基于改进量子粒子群算法的火电厂再热汽温调节系统PID参数自整定

鉴于热控工作人员的技术水平和经验不足等问题,目前火电厂中许多控制回路整定效果不佳,因此PID参数的自整定具有极其重要的意义。为此,提出了一种基于改进量子粒子群算法的PID参数自整定方法,并采用MATLAB软件对火电厂再热汽温调节系统进行了仿真及PID参数自整定。通过与工程上的临界比例度法、传统粒子群算法、传统量子粒子群算法自整定的仿真结果相比较,证明了基于改进量子粒子群算法的PID参数自整定方法的优越性。     

无刷直流电机自适应控制系统的研究与仿真

为了提高无刷直流电机控制性能,提出了一种基于改进的全面学习粒子群(CLPSO)算法自整定PID参数的控制方法,实现了无刷直流电机调速系统的自适应控制。该方法利用改进的CLPSO算法全局搜索能力强、收敛速度快及收敛精度高等优点,对无刷直流电机控制系统的PID参数进行寻优。MATLAB/Simulink仿真实验表明,在电机启动和突加负载过程中,该方法控制电机的转速和转矩响应速度快、波动小,比传统PID控制方法具有更好的动静态特性和鲁棒性。     

基于改进粒子群算法的大迟延热工对象PID参数优化

对粒子群算法进行改进,并应用于大迟延热工对象,对PID控制器参数进行优化。本算法加快了粒子群算法的收敛速度,提高了寻优能力。将改进的粒子群算法和标准粒子群算法进行比较,结果表明:利用改进粒子群算法整定的PID参数,减小了超调量,同时缩减了调节时间。     

改进粒子群算法应用于挖掘机铲斗位置控制

挖掘机工作装置精确的位置控制是实现其轨迹自动控制的基础。提出一种改进粒子群优化算法,应用于液压系统PID参数的优化整定中,把遗传算法中的选择和交叉两种操作方式添加到标准的粒子群算法中形成的混合优化算法,提高了算法的搜索能力。建立具有整定PID控制器功能的仿真平台,使用改进粒子群算法、标准粒子群算法和相位裕度方法对PID控制器进行整定仿真,根据仿真结果,进行了模拟铲斗平地运动试验。仿真和试验结果表明改进粒子群算法整定的PID控制器参数,在电液伺服系统的动态响应和精确的轨迹控制方面有良好效果。     

LBSO-PID控制方法在工业控制中的应用

为提高PID在工业控制过程中的控制效果，提出了一种莱维天牛群PID参数（LBSO-PID）自整定方法。针对天牛须搜索算法（BAS）仅用单个粒子进行最优解搜索而存在的收敛速度慢与易陷入局部解的问题，提出了一种LBSO算法，即将BAS算法中的粒子赋予粒子群算法的种群特性与Levy随机步长特性以提高算法的全局搜索能力与搜索精度。以时间误差绝对函数ITAE作为PID自整定过程中的评价函数，通过实验验证了LBSO-PID自整定方法的有效性。     

基于CPSO-BP-PID的神经网络控制方法研究

针对传统PID控制方法的参数不易整定、调节时间偏长的缺点,将CPSO算法用到BP-PID的参数整定过程中,从而设计了一种稳定、高效的自适应控制器(CPSO-BP-PID)。由于CPSO算法的粒子速度更新来自于粒子的自身最优值、每个子群的最优值以及本子群的最优值,使其充分发挥了PSO的社会分享机制,全局搜索能力更强,从而保证了由其整定的BP神经网络更加适合PID控制参数的优化过程。通过比较实验中建立的PSO-BP-PID、BP-PID以及CPSO-BP-PID三种控制器的控制性能,实验结果表明CPSO-BP-PID控制器可以实现对被控系统的有效控制,并可较大程度地提高其控制过程的稳定性、精确性与鲁棒性。     

改进的PSO算法对PID控制器的参数优化

针对工业控制领域中,PID参数整定难的问题,提出基于均值的新型高效自适应惯性系数的粒子群算法,將测定控制系统整体性能的适应度值和决定粒子搜索能力的惯性系数结合,根据不同适应度值选用不同的惯性系数。在Simulink中,将改进的PSO算法运用到PID算法模型优化中,不断测试,得到PID参数性能,直至得到最优参数。将优化的参数与标准粒子群算法作仿真对比,验证该方法对PID控制器参数优化的有效性。     

