佳点集遗传算法及其在PID控制中的应用*

传统遗传算法具有收敛速度慢、局部寻优能力较差且容易出现“早熟”等现象,运用数论中的佳点集理论与方法对其进行改进。改进的算法通过生成一种具有良好多样性的均匀初始种群,构造出新型的佳点交叉算子和变异算子,使得在进化过程中子代可以更好地继承父代的优良特性,有效地改善了传统算法的全局收敛速度,避免了“早熟”现象的发生。将此改进算法应用于工业PID控制器的参数寻优,仿真结果显示出佳点集遗传算法明显提高了搜索速度,系统的动态性能和稳定性也有明显改善。     

遗伟算法在PID控制器参数寻优中的应用研究

目的 用常规PID控制器对具有较大时间常数、大纯滞后特笥的被控对象实现最优控制。方法 采用遗传算法对PID参数进行寻优,在搜索空间内获得全局最优点。结果 将遗传算法和单纯形法分别用于PID参数寻优,仿真结果表明：采用遗传算法寻优能获得较好的控制效果。结论 在过程控制中,可采用遗传算法优化调节器参数。     

遗传算法在PID参数整定中的应用

针对传统PID参数整定的困难性 ,本文提出了把遗传算法运用于PID参数整定中 ,采用遗传算法进行PID参数整定是一种寻求全局最优且与初始条件无关的优化方法。仿真结果表明基于遗传算法运的PID参数整定具有良好的控制特性。     

用遗传算法优化PID参数

PID控制是最早发展起来的控制策略之一,因其设计方法及控制结构简单易行,直今仍在工业过程控制中得到广泛应用.在PID控制中,控制效果的好坏完全取决于PID参数的整定与优化.目前,PID参数的整定及优化方法有很多,如Z-N法,继电型自整定法,最优设定法及梯度法、单纯形法.但各有其弊,前几种整定方法带有经验性并不是最优解,后两种极易陷入局部最优点.而遗传算法是一种寻求全局最优且不需任何初始信息的高效优化方法.本文把遗传算法应用于PID参数寻优,通过仿真验证效果很好.     

基于遗传算法的PID参数寻优

遗传算法是一种模拟自然进化而提出的简单高效的优化组合方法。该文主要研究了控制器参数优化问题 ,并利用遗传算法的基本原理对单回路及串级回路进行了离线寻优。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。同时遗传算法还克服了其它方法的某些弊端     

遗传算法在PID自适应控制中的应用

针对传统遗传算法的局限性，提出了一种新型的遗传算法。在算法上有很多改进，比如：保护最优个体。采用新型的交叉和变异操作。用Madab做仿真试验，试验结果证明新型的遗传算法有良好的动态性能。另外，解决了传统遗传算法中的一些不足．提高了优化的精确度和收敛性能。     

基于改进遗传算法的PID控制器设计

针对一般遗传算法存在的不足，提出一种改进的遗传算法，并将其应用于PID控制器参数设计。该方法采用实数编码，是为了操作方便、提高精度和收敛速度，且能克服传统PID参数整定的费时性。仿真结果表明，基于改进遗传算法设计的PID控制器获得了良好的控制效果，其控制性能优于常规的PID控制器。     

基于改进遗传算法的PID参数寻优与控制器设计

相比传统的调节方法,遗传算法具有更好的鲁棒性、最优性,能较好的实现参数的自动化调节。对标准遗传算法（SGA）进行了分析、研究,并在SGA的基础上进行了改进。改进的遗传算法从提高全局搜索性能和加快收敛速度出发,提出了改进的选择算子、交叉算子和变异算子,仿真结果表明,改进的遗传算法的全局搜索性能和收敛速度远远优于标准遗传算法。     

基于改进遗传算法的PID参数整定及其在加热炉中的应用

提出了一种遗传传算法交叉概率与变异概率的自适应确定方法,应用该方法对PID控制器的参数进行优化,并以加热炉为研究对象进行仿真研究,结果表明该方法能实现对PID参数的全局优化,仿真系统具有较好的控制效果。     

