非线性系统的蚁群优化预测PID控制

针对非线性、时变及大惯性系统的控制问题,提出了一种基于蚁群算法的预测PID控制算法。该算法以神经网络作为预测模型,将预测控制和PID控制相结合,并用蚁群算法在线优化控制器参数,其中以常规的Ziegler-N ichols方法整定的控制器参数为基础,选取蚁群优化变量的动态搜索区间。该算法考虑了控制能量受限情况下,非线性系统的预测控制问题。计算机仿真结果表明,该非线性控制方案具有较好的鲁棒性,相对传统PID控制策略还表现出了良好的动态性能,能够满足对再热汽温对象的控制要求。     

基于蚁群算法的航空发动机PID参数优化

提出一种基于蚁群算法的PID参数优化控制算法,对航空发动机的双变量解耦控制方法进行了研究.蚁群算法采用分布式并行计算机制,易于与PID控制方法结合,优化后的控制器克服了传统的PID控制参数不易整定的缺点,且控制器结构简单规范、动态和静态性能良好,具有较强的鲁棒性.仿真结果表明该控制系统实现了解耦控制,对航空发动机模型参数在大范围内的变化均有良好的控制效果.     

基于蚁群算法的真空烧结炉最优PID温控系统

蚁群算法是一种新型的优化算法,具有收敛速度快、鲁棒性强等优点;针对真空烧结炉大惯性、大滞后性、非线性和时变性等特点,采用常规PID控制难以达到温度的精度控制,论文采用蚁群算法优化PID控制器参数,并给出了真空烧结炉最优PID控制系统设计的方法;该方法以误差绝对值为性能指标,实现了不完全微分PID参数的优化;仿真结果表明,该系统与传统的PID相比,有较好的稳态精度和动态性能,具有一定的科学性和实用性.     

最优PID控制器在智能人工腿中的应用

以蚁群算法为基础,提出了一种新的非线性PID控制器及其参数优化设计方法;该控制器是基于PID控制器各增益参数与误差信号之间呈现非线性关系,根据一般控制系统的阶跃响应曲线,在不同响应时间阶段PID三个增益调节参数的理想变化情况,提出根据控制信号与误差、误差变化率之间的调节规律,拟合一组增益参数的非线性函数,并利用蚁群算法搜索出一组最优的非线性PID参数,构造最优非线性PID控制器,称为AS-NLPID控制器;该控制器已被用于CIP-Ⅰ智能人工腿;仿真实验证实AS-NLPID控制器能有效地控制CIP-Ⅰ智能人工腿,并具有良好的动态和稳态性能.     

基于感知模糊自适应蚁群算法的非线性PID控制

随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器。由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法,并加入模糊自适应信息素更新机制,用于优化非线性PID控制器的设计方法。通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。     

基于ACA优化的自适应电动机控制器设计

研究了一种使用改进的蚁群算法(ACA,Ant colony algorism)对模糊PID控制器进行优化的设计方法;针对模糊PID控制器难以应对电机高性能速度跟踪以及控制精度不高且鲁棒性差的缺点,提出了一种新的自适应电机控制器设计方法;首先建立永磁同步电机的数学模型和优化后的控制器模型,然后引入改进的ACA算法对PID控制器3个比例参数进行全局优化,并定义了优化的具体算法以实现对参数的优化整定;为了验证文中方法的有效性,通过Matlab仿真工具对电机控制实例进行仿真验证,结果表明,文中控制器能克服模糊PID控制器的不足,具有很强的鲁棒性和快速响应性能,能很好地适应负载的变化.     

基于蚁群优化的模糊神经网络控制器的应用研究

针对传统PID控制方式的不足,文章提出了一种新的永磁同步电动机控制策略,即采用蚁群优化算法对模糊神经网络控制器的3个因子参数ka、kb、ku进行全局优化,给出了永磁同步电动机的数学模型,详细介绍了模糊神经网络控制器的设计,分析了蚁群优化算法,并进行了仿真实验。仿真结果表明,基于蚁群优化模糊神经网络控制器的永磁同步电动机调速系统具有很强的鲁棒性和自适应性,动态响应快,能够较好地跟踪负载变化。     

基于PSD算法的单神经元PID控制器在汽温控制中的应用

介绍将自适应PSD控制算法中递推计算并修正增益的方法引入单神经元PID控制，形成了具有增益自适应能力的控制器，设计了基于ISD算法的单神经元PID控制器，并应用于超临界机组过热汽温控制系统。仿真结果表明，基于PSD算法的单神经元PID控制器具有较强的自适应能力和鲁棒性，其控制品质优于常规的PID控制器和一般单神经元控制器。     

