煤矿局部通风机转速控制算法研究

煤矿局部通风机系统目前主要采用常规PID控制算法进行变频调速,但PID控制参数的调整主要依赖人工经验,调节时间长、实时性差,且容易发生控制量超调和振荡输出。针对上述问题,提出了一种粒子群(PSO)优化PID控制算法,并将其应用到煤矿局部通风机转速控制中,即在基于常规PID控制算法的煤矿局部通风机转速控制系统中添加PSO算法,实现PID控制参数优化。常规PID控制部分直接按照Z-N整定法得出的最优参数设置运行;PSO优化PID控制部分通过S函数算法程序随机产生一组三维粒子,通过调用函数assignin将三维粒子的值赋给转速控制系统仿真模型中的Kp,Ki,Kd三个参数,以控制系统误差指标ITAE作为适应度函数进行迭代寻优,实现了PSO寻优与PID参数整定优化的统一。仿真实验结果表明,相比于常规PID控制,经过PSO算法优化后,局部通风机转速控制输出性能改善明显,尤其是超调量和调节时间指标,超调量仅为常规PID控制算法的20%。     

基于云自适应量子粒子群优化算法的PID控制器在VAV空调系统温度控制中的应用

针对传统PID控制器用于变风量空调系统温度控制中存在的控制精度低,稳定性差等问题,本文提出了一种基于云自适应量子粒子群优化算法(CQPSO)优化PID参数的变风量空调温度控制策略。CQPSO算法利用正态云发生器自适应调整粒子的收缩-扩张系数,以协调QPSO算法在全局搜索和局部探索之间的平衡,从而提高算法的收敛速度和全局收敛性,并通过标准测试函数验证该算法的有效性;在建立变风量空调温度控制系统数学模型的基础上,利用CQPSO算法对VAV空调温度-风量串级控制系统的PID参数进行优化,并与其他参数整定方法进行比较。仿真结果比较表明,CQPSO-PID控制器具有超调量小,精度高的特点,能够获得良好的控制效果。     

一种PID参数整定的粒子群优化算法

提出了一种PID控制器参数整定的粒子群优化算法。该方法首先通过定义一个包含系统超调量、上升时间和稳态误差指标项的适应度函数,并根据系统的实际控制要求对各指标项适当加权。之后由带收缩因子的粒子群算法对PID进行多目标寻优,从而实现PID控制器的自动参数整定。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得到的PID控制器。     

一种PID参数量子粒子群自整定方法

传统的PID参数整定方法由于需要决策者具有较强的工程经验,难以处理非连续、非线性或时滞的复杂系统。针对这种情况,提出一种新的基于量子粒子群优化的PID参数自整定方法。该算法采用问题的时间绝对偏差乘积积分方程来评价粒子的适应值;设计一种时变变异算子,用来均衡粒子的全局和局部开发能力。实验结果表明,该算法在超调量和调节时间等指标上皆优于传统粒子群优化算法。     

基于RandW-SecPSO的四旋翼飞行器分数阶PID控制器参数优化

为了提高四旋翼飞行器姿态控制的控制性能,将分数阶PID控制器运用到四旋翼飞行器的控制系统中.提出了一种带随机权重平均值的二阶粒子群算法(RandW-SecPSO)去优化分数阶PID控制器的参数.将随机权重平均值与二阶粒子群算法相结合,对粒子群进行二阶初始化,同时加入随机权重用以平衡全局搜索能力和局部开发能力,这样提高了算法的收敛精度,并将其与PID控制器进行仿真分析.通过搭建仿真平台,验证了该算法的可行性.仿真结果表明:RandW-SecPSO算法在优化四旋翼飞行器分数阶控制器的参数上要好于粒子群算法(PSO),与PSO算法相比调节时间缩短了0.7s,上升时间减少了0.2s,超调量减小了8％,具有收敛速度快、超调量小、稳定性好等优点.总之RandW-SecPSO算法优化分数阶PID动态响应特性比PID要好很多.     

