基于群智能优化算法与MATLAB仿真的高温炉模糊PID温度控制系统设计

针对高炉燃烧器温度控制问题,提出一种PSO-模糊PID的温度控制方法。首先,对模糊PID控制方法进行了研究与探讨;然后,在模糊PID控制方法的基础上,引入粒子群优化算法对PID参数进行优化;最后通过对比实验验证提出方法的有效性与可行性。测试结果表明：粒子群优化算法能够对模糊PID控制系统进行优化,且经过粒子群优化算法优化后的模糊PID控制系统进入稳态所需的时间大大减少,超调幅度达到最低,且在整个控制过程中没有出现震荡情况。可知设计温度控制方法具有可行性和有效性,且响应速度快、稳定性高,能够实现提高温度控制系统自适应能力的目的,继而实现对高炉燃烧器温度进行调节与控制。     

一种改进粒子群算法在水轮机控制中的应用

关于水轮发电机控制系统优化问题,水轮发电机组的控制技术对于水轮发电机组稳定工作非常重要。针对保证供电质量,改善调节系统的非线性时滞特性,利用具有局部搜索能力的粒子群算法对水轮发电机组进行模糊PID控制可以确保控制的稳定性。首先,根据水轮发电机组的控制原理和模糊PID控制器的基本结构,提出具有局部搜索能力的改进粒子群算法,利用模糊PID控制器以及采用了改进粒子群算法的模糊PID控制器,用MATLAB软件对水轮发电机组进行优化控制仿真,仿真结果表明采用改进粒子群算法的模糊PID控制器具有最优的控制效果。     

基于粒子群优化的模糊PID控制在配料过程的应用

为避免模糊PID控制中参数选取的经验性及参数不变性,应用粒子群算法优化隶属函数分布,增强控制器自适应能力,并提高其控制精度,充分体现了算法的智能性.将粒子群优化的模糊PID控制应用于配料控制系统中,通过仿真并与模糊PID以及传统PID控制方法相比较,结果表明,粒子群算法收敛快,找到最优点时间短,优化后的模糊PID控制具有静态误差小、调节时间短、无超调、抗干扰能力强等优点,能很好地满足控制过程的动态特性,并具有较强的鲁棒性及适应性.     

振动慢剪破碎机模糊解耦PID控制

针对振动慢剪破碎机碎矿过程多变量、强耦合、大时滞的特点,提出了一种基于自适应粒子群算法优化的模糊解耦PID控制方法。在对振动慢剪破碎机动态模型进行对角矩阵解耦的基础上,分别对给料量和振动电动机频率进行模糊PID控制,并引入自适应粒子群优化算法对模糊PID控制的隶属函数参数进行动态优化,从而实现主电动机工作电流及合格矿料产率精确、稳定、快速控制。仿真及试验结果表明,该方法具有响应速度快、调节时间短、超调量小的特点。     

飞机舵机电液伺服系统智能PID控制方法研究

针对飞机舵机电液伺服系统中PID控制器参数难以整定的问题,引入一种智能PID控制方法。该方法结合了粒子群算法和PID控制器的优点,并利用蜂群算法的选择策略对粒子群算法进行优化,适应了飞机舵机电液伺服系统非线性动态控制环境的要求。实验结果表明,飞机舵机电液伺服系统智能PID控制方法能够达到系统控制性能指标要求,相较于传统PID控制器具有更良好的跟踪效果。     

基于粒子群优化的桥式起重机模糊PID控制

由于桥式起重机调速系统具有非线性特点,采用传统PID控制效果不佳,而模糊控制却能很好地改善非线性系统的性能,因此将二者相结合设计出了桥式起重机的模糊PID控制器。同时为了进一步改善控制器的性能,利用粒子群算法（PSO）的寻优特性对其参数进行优化,并通过 Matlab仿真与优化前的控制器以及传统 PID控制器进行对比,结果表明,采用粒子群算法优化后的模糊PID控制器动态性能更佳,具有超调小、调节时间短、适应性强的优点。     

基于改进交叉熵算法的伺服电机参数优化设计

针对伺服电机变负载控制问题,提出了一种对自适应模糊PID控制器初始参数优化的改进交叉熵算法。通过运用此方法对伺服电机模糊PID控制器在控制过程中的参数进行优化,证明了该算法在模糊PID控制器应用的过程中具有较好的鲁棒性和兼容性。通过实验,同时与基于ZN算法、遗传算法和交叉熵算法的模糊PID控制结果进行对比,证明改进交叉熵优化算法不但具有较快的响应速度、较好的稳定性、较小的超调和较优的ITASE性能指标,而且其优化过程更为精确简便。     

