基于改进遗传算法的直流电机双闭环调速系统控制参数整定

直流电机的双闭环控制被广泛应用于直流拖动系统,采用的控制器是传统的PI控制器。在工程应用中,通常采用人工整定PI控制器的参数,往往不能得到最优的控制参数。同时,许多研究采用智能群算法进行整定。针对直流电机双闭环系统的PI参数整定,提出了一种基于改进遗传算法的参数整定方法。与传统遗传算法相比,改进遗传算法的整定效果更佳,具有较快的响应速度、较好的稳定性和较小的超调,更适用于对直流电机双闭环调速系统的控制参数进行整定。     

基于改进遗传算法的环形倒立摆PID参数整定

针对传统的环形倒立摆PID控制器参数整定方法主观性强,系统响应性能不佳等问题,提出来了一种基于改进遗传算法的环形倒立摆PID参数整定方法.采用仿真研究方法,比较了试凑法、遗传算法和改进遗传算法求取的PID控制器参数对环形倒立摆的控制效果.实验表明,相比于试凑法,遗传算法得到的PID控制器参数使系统的超调量减小、调节时间缩短;改进的遗传算法得到的PID控制器参数使系统的响应性能进一步优化.改进遗传算法求取PID控制器参数的方法对于环形倒立摆以外的控制系统也有借鉴作用.     

基于遗传算法的分数阶控制器参数整定研究

针对动态系统可用包含非整数阶的积分和微分方程来描述的特点。同样将这一工具引入到分数阶控制器中,即包含分数阶积分和微分的PI^λD^β控制器;提出了基于改进遗传算法的分数阶PI^λD^β控制器定阶次参数整定的方法。通过使用该遗传算法,分别进行了采用整数阶PID控制器和分数阶PI^λD^β控制器,对整数阶和分数阶系统的控制器参数整定的对比仿真。结果表明,在限定相同的参数整定范围时,采用分数阶PI^λD^β控制器的控制效果优于整数阶PID控制器。     

遗传算法的自适应PID控制器的应用

针对工业过程中常见的二阶延迟系统的PID参数整定问题,提出了基于实数编码遗传算法的自适应参数整定方法.该方法利用遗传算法可快速全局寻优的特点,通过对控制器参数进行实数编码,将性能指标构成相应的适应度函数,采用自适应变异概率,反复进行遗传操作获得整定控制器的最佳参数.仿真结果表明所提出的整定方法效果显著,且控制器具有良好的抗干扰能力.     

服务机器人自抗扰控制器参数整定优化技术研究

针对服务机器人自抗扰控制器多个参数的整定,主要采用经验试法或某种优化算法进行整定,存在参数整定过程困难、整定结果陷入局部最优等问题,为了解决这些问题,提出了一种基于人工免疫遗传算法优化的服务机器人自抗扰控制器参数整定技术方法。该方法主要充分融合了人工免疫和遗传算法各自的优点,解决了单种智能优化算法出现的“早熟”问题,使得自抗扰控制器参数整定实现最优解;最后搭建仿真平台进行了实验,实验结果表明了该方法提高了自抗扰控制器控制精度、稳定性和鲁棒性,有效验证了提出方法的有效性。     

风电机组变桨距模糊遗传控制算法研究

为提高额定风速以上风力发电机组发电机转速和输出功率的稳定性,基于风电机组的运行特性,建立了风电机组变桨距控制仿真模型;针对遗传算法收敛速度慢的缺点,采用模糊遗传算法对PID控制器参数进行整定。仿真结果表明,基于模糊遗传的控制器不仅提高了遗传算法的收敛速度,且在动态性能及系统稳定性方面均优于遗传算法控制器。     

基于量子遗传算法的PID控制器参数自整定

提出了一种基于量子遗传算法（QGA）的PID控制器参数整定方法。首先定义一个包含表示系统超调量、上升时间和稳态误差指标项的适应度函数,并根据实际系统的性能要求对指标项进行适当加权。之后采用具有量子比特个体表示形式和量子旋转门实现种群进化的量子遗传算法,对PID进行多目标寻优,从而实现PID参数的自动整定。仿真结果表明,该方法优化得到PID控制器的综合性能优于常规方法和一般遗传算法得到的PID控制器。     

磁轴承控制器的研究与仿真

论文以磁轴承为控制对象,讨论和比较了传统PID控制器、基于BP网络的PID控制器以及遗传算法整定的PID控制器的设计和仿真.     

