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。     

基于模糊自整定PID 四旋翼无人机悬停控制

四旋翼无人直升机是一种多输入、强耦合、多变量、欠驱动的系统,其可以应用到航拍、考古、边境巡逻、反恐侦查等多个领域,具有广阔的前景。根据欧拉定理以及牛顿定律建立四旋翼无人直升机的动力学模型,并且考虑了空气阻力、转动力矩对于桨叶的影响,而后基于经典PID 算法设计了双环控制系统,之后在此基础上结合模糊控制技术设计了模糊自整定PID 控制器。通过Matlab /Simulink 对两种控制算法设计的控制器进行仿真比较,从仿真结果可以看出两种控制算法均可使四旋翼无人直升机到达指定位置并且保持悬停状态,但模糊自整定PID 算法设计的控制系统在响应时间以及稳定性方面优于经典PID 下的控制系统的控制效果。     

PID参数整定方法分类与概述

PID控制是迄今为止在过程控制中应用最为广泛的控制方法。从理论研究的角度上讲,PID控制系统的设计、分析和综合已经形成了比较完整的体系,但在工程实践中,PID参数复杂繁琐的整定过程一直困扰着工程技术人员．从工程角度将PID参数整定方法进行分类比较,以供工程技术人员参考借鉴。     

PID参数先进整定方法综述

PID控制是过程控制中应用最广泛的控制方法.文中综述了PID参数先进整定方法及近年来在此方面得到的最新研究成果,并对将来的发展进行了展望.     

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。     

PID参数的意义与整定方法

用人工控制温度的策略,介绍PID控制器主要参数的意义,和整定PID参数的方法.用仿真实验的结果验证了整定方法的有效性.     

四旋翼飞行器的自抗扰飞行控制方法

针对四旋翼飞行器参数不确定性和外部干扰敏感的问题,本文提出一种基于自抗扰控制器的控制系统设计方法.在为期望姿态和高度安排过渡过程的基础上,设计了扩张状态观测器对内扰和外扰进行估计并实时补偿,能够很好地克服飞行器的强耦合性、模型不确定性以及风速变化等外部干扰问题.此外本文还设计了非线性状态误差反馈控制律来有效抑制跟踪误差.在仿真平台上对自抗扰控制系统进行稳定控制、姿态跟踪、高度控制、抗扰性及鲁棒性实验,并与串级PID控制系统进行定量对比分析.仿真结果表明,本文所设计的自抗扰控制器不仅能够很好地估计并补偿系统所受内外部干扰,而且对四旋翼飞行器参数的不确定性具有较强的鲁棒性,能够满足飞行器姿态调节快速和高稳定度的控制要求,性能指标明显优于串级PID控制器.     

基于遗传算法的双旋翼系统的PID控制器设计

双旋翼多输入多输出系统是一套具有复杂非线性和强交叉耦合性的控制系统实验装置,难以进行控制参数的整定.而遗传算法对问题的依赖性小,适合复杂非线性系统的参数寻优.文中利用遗传算法,借助Matlab语言和Simulink仿真模型,实现了双旋翼多输入多输出系统PID控制器的设计.仿真结果表明,该控制器是有效的.     

基于遗传算法的双旋翼系统的PID控制器设计

双旋翼多输入多输出系统是一套具有复杂非线性和强交叉耦合性的控制系统实验装置,难以进行控制参数的整定。而遗传算法对问题的依赖性小,适合复杂非线性系统的参数寻优。文中利用遗传算法,借助Matlab语言和Simulink仿真模型,实现了双旋翼多输入多输出系统PID控制器的设计。仿真结果表明,该控制器是有效的。     

基于遗传算法的PID参数整定与优化

PID参数整定与优化一直是自动控制领域研究的重要问题。采用遗传算法进行PID参数整定与优化是一种寻求全局最优且与初始条件无关的优化方法。在参数整定与优化过程中,考虑了过程控制系统的参数整定特点和寻优精度。     

基于MATLAB的双旋翼控制系统的优化设计

对于非线性复杂控制系统，传统的求解优化设计问题的方法难以获得良好的控制效果。为解决这一问题，使非线性复杂控制系统中的PID控制器的参数整定更加简单方便，文中分析了MATLAB优化工具箱求解优化问题与传统的求解方法相比的主要优点，提出了一种运用MATLAB优化工具箱中提供的函数，对双旋翼非线性复杂控制系统进行优化设计的方法。仿真结果证明该方法是简单可行的，而且可使设计者将精力完全集中于优化问题的本身，而不是过多地纠缠在具体的算法实现上，计算简单方便，结果可靠。     