一类新的粒子群算法

提出一种新的模糊粒子群优化算法--收敛模糊粒子群优化算法.重点研究了收敛因子的确定和模糊隶属度函数的选择对算法性能的影响,在考虑计算效率的同时,提高了算法的精度.利用4个基准函数测试了收敛模糊粒子群优化算法的性能,并与模糊粒子群优化算法、收敛粒子群优化算法以及基本粒子群优化算法进行了对比.实验结果表明,新算法具有很好的性能.     

稳压器改进免疫模糊PID解耦控制研究

由于压水堆核电站稳压器在负荷发生变化时压力和水位的互相耦合现象,目前稳压器压力和水位常用的独立单回路PID控制系统往往不能取得较好的控制效果.在对稳压器压力和水位耦合的数学模型进行解耦的基础上,设计了改进免疫模糊PID控制器,并采用经验法及差分粒子群(DEPSO)优化算法对控制器的参数进行优化.该控制方法通过MAT-L...     

基于PSO的恒力执行器PID型模糊控制器

针对打磨机器人在打磨过程中对恒力控制精度和响应速度的要求,提出了一种基于粒子群优化算法的恒力执行器PID型模糊控制器。设计新型PID型模糊控制器,减少设计规则库数量;提出变权重综合型适应度函数,结合误差积分绝对值和控制信号积分绝对值优化PID型模糊控制器的综合性能,同时减小超调量与稳态误差;采用自适应惯性权重策略加快粒子群迭代速度,使用粒子群算法对PID型模糊控制的比例因子进行优化。仿真结果表明,经过粒子群优化的PID型模糊控制实现了打磨力的平稳输出,响应速度提升10%,调节时间缩短14%,系统无超调、无振荡,提高了打磨力的控制精度。     

基于免疫粒子群优化算法的增量式PID控制

基于粒子群优化算法的收敛速度快简单易实现的特点和免疫算法的免疫记忆、免疫自我调节和多峰值收敛的特点,本文设计出免疫粒子群算法,并将其应用于PID控制器中。仿真结果表明,免疫粒子群优化算法适用于增量式PID控制,并且基于免疫粒子群优化算法的增量式PID控制的跟踪效果和抗干扰能力比粒子群优化算法的PID控制和基于免疫算法的增量式PID控制跟踪效果和抗干扰能力都要好。     

基于改进粒子群算法的PID控制参数优化

针对粒子群优化算法(particle swarm optimization algorithm,PSO)后期易陷入局部最优解这一缺陷,提出一种惯性权重余弦调整的粒子群优化算法(IWCPSO)。在迭代过程中对惯性权重引入余弦变化,改善迭代后期的不足,提高算法的精度。在matlab 2016仿真环境下,与Ziegler-Nichols(ZN)公式法和惯性权重正弦调整的粒子群优化算法(SIPSO)在PID控制参数优化方面的应用效果对比得出该算法是一种使得PID控制系统响应函数性能指标更好,整定结果更精确的算法。     

中央空调房间温度智能PID控制的仿真研究

中央空调房间温度控制系统是一个复杂系统,针对一次性整定得到的PID参数难以保证系统控制始终处于优化状态和良好的品质特性,提出了参数自整定方法,通过实时改变PID参数从而保证控制系统的优良品质。结合粒子群优化算法和模糊控制以及传统PID控制各自的优势,设计了一种新的自适应模糊PID控制器。鉴于PID控制器的性能完全依赖于其参数的整定和优化,采用粒子群算法离线优化PID参数,并利用模糊控制在线调整PID参数,以取得良好的控制效果。利用Matlab软件进行了数字仿真。仿真结果表明,方法调节精度较高,调节迅速,超调小,具有一定的可行性。     

反应釜温度的智能优化模糊PID控制器设计

通过对反应釜温度控制系统的分析讨论,针对传统控制中响应速度慢、自适应能力差等问题,本文设计了一种基于粒子群算法的模糊自适应PID控制器。该控制器通过对不同工况下控制器的比例因子和量化因子的实时优化来改善反应釜温度控制效果。仿真结果表明,粒子群优化模糊自适应PID控制器与传统的PID控制器和模糊控制器相比,系统动态特性和静态特性均得到了较大的提高,自适应能力显著增强。     

