基于改进型PSO算法的过热汽温PID参数优化

通过采用改进的粒子群优化（PSO）算法对锅炉过热汽温中的PID参数进行优化,分析了传统过热汽温控制方案的不足,提高了整个系统的鲁棒性。其应用使过热汽温得到了良好的控制,且提高了经济运行效益,同时也说明了改进的粒子群算法寻优简单,能够使控制系统获得较好的动态特性和很强的鲁棒性,易于并行化。仿真结果表明,该算法是一种效率很高的寻优方法,是PID参数优化的理想方法。     

基于PSO的PID参数优化及其工程实现

介绍运用粒子群优化算法(PSO)对单回路和双回路系统PID控制器参数的优化,并进行数字仿真,得出控制品质参数。分析在被控对象的表达形式为n阶惯性环节加纯迟延和一阶惯性环节串联2种不同情况下,采用粒子群优化算法寻优的方法,说明根据给定被控对象参数计算出PID参数以及相应的仿真曲线和控制品质数据的工程实现过程。     

基于改进粒子群算法的主汽温控制系统PID参数优化

介绍了一种基于改进的粒子群优化(PSO)算法的PID控制器参数优化方法。通过将PSO基本算法中的惯性权重进行线性递减,很好地协调了PSO的全局与局部寻优能力。将改进的粒子群PID控制器参数优化方法应用于多扰动、大惯性的电厂主汽温控制系统,仿真结果表明,该方法在保证控制系统稳定性的基础上极大地提高控制系统的精度和快速性。     

基于改进粒子群算法的水轮机调速器参数优化

PSO（粒子群算法）是一种随机全局优化技术.该算法简单,易实现,且功能强大.文章研究了水轮机PID调节器参数的优化问题,利用改进PSO对系统所处的不同状态和工况进行了PID参数寻优.仿真结果表明,此种PID控制器比常规PID有更好的动态调节特性和鲁棒性,不失为一种具有较好实用价值的PID参数优化方法.     

基于粒子群优化模糊PID控制的多足式真空吸附机器人控制方案设计

为解决高层建筑玻璃幕墙的清洗与检测问题，探索一种多足式真空吸附爬壁机器人，为实现爬壁机器人平稳运行，主要是提高电机转速的控制精度，采用模糊PID算法进行控制并在此基础上利用粒子群算法进一步迭代优化。通过粒子群算法的迭代寻优能力，实时确定模糊PID控制中PID三个参数的比例因子，得到一个性能较好的控制系统。结果表明，当比例因子Ckp、Cki、Ckd的值分别为0.1、8.23、0时系统稳定达到最优。相比于模糊PID控制，采用粒子群算法进一步优化后的系统，响应速度提升了0.024 s且同样无超调产生，能够满足系统要求。     

基于线性与非线性模型的水轮机调速器PID参数优化比较

分别推导出了基于线性模型和非线性模型的水轮机调节系统闭环比例积分微分(proportional-integral-derivative,PID)控制的微分方程。以水轮发电机组转速偏差相对值的时间乘误差绝对值积分指标作为粒子群优化算法的适应度函数,分别实现了采用这2种不同数学模型的水轮机调速器PID参数的优化设计。计算结果表明,PSO优化算法对于非线性系统控制参数的优化设计是一种有效的方法;采用不同数学模型的水轮机调节系统,其PID参数的优化结果是不同的;水轮机调节系统采用非线性模型时的优化结果相对较好。     

改进型PSO在过热汽温PID控制系统中的应用

通过采用改进的粒子群优化(PSO)算法对锅炉过热汽温中的PID参数进行优化,分析了传统过热汽温控制方案的不足,提高了整个系统的鲁棒性.该方法的应用使得过热汽温得到了良好的控制,提高了经济运行效益,同时也说明了改进的粒子群算法寻优简单,能够使控制系统获得较好的动态特性和很强的鲁棒性,易于并行化.仿真结果表明,该算法是一种...     

主汽温量子粒子群-PID优化控制

基于基本粒子群(PSO)优化算法容易发生早熟、收敛速度慢,研究了一种改进的粒子群算法--量子粒子群优化算法(QPSO).将这种算法应用于某电厂主汽温控制系统PID参数优化,得到了最优参数.仿真结果表明,QPSO使得主汽温控制系统具有更好的控制品质,提高了系统的静动态特性.     

基于改进PSO算法的横动伺服控制系统PID参数优化

针对横动伺服控制系统的位置控制器PID参数优化问题,设计了改进粒子群算法,成功实现了参数优化。设计了改进粒子群算法及其PID参数优化原理;在已知系统传递函数的基础上,利用Z-N法进行参数初求解;利用改进粒子群算法对初解进行参数寻优,并将优化前后的系统进行动态性能对比,结果表明:优化后的高阶非线性系统动态性能更好,响应速度更快,调节时间更短。     

基于粒子群优化设计的直流无刷电机控制系统研制

针对直流无刷电机控制器优化设计的问题,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BLDC系统的控制策略,考虑到综合评价系统的各项性能指标,给出了优化PID控制器设计的步骤.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数值,优化得到的控制器速度响应快、超...     