遗传算法在电石炉系统PID参数优化中的应用

针对电石炉控制系统的特点。设计出一种最优PID控制器。该控制器以系统响应的超调量、上升时间及调节时间为性能指标，利用遗传算法通过对PID参数进行实数编码、选择合适的适应度函数、自适应的交叉概率和变异概率，对PID控制器的参数进行了优化，最终得到一组PID参数的最优值。对比仿真试验的结果表明，设计出的最优PID控制器性能优于常规的PID控制器。这种最优PID控制器用于电石炉控制系统中可达到良好的动态性能和鲁棒性能。     

基于改进遗传算法的非线性PID控制器

基于PID控制器各增益参数与偏差信号之间呈现非线性关系,该文提出了一种非线性PID控制器.同时,针对经典遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点,在前人研究成果的基础上,改进了传统的遗传算法,并将其应用于非线性PID控制器参数寻优.仿真结果表明,基于此遗传算法寻优设计的非线性PID控制器可以极大地提高寻优的速度,同时兼顾系统的动态和静态性能.     

基于改进混合遗传算法的二自由度PID控制器设计与应用

针对一般遗传算法存在的不足,提出一种改进的混合遗传算法,并将其应用于二自由度PID控制器参数寻优设计,仿真试验表明,所设计的二自由度PID控制器具有优良的鲁棒特性和抑制外界于扰特性,在仿真转台控制系统设计中获得了良好的控制效果,从而说明了该方法的有效性。     

改进遗传算法在PID优化中的应用

现有的比例积分微分(PID)优化设计算法难以兼顾系统对快速性、稳定性和鲁棒性的要求。为此,提出一种改进的Pareto遗传算法。该算法采用新的拥挤距离计算算法,改进非支配性的比较算法,引入双重精英机制,提高进化效率和解的质量,并且解的多样性好。将该算法应用于PID多目标优化设计,仿真结果表明,决策者可根据当前工作需求在所得的Pareto解集中选择最优的满意解。     

基于Adaptive Interaction理论的PID控制器的设计及应用

本文在Adaptive Interaction理论的基础上,提出了一种新的自调整 PID 控制器。这种新的控制器根据输入及其误差信号进行在线训练,通过误差评价函数的最小化,在模型未知的情况下能很好地调整比例、积分、微分三个参数。对于被控对象的变化具有鲁棒性,很大程度上解决了传统的 PID 控制器对于非线性、不稳定系统控制效果不佳及在线调整困难的问题。通过仿真实例,验证了应用 Adaptive Interaction 理论的 PID 控制器的有效性和实用性。     

基于神经网络和遗传算法的智能PID控制

提出了一种结合神经网络和遗传算法的智能PID控制算法;该控制器先利用RBF辨识网络在线辨识系统模型,再利用遗传算法在线调整PID三个控制参数,将传统的Ziegler-Nichols方法所得的控制参数作为遗传算法的初始参数范围,缩小了遗传算法的寻优范围;在MATLAB6.5环境下进行仿真和试验研究,结果证明RBF辨识网络的输出能够很好地跟踪对象输出,遗传算法很好地优化了控制参数;二者结合可在线有效地控制较复杂的被控对象.     

基于分布种群遗传算法的PID控制器参数优化整定

Enlightened by distribution of creatures in natural ecology environment, the distribution population-based genetic algorithm (DPGA) is presented in this paper. The searching capability of the algorithm is improved by competition between distribution populations to reduce the search zone. This method is applied to design of optimal parameters of PID controllers with examples, and the simulation results show that satisfactory performances are obtained.     

遗传算法在PID参数优化中的应用

采用常规整定方式,往往费时且难以满足控制要求。本文使用浮点编码遗传算法优化PID控制器的参数,取得了很好的效果。