基于粒子群优化的模糊PID控制在配料过程的应用

为避免模糊PID控制中参数选取的经验性及参数不变性,应用粒子群算法优化隶属函数分布,增强控制器自适应能力,并提高其控制精度,充分体现了算法的智能性.将粒子群优化的模糊PID控制应用于配料控制系统中,通过仿真并与模糊PID以及传统PID控制方法相比较,结果表明,粒子群算法收敛快,找到最优点时间短,优化后的模糊PID控制具有静态误差小、调节时间短、无超调、抗干扰能力强等优点,能很好地满足控制过程的动态特性,并具有较强的鲁棒性及适应性.     

基于粒子群优化的桥式起重机模糊PID控制

由于桥式起重机调速系统具有非线性特点,采用传统PID控制效果不佳,而模糊控制却能很好地改善非线性系统的性能,因此将二者相结合设计出了桥式起重机的模糊PID控制器。同时为了进一步改善控制器的性能,利用粒子群算法（PSO）的寻优特性对其参数进行优化,并通过 Matlab仿真与优化前的控制器以及传统 PID控制器进行对比,结果表明,采用粒子群算法优化后的模糊PID控制器动态性能更佳,具有超调小、调节时间短、适应性强的优点。     

基于改进粒子群算法的模糊神经网络PID控制器设计

针对模糊神经网络PID控制器中参数初始值的设置对控制器性能影响大的问题,提出一种改进的PSO算法优化模糊神经网络PID控制器参数的设计方法.该方法采用实数编码的方式对控制器参数进行优化,并以ITAT指标作为改进的PSO优化算法的适应度函数.实验仿真表明:经过改进的PSO算法优化的模糊神经网络PID控制器具有良好的动静态性能,响应速度更快,超调量更小,控制精度更高.     

基于风驱动优化算法WDO的PID参数优化

鉴于PID控制器的优越性,其在工业控制领域中的引用越来越广泛。PID控制器的性能主要在于其参数优化设计,PID参数优化问题一直是研究热点。为了解决PID参数优化问题,提出了一种基于自然启发的风驱动优化算法（WDO）的PID优化控制方法,该算法以PID三个参量为控制对象,以误差绝对值和控制输入平方项的时间积分作为优化目标,经过迭代寻优计算得到系统最优控制量。通过计算机仿真,并与遗传算法和粒子群算法PID参数优化相比,结果表明：该算法提高了系统的控制精度、响应速度和鲁棒性,为控制系统PID参数整定提供了参考。     

基于ARM的模糊自适应PID温度控制系统设计

为了解决传统PID控制器控制电冰箱温度所存在的响应速度慢、控制精度不高等问题,本文采用自整定模糊PID控制算法设计了模糊PID控制器,并在MATLAB环境中进行了仿真,与常规PID控制器的性能进行了对比,结果表明模糊自适应PID控制器的响应特性优于传统的PID控制器,响应速度更快,稳态精度更高,超调量更小,提高了电冰箱温度控制系统的性能.最后在ARM芯片上实现模糊控制算法,模糊控制表采用新方法二维矩阵存储,以便方便查询和管理,更好地满足温度调节的实时性.     

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。     

基于粒子群优化的PID控制器设计与应用

研究优化控制器设计问题,工业过程控制中广泛使用的PID控制器,参数的选取可等效为优化问题.针对PID控制器应用于实际的自动电压调节器(AVR)系统,为了有效地寻找AVR系统的最佳PID控制器参数,提出一种基于粒子群算法的PID参数优化策略.通过建立粒子群优化的PID控制器参数模型,在控制过程中将PID参数(比例、积分、微分)作为粒子群中的粒子,采用控制误差绝对值时间积分函数作为优化目标,在控制过程中动态调整PID的三个控制参数,从而进行PID控制参数的实时优化.仿真结果表明PID控制器可以获得较好的控制性能指标,进而改善AVR系统的瞬时响应特性,具有一定的实用价值.     

模糊自整定PID温度控制系统的建模与仿真

针对炒茶机的加热控制系统跟踪设定的温度值滞后、自动调节加热装置实时性差的问题,设计一种模糊自整定比例积分微分(PID)参数控制器。采用PID控制和模糊控制算法相结合的方法,实现模糊控制对PID参数的调整。利用Matlab在Simulink中建立模型,并对该控制器进行仿真分析。结果表明,模糊PID自整定控制器的超调量 ≈1%,稳态误差es=0。该方法可提高温度控制系统的性能。     

PCR温度模糊PID控制器的设计及仿真

根据PCR对温度控制的要求设计出一种模糊PID控制器,采用误差和误差变化率作为模糊PID控制器的输入,PID参数作为模糊PID控制器的输出,并使用一组模糊规则实现对PID参数的在线优化调节.通过使用Simulink图形化工具平台对模糊PID控制器和传统的PID控制器进行建模和仿真.结果表明,与传统PID控制器相比,模糊PID控制器性能优良,使系统响应速度加快,超调减小.     

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.     

智能PID控制器优化仿真研究

研究PID控制器优化问题,现代工业控制过程中,由于许多被控对象受到于扰因素影响,具有高度非线性和不确定性,常规PID控制精度低,提出一种遗传算法、粒子群算法和RBF神经网络相融合的PID控制器设计方法(GA-PSO-RBF).首先采用遗传算法选择PID控制参数初始值,然后采用粒子群算法优化RBF神经网络参数,采用优后的RBF神经网络辨识控制对象的输出对输入的变化灵敏度,最后采用单神经元对PID控制器进行在线性调整,得到理想的控制效果.仿真结果表明,GA-PSO-RBF神经网络PID控制器的超调量小,响应速度快,提高了系统的控制精度.     