基于微粒群算法的PID控制器优化研究

研究PID控制器性能优化中,由于被控对象具有高阶、非线性等特点,而在工业生产过程中,传统的PID参数整定方法易出现超调和震荡问题,使系统响应特性差。为改善系统性能,提出一种改进粒子群算法的智能优化策略,将PID控制器参数作为粒子群中的粒子,以控制误差时间积分函数作为优化目标,进行PID控制参数的并行优化。利用MATLAB仿真软件进行仿真,并通过与传统整定方法(Z-N法)进行比较。结果表明,粒子群的PID参数整定法可提高控制器性能,并能够实现目标的最优整定,为PID控制器性能优化提供依据。     

基于粒子群优化的分数阶PID预测函数参数整定

为避免分数阶PID预测函数手动调节参数的不确定性以及繁琐性,应用粒子群算法优化其参数,完善分数阶PID预测函数控制器,并提高其控制精度,充分体现了算法的智能性。将粒子群整定分数阶PID预测函数算法应用于单变量的励磁控制系统中,通过Matlab仿真并与模糊分数阶PID预测函数以及经验调节方法相比较,结果表明,粒子群算法整定参数收敛速度快,找到最优点时间短,整定后的算法具有静态误差小、无超调、上升速度快、调节时间短、抗干扰能力强等优点,能很好地满足励磁系统的动态特性,并具有较强的鲁棒性及适应性。     

基于粒子群算法的无线充PID控制器优化设计

对于谐振式无线充电系统,由于负载和线圈耦合变化等扰动影响,供电池负载充电的电流若只进行开环控制易产生扰动,故在前向通道中加入经典PID控制器,对系统进行实时有效的闭环控制。针对经典PID控制器的参数无法自适应整定的问题,提出了利用粒子群算法（PSO）自整定设计无线充电PID控制器参数的方法,并进行仿真分析和实验验证,结果表明：引入粒子群算法后的PID控制器快速性和稳定性都优于经典PID控制器,调节时间减少0.647s,最大超调量下降了4,1%,稳态误差误差下降了1.04%,证明了该方法对于改善无线充电系统输出动静态特性的可行性和有效性。     

基于改进粒子群算法的旋转倒立摆PID参数整定

针对旋转倒立摆PID参数整定耗时费力且精度低的问题,对旋转倒立摆实验系统PID参数整定展开了研究.利用MAT-LAB进行仿真,分别采用试凑法、粒子群算法和改进粒子群算法求取了旋转倒立摆的PID参数.实验结果表明,相比于试凑法,通过粒子群算法得到的PID参数可使系统性能更优;改进后的粒子群算法寻优过程产生的超调量和达到收敛所需时间更小,得到的PID参数可进一步提高旋转倒立摆实验系统的性能.基于改进粒子群算法整定旋转倒立摆PID参数的方法在其他控制系统中也有参考价值.     

基于HS-PSO算法的PID控制器参数自整定

针对粒子群算法(PSO)算法局部搜索能力差的问题,提出一种对PID控制器参数进行自整定的基于和声搜索(HS)的改进粒子群优化算法(HS-PSO).通过引入种群进程因子对惯性权重进行自适应调节以提高PSO算法的收敛速度.另外在PSO进化过程中每代产生的最优个体以新陈代谢方式进入和声记忆库中并进行和声搜索,以克服粒子群优化...     

非线性PID控制器参数优化方法

分析了非线性PID控制器各部分参数对于误差的理想变化过程,构造出一种非线性PID控制器;整定参数较多时,传统的参数优化方法容易产生振荡和较大的超调量,在分析量子粒子群算法（QPSO）的基础上,引入了随机选择最优个体的思想,提出使用改进的量子粒子群算法（GQPSO）优化非线性PID控制器参数。将改进量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较。最后,通过典型传递函数实例,分别使用Z-N、PSO、QPSO方法和改进的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。     

基于模糊PID的多功能中药提取设备自动化控制研究

针对当前中药的近红外线检测及提取存在检测精度低等问题,研究建立近红外在线检测装置和提取设备双层模块化控制系统,并基于粒子群算法(Particle Swarm Optimization, PSO)对模糊PID进行优化,得到优化后的自动化控制模型。试验结果表明,采用改进PSO优化的模糊PID控制下,温度和压力曲线更加平滑,且响应速度加快,调节时间缩短。采用改进PSO对模糊PID进行优化后,与模糊PID控制模式相比,曲线超调量、稳态误差、响应时间和调节时间分别下降了4.15℃、88.09%、5.41%、60.52%。说明基于优化模糊PID的多功能中药提取设备的自动化控制的快速性、稳定性和精度得到了显著提升。     

中央空调房间温度智能PID控制的仿真研究

中央空调房间温度控制系统是一个复杂系统,针对一次性整定得到的PID参数难以保证系统控制始终处于优化状态和良好的品质特性,提出了参数自整定方法,通过实时改变PID参数从而保证控制系统的优良品质。结合粒子群优化算法和模糊控制以及传统PID控制各自的优势,设计了一种新的自适应模糊PID控制器。鉴于PID控制器的性能完全依赖于其参数的整定和优化,采用粒子群算法离线优化PID参数,并利用模糊控制在线调整PID参数,以取得良好的控制效果。利用Matlab软件进行了数字仿真。仿真结果表明,方法调节精度较高,调节迅速,超调小,具有一定的可行性。     