水轮机系统的控制器整定研究

控制器参数的整定是控制工程中的重要研究课题之一,为克服经验公式方法的模型依赖性和遗传算法易早熟敛的缺点,进一步提高算法优化性能,改善控制品质,将遗传算法的并行搜索结构和模拟退火的可控性概率突跳特性合理融合,构造高效混合策略,并有效地解决了水轮机系统的控制器整定。     

基于混沌遗传算法的PID参数优化

随着计算机技术的飞跃发展和人工智能技术渗透到自动控制领域,各种先进PID控制器参数整定方法层出不穷,给PID控制器参数整定的研究带来了无限活力和契机;然而很多先进的PID参数整定方法并没有像预期的那样产生完美的控制效果.将遗传算法和混沌优化方法智能集成,利用混沌序列的"遍历性、随机性、规律性"的特点生成初始种群,在遗传操作中加入混沌细搜索,大大提高了局部搜索能力,能有效防止遗传算法陷入局部最优和发生早熟现象,仿真表明,混沌遗传算法优化结果相当理想,效果令人满意,优于常规的遗传算法.     

基于改进BBO算法的分数阶PID控制器设计

针对分数阶PID(Fractional-Order Proportional-Integral-Derivative,FOPID)控制器参数整定,提出了一种改进生物地理学优化(Biogeography-Based Optimization,BBO)算法。该算法改进点主要包括:迁移操作中保留精英个体;变异操作中引入差分进化(Dtferential Evolution,ED)算法的变异策略;消除重复样本。仿真结果表明:在分数阶PID控制器参数整定中,与原始的BBO算法、遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)比较,提出的改进BBO算法具有超调量小、误差小,收敛更快的特点。     

基于Jaya的贝叶斯网络结构学习算法研究

基于评分搜索的贝叶斯网络结构学习算法通常需要调参,导致计算量增大且不当的参数易使算法陷入局部最优。针对这一问题,将无需调参的Jaya算法应用于贝叶斯网络结构学习。在Jaya算法的框架下,结合遗传算法的交叉变异思想重新设计了个体更新策略,使Jaya算法能够应用于结构学习这一离散优化问题,并结合马尔科夫链的相关理论讨论了所提算法的敛散性。实验结果表明,该算法能有效应用于贝叶斯网络结构学习。     

改进粒子群算法整定PID参数研究

PID控制器的性能取决于其控制参数的组合,针对其参数的整定和优化问题,提出了应用一种改进的粒子群优化算法,该算法借鉴了遗传算法的杂交机制,并采用惯性权值的非线性递减策略,用以加速算法的收敛速度和提高粒子的搜索能力。将该算法应用于一个二阶系统的PID控制器参数的优化。仿真结果表明该改进的粒子群算法具有比传统粒子群算法和遗传算法更好的优化效果,具有一定的工程应用前景。     

一种基于遗传算法的非线性PID控制器

基于PID控制器各增益参数与偏差信号之间呈现非线性关系,拟合各参数的非线性函数可分别对控制器的P／I／D各部分实施单独调节的思想,提出根据控制与误差之间的调节规律,给定一组增益参数的非线性函数,并采用遗传算法来优化和构造此非线性PID调节器．典型系统的仿真结果表明,该控制器可在一定程度上兼顾系统的动态和静态性能．     

基于自适应遗传算法的PID参数优化仿真研究

针对现有PID调节器的整定方法和遗传算法优化参数存在的问题，提出了一种自适应遗传算法用于PID参数寻优的方案。该算法采用了变群体规模和自动改变交叉概率、变异概率的措施，能提高算法的执行效率，收敛性较好，而且不易陷入局部最优解。以过热汽温控制系统为例，分别采用了简单遗传算法和改进遗传算法，对串级控制系统的PID参数寻优，仿真结果表明改进后的遗传算法具有较强的执行效率和很好寻优效果。     

改进遗传算法整定自抗扰控制器参数及应用

非线性自抗扰控制器策略(ADRC)耦合参数众多,单一机制优化算法在进行参数整定时易陷入局部最优解,极大地降低了自抗扰控制器的控制精度。针对此问题,该文提出了一种改进遗传算法(KFC-2PMGA)进行自抗扰控制器参数整定,将核模糊聚类算法应用到遗传算法双种群划分中,并针对聚类所得双种群,分别采用不同的自适应交叉及变异策略,有效地避免了传统遗传算法易产生"早熟"的现象。并以永磁同步电机为例进行仿真验证。结果表明,优化后的自抗扰控制器具有良好的系统响应及控制精度,改进后的遗传优化算法适用于复杂非线性自抗扰控制器参数整定。     