改进的PSO及其在结晶器液位控制中的应用

针对粒子群算法存在的易于陷入局部极值和收敛速度慢等不足，提出了基于变惯性权重和多种群并行寻优策略的，通过多种群寻优策略来解决陷入局部极值的问题，利用变惯性权重的方法提高收敛速度。并将改进粒子群算法在连铸结晶器液位PID控制器参数自整定中进行了应用研究，仿真结果表明了此算法在PID参数的自整定过程中的有效性。     

基于多领导粒子策略的DMPSO算法在冷轧液压APC系统中的应用

冷轧液压伺服位置自动控制(APC)系统中,系统参数会随着运行时间发生改变,针对系统这一特性,提出了一种基于改进动态多目标粒子群（DMPSO）算法的PID控制器参数整定策略。当系统发生变化时,该策略利用动态多目标粒子群算法的寻优能力和对环境变化的适应能力重新对PID参数进行整定和寻优。同时,针对算法存在的易于陷入局部最优和收敛速度较慢等缺陷,提出了一种基于多领导粒子策略的动态多目标粒子群算法。仿真结果表明：该控制系统对环境变化跟踪快,超调量小,调整时间短,性能明显优于传统PID控制。     

粒子群优化模糊PID在燃烧器温度控制中的应用

针对燃烧器温度控制系统是一个时变、大延迟和非线性的控制系统,无法建立准确数学模型,难以进行精确控制的问题,常使用模糊PID算法实现对此类系统的控制.但模糊PID算法需要专家给出模糊规则并调节参数,且参数调节过程中存在误差,控制性能较差.本文采用粒子群优化模糊PID算法中的量化因子Ke、Kec和比例因子Ku,快速整定模糊...     

基于改进天牛须算法的主汽温控制系统PID参数优化

为了在实时性要求高、弱计算力环境中更好应用PID规律,对天牛须算法进行改进。更改了步长衰减公式,使步长的衰减更符合算法的需求,同时加入了变异环节,在进行局部搜索时发挥作用。改进天牛须算法与原天牛须算法的测试结果表明,改进天牛须算法有更好的搜索能力;与粒子群算法、经验公式法在电厂主汽温控制系统PID参数优化中的对比表明,主汽温控制系统在改进天牛须搜索算法的优化下拥有更好的、更快的调节效果,而且优化所需时间更短。     

Particle Swarm Optimization Technique Based Design of Pi Controller for a Real-Time Non-Linear Process

Abstract

The increasing complexity of modern control systems has emphasized the idea of applying new approaches in order to solve design problems for different control engineering applications. Proportional-Integral-Derivative (PID) control schemes have been widely used in most of process control systems represented by chemical processes for a long time. However, a very important problem is how to determine or tune the PID parameters, because these parameters have a great influence on the stability and the performance of the control system. Computational intelligence (CI), which has caught the eyes of researchers due to its simplicity, low computational cost, and good performance, makes it a possible choice for tuning of PID controllers, to increase their performance. This paper discusses, in detail, the Particle Swarm Optimization (PSO) algorithm, a CI technique, and its implementation in PID tuning for a controller of a real time process. Compared to other conventional PID tuning methods, the result shows that better performance can be achieved with the proposed method. The ability of the designed controller, in terms of tracking set point, is also compared and simulation results are shown.     

权重改进的蛙跳算法优化PID参数

针对非线性、大延迟、时变的控制系统,传统的PID控制效果不理想,为此提出用蛙跳(shuffled frog leaping algorithm,SFLA)仿生优化算法整定PID参数,但传统蛙跳算法易陷入局部最优,收敛速度慢,因此提出权重改进的蛙跳算法(weight improved shuffled frog leaping algorithm,WISFLA)。该算法引入线性递减惯性权重修正最差青蛙的更新策略,可以平衡算法的全局搜索和局部搜索。通过两个经典控制系统的仿真测试,结果表明,WISFLA算法可以平衡算法的全局搜索和局部搜索,比SFLA和PSO(particle swarm optimization)的寻优能力强,迭代次数少,更适合PID参数的整定优化。     

金属板材加工张力控制的模糊PID方法

针对金属板材加工张力PID控制参数频繁调整的问题,采用现代模糊理论与PID控制算法相结合,给出一种基于板材加工的模糊PID张力控制方法。文章在简要介绍张力控制系统基本框架的基础上,着重描述PID参数调整原则及模糊PID控制器的整个设计过程。经过仿真分析与实际试运行表明,所设计的模糊PID张力控制算法有效可行,系统不仅实现了在线自整定PID参数的目的,而且具有较好的自适应能力,控制效果比较理想。     

基于PSO的模糊PID车载平台调平控制系统研究

为解决车载平台调平控制系统响应速度慢、自适应能力差的问题,对一款液压马达带动滚珠丝杠的调平支腿,建立其数学模型,提出了基于粒子群优化(Particle Swarm Optimization,PSO)的模糊比例积分微分(Proportional Integral Derivative,PID)控制方案.通过结合PSO算法...     

