二自由度PID控制器优化设计

遗传算法提供了一种复杂系统优化问题求解的通用框架,它通过对生物遗传和进化过程的模仿,来实现对问题的最优解的自适应搜索,本文应用改进的遗传算法(变因子),有效的克服了基本遗传算法应用中出现的问题,并针对二自由度控制器设计,运用改进的遗传算法,在MATLAB上进行了控制器参数的设计.     

基于模糊遗传算法的二自由度PID控制器优化设计

针对一般遗传算法中交叉概率和变异概率存在的选择困难问题，利用模糊推理系统来自适应估计交叉概率和变异概率，提出了模糊遗传算法（FGAs），并用于二自由度PID控制器参数寻优设计。仿真和实验表明，所设计的二自由度PID控制器可以使系统同时具有良好的目标值跟随特性和干扰抑制特性。     

基于粒子群算法的PID控制器参数优化

提出了使用粒子群算法对PID控制器的比例带δ、积分时间Ti寻找最优解的方法.运用MATLAB通过对电厂中过热汽温控制系统内回路一级过热器的辨识模型进行仿真,表明该种算法的有效性.     

一种改进的二自由度PID控制器

根据目标值滤波器型二自由度PID控制器，提出一种新型二自由度PID控制器。实验表明该算法使用可靠、精度高，而且具有较强的抗干扰能力和鲁棒性，可大大提高系统的控制品质。     

一种基于改进的粒子群优化算法的神经网络PID控制器

针对多输入多输出(MIMO)复杂过程控制中控制性能偏慢等问题,对神经网络PID控制器以及PID控制理论物理机制之间的相互作用进行了研究。对神经元PID控制器隐层和输出层之间的初始权值进行了归纳,提出了一种粒子群优化算法,提高了PSO算法的收缩因子以保证优化的收敛性,并进行了Matlab仿真。研究结果表明,所提出的神经网络PID控制器的改进粒子群算法优化,在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。     

基于改进粒子群算法的神经网络PID控制研究

BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高.     

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。     

基于改进量子粒子群算法的PID参数优化

受遗传算法中变异机制的启发,提出一种引入变异因子的改进量子粒子群算法(MQPSO),粒子以不同的概率在种群最优解的位置附近进行变异。在典型函数的测试中,MQPSO算法的收敛精度要好于QPSO算法。应用于电厂主汽温控制系统PID参数优化,仿真结果表明,系统获得了较好的控制效果。     

鲁棒二自由度PID控制

针对工业过程控制对象,将内模控制与二自由度PID控制有机结合,提出一种鲁棒二自由度PID控制方法,可以有效抑制参数变化对系统的影响,使系统同时获得良好的目标值跟踪特性、干扰抑制特性和鲁棒性.理论分析和仿真结果表明了这一方法的有效性.     

基于粒子群算法的PID参数寻优

粒子群优化PSO(particle swarm optimization)算法是近几年出现的一种新型演化算法,对连续函数的优化效果良好。我们采用PSO算法对PID参数进行了优化,结果显示性能优于遗传算法。     

汽车半轴套管失效载荷数值模拟

本文对我国生产的一种汽车半轴套管进行了大位移、大应变弹塑性有限元模拟,求得了加载点的栽荷-位移曲线、最大应力点的弹塑性应变-载荷曲线、危险截面的弹塑性应力-载荷曲线、危险截面达到全面屈服时的失效载荷等,为汽车半轴套管的强度评价及疲劳寿命估算提供了有关数据.     

基于改进粒子群算法的PID参数整定

粒子群算法是一种基于群智能的全局寻优方法,方法简单,易于实现,寻优效果好。PID控制因其算法简单、鲁棒性好、可靠性高而被广泛应用于工业控制过程。该文提出了一种改进的PSO算法以提高其优化性能,通过典型测试函数的实验证明了该改进的PSO算法具有较好的优化性能。最后,将改进后的PSO算法应用到PID参数整定中,通过MATLAB仿真证明了该方法的可行性和优越性。     

基于改进粒子群算法的PID参数整定

提出一种改进的粒子群算法,算法中对粒子的进化方程进行了改进,以此来增加种群间信息的共享。通过典型函数的测试,验证了改进粒子群算法具有较好的优化性能。将改进后的算法应用到PID参数整定中,通过MATLAB仿真证明了该方法的可行性和优越性。     

基于粒子群算法的装配公差优化分配

装配公差分配是产品公差设计的重要组成部分.目前装配公差优化分配主要使用遗传算法.为了提高收敛速度,避免早熟收敛,提出了基于粒子群算法的装配公差优化分配方法.采用了基于实数的编码表示方法,以装配公差分配的优化目标函数作为评价函数,利用罚常数将约束条件并入评价函数中.一个实例的优化结果表明所提方法的收敛性、稳定性和算法效率均优于基于遗传算法的方法.     

基于粒子群算法的地下管道腐蚀剩余寿命预测

以灰色理论为基础,探讨了PSO算法的用法.分析了在灰色理论的基础上用PSO算法预测剩余寿命的可行性,对地下管道进行寿命预测.利用该方法,可以在测量数据很少的情况下,预测地下管道的剩余寿命.实例计算表明,基于PSO算法的灰色理论优化方法优于现有的灰色预测方法和基于GA的灰色理论优化方法.     

基于粒子群—遗传混合算法的装配操作优化

为通过装配工艺优化提高车身装配尺寸质量,针对车身众多几何可行装配顺序,应用多属性有向图描述零件间的优先关系和装配控制特征数量,来去除非工程可行装配顺序。以装配尺寸质量为目标函数,提出粒子群—遗传混合算法优化零件间装配操作,通过线性装配偏差分析模型进行装配偏差累积运算,获得了最优装配顺序。通过车身侧围装配体阐述了装配控制特征的优化过程,结果表明,不同的装配顺序将影响装配控制特征的选择,从而影响最终的产品装配偏差。     

基于免疫算法的多变量控制系统PID参数优化方法研究

提出一种基于免疫算法的多变量控制系统PID参数优化方法。首先对免疫算法的步骤和实现过程进行了介绍;接着采用了一种新的、适合多变量系统特点的控制系统性能指标,即用阶跃响应曲线超出期望变化区域的面积的大小来衡量控制系统的优劣。该指标被用于构造免疫算法的适应度函数。论文最后将上述方法用于火电机组负荷控制系统优化,取得了良好的效果。     

基于改进粒子群算法的隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出一种基于改进粒子群算法的隐式广义预测控制算法(IGPC)。粒子群算法(PSO)是一种基于群体的智能优化算法,解决受约束的优化问题具有精度高、收敛速度快等优点;为了避免粒子群算法陷入早熟,提高精度,引入细菌觅食算法中的自适应迁徙机制。在隐式广义预测控制的滚动优化环节引入改进粒子群算法,弥补了传统GPC在处理受约束控制问题上的缺陷。仿真结果表明了该方法的有效性和良好的控制性能。     

应用粒子群算法的3-RPS并联机器人机构位置正解

根据杆长约束条件,给出求解3-RPS并联机器人机构位置正解的无约束优化模型,并应用粒子群算法求解此优化问题。该算法具有控制参数少,全局优化能力较强等优点。数字实例表明,对于并联机构位置正解问题,粒子群算法收敛速度较快,精度较高。