一种基于多参数优化的神经网络控制器研究

针对常规PID+CMAC复合控制器中多个控制参数难以确定的问题,提出采用改进遗传算法对PID控制参数、CMAC神经网络学习率和惯性量等多参数进行寻优,把常规PID控制、CMAC神经网络和遗传算法的优点结合起来,设计了基于改进遗传算法多参数优化的PID+CMAC自适应控制器.仿真结果表明,提出的多参数优化的CMAC控制器具有良好的鲁棒性、抗干扰能力和自适应能力,是解决不确定性非线性对象控制问题的一种有效的控制方法.     

基于遗传算法的电机——机构系统PID控制参数整定

PID控制是目前在控制过程中应用最为广泛的控制策略.针对传统的PID控制中参数整定的难题,采用遗传算法实现电机一机构系统PID控制参数的自动整定,并在Madab平台上完成了优化计算与仿真验证.研究结果表明:与传统的优化算法相比,遗传算法对受控对象有较强的自适应能力和鲁棒性,获得了更优的控制效果.     

基于自适应在线遗传算法整定的PID控制

提出一种基于自适应在线遗传算法髌定的PID控制，同时进行了仿真试验，结果表明该算法有效地提高了控制效果，能获得优良的控制参数。     

凝固浴系统智能PID控制参数调整策略研究

鉴于传统凝固浴控制系统中PID控制参数整定方法存在的缺陷,该文提出了一种采用蚁群算法优化PID控制参数的方法。通过建立凝固浴液位控制系统数学模型,将系统控制参数的选择转化为路径选择,从而将蚁群算法成功地应用到PID控制参数的优化上。将所得的结果与遗传算法、传统的Ziegler-Nichols(ZN)法进行了仿真比较,该方法调节时间短,响应速度快,超调量小。仿真实验结果验证了该方案的可行性和有效性。     

改进ABC算法的双容水箱液位控制研究

从提高双容水箱液位控制系统的稳定性和控制精度出发,设计了一种基于改进人工蜂群算法的PID控制调整策略。该策略针对人工蜂群算法全局探测能力不足而易陷入局部最优解的问题,提出将遗传算法的交叉操作引入到人工蜂群算法中,使其可以得到更加精确的PID控制参数。通过仿真分析并与传统的PID控制相比较,结果表明,经过改进的人工蜂群算法优化的PID控制具有静态误差小、调整时间短、超调量小等优点,能很好的满足控制过程的动态性能,具有重要的实用价值。     

基于改进遗传算法的多变量DMC参数优化

针对常规PID控制策略对多变量控制系统控制不理想的问题,提出了一种基于改进遗传算法的多变量动态矩阵控制。该方法将控制方法和参数优化算法相结合,对多变量动态矩阵控制参数进行寻优。在此基础上,对遗传算法进行改进,提高了其寻优能力。仿真结果表明,改进后的遗传算法能快速准确地跟踪设定值,减小调节时间。     

基于改进的免疫克隆算法的PID参数优化

依据PID控制器的控制原理,结合人工免疫算法和克隆选择原则,提出了一种新的基于周期变异的免疫克隆算法,并基于此算法在线优化PID控制参数,仿真结果表明控制输出能快速平稳地跟随期望输出值,系统响应可以获得良好的实时性、稳定性和较高的控制精度。     

免疫PID控制器遗传优化方法的研究

免疫PID控制是一种基于生物学中免疫原理的智能PID控制方法,参数设定是该控制器设计的重要环节.基于人工智能中的遗传算法理论,设计了一种针对免疫PID控制器参数设计的新型寻优算法,并给出相应的计算机辅助设计方案.仿真实验体现了该方法的良好优化效果.     

遗传算法优化的模糊系统在发酵pH控制的应用

针对生物发酵过程中pH值的变化存在严重的非线性、时滞性和时变性等特点,采用模糊自适应PID控制方案,能够实时地在线整定PID控制参数,通过执行机构控制加入发酵罐中碱液的量实现pH控制,并采用遗传算法对PID初始参数进行优化。仿真结果表明,遗传算法优化后的模糊自适应PID控制具有上升快、调节精度高、稳定性好、过渡过程时间短和超调量小等优点,因此是有效的、可行的方案。最后,进行了软硬件的设计并做了验证实验。     

基于一种改进遗传算法的PID参数优化仿真

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。提出了一种改进的遗传算法用于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。本文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。并且该文提出的算法和策略也可用于其他的优化问题中，具有一般性。     

遗传算法在模糊PID交流电机矢量控制系统中的应用

交流电机矢量控制系统是一个非线性、强耦合性、时变的复杂系统,用传统的PID难以达到理想的控制效果,而基于模糊控制原理与传统PID原理相结合的模糊PID控制器取决于模糊控制规则,但规则的设置依赖人的主观经验,不一定能达到最优。该文结合遗传算法和模糊PID控制的优点,用模糊推理在线整定PID控制参数,利用遗传算法优化模糊控制规则。仿真结果表明,这是一种非常有效的控制方法,能够达到理想的控制效果。     

面向生产线仿真模型的优化技术研究

针对复杂生产线控制参数的优化问题,提出了一种基于遗传算法的仿真优化方法,该方法在传统遗传算法的基础上,采用小生境种群生成技术、整体与局部交叉繁殖策略和自适应变异算子,在实际测试中大大地提高了优化的效率.最后给出了算法的求解实例及与同类软件的比较结果.     

