基于遗传算法和神经网络的PID控制参数的优化研究

针对传统的PID控制中参数整定的难题，采用智能控制技术优化PID参数，利用神经网络进行系统商务谈判识，建立对象模型，在此模型基础上，运用遗传算法寻优PID控制参数采用变交叉 概率和变异概率自适应遗传算法寻优得到PID控制参数，与传统的整定结果相比较，遗传算法优化效果更好，最终达到最优的控制效果。     

神经网络与参数自寻优PID在柴油机转速控制系统中的应用

针对柴油机模型自身的特点 ,设计了一种神经网络与参数自寻优PID控制相结合的控制器。在很大程度上改善了柴油机转速控制的输出特性 ,实验证明了算法的可行性。     

神经网络PID控制器在交流矢量控制系统中的应用

介绍了一种基于BP神经网络的PID控制器的设计方法，仿真实验结果表明该系统既保证了系统的稳态精度，又保证了系统的快速响应和鲁棒性。     

智能PID控制器在汽温控制系统中的应用

智能PID控制器是智能控制技术与常规PID控制器相结合的产物。该文对模糊控制神经网络与常规PID控制器相结合进行了研究。对智能PID控制器在电厂主要热工过程控制系统中的应用研究情况进行了仿真。仿真结果表明智能PID控制器在电厂热工过程控制中的应用是有效的和可行的有着广阔的发展前景。     

基于遗传算法-BP神经网络优化的PID控制

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法。对于非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为一种有效的控制策略。该文提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化。仿真结果证明了该算法的有效性。     

基于遗传算法的PID参数优化方法

PID参数整定与优化一直是自动控制领域研究的重要问题，采用遗传算法进行PID参数优化是一种寻求全局最优且与初始条件无关的优化方法，在参数优化过程中，考虑了2种不同的目标函数做了大量仿真实验。仿真结果表明了遗传算法应用于控制器参数优化的可行性和有效性，不失为一种具有较好实用价值的PID参数优化方法。     

一种混合智能算法在配电网络重构中的应用

提出了一种新的混合智能方法用来解决配电网络重构问题。该方法结合了遗传算法（GA）和粒子群优化算法（PSO）两者的优点，体现出较GA和PSO更好的寻优性能。在寻优过程中，部分个体以PSO方法迭代，其它个体进行GA中的交叉和变异操作，整个群体信息共享，同时采用自适应参数机制和优胜劣汰的思想进化。通过对IEEE16节点、IEEE33节点、IEEE69节点测试系统的计算和分析表明，该方法在解决配电网络重构问题上具有很高的搜索效率和寻优性能。     

BP神经网络在飞轮电池控制系统中的研究

飞轮储能用电机的非线性和变参数特性使得传统的PID控制很难取得较好的效果,而人工神经网络在一定的条件下可以逼近任意非线性函数,且具有较强的自学习、自适应、自组织能力,故将其与传统控制相结合构成神经网络自适应控制策略,应用于飞轮储能电机以实现高性能控制.同时采用变学习速率的神经网络学习算法,学习速率随收敛过程误差的大小而自适应地进行调整,可大大加快神经网络学习训练的收敛速度,进一步提高系统动态响应速度.仿真结果表明,在充放电两端,系统的动态响应快,超调小,稳态精度高,鲁棒性强,抗扰动能力强.控制效果较好.     

仿真技术在热工自动控制系统PID参数优化中的应用

本文以三级减温控制系统为倒，利用响应曲线法获取对象动态特性．在MatLab中构建控制系统仿真模型，成功实现了调节系统PID控制参数的离线优化。由于仿真过程直观高效．此方法可作为其他控制系统PID每数优化的参考。     

改进的自适应遗传算法在控制器PID参数优化中的应用

针对遗传算法(GA)中自适应机制存在理论性和可行性之间的矛盾,提出一种行之有效的自适应算法。该算法根据个体和群体的适应度来确定个体的交叉变异概率,并据此采用无放回抽样的方式进行交叉变异。用一个非常复杂的数学函数对新算法进行了测试,结果表明改进算法克服了传统GA难以解决的早熟和局部收敛的问题,并且收敛速度大有提高。在此基础上将其应用于锅炉过热汽温串级控制系统的PID参数优化,仿真结果表明了其优越性,具有很好的应用价值。     