On-line tuning strategy for model predictive controllers

This paper presents an intuitive on-line tuning strategy for linear model predictive control (MPC) algorithms. The tuning strategy is based on the linear approximation between the closed-loop predicted output and the MPC tuning parameters. By direct utilization of the sensitivity expressions for the closed-loop response with respect to the MPC tuning parameters, new values of the tuning parameters can be found to steer the MPC feedback response inside predefined time-domain performance specifications. Hence, the algorithm is cast as a simple constrained least squares optimization problem which has a straightforward solution. The simplicity of this strategy makes it more practical for on-line implementation. Effectiveness of the proposed strategy is tested on two simulated examples. One is a linear model for a three-product distillation column and the second is a non-linear model for a CSTR. The effectiveness of the proposed tuning method is compared to an exiting offline tuning method and showed superior performance.     

基于改进模糊神经网络的PID参数自整定

针对传统PID整定控制效果差且单纯神经网络整定存在参数学习和调整困难等问题,提出了一种基于改进模糊神经网络的PID参数整定方法。在该方法中,PID控制器的控制参数采用基于Mamdani模型的模糊神经网络进行自适应整定,模糊神经网络参数采用混沌遗传算法离线粗调和BP算法在线细调的方式进行学习和调整,仿真结果表明该整定策略动态响应快、误差控制精度高且网络中各节点及参数物理意义明确。最后分别从模糊规则数的变化及适应度函数的选取两方面提出两种优化方案,仿真结果表明增加模糊规则数或采用不同的适应度函数都有利于进一步减小控制误差。     

Adaptive hierarchical tuning of fuzzy controllers

Fuzzy controller design includes both linear and non-linear dynamic analysis. The knowledge base parameters associated within the fuzzy rule base influence the non-linear control dynamics while the linear parameters associated within the fuzzy output signal influence the overall control dynamics. For distinct identification of tuning levels, an equivalent linear controller output and a normalized non-linear controller output are defined. A linear proportional-integral-derivative (PID) controller analogy is used for determining the linear tuning parameters. Non-linear tuning is derived from the locally defined control properties in the non-linear fuzzy output. The non-linearity in the fuzzy output is then represented in a graphical form for achieving the necessary non-linear tuning. Three different tuning strategies are evaluated. The first strategy uses a genetic algorithm to simultaneously tune both linear and non-linear parameters. In the second strategy the non-linear parameters are initially selected on the basis of some desired non-linear control characteristics and the linear tuning is then performed using a trial and error approach. In the third method the linear tuning is initially performed off-line using an existing linear PID law and an adaptive non-linear tuning is then performed online in a hierarchical fashion. The control performance of each design is compared against its corresponding linear PID system. The controllers based on the first two design methods show superior performance when they are implemented on the estimated process system. However, in the presence of process uncertainties and external disturbances these controllers fail to perform any better than linear controllers. In the hierarchical control architecture, the non-linear fuzzy control method adapts to process uncertainties and disturbances to produce superior performance.     

Evolutionary algorithms based design of multivariable PID controller

In this paper, performance comparison of evolutionary algorithms (EAs) such as real coded genetic algorithm (RGA), modified particle swarm optimization (MPSO), covariance matrix adaptation evolution strategy (CMAES) and differential evolution (DE) on optimal design of multivariable PID controller design is considered. Decoupled multivariable PI and PID controller structure for Binary distillation column plant described by Wood and Berry, having 2 inputs and 2 outputs is taken. EAs simulations are carried with minimization of IAE as objective using two types of stopping criteria, namely, maximum number of functional evaluations (Fevalmax) and Fevalmax along with tolerance of PID parameters and IAE. To compare the performances of various EAs, statistical measures like best, mean, standard deviation of results and average computation time, over 20 independent trials are considered. Results obtained by various EAs are compared with previously reported results using BLT and GA with multi-crossover approach. Results clearly indicate the better performance of CMAES and MPSO designed PI/PID controller on multivariable system. Simulations also reveal that all the four algorithms considered are suitable for off-line tuning of PID controller. However, only CMAES and MPSO algorithms are suitable for on-line tuning of PID due to their better consistency and minimum computation time.