基于DNA-GA的PID参数优化

论文首次采用DNA-GA进行PID参数寻优,仿真表明,采用DNA-GA在进化代数相同时能找到比常规遗传算法更优的控制参数,该算法对PID控制参数寻优是实用的和有效的,优于常规的遗传算法,具有很好的应用前景。     

基于自适应遗传算法的PID参数优化仿真研究

针对现有PID调节器的整定方法和遗传算法优化参数存在的问题，提出了一种自适应遗传算法用于PID参数寻优的方案。该算法采用了变群体规模和自动改变交叉概率、变异概率的措施，能提高算法的执行效率，收敛性较好，而且不易陷入局部最优解。以过热汽温控制系统为例，分别采用了简单遗传算法和改进遗传算法，对串级控制系统的PID参数寻优，仿真结果表明改进后的遗传算法具有较强的执行效率和很好寻优效果。     

基于浮点数编码遗传算法的PI参数优化算法

本文介绍了基于浮点数编码遗传算法寻优的PID参数优化方法,采用误差绝对值时间平方积分性能指标作为参数选择的目标函数,利用遗传算法的全局搜索能力,实现对全局最优解的寻优,以降低PID参数整定的难度,达到总体提高系统性能的目的.仿真结果表明,通过浮点数编码遗传算法进行PI参数优化可使系统具有很好的动态品质和稳态特性.     

改进遗传算法PID参数整定及在漂白温度控制中的应用

遗传算法（GA）是一种基于群智能的全局随机优化算法。针对简单遗传算法（SGA）收敛速度慢、易于早熟等缺点,采用改进的自适应交叉算子和自适应变异算子。结合兼顾性能指标和响应过程平衡的适配函数,以多种改进方式相结合的遗传算法对PID参数进行寻优整定。并将该控制器应用于纸浆漂白温度控制中,仿真结果表明：改进遗传算法能够明显改善收敛速度和寻优效果,当被控对象存在较大纯滞后、时间常数特性较大时,采用本方法优化PID控制器参数可获得比较满意的控制效果。     

一种改进的遗传算法及其在PID控制中的应用

针对经典遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点,提出了一种改进的遗传算法,并将其应用于PID参数寻优。该算法既具有经典遗传算法的全局寻优能力,又具有局部寻优能力;同时,它又能有效地抑制早熟,保证得到的优化参数为最优。仿真结果表明,基于此遗传算法寻优设计的PID控制器可以极大地提高寻优的速度,鲁棒性强,具有很好的动态品质和稳定性。     

基于自适应遗传算法的改进PID参数优化

PID参数设置是决定PID控制性能的关键,为了获取较优的PID控制效果,提出了自适应遗传算法整定和优化PID参数的方法;首先将系统的综合性能控制区分为不同目标的局部性能控制,针对局部目标采用不同的目标函数;之后采用自适应选择、交叉和变异概率对不同控制目标进行PID参数寻优,自适应遗传算法在保持种群多样性的同时能够加快算法收敛;最后通过发动机怠速转速控制应用表明本算法的可行性和有效性:改进的PID控制和遗传算法有效提高了PID参数寻优能力,提高了控制系统的响应能力和稳定性.     

自适应遗传PID算法在压缩机防喘振的研究

针对离心压缩机防喘振控制原有调节过程能量浪费严重,传统的PID控制难以获得满意的效果的问题,提出一种新的基于遗传算法的自适应PID拉制算法.利用遗传算法可快速全局寻优的特点,通过对PID控制参数的遗传算法优化,将性能指标构成相应的适应度函数,采用自适应变异概率,反复进行遗传操作以获得控制器的最佳整定参数.仿真结果表明,与传统PID整定结果相比较,该方法提高了参数的优化性能,系统动态性能进一步提高,可以取得较好的控制效果.     

基于改进遗传算法寻优的神经网络PID控制及应用

根据神经网络PID控制器初值的选取影响系统控制性能的特点,提出了一种基于改进遗传算法寻优的神经网络PID控制方法.即先利用遗传算法对PID控制器参数离线寻优,将求出的参数值作为控制器的比例、积分、微分系数的初值,再进行神经网络PID控制.对一类液位过程的实时控制结果表明采用本方法的控制系统具有较好的稳定性和鲁棒性.     

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。     

基于遗传算法的PID整定的柴油机调速系统的研究

柴油机调速系统的电子调速器多采用传统的PID控制器,但随着转速、负荷及其它运动条件的变化,模型参数将发生很大的变化,这时PID控制器的参数就需要在线整定.本文提出了应用遗传算法来进行参数寻优,构造基于遗传算法的PID控制器,通过仿真实验,取得了较好的效果.     

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。     

Optimized Model Based Controller with Model Plant Mismatch for NMP Mitigation in Boost Converter

In this paper, an optimized Genetic Algorithm (GA) based internal model controller-proportional integral derivative (IMC-PID) controller has been designed for the control variable to output variable transfer function of dc-dc boost converter to mitigate the effect of non-minimum phase (NMP) behavior due to the presence of a right-half plane zero (RHPZ). This RHPZ limits the dynamic performance of the converter and leads to internal instability. The IMC PID is a streamlined counterpart of the standard feedback controller and easily achieves optimal set point and load change performance with a single filter tuning parameter λ. Also, this paper addresses the influences of the model-based controller with model plant mismatch on the closed-loop control. The conventional IMC PID design is realized as an optimization problem with a resilient controller being determined through a genetic algorithm. Computed results suggested that GA–IMC PID coheres to the optimum designs with a fast convergence rate and outperforms conventional IMC PID controllers.     