优化PID与神经PID控制主动悬架的性能对比研究

为主动悬架选择一种更可行的控制方法,对PID与神经PID控制主动悬架进行了优化后的性能对比研究。基于1/4车二自由度主动悬架模型,利用遗传算法以悬架二次型性能指标为目标函数,分别对PID控制主动悬架的增益系数与神经PID控制主动悬架的初始权值和学习效率进行了优化。优化结果显示:优化后的PID控制主动悬架的综合性能较神经PID控制主动悬架略优。出现上述结果的原因在于:当神经PID控制主动悬架的学习效率等于零时则退化成PID控制主动悬架,学习效率不等于零则导致神经PID控制主动悬架的实时PID权值偏离了最优的PID权值。此外凸块路面输入下的仿真也显示优化PID的鲁棒性也略优于优化神经PID。因此,选择算法较复杂的神经PID对主动悬架进行控制是没有必要的。     

I/A DCS系统的PID参数优化整定

随着核电站的不断运行,需要对DCS系统的控制参数进行优化整定。本文针对I/A DCS系统中使用的PID控制回路,提出参数的优化整定方案,减少整定过程对正常生产的影响,提高控制的精确性和稳定性。首先利用系统辨识的方法建立系统模型,基于模型计算PID控制回路的经验参数,再利用I/A系统中的FBTUNE模块,得出优化的PID控制参数。     

基于遗传算法的全自动除泡机腔体充排气PID控制研究

传统全自动除泡机采用的山武PID控制器实现控制,为了降低控制成本并且实现更高效的控制,规避传统PID控制参数需靠经验来确定的问题,采用基于遗传算法的PID控制方法,通过智能算法给出最优的参数组合,且通过实验证明了基于遗传算法的PID控制运行效果良好。     

基于模糊神经网络和遗传算法的智能控制器

PID控制算法简单、鲁棒性强,但其参数整定过程繁琐,整定时需要控制对象的精确数学模型,而且整定往往是针对某一种具体工况进行的,缺乏自学习和自适应能力.模糊神经网络则兼备了模糊逻辑和神经网络的优点,具有函数逼近功能,具有较强的自适应、自学习能力、容错能力和泛化能力.借助于遗传算法对全局性参数进行优化设计,借助于BP算法对局部性参数进行优化,将模糊神经网络和遗传算法引入PID控制参数的整定过程,构造出一种基于模糊神经网络和遗传算法的智能PID控制器.     

基于智能PID算法的爬壁机器人位置伺服控制方法

针对爬壁机器人实际与理想作业位置偏差过大的问题,提出了基于智能PID算法的爬壁机器人位置伺服控制方法。通过分析爬壁机器人的运动状态,构建爬壁机器人的运动学模型,获取爬壁机器人的运动规律和其位姿变化特征。运用智能PID算法对爬壁机器人的位置实施伺服控制,利用遗传算法不断调节机器人控制参数,得到最佳适应度函数,生成全局最优的PID控制参数。根据爬壁机器人运动状态得出控制终止条件,获取最终的位置伺服控制结果,实现爬壁机器人位置伺服控制。实验结果表明,所提方法的位置伺服控制稳定性较好,能够有效提高位置伺服控制精度,增强抗干扰性。     

基于免疫遗传和RBF网络的火灾探测器温箱自适应控制

为了解决火灾探测器闭环温箱的控制,提出了一种基于免疫遗传优化的RBF网络参数整定PID算法.首先利用免疫遗传算法对初始PID参数及其学习率进行优化;然后在RBF辨识网络基础上实现了PID参数的在线调整. 实验表明该算法能实现火灾探测器温箱系统的PID自适应控制,具有控制精度高、抑制噪声及扰动能力强的优点.     

基于动力驱动微粒群算法的液压矫直机PID控制参数优化

为兼顾微粒群算法收敛速度与跳出局部解的能力，利用阶段性搜索方式将算法搜索过程分为前、后两个不同阶段。在算法的前期搜索阶段，当前微粒受个体最优微粒与全局最优微粒的引力作用，在算法的后期搜索阶段引入中值导向加速度，提出一种动力驱动微粒群算法。最后，针对液压矫直机PID控制的参数优化问题，考虑控制信号、上升时间和误差量的关系，建立液压矫直机PID控制参数优化模型，利用动力驱动微粒群算法优化得到更好的参数组合，实现PID控制参数优化。     

基于人工鱼群算法优化的车辆防滑PID神经网络控制研究

车辆在复杂路况上行驶,容易受到路面激励波形的干扰,导致车辆行驶中发生侧滑现象。对此,创建了车辆驱动模型简图,推导出车辆行驶的动力学方程式。引用传统PID控制方法,设计了PID神经网络控制方法。采用人工鱼群算法优化PID神经网络控制参数,给出具体优化步骤。采用Matlab软件对车辆滑转率和驱动力矩进行仿真,并与传统PID控制效果形成对比。仿真结果显示:采用传统PID控制方法,车辆控制系统反应时间较长,车辆滑转率和驱动力矩与理论值误差较大;而采用人工鱼群算法优化PID神经网络控制方法,车辆控制系统反应时间较短,车辆滑转率和驱动力矩与理论值误差较小。车辆采用人工鱼群算法优化PID神经网络控制方法,能够在线优化和调节PID控制参数,提高车辆行驶的稳定性,避免车辆发生侧滑现象。