基于改进PSO和BP混合优化算法的炉温控制系统研究

针对工业生产中电阻炉温度控制系统所存在的大惯性、大滞后等问题,提出一种应用于电阻炉炉温的基于改进粒子群(PSO,particle swarm optimization)算法的模糊RBF-PID控制策略.在该控制系统中,采用引入惯性权重因子和遗传变异算子的改进粒子群算法对模糊RBF(径向基函数)隶属度函数的初始值进行优化,再用BP(误差反向传播)算法进行细调,并结合模糊推理和RBF学习能力在线调整PID控制参数,从而达到最优的PID控制效果.仿真结果表明,该算法跟踪快、超调小、不易陷入局部极小值,同时鲁棒性和抗干扰性优于传统PID控制.     

基于Lbest PSO和NNs的电液伺服系统输出力PID控制研究

为了实现电液伺服系统输出力的稳定控制,结合局部最优粒子群优化算法和神经网络模型,提出一种PID控制器设计方法。该方法将神经网络模型(NNS)与PID控制器耦合,得到基于神经网络的PID控制器参数整定结构;再采用局部最优粒子群优化算法(Lbest PSO)确定神经网络的权重,从而得到基于局部最优粒子群优化算法和神经网络的PID控制算法;最后将提出的PID控制算法用于控制虚拟的电液伺服加载系统,以进行仿真实验。仿真结果表明,由该PID控制器控制的电液伺服系统的输出力平稳地收敛于给定力,从而提高了系统的稳定性。     

混合粒子群算法优化分数阶PID控制参数研究

分数阶比例-积分-微分(PID)控制器是一种把PID控制器的整数阶次推广到分数的比例、积分、微分控制器,它比传统的PID控制器更能精确地控制复杂的被控系统.而参数的取值对控制效果的好坏起着决定性作用,为此提出了一种混合粒子群算法BFA-PSO优化参数值.该算法将具有趋化、繁殖和驱散特点的细菌觅食算法和参数少,易于优化的粒子群算法相结合来计算出精确的分数阶PID控制器的参数值.通过对传统PID控制器和分数阶PID控制器参数优化的实验仿真,结果表明基于该算法的分数阶PID控制不仅无超调量、收敛速度快,而且鲁棒性强、收敛精度高,可用于控制不同的对象和过程.     

灰狼算法优化分数阶模糊控制器参数

PID模糊控制在工业控制中是最广泛的一种控制方法,在一些复杂的实际系统中,应用分数阶PID模糊控制器在整定系统参数性能上优于整数模糊控制器.分数阶模糊控制器具有较多的控制参数,这些控制参数直接影响了模糊控制器的性能.用传统的算法校准分数阶模糊控制器并不能得到最佳的参数值,而且标定参数的过程较为复杂.因此提出用灰狼优化算法(Grey Wolf Optimizer,GWO)优化分数阶模糊控制器的参数.将基于灰狼优化算法的分数阶模糊控制器优化方法与其他五种典型的基于群智能的优化方法进行了比较.实验结果表明,该方法的控制效果更好.     

一类新的粒子群算法

提出一种新的模糊粒子群优化算法---收敛模糊粒子群优化算法.重点研究了收敛因子的确定和模糊隶属度函数的选择对算法性能的影响.在考虑计算效率的同时,提高了算法的精度.利用4个基准函数测试了收敛模糊粒子群优化算法的性能,并与模糊粒子群优化算法$收敛粒子群优化算法以及基本粒子群优化算法进行了对比.实验结果表明#新算法具有很好的性能.

     

基于改进粒子群优化的胶粘剂生产过程温度控制

针对大惯性、纯迟延、非线性、时变的胶粘剂生产过程,提出一种改进粒子群优化的PID控制算法。该算法针对常规PID设计方法存在的缺点,提出了一种可兼顾多项性能指标的PID控制器参数整定的改进粒子群优化方法。该方法将遗传算法中的变异思想引入到标准的粒子群优化算法中,避免了算法陷入局部极值点,以寻优PID控制器参数。将该方法应用于胶粘剂生产过程,较好地实现了反应釜温度的跟踪控制。仿真结果和实际情况表明所提出算法的有效性和优越性。