基于遗传算法的三相四线制逆变器优化控制的研究

建立三相四线制逆变器带不平衡负载的情况进行数学建模。在各个状态变量下对输出电流影响进行分析,得出相关的计算结果。仿真试验,列出多目标函数的表达式,在同时考虑开关损耗和电磁干扰的情况下,通过遗传算法寻找最优序列。画出最优序列下及约束条件下的波形图,并对试验结果进行比较分析,得出该算法的优越性及可靠性。     

基于遗传算法PID参数寻优的电加热炉温度控制系统

针对工业过程中常见的一阶大滞后对象的PID参数整定问题,提出自适应遗传算法对PID控制进行参数寻优。应用自适应遗传算法对电加热炉温度控制器参数进行优化,并将结果与常规的PID控制方法进行比较,仿真与实际结果表明,当被控对象存在较大纯滞后特性时,采用本方法优化PID控制器参数可获得比较满意的调节效果。     

人工蜂群算法在飞轮充电控制系统中的应用研究

飞轮储能系统中飞轮电机非线性、变参数等特性的存在,导致其充电控制系统转速环PID控制器的参数整定存在一定的困难。将人工蜂群算法应用于飞轮充电控制系统中对PID参数进行优化。提出了基于人工蜂群算法优化PID参数的具体流程,分别采用人工蜂群算法、遗传算法和蚁群算法优化飞轮充电控制系统PID控制器,并通过仿真进行性能对比分析,结果表明基于人工蜂群算法整定的PID控制器的阶跃响应具有最短的上升时间和最少的迭代次数,效果最好,验证了人工蜂群算法优化飞轮充电的优越性。     

新型多模态PID控制算法在高精度位置伺服系统中的应用

以高精度要求的全数字无刷直流电机位置伺服系统为对象,采用一种新型的多模态PID与模糊控制相结合的控制算法.实际运行结果表明:这种算法通过选择合理的PID参数,能够满足该位置伺服系统响应速度快,位置精度高,鲁棒性强的要求.     

水轮机智能PID调节

本提出了一种基于神经网络实现智能ＰＩＤ控制策略，该策略不需要被控对象的精确模型，以经典的ＰＩＤ为基础，用神经网络实现，在给定评价函数不进行自学习。将其应用于单机运行的水轮机组频率扰动和负荷扰动仿真试验中，结果表明该策略对于被控系统的严重非线性有很好的适应性和鲁棒性。     

冷带轧机厚度控制系统的智能优化控制

针对冷带轧机AGC控制系统中存在的时变非线性和时滞以及传统PID控制参数不易调整的问题,提出将智能模糊自适应PID控制器用于厚度控制回路的优化控制方案.在原有PID控制器的基础上融合了模糊推理的功能,通过模糊推理控制器在线实时调整PID控制器的参数,以满足PID参数时变的要求.仿真试验结果表明,采用智能模糊自适应PID的控制系统调节时间短,超调量小,动静态性能优越,控制效果优于传统PID控制.     

离心压缩机防喘振智能控制系统研究

通过对引起离心压缩机喘振现象原因地分析,提出了离心压缩机喘振智能控制方法,方法采用气压和转速双闭环控制,气压闭环采用模糊PID控制,转速闭环采用模糊自适应PID控制.并详细介绍了气压和转速闭环控制算法的推导过程以及实现的具体步骤,建立了电机转速与气压控制的仿真模型,仿真结果表明,控制算法可以使得系统工作点运行在安全工作...     

位置伺服系统控制算法的研究

传统PID控制在伺服系统高精度位置跟踪和改善系统品质方面已露出诸多不足,且系统中存在的控制干扰和测量噪声会在很大程度上影响伺服系统的跟踪精度.提出一种带有卡尔曼滤波器的重复控制补偿PID和前馈补偿相结合的控制方法.通过仿真证明该控制方法能以较高的精度跟踪周期性输入信号,且有较好的抑制随机扰动和鲁棒性.     

基于神经网络的交通灯智能系统

设计了一个使用神经网络的交通灯智能系统。该系统能根据车辆质量、长度和速度来改变信号灯等待时间。仿真表明,该系统比固定时间信号灯更有效,车辆的平均等待时间减少,通过十字路口的速度加快,燃料消耗都有所改善,提高了总体交通效率。