PID控制器的量子粒子群多目标优化设计

智能算法如粒子群算法已被应用于PID控制器的参数优化,以弥补传统优化方法容易产生振荡和较大超调量的不足,但是粒子群算法存在易于早熟的缺点,在分析量子粒子群算法的基础上,提出了使用量子粒子群算法优化PID控制器的参数.为了兼顾控制系统的各项性能指标,根据控制器的实际要求对各项指标进行加权作为算法的目标函数,对PID控制器进行多目标寻优.通过2个传递函数实例,分别使用Z-N、粒子群算法和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.     

改进粒子群算法优化的五连杆机器人分数阶PID控制器

针对机器人传统PID控制系统响应速度慢、输出不稳定性等问题,采用改进PID控制器,引入改进粒子群算法,将自适应加速器参数插入粒子群算法的原始速度更新公式,从而加快算法的收敛速度.采用改进粒子群算法优化分数阶PID控制器,将改进后的PID控制器用于五连杆机器人电机转速响应分析.仿真曲线表明:采用传统PID控制器,响应时间为0.5s,上下波动次数较多;采用改进PID控制器,响应时间为0.2s,上下波动次数较少.五连杆机器人采用改进粒子群算法优化分数阶PID控制器,能够快速地提高机器人控制系统运动的稳定性,降低输出误差.     

改进粒子群算法应用于挖掘机铲斗位置控制

挖掘机工作装置精确的位置控制是实现其轨迹自动控制的基础。提出一种改进粒子群优化算法,应用于液压系统PID参数的优化整定中,把遗传算法中的选择和交叉两种操作方式添加到标准的粒子群算法中形成的混合优化算法,提高了算法的搜索能力。建立具有整定PID控制器功能的仿真平台,使用改进粒子群算法、标准粒子群算法和相位裕度方法对PID控制器进行整定仿真,根据仿真结果,进行了模拟铲斗平地运动试验。仿真和试验结果表明改进粒子群算法整定的PID控制器参数,在电液伺服系统的动态响应和精确的轨迹控制方面有良好效果。     

基于自适应粒子群算法的篦冷机电液位置伺服系统PID参数优化

针对PID控制器的参数选取直接影响到第四代篦冷机刮板在调速过程中的稳定性和调节时间的问题,提出一种新的粒子群算法的PID参数整定方法。新的粒子群算法充分利用了适应函数提供的搜索信息,对传统粒子群算法中的权值进行自适应动态控制,并用飞行时间参数替代了压缩因子,飞行时间参数的变化规律是线性递减,并把它命名为自适应粒子群算法。通过测试函数证明提出的自适应粒子群算法比传统的粒子群算法收敛速度快和寻优效率高,应用改进的方法对篦冷机电液伺服系统进行仿真实验,结果证明自适应粒子群算法的PID参数整定方法比传统的整定方法有更好的控制效果,即调速过程稳定和调节时间快。     

改进的PSO算法对PID控制器的参数优化

针对工业控制领域中,PID参数整定难的问题,提出基于均值的新型高效自适应惯性系数的粒子群算法,將测定控制系统整体性能的适应度值和决定粒子搜索能力的惯性系数结合,根据不同适应度值选用不同的惯性系数。在Simulink中,将改进的PSO算法运用到PID算法模型优化中,不断测试,得到PID参数性能,直至得到最优参数。将优化的参数与标准粒子群算法作仿真对比,验证该方法对PID控制器参数优化的有效性。     

基于GA-PSO的PMSM伺服系统分数阶控制

针对永磁同步电机伺服系统要求快速响应、鲁棒性及抗干扰能力的问题,设计了一种遗传算法—粒子群算法(GA-PSO)优化的分数阶PID控制器。利用改进Oustaloup算法,框图化实现分数阶PID控制器。采用GA-PSO算法优化整定分数阶PID控制器参数,解决了分数阶PID控制器设计繁琐、参数整定多的问题,可得到使伺服系统性能最好的分数阶PID控制器参数组合。对采用分数阶PID控制器和传统整数阶PID控制伺服系统进行仿真,结果表明,采用优化后的分数阶PID控制器具有跟踪速度快、抗干扰能力强、鲁棒性好的优点。     

