基于改进遗传算法的直流电机双闭环调速系统控制参数整定

直流电机的双闭环控制被广泛应用于直流拖动系统,采用的控制器是传统的PI控制器。在工程应用中,通常采用人工整定PI控制器的参数,往往不能得到最优的控制参数。同时,许多研究采用智能群算法进行整定。针对直流电机双闭环系统的PI参数整定,提出了一种基于改进遗传算法的参数整定方法。与传统遗传算法相比,改进遗传算法的整定效果更佳,具有较快的响应速度、较好的稳定性和较小的超调,更适用于对直流电机双闭环调速系统的控制参数进行整定。     

遗传算法在PID参数整定中的应用

针对传统PID参数整定的困难性 ,本文提出了把遗传算法运用于PID参数整定中 ,采用遗传算法进行PID参数整定是一种寻求全局最优且与初始条件无关的优化方法。仿真结果表明基于遗传算法运的PID参数整定具有良好的控制特性。     

基于遗传算法的PID参数整定及仿真

PID参数整定是一个多参量组合优化问题,文章针对目前常用的工程整定法和理论设计法只能从系统的单项性能指标出发进行整定,而无法对系统性能进行全面控制的缺陷,提出了基于遗传算法的PID参数整定方法.这种方法可以充分利用遗传算法的适应度函数,有效地引入所需的系统性能指标,对系统进行全面的参数设计.而且,文章通过实例对几种参数整定方法的控制效果进行了仿真和比较,证明了基于遗传算法的PID参数整定方法的可行性和良好的控制效果.     

基于改进遗传算法的环形倒立摆PID参数整定

针对传统的环形倒立摆PID控制器参数整定方法主观性强,系统响应性能不佳等问题,提出来了一种基于改进遗传算法的环形倒立摆PID参数整定方法.采用仿真研究方法,比较了试凑法、遗传算法和改进遗传算法求取的PID控制器参数对环形倒立摆的控制效果.实验表明,相比于试凑法,遗传算法得到的PID控制器参数使系统的超调量减小、调节时间...     

基于量子遗传算法的PID控制器参数自整定

提出了一种基于量子遗传算法（QGA）的PID控制器参数整定方法。首先定义一个包含表示系统超调量、上升时间和稳态误差指标项的适应度函数,并根据实际系统的性能要求对指标项进行适当加权。之后采用具有量子比特个体表示形式和量子旋转门实现种群进化的量子遗传算法,对PID进行多目标寻优,从而实现PID参数的自动整定。仿真结果表明,该方法优化得到PID控制器的综合性能优于常规方法和一般遗传算法得到的PID控制器。     

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。     

自动控制系统的参数整定及自整定

本文论述了参数整定在自动控制系统中的重要性，介绍了几种参数整定方法，并着重叙述了经验法的优点及实验方法，同时介绍了自整定的基本实施方法及其研究应用情况。     

基于双种群遗传算法的四旋翼飞行器PID参数整定方法

针对四旋翼飞行器的PID控制器参数整定问题,提出使用双种群遗传算法对控制器参数进行寻优;四旋翼飞行器的PID参数调整困难,由于通道间的耦合关系使常规的参数调整方法失效,提出结合双种群遗传算法,寻找最优的PID参数组合,实现飞行器控制;结合动力学模型并加以适当简化,设计了PID控制器,使用双种群遗传算法整定参数,进行了数据仿真实验;结果表明,双种群遗传算法能够提高单种群遗传算法5%的性能,获得的参数控制效果更好。     

磁悬浮PID参数整定仿真

研究磁悬浮列车悬浮稳定安全优化控制问题。磁悬浮控制是磁浮列车的技术难点之一,由于系统的复杂性和列车运行环境的不确定性,涉及许多非线性因素,使控制系统稳定性和响应性差。为了得到合适的稳定悬浮间隙,提高控制质量,提出用卡尔曼滤波的方法,引入蚁群优化算法(ACA),对卡尔曼滤波方法进行改进,提出了蚁群算法和卡尔曼滤波的PID控制器参数组合优化方法。进行仿真,通过卡尔曼滤波器抑制干扰信号和测量信号。仿真结果表明改进的滤波方法效率高,控制效果得到了改善,为磁悬浮系统的优化设计提供了参考。     

基于递阶遗传算法的模糊控制器的规则生成和参数整定

提出了一种基于递阶遗传算法的模糊控制器的优化设计方法．采用具有层次结构染色体编码方式的遗传算法来设计模糊控制器，实现了语言控制规则的自动生成和隶属函数参数的自动整定．设计过程无需系统的先验知识和训练数据，具有自组织、自学习的特点．仿真结果表明，该方法优化得到的模糊控制器结构简单、性能优良．     

基于精细积分理论与算法体系的时变最优控制方案工程应用

以航天器的编队飞行控制为工程背景,利用PIMCSD工具箱设计了航天器远/近程逼近的时变控制方案,并在飞行控制仿真平台上通过了验证.仿真结果表明,相对于传统的定常控制器方案,新的时变控制器方案可以在更短的控制时间内,以更少的燃料消耗,达到更高的终端控制精度,从而验证了控制方案的可行性、有效性和先进性.同时,提出的时变控制器简化实现方案不仅可以保持良好的性能指标,也便于工程设计和实现.这些工作为航天器编队控制系统的工程设计提供了有益的参考.     

