热工系统中PID参数的遗传算法整定

针对热工系统中常规的PID参数寻优策略的缺点以及遗传算法所具有的强大的全局优化能力和鲁棒性，采用了基于遗传算法的PID参数整定与优化方法，仿真结果表明该方法具有可行性和有效性。     

基于改进粒子群算法的PID控制器参数整定优化

针对经典粒子群算法应用在PID控制器参数上整定的方法效果往往不佳的问题上,提出了一种改进粒子群算法的PID控制器参数整定优化设计,在粒子群的基础上加入遗传算法中的交叉算子,并将粒子群中的惯性权重因子改成动态参数,应用到PID控制器,使参数的自适应整定问题也获得了改进,快速性和稳定性也都优于经典粒子群算法的PID控制器．借助Matlab获得仿真系统的响应曲线图,根据对比得出系统性能的指标改进情况．     

基于无量纲参数的PID控制器参数整定方法

通过扩展的内模整定方法提出了基于无量纲参数（无量纲时滞时间和无量纲过程增益）的ＰＩＤ控制器参数整定方法,给出了ＰＩＤ控制器参数整定公式对系统的时滞大小没有限制,对于不同的时滞系统均适用;而且整定后的闭环系统与原模型参数无关,其瞬态性能指标和鲁棒特性具有一致性。     

一类参数自整定Fuzzy控制器

一类参数自整定Ｆｕｚｙ控制器任哲（吉林电气化高等专科学校，吉林１３２０２１）０前言现有的模糊控制系统大多如图１所示，图中虚线框内为模糊控制器。这种控制器以其独特的优点，在工业自动控制中占有一席之地。但这种控制器仍存在着不足之处，主要问题就是其参数Ｋ１...     

基于GAOT的PID控制器参数整定研究

遗传算法是一种具有极高鲁棒性和广泛适用性的全局优化方法,遗传算法优化工具箱(GAOT)为遗传算法的推广和应用提供了良好的工具,它采用模块化设计,包含了常用的遗传算子.针对传统PID参数整定的一些局限性,利用遗传算法优化工具箱对PID控制器参数进行整定.分析了遗传算法的应用步骤、GAOT的基本用法和GAOT与控制器参数整定的接口方法,利用仿真试验将该方法与Ziegler-Nichols法和工程品质最佳法进行比较.仿真结果表明:该方法几乎无超调,且过渡时间最短,可明显提高系统性能.     

自适应内模控制器参数的智能整定

提出了智能在线调整ｆ的方法：第一种方法是引入模糊控制，根据系统系统误差和模型失配误差对参数ｆ进行整定；第二种方法是根据系统误差及模型失配误差与ｆ的关系，提出一种简单的线性ｆ的方法。     

基于频域的新型PID型模糊控制器设计及其参数整定

基于频域理论对模糊控制器结构进行了改进 ,并根据给定相角裕度和幅值裕度对模糊控制器的参数进行整定 .这种方法可离线对控制器的参数进行设计 ,也可对在线调整提供指导 ,将 PID参数与模糊控制器参数联系起来     

基于改进PSO算法的柴油机PID控制器参数优化

PID控制器因具有结构简单、鲁棒性强和适用性广的特点而得到广泛应用;其控制效果取决于比例系数(Kp)、积分系数(Ki)和微分系数(Kd)3个参数的取值。为了解决控制参数的选取,提出一种基于改进粒子群优化(ParticleSwarm Optimization,PSO)算法的PID控制器参数优化策略,并将优化方案应用于柴油机转速PID控制器。仿真研究表明,改进PSO算法的PID参数优化策略具有很强的灵活性、适应性和鲁棒性,进而验证了优化方案的可行性和有效性。     

基于参数自整定的模糊智能供水策略

针对一次性整定的PID参数难以保证供水控制系统的控制效果始终处于优化状态的问题,提出了一种基于参数自整定的模糊智能供水策略。采用该策略系统一旦偏离正常状态,在系统性能超过容许范围时,自动启动PID参数的整定过程进行在线参数模糊自整定,按照整定后的PID参数系统自动切换到正常工作状态。重新整定的PID参数可使供水系统达到更好的控制品质。仿真实验表明:实时修改控制器的参数可以保证控制系统具有优良的控制品质。     

PID控制器参数自整定方法综述

由于PID控制器具有简单而固定的形式和良好的鲁棒性,因而在工业生产中得到了广泛的应用。但由于控制系统的复杂性和非线性等因素,使PID控制器的参数受到了影响,因此如何整定PID控制器的参数成为当前乃至今后的研究热点。文章概述了PID的理论,讨论了一些常用PID整定方法,并对新技术进行了探索。     

量子粒子群算法在结构模态参数识别中的应用

量子粒子群算法作为粒子群算法的改进,具有参数少、好编程、易收敛等优势而备受关注.通过将由结构输入、输出数据计算而得的实测频响函数与包含所需识别的结构模态参数的理论频响函数之差最小化作为优化目标,经过对理论频响函数中的结构模态参数搜索取值而使目标函数最小,此过程将结构模态参数识别问题转化为优化问题.采用量子粒子群算法进行优化而得到结构模态参数.为验证该方法的有效性,对一数值模拟的三层混凝土框架结构进行分析,结果表明,量子粒子群可以有效地识别结构模态参数.     