用遗传算法实现PID参数整定

PID参数整定一直是控制领域中的重要研究问题。本文在MATLAB平台上将遗传算法应用于PID参数的自动整定,算法实例仿真取得了良好的效果,为PID参数整定方法提供了一种新的尝试。     

基于混沌免疫遗传算法整定PID参数

针对传统免疫遗传算法PID参数整定速度慢的缺点,通过引入了混沌增殖思想和隔离小生境技术,结合免疫遗传算法的特点,设计了一种智能的PID参数整定方法。该方法利用混沌增殖对初值的敏感性以及随机性、遍历性、规律性,使免疫遗传算法能够更加有效地跳出局部收敛区域而以更快的速度向全局最优值收敛,进而较好地处理了通常遗传算法中遇到的“早熟”问题。通过隔离小生境技术的引入使得子种群的进化不仅同整个种群的进化密切相关,还有自身进化的独立性,这有利于种群个体多样性的保持。通过实际PID参数整定的例子,结果表明该算法能明显改善免疫遗传算法的收敛性能,搜索效率也得到了显著提高。     

基于精英培养混合遗传算法的PID参数整定

提出了一种基于精英培养的混合遗传算法,该算法采用参数自适应变化的遗传操作与精英个体的有方向的邻接爬山操作相结合。遗传参数的调整和搜索终止条件打破了传统的由整个进化群体的进化情况决定的做法,而改由精英团体的进化情况决定。通过仿真实验说明了通过新算法能实现PID参数的快速的自整定,且整定效果较好。     

控制系统PID参数的自动整定

PID(比例、积分、微分)调节器是一类工业过程控制中最常见的调节器。通常对控制系统中PID参数的整定都是凭经验进行的,很难达到较为理想的调节指标。Astrom提出用一种bang-bang控制信号实现PID参数自动整定的有效方法,但用该法所获得的PID参数不一定使系统的响应曲线完全令人满意,本文采用专家系统的办法,对已获得的PID参数所产生的响应曲线与知识库中的基本响应曲线进行比较,从而找出相应的修正规则对原PID参数进行修正。这一整定方法实际上由三部分组成,首先用bang-bang控制信号来激励系统,辨识获得系统的临界增益K_e和周期T_e;其次,根据辩识得到的参数K_e和T_e采用工业上常用的临界比例度法求取一组PID参数控制系统。最后,对系统进行专家系统在线整定。仿真表明,该方法有很好的整定效果。     

四旋翼飞行器中PID控制的优化

为解决四旋翼飞行器飞行过程中的不稳定和灵敏度问题,在四旋翼飞行器数学模型基础上,提出利用共轭梯度算法对数字PID控制器的参数进行自整定。将控制性能指标的最小方差和控制率相结合,共轭梯度算法迭代计算出随被控系统不断变化的最优化特性参数,有效地提高系统的鲁棒特性。该算法不仅克服了对模型辨识度的依赖,也不再需要人工参数整定,避免了控制器出现不可预知的后果。以四旋翼飞行器的横滚角从偏移13°恢复到平稳状态及其稳定性为例,通过LabVIEW实现的软件仿真表明,较之常规算法,该方案算法效率提高50%,误差小于普通PID控制飞行器平稳状态下存在的0.5°偏差,且稳定性较好。     

基于PID参数整的模糊控制器

本文根据文献[1]提出的用于整定PID三个参数的模糊控制器以及大量的仿真实验,总结出一套更好的模糊规则。仿真表明,修改了模糊控制规则后的模糊PID控制器能使系统的动静态性能得到提高。     

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...     

基于多种群风驱动优化算法的PID参数整定

针对标准风驱动优化算法容易收敛到局部最优和未成熟收敛的问题,提出了一种多种群风驱动优化算法,并将其用于PID控制器的参数整定.该算法将PID控制器的比例、积分和微分参数作为空气微团的位置矢量,以ITAE指标作为算法的适应度函数,通过多个种群协同搜索,寻求解空间中适应度值最小的位置.通过实验仿真,并与基于标准风驱动优化算...