基于免疫算法的多变量控制系统PID参数优化方法研究

提出一种基于免疫算法的多变量控制系统PID参数优化方法。首先对免疫算法的步骤和实现过程进行了介绍;接着采用了一种新的、适合多变量系统特点的控制系统性能指标,即用阶跃响应曲线超出期望变化区域的面积的大小来衡量控制系统的优劣。该指标被用于构造免疫算法的适应度函数。论文最后将上述方法用于火电机组负荷控制系统优化,取得了良好的效果。     

基于改进蚁群算法的PID参数优化

一般传统PID控制器参数优化都采用Ziegler-Nichols法,由于其无法获得满意的动态指标,因此本文提出一种基于改进蚁群算法的PID控制器参数优化方法。蚁群算法是一种仿生进化算法,其采用分布计算机制,具有较强鲁棒性。本文提出的改进蚁群算法,可自适应调整路经上的信息素,并将各路径上的信息素强度限制在某个区域内,以避免搜索停滞。仿真实验表明该方案可行。     

基于粒子群优化免疫克隆算法的Stewart平台控制

结合粒子群优化算法的进化方程和免疫系统的克隆选择机制,提出一种组合优化算法.该算法有效利用了抗体的历史信息和抗体之间的合作,提高了种群的多样性和算法的收敛速度,并具有全局搜索能力.然后,在此算法的基础上,设计了一PID控制器(PCA-PID),可动态地改变其参数,以适应时变被控对象.仿真程序表明,与单纯的粒子群算法以及克隆选择算法设计的控制器相比,PCA-PID有更好的控制性能.     

基于微粒群算法优化PID参数研究

提出一种利用微粒群算法优化PID控制器参数的方法.微粒群算法(P S O)是一种新的随机优化算法,具有搜索速度快、寻优能力强、算法简单等特点.介绍了将微粒群算法用于PID控制器参数优化的方法、算法实现流程,仿真实验证明了微粒群算法的有效性,其性能优于遗传算法和传统的经验方法.     

基于模拟退火遗传算法的PID控制器参数优化

针对遗传算法存在容易早熟的不足,将模拟退火算法融合到遗传算法中,建立了模拟退火遗传算法,并将其应用于PID控制器的参数优化.结果表明,将模拟退火算法融合到遗传算法中是有效的,基于模拟退火遗传算法的PID控制器参数优化是可行的.     

基于遗传算法的PID控制器参数优化研究

本文提出了一种基于遗传算法的PID控制器参数优化设计。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。通过仿真研究表明：该方法比一般PID参数整定方法具有更好的控制性能指标。     

PID控制参数优化中的改进免疫遗传算法

针对传统的PID控制起参数优化方法的缺点,提出了一种结合精英策略的改进的人工免疫遗传算法(IGAE),该算法的特点是以新的抗体相似度、期望繁殖率以及克隆选择概率的定义方法和计算公式作为优化问题的目标函数,采用IGAE去调整和优化PID控制器的三个增益参数,结合精英选择策略(elitism strategy)以获得性能最优的PID控制器.仿真实验结果表明新的免疫遗传算法具有全局优化的能力,响应速度快、鲁棒性强,对变参数PID控制的参数优化设计是成功和有效的.     

权重改进的蛙跳算法优化PID参数

针对非线性、大延迟、时变的控制系统,传统的PID控制效果不理想,为此提出用蛙跳(shuffled frog leaping algorithm,SFLA)仿生优化算法整定PID参数,但传统蛙跳算法易陷入局部最优,收敛速度慢,因此提出权重改进的蛙跳算法(weight improved shuffled frog leaping algorithm,WISFLA)。该算法引入线性递减惯性权重修正最差青蛙的更新策略,可以平衡算法的全局搜索和局部搜索。通过两个经典控制系统的仿真测试,结果表明,WISFLA算法可以平衡算法的全局搜索和局部搜索,比SFLA和PSO(particle swarm optimization)的寻优能力强,迭代次数少,更适合PID参数的整定优化。     

基于遗传算法的PID控制器参数优化与仿真

阐述了一种基于遗传算法的PID控制器参数优化设计方法。仿真研究表明,遗传算法应用于PID参数优化,与传统的寻优方法相比可提高控制器的稳定性和动态特性。     

基于改进粒子群算法的PID参数整定

提出一种改进的粒子群算法,算法中对粒子的进化方程进行了改进,以此来增加种群间信息的共享。通过典型函数的测试,验证了改进粒子群算法具有较好的优化性能。将改进后的算法应用到PID参数整定中,通过MATLAB仿真证明了该方法的可行性和优越性。     