基于权重QPSO算法的PID控制器参数优化

传统的PID控制器参数优化方法容易产生振荡和较大的超调量,因此智能算法如遗传算法（SGA）和粒子群算法（PSO）被用于参数优化,弥补传统算法的不足,但是遗传算法在进化过程中收敛速度慢,粒子群算法存在易于早熟的缺点。在分析量子粒子群算法（QPSO）的基础上,在算法中引入了权重系数,提出使用改进的量子粒子群算法（WQPSO）优化PID控制器参数。将改进量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较。最后,通过三个传递函数实例,分别使用Z-N、GA、PSO方法和改进的量子粒子群算法进行了PID控制器参数优化设计,并对结果进行了分析。     

风电机组变桨距模糊遗传控制算法研究

为提高额定风速以上风力发电机组发电机转速和输出功率的稳定性,基于风电机组的运行特性,建立了风电机组变桨距控制仿真模型;针对遗传算法收敛速度慢的缺点,采用模糊遗传算法对PID控制器参数进行整定。仿真结果表明,基于模糊遗传的控制器不仅提高了遗传算法的收敛速度,且在动态性能及系统稳定性方面均优于遗传算法控制器。     

基于遗传算法优化的模糊PID控制研究

面对具有较强的非线性、不确定性、难以建立精确数学模型的对象控制,常规PID控制器难以达到理想的控制效果,因此就出现了如Fuzzy-PID这样的一种较好的控制方法。然而模糊控制规则和隶属函数的选取有着很大的人为主观性,本文采用改进的遗传算法优化模糊控制中的量化和比例因子,从而优化控制规则和隶属函数使其更加合理,最后对优化后的模糊控制器进行了Matlab仿真研究,结果表明经过优化后的模糊控制器的控制品质有较大的改善和提高。     

时滞系统控制参数优化的遗传模拟退火算法

该文基于遗传模拟退火算法,提出一种时滞系统的控制参数优化方法,同时对Matlab遗传算法工具箱GAOT进行改进,使之适用于PID参数的优化。该文所采用的算法保留了遗传算法和模拟退火算法分别在全局和局部搜索能力强的优点,能克服常规遗传算法中解的早熟现象、局部寻优能力差,难以保证对参数优化的计算效率和可靠性要求等缺陷。研究表明,改进后的遗传模拟退火算法是一种行之有效的方法,具有实用价值。     

基于改进遗传算法的PID控制器设计

针对一般遗传算法存在的不足，提出一种改进的遗传算法，并将其应用于PID控制器参数设计。该方法采用实数编码，是为了操作方便、提高精度和收敛速度，且能克服传统PID参数整定的费时性。仿真结果表明，基于改进遗传算法设计的PID控制器获得了良好的控制效果，其控制性能优于常规的PID控制器。     

基于云控制的自适应遗传算法

遗传参数的自适应调整是一个复杂的不确定性过程。为此,利用云模型优良的不确定性知识表示能力,提出一种改进的自适应遗传算法。该算法以自然语言为切入点,用云模型表达先验规则知识,通过云控制器调整遗传参数。函数优化实验表明,该算法能够较好地模拟迭代中参数的自适应调整过程,算法性能是可行、有效的。     

一种基于遗传算法优化的模糊控制器研究

模糊控制中的模糊推理规则和隶属函数的选取往往依据相关专家或技术人员的实际经验,具有较大的人为主观性,尤其在面对具有较强的非线性系统和未知动态环境条件下,其控制性能达不到客观要求。本文采用改进的遗传算法优化模糊控制中的比例因子,从而对控制规则和隶属函数进行优化。仿真结果表明,经过优化后的模糊控制器和传统的Fuzzy-PID控制器相比,其控制规则和隶属函数更加客观合理,控制系统的动、静态性能都有较大提高。     

Predictive control of a building hybrid heating system for energy cost reduction

Today, the buildings’ energy consumption is considerable amount of whole. Therefore, optimizing energy in buildings leads to a noticeable decrease in total energy consumption of the world. Energy-efficient buildings have developed by carrying out great research effort. The control procedures serve as a privileged method to help new buildings to comply with the most optimal system as an energy consumer and thus meet ‘nearly zero-energy’.The purpose of this paper is to present a method of controlling the building temperature and simultaneously reducing the cost of providing the hybrid heating systems with sufficient energy. Investigating a room in Tehran city on a day as an example, methods of (a) Model Predictive Control (MPC) with economic optimization (MPC consecutively with On-Off), (b) MPC without economic optimization, (c) Proportional-Integral-Derivative (PID) controller optimized by Genetic Algorithm (GA) in presence of gas thermal source, (d) PID controller optimized with GA in presence of electric thermal source and (e) PID controller optimized with multi-objective GA in the presence of two gas and electric thermal sources have been designed and implemented in this research. Furthermore, the effect of each of these methods on cost reduction and temperature regulation of inside of the room has been studied. Eventually it has been specified that using MPC method with economical optimization has the highest influence on cost reduction and keeps the temperature of inside of the room in the predefined range. This method achieved cost saving of 50% compared to the MPC and GA. But the main targets of this study are both of regulating inside temperature and cost optimization. According to the main targets of this study, using MPC methods without economical optimization and multi-objective genetic algorithm would be more effective.