基于遗传算法的PID参数整定与优化

ＰＩＤ参数整定与优化一直是自动控制领域研究的重要问题。采用遗传算法进行ＰＩＤ参数整定与优化是一种寻求全局最优且与初始条件无关的优化方法。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。仿真表明：该方法比一般ＰＩＤ参数整定方法具有更好的控制性能指标,不失为一种具有较好实用价值的ＰＩＤ参数整定与优化方法。     

基于遗传算法(GAs)的在线自寻优PID控制器

设计了一种基于遗传算法的在线自寻优ＰＩＤ控制器。对于一类具有时变特性的线性系统，它可以根据系统参数的变化实现在线的ＰＩＤ参数优化。仿真结果证明其性能良好。     

预测型智能自整定PID控制器

提出一种预测控制和遗传算法相结合的自整定ＰＩＤ控制算法,该算法利用预测技术克服时滞,利用遗传算法优化ＰＩＤ控制器的参数,通过对工业过程中典型的大时滞被控过程进行数字仿真表明,这种控制算法鲁棒性强、响应速度快、抗干扰能力强,对控制有扰动、参数进变尤其时滞时变的在时滞生产过程有较好的的效果。     

遗传算法在控制器参数自整定中的应用研究

以典型的单回路控制系统为对象，进行了控制器参数的仿真实验，探讨了利用遗传算法实现ＰＩＤ参数的在线寻优问题     

PID控制器参数的遗传算法优化设计

提出一种交流伺服系统速度控制器的设计方法,即将控制器设计问题作为一参数优化问题,采用遗传算法对ＰＩＤ控制器参数进行优化．仿真实验结果表明,利用此方法设计出的速度控制器具有优良的伺服性能．     

PID调节器的一种闭环测试方法

提出了一种ＰＩＤ调节器的闭环测试方法。采用这种方法能够快速、准确地测试ＰＩＤ调节器参数，适合于现场应用。     

多输入多输出系统的神经网络PID解耦控制器

基于神经网络的ＰＩＤ控制,提出了一种可用于有耦合的多输入多输出系统的比例、积分和微分参数在线自整定的神经网络ＰＩＤ解耦控制器,可以实现对多变量系统的角耦控制,仿真结果表明系统具有很好的动态及稳态性能。     

基于响应特性匹配的目适应PID控制

本文导出了基于响应特性匹配的自适应ＰＩＤ控制算法，并给出了自适应３参数ＰＩＤ和５参数ＰＩＤ的仿真结果．结果表明：自适应５参数ＰＩＤ明显优于３参数ＰＩＤ，而且在基于响在特性匹配的工作方式下，容易实现３参数和５参数的以及其它控制律的自适应控制．     

温度程序控制的智能控制

基于人工智能和ＰＩＤ控制，提出了一种ＰＩＤ参数自整定算法和智能控制算法。该算法已成功地应用于电加热炉的温度程序控制。     

基于响应特性匹配的自适应PID控制

本文导出基于响应特性匹配的自适应ＰＩＤ控制算法，并给出了自适应３参数ＰＩＤ和５参数ＰＩＤ的仿真结果。结果表明：自适应５参数ＰＩＤ明显优于３参数ＰＩＤ，而且在基于响应特性匹配的工作方式下，容易实现３参数５参数的以及其它控制律的自适应控制。     

二次调节节能系统智能PID控制及仿真研究

提出了一种基于遗传算法整定的PID控制方法，将其应用到二次调节节能系统中。以提高系统的控制性能，根据二次调节节能系统得出转速控制系统方块图，建立转速控制系统的数学模型，并在允许的情况下将其简化，对该闭环控制系统采用基于遗传算法整定的PID控制方法进行数字计算机仿真研究。结果表明：此算法在给定PID控制参数范围的情况下，能自动寻找到全局最优点。     

自适应PID控制──I．基本原理与算法

本文是“自适应ＰＩＤ控制”的第一部分。文中分析了自适应ＰＩＤ控制的基本原理和基本算法，给出了部分算法的仿真结果并指出了自适应ＰＩＤ控制的发展方向。第二部分中［４］，讨论了自适应ＰＩＤ控制的一般性理论问题。     

在线学习自适应模糊控制器在水轮机调节中的应用

针对水轮发电机组系统具有时变非线性,传统的控制方法很难达到最优控制的特性,提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组运行.模糊控制器的比例因子、模糊推理规则和隶属函数由遗传算法在线寻优.由RBF神经网络进行被控对象的动态特性模型辨识,以评价模糊控制器控制性能.仿真实验表明,控制效果良好,特别在变工况和扰动情况下优于最优PID控制.     