基于改进粒子群算法的大迟延热工对象PID参数优化

对粒子群算法进行改进,并应用于大迟延热工对象,对PID控制器参数进行优化。本算法加快了粒子群算法的收敛速度,提高了寻优能力。将改进的粒子群算法和标准粒子群算法进行比较,结果表明:利用改进粒子群算法整定的PID参数,减小了超调量,同时缩减了调节时间。     

改进粒子群算法在主动磁悬浮轴承系统中的应用

通过分析得知,主动磁悬浮轴承系统本身是一个不稳定系统,可以采用PID控制器对其进行控制。但是传统PID控制在主动磁悬浮轴承系统中还存在着不足之处,为此可以将粒子群优化算法与常规PID控制相结合,对PID控制器中的参数进行优化,使系统能够达到更好的控制效果。采用了一种改进粒子群算法,对算法中的惯性权重w进行自适应调节,从而使得算法能够更快、更准确地寻找到最优值。通过Matlab/Simulink构建系统模型并进行仿真对比,改进粒子群算法可以使得系统达到更好的控制效果。     

基于改进粒子群算法的无刷直流电机调速控制研究

无刷直流电机(BLDCM)是一变量多、存在强耦合关系的复杂非线性系统,用传统的PID控制方法寻找合适的PID参数十分困难,进而很难提高BLDCM系统的控制性能。针对这一问题,基于粒子群算法优良的寻优能力,提出一种改进粒子群算法的BLDCM自适应PID速度控制算法。该算法对PID控制器的参数进行自整定,提高了PID控制器适应外在变化的能力。经过仿真发现,经优化后的BLDCM系统具有很好的静、动态特性,转速响应快,抗负载扰动能力强。     

改进粒子群算法在湿法烟气脱硫系统PID控制参数优化中的应用

将改进的粒子群算法所获得的优化参数用于PID控制器的优化,并通过算法寻优得到了满足系统性能指标的最佳控制器参数,有效地提高了控制系统稳定性。最后,通过增压风机入口压力PID控制的算法仿真,验证了算法的有效性。     

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.     

基于粒子群算法液压伺服系统PID参数的优化

PID控制器在液压伺服系统中得到广泛的应用。为了有效地寻找液压伺服系统的最佳PID控制器参数,提出一种基于粒子群算法的PID参数优化策略。通过建立PSO-PID控制器参数模型,对PID控制器的参数进行实时优化;利用MATLAB对系统进行仿真,结果显示在液压伺服系统的工况相同时．新型控制器能取得满意的控制效果。     

两种群智能算法在PID参数优化中的应用分析

PID的参数优化是应用工程中非常关键的一个问题.针对PID的参数优化,分析了两种最常用、经典的群智能算法——粒子群算法和蚁群算法在PID参数优化中的应用.两种群智能算法与PID控制器的结合适用于不同场合,各有优势和不足.两种群智能算法都能够有效地对PID参数进行整定,使得系统得到更好的鲁棒性和精确度.     

PSO-GA组合算法优化PID参数及可视化平台设计

PID控制是机床伺服控制系统中广泛应用的一种控制方式,PID参数是否合理直接影响着伺服系统的性能。以MKS8332A数控凸轮轴磨床砂轮架伺服系统为模型,提出一种基于粒子群-遗传组合算法(PSO-GA)的PID控制器参数优化方法。仿真结果表明,该算法寻优性能比单独的遗传算法和粒子群算法表现更为优异,证实了该算法能有效的优化伺服系统PID参数。为了使用户无需去了解复杂的算法源代码,而只需在平台上进行操作就可以解决PID参数的优化问题。多种智能算法被引入称为可视化平台的优化软件设计,用MATLAB GUI编程环境构建了PID参数可视化平台,为用户提供一个友好的图形界面。     