基于蚁群算法的六自由度并联平台控制参数优化

由于PID控制具有高度的非线性、时变不确定性等特点,因此控制过程较为复杂。针对PID控制的关键问题——PID参数整定,设计了一套基于蚁群算法的PID参数优化系统。对六自由度并联平台控制参数优化进行了研究。蚁群算法是一种寻优简单、鲁棒性强、效率高的寻优方法。该算法可根据蚁群信息素反馈载体确定决策点。为了规划蚁群活动的行为方向,需要根据相应的信息素更新规则,对每只蚂蚁个体进行信息素的增量构建,以达到优化PID控制器三个参数的目的,进而消除系统参数不确定性对控制系统的影响。详细阐述了基于蚁群算法的六自由度并联平台的电液伺服PID控制参数优化。理论分析和实例仿真研究表明,提出的优化策略是有效、可行的。该方案不但降低了设计的难度,而且提高了控制系统设计的品质,在控制工程领域中有着十分广阔的应用前景。     

基于蚁群算法的PID控制器参数优化研究

蚁群算法是一种新型的优化算法,具有收敛速度快、鲁棒性强的优点。在介绍蚁群算法基本原理的基础上,分析了蚁群的自组织行为,给出该行为的数学模型一蚂蚁群体优化（Ant Colony Optimization,ACO）。提出一种基于蚁群算法优化PID控制器参数的方法,并给出了新算法的具体实现步骤。仿真结果表明了该方法的可行性和有效性。     

计及时滞的互联电网负荷频率控制最优分数阶PID控制器设计

分数阶PID控制器相比于传统整数阶PID控制器,具有控制性能好、鲁棒性强等诸多优势,可应用于电网的负荷频率控制(load frequency control,LFC)中.针对网络化时滞互联电网的LFC问题,提出了一种基于计算智能的分数阶PID控制器参数优化整定方案.该方案选择时滞LFC系统时域输出响应构建优化目标函数,采用最近提出的灰狼优化算法获得最优的分数阶PID控制器参数,所设计的控制器能确保一定时滞区间内LFC系统的稳定性.仿真算例表明,所设计的LFC最优分数阶PID控制器比传统整数阶PID控制器的控制性能更优,时滞鲁棒性更强.     

神经元自适应预测PID控制器及实现

采用单神经元构成PID控制器,并和预测控制 结合克服时滞对控制系统的影响．对大时滞大惯性的电加热炉的实时控制结果表明,这种自 适应控制算法切实可行,且具有较强的鲁棒性,适合于控制大时滞被控过程．     

免疫最优PID控制器设计与应用

以基于欧氏距离和精英交叉的人工免疫算法(DKBAIA)为基础,提出了一种新的最优PID控制器的设计方法。这种方法的核心是以ITAE性能准则为目标函数,采用DKBAIA去调整和优化PID控制器参数,以获得最优的目标函数值,进而获得最优的PID控制器。所设计的这种控制器称为DKBAIA—PID控制器。将该控制器用于控制智能仿生人工腿的执行电机中,并进行计算机仿真实验,结果表明:这种基于免疫算法的最优PID控制器具有良好的动态和稳态性能。     

基于PLC的仿人智能积分控制器

仿人智能积分控制算法,对系统的参数不敏感,具有较强的鲁棒性和抗十扰能力.文章将目前广泛应用的PLC与仿人智能控制相结合,形成一种先进智能PID控制算法.仿真结果显示,对大时滞、非线性等难以建立精确数学模型的复杂系统,该算法达到满意的控制效果.     

基于改进混合遗传算法的二自由度PID控制器设计与应用

针对一般遗传算法存在的不足,提出一种改进的混合遗传算法,并将其应用于二自由度PID控制器参数寻优设计,仿真试验表明,所设计的二自由度PID控制器具有优良的鲁棒特性和抑制外界于扰特性,在仿真转台控制系统设计中获得了良好的控制效果,从而说明了该方法的有效性。     

某机载雷达智能环境控制器模糊算法设计

为了提高某机载雷达环境控制系统控制品质,设计了一种基于PID控制与模糊控制相结合的智能控制器。文章介绍了该智能控制器的基本原理、系统组成,详细论述了温度控制算法。该算法具有更大的灵活性、更快的响应速度、抗干扰性强和鲁棒性高的优点,特别适用于非线性、时变和大滞后的控制系统。试验表明,采用该算法的环境控制系统,具有良好的控制性能,对机载设备冷却或加热取得了满意的效果。     

模糊自整定PID控制器在再热汽温控制中的应用研究

针对工业过程中再热汽温等一类大迟延惯性时变对象,采用模糊自整定PID控制器对PID参数调节和优化,该方法将模糊技术与PID控制综合起来,实现了PID控制的智能化。仿真结果表明:与常规PID控制器相比,模糊自整定PID控制器具有很强的适应性、鲁棒性和抗干扰性。