基于遗传算法的广义Takagi-Sugeno模糊逻辑系统最优参数辨识

针对Takagi-Sugeno模糊逻辑系统的隶属函数不具有自适应性且模糊规则数的确定带有很大的人为主观性,这里引入了一类广义Takagi-Sugeno模糊逻辑系统;在模型实现上,以广义Takagi-Sugeno模型为个体,采用简单、有效的矩阵编码方式,借助遗传算法得到一个次优的广义Takagi-Sugeno模糊系统模型,该模型不仅能很好地逼近所要辨识的非线性系统,而且还具有较低的复杂度.仿真结果表明了广义Takagi-Sugeno模型及其参数辨识方法的正确性和有效性.     

基于小波逼近的空间机械臂非完整运动最优规划的遗传算法

本文讨论了空间机械臂非完整运动规划问题．将空间机械臂非完整运动规划问题转化 为非线性系统最优控制问题．在控制算法中用小波函数逼近控制输入规律．提出了空间机械 臂非完整运动规划最优控制的遗传算法．数值仿真表明,小波逼近和遗传算法联合求解最优 控制问题是有效的．     

基于混沌搜索的模糊控制器参数最优设计

基于混沌变量，本文提出一种模糊控制器最优设计方案．离线优化采用混沌算法，将混沌因子引入到模糊控制器参数域的优化搜索中，用载波方式将优化变量转变成混沌变量，再利用混沌运动的遍历性和随机性直接寻优，得到模糊控制器参数的全局次优解．在线优化采用共轭梯度下降法，把混沌搜索后得到的全局次优值作为梯度下降搜索的初始值，实现混沌全局粗搜索和梯度下降局部细搜索相结合的优化目的，能很快找到模糊控制器参数的全局最优解．最后对算法的收敛性进行了证明．     

基于精细积分的(最优)控制系统设计程序包

在精细积分算法体系的基础上开发的"精细积分(最优)控制系统设计程序包PIM-CSD(Precise Integration Method-Control System Design)",不但具有高效、精确、稳定的优点,可替代Matlab控制工具箱定常控制器设计功能,而且很容易实现时变控制器功能的扩展.主要讲述精细积分程序包在LQ最优控制、Kalman滤波以及系统仿真等控制系统设计基本内容方面的功能实现,特别强调在时变控制器和滤波器的设计以及Kalman滤波微分方程的高效求解等新功能的扩展,通过与Matlab控制系统工具箱中相关功能的比较,显示出PIM-CSD在计算效率、数值精度、算法稳定性等方面的优势.最后,探讨了PIM-CSD的应用领域和发展方向.     

基于遗传模拟退火算法的多约束QOS组播路由优化算法

组播路由问题在计算机网络中是著名的Steiner树问题,是NP完全问题.通过考虑组播通信服务质量需求与网络资源约束,研究了基于服务质量的组播路由选择算法问题,首次提出了一个基于遗传算法和模拟退火算法的多约束组播路由优化算法,该算法在满足带宽、延时、延时抖动及包丢失率约束条件下寻找代价最小的组播树.     

基于再励学习与遗传算法的交通信号自组织控制

提出一种基于再励学习和遗传算法的交通信号自组织控制方法.再励学习针对每一个道路交叉口交通流的优化,修正每个信号灯周期的绿信比.遗传算法则产生局部学习过程的全局优化标准,修正信号灯周期的大小.这种方法将局部优化和全局优化统一起来,克服了现有的控制方法需要大量数据传输通讯、准确的交通模型等缺陷.     

线性最优控制系统优化设计—权矩阵满阵优化法

本文通过线性最优控制理论、灵敏度分析理论及优化理论的有机结合,提出了一种系统的权矩阵优化选取方法.本方法在设计人员给定主导特征根位置、反馈增益顶值限制、寻优步长等条件下自动寻优,求得满足给定条件的权矩阵.同时为了最大限度地发挥权矩阵的作用,采用对权矩阵进行满阵优化的方法,大大提高了优化效率。实例表明,本方法能方便而快速地求得所需的权矩阵,解除了设计人员通过试凑法选取合适权矩阵的沉重负担.特别是用本方法所设计的降阶反馈控制系统较之一般常用的最小误差激励法所得到的降阶反馈控制系统具有更优良的动态品质.     

基于模拟退火算法思想的粒子群优化算法

粒子群优化是由Eberhart博士和Kennedy博士于1995年根据鸟或鱼群居社会行为而提出的。本文提出了4种改进的算法,特别推荐结合模拟退火算法思想提出的一种新算法。经过与基本粒子群算法比较测试,证实它是一种简单有效的算法。     

退火遗传算法在曲面求交中的应用

成功地将退火遗传算法与跟踪法结合应用于曲面求交算法中,通过将遗传算法与局部搜索策略相结合来提高演化效率,由于充分利用了遗传算法的全局搜索能力和内在并行性,以及跟踪法的局部快速收剑性,系统可以进行稳定可靠的交线计算,并得到正确的交线拓扑结构,对该算法各个部分进行了详细论述,并给出了在一个基于Ｗｉｎｄｏｗｓ／ＮＴ平台的原型系统ＴｉｇｅｒＳｕｒｆ中的实现和结果数据。