基于粒子群优化的结构系统识别

研究了使用粒子群优化(PSO)算法进行结构系统识别的方法,该方法的基本思想是将结构系统识别问题描述成一个多峰值非线性非凸的优化问题,通过PSO算法发现系统参数的最优估计。利用该方法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了识别,并与基于遗传算法(GA)的结构系统识别方法进行了比较。数值算例及比较结果表明:PSO方法易于实现且计算时占用资源低,并可以成功地对结构系统进行识别,识别效能十分优越。     

水系统优化的粒子群算法分析

针对水系统集成优化问题,采用4种粒子群算法进行求解,并对算法进行了改进。通过算例分析了粒子群算法用于水系统优化时的计算特性。研究表明:在水系统集成优化时,基于混沌局部搜索的粒子群算法较适于该问题的计算。     

混沌微粒群优化算法及其在非线性函数参数估计中的应用

混沌微粒群优化算法是在微粒群优化算法的基础上引入混沌思想,提高算法的局部搜索能力,具有良好的性能.主要介绍微粒群算法的原理以及混沌优化思想,最后结合求解平面度误差证明混沌微粒群算法在非线性函数参数估计中的有效性及应用前景.     

基于遗传算法的热力设备机理模型参数优化方法研究

针对复杂热力系统机理建模参数优化中存在的问题,提出了基于遗传算法的机理模型优化方法。建立热力设备的机理模型,确定优化参数,应用遗传算法进行优化,直到模型精度达到要求。以末级过热器为例进行的仿真研究表明,运用该方法优化的机理模型达到预定的精度要求;优化过程自动进行,缩短了参数优化时间。作为一种通用算法框架,具有简单易用的特点,适用于各类热力设备模型和热力系统模型,为火电厂仿真机数学建模和参数自动优化提出了简单实用的方法。     

基于粒子群优化的PID伺服控制器设计

针对耦合和非线性永磁同步电机（PMSM）控制器优化设计的难题,提出了基于粒子群优化（PSO）算法的比例、积分和微分(PID)控制器的优化设计方法.结合PSO的基本原理和PMSM伺服系统的控制策略,给出了优化PID控制器设计的步骤.考虑到综合评价系统的各项性能指标,在优化过程中引入了新的模糊汉明距离的评价策略.同时对遗传算法（GA）和PSO算法优化结果进行对比研究.仿真和实验结果表明,该方法能搜寻到最优或次最优的参数空间,并能取得比GA更好的空间解.优化得到的PID控制器速度响应快、超调量小,有效地提高了伺服系统的动态性能.     

粒子群算法在新安江模型参数优选中的应用

对粒子群算法进行了详细描述和分析,并将其应用于新安江模型的参数优选中.对于人工生成的理想水文资料,采用粒子群算法优化新安江模型,可以使全部参数收敛到真值;对于实测的水文资料,通过与单纯形混合加速遗传算法(SAGA)和单纯多边形进化算法(SCE-UA)进行比较,可以看出,粒子群算法全局收敛性能较好,计算效率和精度较高,是一种有效的新安江模型参数优选方法.     

水文模型参数优选的改进粒子群优化算法

针对标准粒子群算法的早熟收敛问题,提出了一个提高算法性能的改进途径,即引入动态改变惯性权重策略和混沌思想,在两个方面同时改进以提高粒子群算法的收敛速度和克服局部极值的能力.对两个函数进行寻优测试表明,改进后的粒子群算法收敛速度、精度以及全局搜索能力均优于标准粒子群算法.最后将提出的改进粒子群算法应用于新安江模型进行参数优选,应用结果表明,该算法具有较强的可行性与实用性.     

一种基于神经网络和参数优化的隐式广义预测控制

提出一种基于神经网络和参数优化的预测控制方法。首先利用带有动量项的改进BP神经网络辨识系统模型,在辨识过程中使用粒子群算法(PSO)对改进BP网络的初始权值/偏置、学习率、动量系数等辨识参数进行学习优化,解决这些参数的取值问题;然后将辨识得到的模型用于隐式广义预测自校正控制中,使用遗传算法(GA)对控制过程进行优化,寻找最优的控制参数(预测时域、控制时域、控制加权系数、柔化系数)。将该方法应用在热工系统中,仿真结果表明了方法的有效性。     

基于智能优化算法的多时段可中断负荷调度

探讨智能优化算法在多时段可中断负荷调度问题中的应用,建立了的优化模型,可考虑中断补偿费用最小化和中断频率最小化等多个优化目标,并可计入不同可中断用户的不同中断特性．并给出了的算例分析,着重比较了基于离散二元粒子群优化算法和遗传算法的结果,表明离散粒子群算法在收敛性和精度上均优于遗传算法,具有较好的应用价值．