基于粒子群算法的开关磁阻调速电动机PID控制器参数优化

针对开关磁阻调速电动机(SRD)非线性、数学模型难以精确建立的特点,采用粒子群算法对开关磁阻电动机PID控制器参数进行优化,基于MATLAB Simulink建立SRD仿真模型,仿真验证粒子群优化算法的有效性。     

基于PID算法的燃油汽车发动机怠速跟踪控制

针对汽车发动机在怠速状态下存在超调过大以及响应时间慢等问题,提出一种基于PID算法的燃油汽车发动机怠速跟踪控制方法。分析汽车发动机怠速控制系统的要求,结合PID算法构建燃油汽车发动机怠速跟踪控制器,同时获取发动机的基本参数以及工作数据。在标准粒子原有搜索策略的基础上加入混沌搜索策略,通过混沌粒子群算法优化PID参数,将优化后的参数存储到控制器中,完成PID控制器参数的离线整定,最终实现燃油汽车发动机怠速跟踪控制。经实验测试结果表明：所提方法可以有效降低跟踪误差以及超调量,同时还能够减少响应时间。     

二自由度机器人轨迹跟踪误差控制优化研究

为了提高2自由度机器人控制系统响应速度,降低其输出误差,设计改进模糊PID控制器,并对2自由度机器人角位移跟踪效果进行仿真验证。给出多连杆机器人的动力学模型,设计模糊PID控制器。利用粒子的迭代搜索原理对模糊PID控制器参数进行优化,从而得到模糊PID控制器参数的最优值,使机器人控制系统具有更好的抗干扰能力。以2自由度机器人为例,利用Matlab软件对机器人角位移和转矩进行仿真,在不同环境中比较优化前和优化后的输出效果。结果显示：采用改进粒子群优化算法优化PID控制器参数,2自由度机器人控制效果明显优于模糊PID控制器。2自由度机器人优化后的模糊PID控制器,不仅响应速度快,而且抗干扰能力强。     

基于人工蜂群算法优化采煤机伺服系统PID参数

针对采煤机电液伺服系统中PID控制器的参数寻优问题,利用人工蜂群算法来优化PID参数。人工蜂群算法通过模拟群蜂寻找花蜜的过程,将误差绝对值和控制输入平方项的时间积分作为优化目标,经过迭代寻优计算得到系统最优控制量。通过典型函数测试,对比分析遗传算法和粒子群优化算法,人工蜂群算法具有较好的全局收敛能力。结果表明:人工蜂群算法用于采煤机电液伺服系统的参数调节,比遗传算法和粒子群优化算法收敛速度快,超调量小,具有更好的动态响应性能,验证了该方案的可行性和有效性。     

改进粒子群算法在磁轴承中的研究

针对主动磁悬浮轴承系统PID控制器参数设计问题,提出一种改进粒子群优化算法来实现PID参数的最优化。该算法以标准粒子群算法为基础,采用非线性自适应调节权值法以平衡算法的全局搜索和局部改良能力;同时采用带有动态扰动项的粒子速度更新公式,增加了粒子的随机性和多样性,帮助粒子在迭代后期跳出局部最优。并在MATLAB/Simulink中搭建系统模型进行仿真实验。仿真结果表明:与标准粒子群算法和遗传算法相比,该算法收敛到最优参数值的速度更快,PID控制系统的响应速度更快,具有更好的动态性能和稳态性能。     

粒子群优化变论域模糊PID控制在风电机组变桨距中的应用

风力发电机变桨距系统采用传统PID控制,不仅超调大、调节时间长、精度低,而且在超过额定风速时,风电机组的输出功率波动比较剧烈,误差较大。该文采用粒子群优化算法改进变论域模糊PID控制器,仿真结果表明:粒子群优化变论域的模糊PID控制器具有良好的动态性能及对风速扰动的鲁捧性,可以平稳地输出功率。