基于ZigBee无线传感器网络的输液监测系统的设计

结合ZigBee无线通信技术设计了一款输液监测系统,该系统有效地解决了静脉输液过程中存在的输液速度难掌控、输液中断无报警、输液完毕无提示等问题;采用ZigBee无线传感器网络和红外光电传感器对输液过程进行实时监测,并将采集的液滴速度、液位信息、输液量等信息反馈至上位机,医护人员通过上位机可视化软件平台监测输液过程;实施结果表明:该系统液体滴速检测准确,其误差在±2滴以内,当液位降低到一定量或者输液出现异常情况时,终端节点可以发出声光报警信息,上位机软件发出橙色或者红色报警信息,提醒医护人员有效地处理紧急情况,提高输液的安全性,减少医疗事故。     

用PID梯度算法训练基于神经网络的广义非线性PID控制器

将梯度优化过程看作反馈控制系统,从而提出了一种带运量项的PID梯度算法（PIDGDM）。进一步讨论了该算法的收敛特性,提出了一种非线性PID控制器以对付一些非线性控制问题。神经网络被用于实现该非线性PID控制器。PIDGDM算法被用于训练所提出的神经网络非线性PID控制器。最后,给出了有关方法应用于两个化工过程的仿真研究结果。     

基于MBP算法的PID控制器设计

针对一般BP算法存在的不足,提出一种改进的BP算法,并将其应用于PID控制器的参数设计中,并且克服了常规的PID控制器参数整定的费时性,用MBP算法的PID控制器代替常规的PID调解器。介绍了MBP算法和基于MBP算法的PID控制器的控制结构。通过仿真可以看到这种控制器的控制效果很好。还改善了系统的稳定性。     

ZigBee技术在PID控制器参数整定中的应用研究

针对传统PID参数整定方式存在的电缆安装和布线繁琐、操作缺乏灵活性等问题,提出将ZigBee技术应用于PID控制器参数整定中,通过ZigBee无线组网方式实现PID参数整定控制器主机与现场测试设备之间的通信,从而达到使PID参数整定设备微型化、网络化、智能化的目的。仿真结果表明,运用ZigBee技术进行PID控制器参数整定可有效减少参数整定试验工作量,并提高控制器的灵活性和控制质量,扩展其适用范围。     

基于BP算法PID控制器的研究

文中主要研究了基于BP算法的PID控制器在非线性系统中的控制效果以及对权值整定初始化的优化。在介绍BP网络基本原理的基础上以非线性控制系统Simulink仿真为例,使用基于BP算法的PID控制器对该系统进行优化和整定,并结合Nguyen-Widrow初始化算法为层产生初始权重和偏置值,使得每层神经元的活动区域能大致平坦地分布在输入空间,实现了对PID参数的实时调节,并且使神经网络的学习和收敛速度加快,大大改善系统的初始运行的稳定性。仿真结果表明,基于BP算法的PID控制器在非线性控制系统中对其参数优化整定具有良好的效果。     

基于PID算法的工业过程模糊控制器

本文作者在以传统PID算法为基础对模糊控制器进行改进设计,目的是使其象常规PID控制器一样,方便地适应工业过程的现场控制。     

基于指导变异蚁群算法的PID控制器优化

蚁群算法是意大利学者Dorigo于1991年提出的一种模拟进化算法,蚁群算法提出后却在组合优化中获得广泛的应用,如调度、二次分配和网络路由等,本文将蚁群算法进行改进并应用于PID控制器优化,得到了良好效果。     

基于PID算法的养殖水箱温度控制器的设计

本文以水为测量对象,温度测量电路接收传感器的信号,并将模拟信号通过模/数转换器转换为数字信号,送入单片机系统,与预设的温度对比,通过一定的控制算法,控制继电器的通断,从而控制加热器的工作,使得水温维持在设定的温度。     