基于改进模糊PID的自动导引车纠偏控制研究

针对传统模糊比例—积分—微分(PID)控制器对自动导引车(AGV)路径跟踪精度低的问题,提出一种基于比例调整和积分分离的模糊PID纠偏控制方法。首先分析并建立AGV的运动学模型;其次设计模糊PID控制器的输入输出隶属度函数及模糊控制规则;最后对模糊控制器输出的比例项和积分项以偏差的大小为依据分别进行比例调整和积分分离。仿真实验表明:积分分离可以有效降低系统超调量,比例调整加快系统的响应速度,本文设计的纠偏控制器具有快速性和稳定性等优点。     

基于人群搜索算法的PID控制器参数优化

关于PID控制器在工业控制领域应用优化问题,PID参数优化成为工业自动化研究的热点.PID参数优化对于系统的稳定性、可靠性和快速响应等特性有着重要的意义.为了改善和优化PID控制器性能,提出一种人群搜索算法(SOA),以PID三个参量为搜寻队伍,以误差绝对值和控制输入平方项的时间积分作为优化目标,经过迭代寻优计算得到系统最优控制量.通过对比遗传算法和粒子群算法PID参数优化,仿真结果表明,改进算法提高了系统的控制精度,系统响应速度快,鲁棒性好,为控制系统PID参数整定提供了参考.     

混合粒子群算法优化分数阶PID控制参数研究

分数阶比例-积分-微分(PID)控制器是一种把PID控制器的整数阶次推广到分数的比例、积分、微分控制器,它比传统的PID控制器更能精确地控制复杂的被控系统.而参数的取值对控制效果的好坏起着决定性作用,为此提出了一种混合粒子群算法BFA-PSO优化参数值.该算法将具有趋化、繁殖和驱散特点的细菌觅食算法和参数少,易于优化的粒子群算法相结合来计算出精确的分数阶PID控制器的参数值.通过对传统PID控制器和分数阶PID控制器参数优化的实验仿真,结果表明基于该算法的分数阶PID控制不仅无超调量、收敛速度快,而且鲁棒性强、收敛精度高,可用于控制不同的对象和过程.     

基于粒子群算法改进BP神经网络PID垃圾焚烧控制研究

针对生活垃圾焚烧控制系统焚烧过程存在的大滞后、非线性、复杂性、强耦合等问题，本文提出一种基于粒子群算法改进的BP神经网络PID垃圾焚烧控制策略，即在原有传统PID控制器的基础上加入BP神经网络算法，再通过粒子群算法对BP神经网络进一步优化，使其训练得到全局最优控制参数，提高神经网络的收敛性^[1]，从而在线实时调整PID的三个参数K_p、K_i和K_d。实验结果表明，基于粒子群算法改进的BP神经网络PID控制可以有效地克服传统PID控制存在的问题，明显减小了超调量，提高了系统的响应速度和控制精度。     

粒子群优化PID在变风量空调系统中的应用

针对在变风量(VAV)空调系统中,传统PID控制自适应能力差、对非线性系统控制效果不佳的问题,提出了一种基于粒子群优化(PSO)算法整定PID参数的方法。通过选取被控对象模型(空调房间模型),在目标空间中寻找最优PID控制参数集,并选取被控系统的误差绝对值乘时间积分(ITAE)指标作为粒子群算法的目标函数。通过设计优化程序,得到了系统仿真图。与传统Ziegler-Nichols(Z-N)算法整定PID结果相比,系统在工况切换时超调量降低、调节时间缩短。为了避免粒子群算法陷入局部极值,对算法进行了加权。在系统中的应用效果表明,与基本PSO算法相比,加权后的PSO算法在系统工况切换时,收敛速度变慢、系统偏差量减小、调节时间缩短。经仿真分析得出,加权后的PSO算法能有效地降低PID控制器的超调量。该优化算法应用于具有多种变化特性的VAV空调系统中,提高了系统的控制性能。     

水轮发电机组PID参数的优化仿真研究

研究水轮发电机组PID参数优化问题,由于PID参数是一个多参数组合系统,参数间互相关联,呈高度非线线性关系,传统参数优化算法采用经验方法,耗时长,难以找到最优参数,导致PID控制精度不高.为了获取最优PID参数,提高系统控制精度,提出一种粒子群算法的PID参数优化方法.采P1D参数作为粒子群中的一个粒子,PID控制精度作为粒子的目标函数,通过粒子相互作用,不断缩小粒子的搜索空间,通过引入重新启动策略,提高粒子摆脱局部极值能力,最后找到最优PID参数.通过对某水电站的真实数据对参数优化后的PID控制器进行测试实验,结果表明,粒子群优化算法能够很快找到PID最优参数,明显提高了水轮发电机组PID控制精度,系统超调量更小,调节时间更短,为控制系统优化提供了依据.     

基于图像视觉伺服的模糊比例积分微分控制系统

针对传统比例积分微分(PID)参数难整定、控制性能不理想等问题,将模糊控制理论与PID控制器相结合,构成模糊PID控制器。采用Eye-to-Hand视觉模型,引入图像视觉伺服机制,通过图像获取误差信号来实现对PID控制器三个参数K_p、T_i和T_d的实时在线自适应调整。最后在以PC机、CompactRIO、NI-9401、互补金属氧化物半导体(CMOS)摄像头、电机驱动器及无刷直流(DC)电机组成的打孔机视觉伺服运动控制系统上完成了实验。结果表明,基于图像的视觉伺服模糊PID控制器相对于传统PID控制器响应速度提高了60%,超调量降低了80%,鲁棒性也更好;不仅能提高孔的定位精度,还能边加工边检测。     

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。