免疫遗传PID汽车纯机械转向系统参数优化

以免疫反馈机理和遗传PID算法为基础,提出了一种免疫遗传PID算法.该算法的核心是将免疫反馈机理和遗传算法结合,并以ITAE性能准则为目标函数;将该算法用于汽车纯机械转向系统PID参数优化的过程中,并用Matlab仿真实验.仿真结果表明:基于免疫反馈机理和遗传算法的PID参数优化可以有效地提高汽车转向柱转角跟随转向盘转角的速度,缩短滞后时间,且使汽车机械转向系统具有较好的稳定性,其结果可为汽车电动助力转向系统的参数优化提供理论依据.     

一种改进RBF网络与PID相协调的自适应控制

为充分利用人工神经网络处理非线性问题能力和PID控制器设计简单以及鲁棒性强的优点,设计了高性能控制器.通过对最小资源分配网络的裁剪策略进行改进,使改进的网络具有更加紧凑的结构;把改进的最小资源分配网络应用到神经网络自适应控制器中,同时结合神经网络自适应控制和PID控制,提出一种神经网络与PID相协调的自适应控制策略,并应用到对电站锅炉过热汽温的控制上.仿真结果表明,提出的控制算法与常规的控制算法相比具有更好的控制品质.     

基于遗传算法的广义预测PID控制及其在锅炉主汽温系统中的应用

针对超超临界机组的主汽温控制,提出了一种广义预测PID控制方法,该方法采用改进遗传算法对PID控制器参数进行在线优化.采用了一种基于广义预测控制性能指标的遗传算法寻优思路,建立了主、副回路PID参数优化模型;在选择、交叉和变异算子方面,初始种群设计方面和交叉、变异概率调整方面对遗传算法进行了改进.最后对广东潮州电厂某锅炉现场连续运行的历史数据进行了控制仿真,结果表明采用基于改进遗传算法的预测PID控制策略后,系统在动、静态特性和变负荷能力上均比常规串级系统效果更好.     

基于遗传算法的无刷直流电机的PID控制

无刷直流电机（BLDCM）是一种多变量和非线性的控制系统,文中提出了一种使用遗传算法优化的PID控制器,并用于无刷直流电机的控制中。系统使用电流和转速双闭环控制,速度环采用PID控制器进行控制,PID参数通过遗传算法进行离线优化。通过仿真分析,系统较好地实现了给定速度的跟踪,具有控制灵活、适应性强等优点,同时又具有较高的控制精度和较好的鲁棒性。     

纯滞后系统的模糊复合控制方法

针对具有纯时间滞后的系统,分析了PID算法、Smith预估算法以及模糊控制的不足,由此提出了一种新的模糊复合型控制器,该控制器是基于Smith预估的模糊-PID控制器,利用Smith预估算法克服纯滞后,利用模糊控制来提高系统的鲁棒性,而在稳态阶段则切换为PID控制来提高控制精度.在模型匹配和失配情况下进行了仿真研究,结果表明该复合型控制器既具有模糊控制较强的鲁棒性,又具有PID控制精度高的特点,尤其是在模型失配时表现出良好的稳定性和鲁棒性,对于大时间滞后系统是一种实用而简便的控制方法.     

自适应PID控制：Ⅱ.全局收敛性分析

本文是“自适应ＰＩＤ控制”的第二部分。在第一部分中［１］，讨论了自适应ＰＩＤ控制的基本原理和基本算法，并给出了仿真结果。本文则对具有代表性的广义最小方差自校正ＰＩＤ控制算法进行收敛性和稳定性分析，得到了一些理论结果。