信息管理系统应用于静脉输液监护的研究与实现

在临床医疗监护中,静脉输液是一个重要治疗手段。在不同的治疗方案中,静脉输液的进度和滴液速度都需要严格的监控,否则将导致严重的医疗事故。现有的人工监护方法增加了患者、家属和医护人员的工作负担,且容易因疲劳、疏忽出错。本文研究基于无线传感器网络技术的静脉输液监控系统,利用无线传感器进行输液数据的采集和传输,实现了一种低成本、易于部署、应用灵活的静脉输液监控系统。     

基于灰狼优化算法的PID控制器设计

为了寻找最佳的比例、积分和微分（PID）控制器增益因子,使系统输出尽可能接近参考输入信号的变化,使得控制系统的时间加权绝对误差积分最小,提出了基于灰狼优化算法（GWO）进行PID控制器增益因子优化设计的方法。为了评估该方法的性能,针对设定点跟踪设计目标,通过使用3种基准线性数学模型进行仿真测试,并与粒子群优化算法（PSO）、引力搜索算法（GSA）得到的仿真结果进行了比较。仿真结果表明,基于灰狼优化算法的最优参数PID控制器比基于其他算法的性能更好,最优值更佳。     

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．     

Robust PID controller tuning based on the heuristic Kalman algorithm

This paper presents a simple but effective tuning strategy for robust PID controllers satisfying multiple performance criteria. Finding such a controller is known to be computationally intractable via the conventional techniques. This is mainly due to the non-convexity of the resulting control problem which is of the fixed order/structure type. To solve this kind of control problem easily and directly, without using any complicated mathematical manipulations and without using too many “user defined” parameters, we utilize the heuristic Kalman algorithm (HKA) for the resolution of the underlying constrained non-convex optimization problem. The resulting tuning strategy is applicable both to stable and unstable systems, without any limitation concerning the order of the process to be controlled. Various numerical studies are conducted to demonstrate the validity of the proposed tuning procedure. Comparisons with previously published works are also given.     

基于PSO算法的目标值前馈型二自由度PID控制器的优化设计

微粒群优化算法是一种全局优化技术，算法简单、容易实现．其通过微粒间的相互作用发现复杂搜索空间中的最优区域．提出了将微粒群优化算法用于二自由度PID控制器参数的寻优设计中，并以工业过程中常见的对象为模型，进行了Matlab仿真试验，仿真结果表明系统同时具有了最优的目标值跟踪特性和干扰抑制特性，证明了PSO算法的有效性．     

改进的粒子群优化算法优化分数阶PID控制器参数

为了提高分数阶比例积分微分（FOPID）控制器的控制效果,针对FOPID控制器参数整定的范围广、复杂性高等特点,提出改进的粒子群优化（PSO）算法优化FOPID控制器参数的方法。该算法对PSO中惯权重系数的上下限设定范围并随迭代次数以伽玛函数方式非线性下降,同时粒子的惯性权重系数和学习因子根据粒子的适应度值大小动态调整,使粒子保持合理运动惯性和学习能力,提高粒子的自适应能力。仿真实验表明,改进的PSO算法优化FOPID控制器的参数较标准PSO算法具有收敛速度快和收敛精度高等优点,使FOPID控制器得到较优的综合性能。     

基于免疫遗传新算法的PID参数整定

为使PID参数整定工作更加快捷有效,在传统遗传算法的基础上,提出基于独特型免疫动力学网络模型的新型免疫算法,以激励水平作为抗体选择操作的量度,并构建精英抗体库,以便给精英抗体更多交叉变异的机会.将该算法用于PID控制器参数整定,仿真结果表明,新算法能更快地找到控制器PID参数最优组合,且经该算法优化后的系统控制性能优于传统遗传算法优化的PID控制器,故该算法用于PID参数优化是可行且有效的.     