基于改进粒子群算法的PID参数整定

粒子群算法是一种基于群智能的全局寻优方法,方法简单,易于实现,寻优效果好。PID控制因其算法简单、鲁棒性好、可靠性高而被广泛应用于工业控制过程。该文提出了一种改进的PSO算法以提高其优化性能,通过典型测试函数的实验证明了该改进的PSO算法具有较好的优化性能。最后,将改进后的PSO算法应用到PID参数整定中,通过MATLAB仿真证明了该方法的可行性和优越性。     

PID参数自整定的改进遗传算法

文中提出了一种改进遗传算法进行PID参数自整定,设计了基于工程PID参数自整定遗传算法的编码以及基于该编码的交叉、变异算子,通过仿真比较,表明该种算法的有效性。     

一种用于优化PID参数的改进蚁群算法

PID控制由于算法简单,鲁棒性好在工业的过程控制中应用很广泛,但是传统的Z-N算法整定的PID参数却并不是最佳的。蚁群算法作为一种新型的仿生优化算法。该算法具有很多优良的性质,近年来在优化领域中得到了广泛应用。本文提出了一种改进的蚁群算法。通过增加高斯变异这一环节来增强算法的智能性。最后通过仿真实验获得了较好的控制效果。     

一种基于改进的粒子群优化算法的神经网络PID控制器

针对多输入多输出(MIMO)复杂过程控制中控制性能偏慢等问题,对神经网络PID控制器以及PID控制理论物理机制之间的相互作用进行了研究。对神经元PID控制器隐层和输出层之间的初始权值进行了归纳,提出了一种粒子群优化算法,提高了PSO算法的收缩因子以保证优化的收敛性,并进行了Matlab仿真。研究结果表明,所提出的神经网络PID控制器的改进粒子群算法优化,在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。     

基于分布种群遗传算法的二自由度PID控制器参数优化整定

利用一种基于分布种群的遗传算法,对整定困难的二自由度PID控制器的参数进行优化整定,并给出了该遗传算法的数学描述。该算法将寻优空间划分为多个不相交子空间,分别对在各子空间内的种群进行遗传操作,评价种群适应度,细化解空间,达到在较小的范围做精细搜索的目的,兼顾了搜索的广度和深度,提高了寻优的搜索性能,克服了常规遗传算法易陷入局部极值的缺陷。仿真试验证明了其有效性。     

基于混沌蚂蚁群算法的PID控制器的参数整定

将蚂蚁混沌动力学、群组织和优化机制进行巧妙的结合，本文给出了一种基于群智能理论的新的优化方法，即混沌蚂蚁群算法CAS。同时采用该方法对PID控制器的参数进行了整定，它以误差积分型性能指标为目标函数、以设计参数的取值范围及最小增益和相位裕度为约束条件，建立了优化数学模型，数值结果显示采用混沌蚂蚁群算法的整定性能要优于采用遗传算法整定的性能。同时本文的方法由于不需要采用编码过程，因此比采用遗传算法的辨识方法要简练。     

一种模糊规范化PID控制器混沌优化设计

基于混沌变量，提出了一种FNPID参数混沌优化设计。文中将混沌动力学特性与退火策略结合起来实现混沌优化搜索，体现出具有更强的FNPID参数全局最优值的搜索能力。仿真实验表明能有效地实现FNPID控制器参数优化，控制结果具有稳定、无振荡、无超调、响应快、调节时间短的优点，算法结构简单，编程容易。     

气候环境实验室地面结冰云雾模拟控制系统设计

飞机结冰会引起飞机气动特性、动力系统性能改变,甚至造成飞行事故。地面结冰云雾模拟设施作为一种模拟飞机飞行结冰条件的重要设备,常用于飞机防除冰系统功能验证。针对气候环境实验室结冰云雾试验条件需要,在对地面结冰云雾模拟系统进行研究的基础上,对适用于气候环境实验室的结冰云雾模拟系统进行了设计。对系统关键设计技术、系统功能及组成进行了分析,并对控制系统方案进行了详细阐述。试验表明,控制系统人机界面友好,运行可靠,能够满足液态水含量、雾滴直径参数的精确调节,产生符合试验所需的结冰环境。