,以VC++6.0和Matlab为开发和仿真工具,对动态辨识神经网络智能PID参数自整定方法进行仿真研究.仿真结果表明,控制算法鲁棒性强、响应速度快,可用于控制参数时变的非线性系统.     

基于遗传算法的分数阶控制器参数整定研究

针对动态系统可用包含非整数阶的积分和微分方程来描述的特点。同样将这一工具引入到分数阶控制器中,即包含分数阶积分和微分的PI^λD^β控制器;提出了基于改进遗传算法的分数阶PI^λD^β控制器定阶次参数整定的方法。通过使用该遗传算法,分别进行了采用整数阶PID控制器和分数阶PI^λD^β控制器,对整数阶和分数阶系统的控制器参数整定的对比仿真。结果表明,在限定相同的参数整定范围时,采用分数阶PI^λD^β控制器的控制效果优于整数阶PID控制器。     

基于动态布谷鸟搜索算法的PID控制器参数优化

为了解决传统PID控制器参数优化费时且不能保证获得最佳性能的问题,通过改进布谷鸟搜索算法的参数取值,形成了动态布谷鸟搜索算法(DCS),并把其引入到PID控制器参数优化中,提出了一种基于动态布谷鸟搜索算法的PID控制器参数优化算法,仿真试验结果表明基于动态布谷鸟搜索算法的PID控制器具有较好的控制性能指标,并通过与其他算法对比,证明了动态布谷鸟搜索算法的PID控制器优化算法具有优越性和有效性.     

基于RBF神经网络的PID控制参数整定

针对传统PID控制器的缺陷,本文提出了一种基于RBF算法的PID控制器,利用RBF算法局部计算简单、非线性映射能力强的特点,实现对PID控制器参数的寻优整定,并利用MATLAB软件对系统进行仿真。仿真结果表明此方法对PID控制器的参数有很好的控制效果。     

基于蚁群算法的航空发动机PID参数优化

提出一种基于蚁群算法的PID参数优化控制算法,对航空发动机的双变量解耦控制方法进行了研究.蚁群算法采用分布式并行计算机制,易于与PID控制方法结合,优化后的控制器克服了传统的PID控制参数不易整定的缺点,且控制器结构简单规范、动态和静态性能良好,具有较强的鲁棒性.仿真结果表明该控制系统实现了解耦控制,对航空发动机模型参数在大范围内的变化均有良好的控制效果.     

基于控制器与辨识器的转台系统设计

为改善三轴转台系统性能.结合传统控制方法与神经网络控制,提出一种基于RBF辨识转台系统的CMAC神经网络与PID并行的复合控制算法.算法采用RBF辨识对象模型,CMAC实现前馈控制,并实现PID控制参数的在线整定和优化.也给出了CMAC控制器算法和系统辨识的RBF网络算法.以某转台模型为对象,仿真结果表明算法具有了传统控制的优点,进一步也证明了算法的可行性和优越性,且具有了更强的适应性和鲁棒性,能更为有效地应用于转台系统中.     

基于模糊RBF神经网络的PID及其应用

针对传统的PID控制器参数固定而导致在控制中效果差的问题,提出一种基于模糊RBF神经网络智能PID控制器的设计方法。该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制与RBF神经网络相结合以在线调整PID控制器参数,整定出一组适合于控制对象的kp, ki, kd参数。将算法运用到电机控制系统的PID参数寻优中,仿真结果表明基于此算法设计的PID控制器改善了电机控制系统的动态性能和稳定性。     

基于RBF网络自整定PID控制的改进算法

针对工业过程控制中存在的非线性,时变性以及各种不确定性,在已有的RBF网络整定PID控制的基础上,提出了一种改进的整定控制算法。先用RBF神经网络在线辨识被控对象离散模型,得到对象关于控制器输出的Jacobian信息,然后用Levenberg-Marquardt算法代替传统的梯度法对PID参数进行整定,得到改进的整定控制算法。通过对锅炉汽包水位控制系统的仿真研究,验证了算法的有效性和优越性。该控制算法提高了控制系统的快速性、鲁棒性,有一定的实用推广价值。     