基于改进粒子群优化算法的比例-积分-微分控制器

粒子群优化算法自1995年问世以来得到了很大的发展,简要阐述了粒子群优化算法的基本原理,并提出了根据改进该算法而构成的比例—积分—微分控制器。比例—积分—微分控制器的3个参数可以得以优化。该控制器具有结构简单,易于实现,鲁棒性好的特点,仿真结果表明基于改进粒子群优化算法的比例—积分—微分控制器具有良好的性能。     

改进粒子群算法在PID参数整定中的应用

PID控制是过程控制中应用最广泛的控制方法,其关键在于PID参数的优化。针对其参数整定和优化问题,提出了一种改进的粒子群优化算法。仿真结果证明了该算法的有效性,其性能优于遗传算法和基本微粒群算法,具有一定的工程应用前景。     

基于粒子群优化的串级模糊PID无人机飞行控制系统

为了解决无人机飞行控制系统存在的平稳控制响应慢、自适应能力差,抗干扰能力弱的问题,本文分析了无人机飞行控制系统的原理,建立了无人机飞行控制模型,在串级模糊PID控制的条件下,利用粒子群优化算法的迭代寻优能力,实时确定模糊控制中的量化因子、比例因子以及初始PID参数,通过模糊控制在线调整PID参数,使平稳控制中的参数时刻保持最优化,设计了一种基于粒子群优化的串级模糊PID的飞行控制系统。实验结果表明：当量化因子e、ec的值分别为3、0.75,比例因子k1、k2、k3的值分别为0.5、2、0.5时,系统稳定性达到最优。相比于串级PID控制与串级模糊PID控制,通过粒子群优化后的控制系统具有更优的控制精度和稳定性,能较好地提高系统的性能指标,满足快速高效调平的飞行要求。     

基于帐篷映射的混沌自适应粒子群优化算法在同步发电机励磁控制中的应用

针对励磁控制系统中比例–积分–微分控制参数整定难的问题,提出了一种基于帐篷映射的混沌自适应权重粒子群优化算法对控制器参数进行优化,采用2级优化策略,第1级采用自适应权重粒子群优化算法执行全局搜索;第2级采用基于帐篷映射的混沌搜索对第1级的结果执行局部遍历搜索,并通过在粒子群算法中引入自适应权重及在混沌局部搜索中采用帐篷映射的方法对混沌粒子群搜索算法进行改进,解决了常规粒子群算法易陷入局部极值且在迭代后期收敛效率低的问题,在建立励磁控制系统简单模型的基础上,实现同步发电机励磁系统的参数优化控制。仿真研究表明,新方法与常规粒子群方法相比具有更好的收敛速度和精度,能有效改善励磁控制系统空载起励和孤网过渡过程的动态性能。     

基于PSO优化的模糊PID恒力控制研究

针对工业机器人在抛磨等工作过程中对接触压力的要求，提出了一种基于粒子群(PSO)优化的模糊PID恒力控制方法。对柔性力控法兰装置的受力和气体流量模型进行分析，建立柔性力控法兰装置的数学模型；设计了基于PSO算法的模糊PID控制器，自适应调节模糊PID的控制参数，通过MATLAB仿真对比了普通PID、模糊PID和基于PSO算法优化的模糊PID这3种控制方法的性能；最后，通过搭建基于柔性力控法兰装置的打磨实验平台，对柔性力控法兰的恒力控制输出性能进行实验验证。仿真实验结果表明，与传统PID和模糊PID控制方法相比，基于PSO算法优化的模糊PID控制没有超调，系统响应速度更快，在0.43 s时系统达到稳定；在进行恒力打磨实验时，柔性力控法兰实际接触力输出误差小于0.85 N;打磨后的壳体表面各区域粗糙度稳定在Ra0.1～Ra0.2之间。该方法能够有效地抑制接触压力波动，具有更强的鲁棒性。     

基于改进粒子群优化算法的PID参数整定

粒子群优化算法PSO(ParticleSwarmOptimization)是近年来出现的一种新型演化计算方法,其算法简单易懂,优化性能良好。该文提出改进的PSO算法结合Matlab强大的矩阵计算和系统仿真功能,对文中实例的PID参数进行了优化整定。仿真显示优化结果比遗传算法好,收敛性能比遗传算法高。     

基于改进微粒群算法的PID控制器参数优化设计

介绍了微粒群优化（PSO）算法的基本原理和流程,提出了改进的PSO算法并将其与控制系统优化设计相结合,对传统PID控制器的参数整定进行优化研究,仿真实验结果表明改进PSO方法得到的PID控制器具有快速、无超调的响应特性,获得了满意的控制效果,各项控制性能指标优于传统方法整定得到的PID控制器。