基于改进PSO算法的电液位置伺服系统MRAC跟踪控制

针对电液位置伺服系统控制性能不佳的问题,提出一种基于改进PSO算法优化的模型参考自适应(Model Reference Adaptive Control,MRAC)跟踪控制方法。首先,建立电液位置伺服系统数学模型,设计出模型参考自适应控制器;其次,分析PSO算法、APSO算法在参数寻优过程中的不足,提出一种改进的PSO算法;最后,将改进的PSO算法用于模型参考自适应控制器以改善其控制性能。结果表明,改进PSO算法优化的模型参考自适应控制具有响应速度快、跟踪精度高的优点。     

新型连续变速积分控制算法研究及应用

提出一种新的改进PID控制算法--连续变速积分控制算法.对其进行了仿真,与常规PID算法进行了比较,并将其应用于小型电加热炉的控制中.仿真及实际应用结果表明,该算法可提高控制质量,克服了常规PID算法容易造成超调与积分饱和的问题,且易于进行参数整定,特别适用于间歇生产过程及程序温度控制.     

自适应SA-PSO优化的威布尔混合分布参数估计方法及应用

针对采用传统参数估计方法得到的模型拟合误差较大的问题,建立多重威布尔混合分布参数估计的非线性最小二乘模型,并提出基于模拟退火（SA）思想的自适应粒子群（PSO）算法进行求解。在PSO算法优化过程中,采用自适应方法调整惯性权重和加速因子,加快其收敛速度;引入模拟退火机制,根据Metropolis准则确定最优粒子的取舍,改善其全局搜索能力。将该方法应用到某型柴油机喷油器失效分布的参数估计中,并与图解法、基于Levenberg-Marquardt的非线性最小二乘法、标准PSO算法、自适应PSO算法求解的结果进行比较,分析所提方法的优化性能及精度。结果表明,该方法能够有效提高多重威布尔混合分布模型参数估计的精度和效率。     

模糊免疫PID调速系统及其在缝纫机上的仿真

针对工业缝纫机采用传统PID调速方法无法满足其高动态性、高适应性的要求,借鉴生物免疫反馈机理,提出了模糊免疫PID控制方法,对永磁同步电动机(PMSM)进行了调速控制。通过研究遗传免疫算法和模糊控制算法,对传统的PID调速方法进行了改进,提出了模糊免疫PID调速控制模型,并且进行了仿真实验。仿真结果表明,与传统PID调速方法相比,该新型PID调速方法具有响应快速、超调量小、鲁棒性好、抗干扰能力强等优点。     

Adaptive infinite impulse response system identification using modified-interior search algorithm with Lèvy flight

In this paper, a new meta-heuristic optimization technique, called interior search algorithm (ISA) with Lèvy flight is proposed and applied to determine the optimal parameters of an unknown infinite impulse response (IIR) system for the system identification problem. ISA is based on aesthetics, which is commonly used in interior design and decoration processes. In ISA, composition phase and mirror phase are applied for addressing the nonlinear and multimodal system identification problems. System identification using modified-ISA (M-ISA) based method involves faster convergence, single parameter tuning and does not require derivative information because it uses a stochastic random search using the concepts of Lèvy flight. A proper tuning of control parameter has been performed in order to achieve a balance between intensification and diversification phases. In order to evaluate the performance of the proposed method, mean square error (MSE), computation time and percentage improvement are considered as the performance measure. To validate the performance of M-ISA based method, simulations has been carried out for three benchmarked IIR systems using same order and reduced order system. Genetic algorithm (GA), particle swarm optimization (PSO), cat swarm optimization (CSO), cuckoo search algorithm (CSA), differential evolution using wavelet mutation (DEWM), firefly algorithm (FFA), craziness based particle swarm optimization (CRPSO), harmony search (HS) algorithm, opposition based harmony search (OHS) algorithm, hybrid particle swarm optimization-gravitational search algorithm (HPSO-GSA) and ISA are also used to model the same examples and simulation results are compared. Obtained results confirm the efficiency of the proposed method.