基于改进神经网络的PID整定

针对常规PID控制器对于复杂的、动态的和不确定的系统控制还存在着许多不足之处,提出一种基于模糊RBF神经网络的PID自适应控制方法。首先用改进的模糊K一均值聚类算法初始化RBF神经网络的隐层节点中心和基函数宽度,再采用梯度法优化RBF神经网络自适应地整定PID的三个参数。仿真结果表明该学习算法的实用性和有效性。     

基于DNA-GA-RBF的PID参数优化

PID控制器因为结构简单,容易实现,并且具有较强的鲁棒性,因而被广泛应用于各种工业过程控制中。控制器参数直接影响控制器的性能,因此控制器的设计主要体现在控制器参数的调整上。参数自整定技术的发展一方面减轻了控制工程师现场调试的工作量,节省了大量的时间,另一方面也使整定的结果更加理想。利用DNA遗传算法的全局搜索的功能特性,对整个RBF神经网络参数进行优化,将RBF网络不同的中心矢量和其对应的基宽向量及各个调节权重统一编码,使得整个网络模型达到全局最优。然后利用该混合算法对PID参数进行整定,仿真证明该算法能有效地实现PID参数最优整定,其性能优于常规的RBF算法,为解决PID控制器参数最优设计提供了一种有效的方法。     

一种RBF神经网络自适应PID控制器在超临界温度系统的应用研究

将传统PID控制器参数优化和径向基函数（RBF）神经网络结合,提出了基于RBF神经网络的PID控制器。将该控制器用于某超临界电厂温度系统中,由RBF网络对温度控制系统进行在线辨识,建立其在线参考模型并为PID控制器提供信息,控制器通过在线的自学习不断进行适应性控制,从而实现参数在线自调整,优化误差性能指标。MATLAB仿真结果表明,控制器对超临界温度系统有较好的控制效果,不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好。     

基于粒子群优化的分数阶PID滑模控制参数整定

为了提高系统的控制性能,解决单一控制方法不足,将分数阶PID算法与滑模变结构算法相结合,同时为了规避分数阶PID的滑模变结构算法手动调节参数的复杂性以及不确定性,采用粒子群算法对其参数进行优化,完善分数阶PID的滑模变结构控制器,提高其控制精度.并将新型算法应用于单相全桥逆变器,通过Matlab仿真并与分数阶PID滑模变结构控制函数(PID-SMC)及滑模变结构控制(SMC)方法相比较,研究结果表明,粒子群算法整定参数收敛速度快,较短时间内可以找出最优解,整定后的算法静态误差小,上升速度快,抑制系统抖振能力强,具有较强的鲁棒性.     

基于改进麻雀搜索算法的分数阶PID参数整定

针对分数阶PID控制器的设计问题,提出一种改进麻雀搜索算法(ISSA)对分数阶PID控制器进行参数整定.在麻雀搜索算法(SSA)中引入Chebyshev混沌映射,提高SSA的种群多样性和全局搜索能力;采用自适应t分布和萤火虫算法,设置转换概率p使二者交替执行,提高SSA的收敛精度和寻优性能.对10个基准测试函数进行寻优,结果表明相较于已有的4种经典算法, ISSA在收敛速度、收敛精度、全局搜索能力等方面均有较大提升.最后,对两类被控系统进行仿真分析,相比现有成果,证实了ISSA算法对求解分数阶PID控制器参数整定问题的有效性和实用性.     

基于布谷鸟搜索算法优化的BLDCM角度控制

当前,经典比例积分微分(PID)控制在无刷直流电机(BLDCM)控制领域仍然占据十分重要的地位.为了解决传统PID控制器参数优化费时、最佳控制性能难以保证的问题,提出使用布谷鸟搜索(CS)算法优化PID控制器(CS-PID)构成电机的角度位置控制.其次,选用时间乘绝对误差积分(ITAE)函数作为CS算法的适应性函数,为...