基于改进人工免疫算法的PID参数优化研究

针对传统PID控制器参数优化方法存在的不足,提出了一种改进的人工免疫算法（IAIAE）。该算法的主要特点是,采用了基于抗体浓度的调节机制和多样性保持策略的新方法,使用了浮点数编码方法和Elitism策略。将该算法应用于PID控制器参数的优化,并与具有精英保留的SGA进行比较。仿真实验结果表明,用IAIAE算法优化PID控制器参数,其效果优于SGA。     

基于改进MOEAD算法的主从式PID控制器参数寻优

为了有效解决电液伺服系统主从控制结构中主缸和从缸PID控制器的参数设定问题,提出了一种基于多目标优化算法与模型仿真相结合的求解方法。在该求解方法中,将参数设定问题建模为了一个多目标优化问题,其目标空间包括主从同步误差、调节时间、超调量和积分平方误差四个维度,建立了主从结构的PID控制仿真模型,来获取目标空间的目标值。改进了MOEAD算法,通过亲代选择以及子代生成算子选择强化算法子代的多样性,通过个体与权重向量的绑定机制和外部种群对无效权重向量的替换策略对原始算法中的权重向量进行重调整。由改进的MOEAD算法获取了最终的Pareto非支配解集,在最终解集中选取了拐点个体作为控制器的最优参数,提高了主从同步结构的控制品质。     

A novel optimal PID controller autotuning design based on the SLP algorithm

A novel optimal proportional integral derivative (PID) autotuning controller design based on a new algorithm approach, the “swarm learning process” (SLP) algorithm, is proposed. It improves the convergence and performance of the autotuning PID parameter by applying the swarm and learning algorithm concepts. Its convergence is verified by two methods, global convergence and characteristic convergence. In the case of global convergence, the convergence rule of a random search algorithm is employed to judge, and Markov chain modelling is used to analyse. The superiority of the proposed method, in terms of characteristic convergence and performance, is verified through the simulation based on the automatic voltage regulator and direct current motor control system. Verification is performed by comparing the results of the proposed model with those of other algorithms, that is, the ant colony optimization with a new constrained Nelder–Mead algorithm, the genetic algorithm (GA), the particle swarm optimization (PSO) algorithm, and a neural network (NN). According to the global convergence analysis, the proposed method satisfies the convergence rule of the random search algorithm. With respect to the characteristic convergence and performance, the proposed method provides a better response than the GA, the PSO, and the NN for both control systems.     

基于自适应蚁群遗传混合算法的 PID 参数优化

针对遗传算法易重复迭代、蚁群算法易陷入停滞的缺点,提出基于自适应蚁群遗传混合算法的 PID 参数优化。先用遗传算法获得 PID 参数的初值,再用改进后的蚁群算法自适应调整路径选择概率和信息素更新规则,最终搜索出 PID 参数的最优值。仿真结果表明,对于给定的被控对象,相比于 GA 和 ACS 算法,该算法搜索出的 Kkp、Kki 、Kkd 最优,系统响应时间短,动态性和稳定性佳,说明该方法整定出的 PID 参数值具有最优性。对于其他的控制对象和过程也具有参考价值。     

Design of PID controller with incomplete derivation based on ant system algorithm

A new and intelligent design method for PID controller with incomplete derivation is proposed based on the ant system algorithm (ASA). For a given control system with this kind of PlD controller, a group of optimal PID controller parameters Kp^*, Ti^*, and Td^* can be obtained by taking the overshoot, settling time, and steady-state error of the system‘s unit step response as the penfomunce indexes and by use of our improved ant system algorithm. Kp^*, Ti^*, and Td^* can be used in real-time control. This kind of controller is called the ASA-PID controller with incomplete derivation. To verify the performance of the ASA-PID controller, three different typical transfer functions were tested, and three existing typical tunmg methods of PID controller parameters,including the Ziegler-Nichols method (ZN), the genetic algnrithrn (GA), and the simulated annealing (SA), were adopted for comparison. The simulation results showed that the ASA-PID controller can be used to control different objects and has better performance compared with the ZN-PID and GA-PID controllers, and comparable performance compared with the SA-PID controller.