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MPSO算法的BP神经网络PID控制器研究

PID控制器是过程控制中应用最为广泛的控制器,而传统PID控制器参数整定难以达到最优状态,同时,存在控制结果超调量过大、调节时间偏长等缺点,因此,将变异粒子群优化算法(Mutation Particle Swarm Optimization,MPSO)运用于BP-PID的参数整定过程中,设计了一种高效、稳定的自适应控制器。考虑MPSO的变异机制,以种群适应度方差与种群最优适应度值为标准,进行种群变异操作,可以克服早熟,提高收敛精度和PSO的全局搜索能力,使MPSO优化的BP神经网络整定的PID控制器能以更快的速度、更高的精度完成过程控制操作。在实验中,通过比较BP-PID、PSOBP-PID以及MPSO-BP-PID三控制器仿真结果,证明了所提MPSO算法的有效性和所设计MPSOBP-PID控制器的优越性。     

基于粒子群算法的PID控制研究

运用粒子群算法优化理论,实现对PID控制参数的自适应调节.在无需先验知识的情况下,直接根据选取的性能指标,对PID策略参数进行动态调整.结果表明,PSO算法使得PID控制参数调整速度快,产生超调量小,具有较强的竞争力.     

细菌觅食优化的智能PID控制

传统的PID在控制过程中,尤其针对复杂被控对象易产生振荡和较大的超调,甚至控制系统无法稳定,为了解决这个问题,采用了一种新的基于细菌觅食优化（Bacterial Foraging Optimization,BFO）的智能PID控制方法,针对该算法收敛速度慢的缺陷,对步长及搜索范围做了一定的分析改进。通过与粒子群优化（Particle Swarm Optimization,PSO）智能PID参数整定控制的仿真结果比较,特别是在系统的动态性能指标以及输入信号的跟踪情况等方面进行对比分析,得出基于BFO智能PID控制的优缺点及有效性。     

自适应混沌粒子群算法及在PID整定中的应用

针对微藻自动培养装置的温度控制,常规PID控制器的参数整定需耗费大量人力进行调节,提出一种采用自适应混沌粒子群的PID参数整定算法,充分利用多涡卷广义Jerk混沌序列的随机性及遍历性,对粒子群进行混沌初始化;采用非线性调整机制对惯性权重进行自适应调整;引入基于适应度方差的局部收敛判别机制,以混沌扰动的方式帮助种群跳出局部最优.仿真结果表明,相较于标准粒子群算法,改进算法能始终保持粒子群的多样性,系统响应超调量小,调节时间短,具有更好的全局搜索能力,控制精度较高,适应性和鲁棒性好.     

矢量推力机电作动控制系统优化方法研究

随着导弹、火箭等特殊飞行器的机动性需求日益提高,矢量推力控制技术变得十分重要。但矢量推力机电作动系统是高阶、大惯量对象,因此其控制器参数的整定较为困难,且整定效果往往不够理想。针对上述问题,考虑到粒子群优化(PSO)算法全局寻优能力强、算法简单、易于实现等特点,采用PSO算法来优化控制器参数(控制增益)。对典型的飞行器矢量推力机电作动系统进行了研究,并建立了其数学模型。将控制增益整定等效为优化问题,采用PSO算法优化控制器参数。对优化后的矢量推力机电作动控制系统进行仿真,结果表明,该闭环系统单位阶跃响应的调节时间小于1 s、超调量为0.505%,同时喷管转动可以快速且准确地跟踪位置指令信号。仿真结果表明,优化后的控制器对该作动系统的控制效果良好,也验证了应用PSO算法解决控制优化问题的可行性。     

基于PSO的恒力执行器PID型模糊控制器

针对打磨机器人在打磨过程中对恒力控制精度和响应速度的要求,提出了一种基于粒子群优化算法的恒力执行器PID型模糊控制器。设计新型PID型模糊控制器,减少设计规则库数量;提出变权重综合型适应度函数,结合误差积分绝对值和控制信号积分绝对值优化PID型模糊控制器的综合性能,同时减小超调量与稳态误差;采用自适应惯性权重策略加快粒子群迭代速度,使用粒子群算法对PID型模糊控制的比例因子进行优化。仿真结果表明,经过粒子群优化的PID型模糊控制实现了打磨力的平稳输出,响应速度提升10%,调节时间缩短14%,系统无超调、无振荡,提高了打磨力的控制精度。