粒子群算法优化PID控制参数研究

采用常规的PID整定方式,往往费时而且难以满足控制要求．通过对粒子群算法的研究,在确定了适应度函数设计等控制参数后,采用粒子群算法对PID控制器参数进行优化,取得了很好的效果。     

基于模糊神经网络PID算法的液位控制系统研究

在工业生产中,液位控制系统得到了广泛应用,但是对于这种大滞后、非线性的复杂控制系统,传统的PID控制方法存在着参数整定困难,控制效果不理想的缺陷。在对传统的PID算法、模糊控制算法和神经网络算法研究的基础上,提出了一种将模糊神经网络PID算法应用到液位控制系统中去的解决方案,并采用MATLAB对液位对象控制进行仿真实验,同时采用A3000型水箱实验平台对仿真实验结果进行验证。研究结果表明,基于模糊神经网络的PID算法的液位控制系统在调整时间和超调量上都优于传统的PID算法,控制效果和抗干扰能力更强,克服了传统PID算法的不足。     

粒子群优化模糊PID的电动负载模拟器研究

为了解决多余力矩对电动负载模拟器强干扰，影响加载指令跟踪精度的问题，将基于粒子群优化的模糊PID控制方法用于加载电机控制器的设计。首先在分析加载电机结构以及工作原理的基础上建立了电动加载系统的数学模型，并利用结构不变性原理进行前馈补偿推导；其次针对常规PID控制器无法通过变参数来应对复杂的非线性环境，以及模糊PID量化因子、比例因子难以依靠经验调整问题，提出了一种基于模糊PID和粒子群优化算法的复合控制策略；最后通过仿真验证了该控制策略在对多余力矩消除上要优于常规的模糊PID控制。     

基于粒子群优化模糊PID控制的多足式真空吸附机器人控制方案设计

为解决高层建筑玻璃幕墙的清洗与检测问题，探索一种多足式真空吸附爬壁机器人，为实现爬壁机器人平稳运行，主要是提高电机转速的控制精度，采用模糊PID算法进行控制并在此基础上利用粒子群算法进一步迭代优化。通过粒子群算法的迭代寻优能力，实时确定模糊PID控制中PID三个参数的比例因子，得到一个性能较好的控制系统。结果表明，当比例因子Ckp、Cki、Ckd的值分别为0.1、8.23、0时系统稳定达到最优。相比于模糊PID控制，采用粒子群算法进一步优化后的系统，响应速度提升了0.024 s且同样无超调产生，能够满足系统要求。     

基于改进粒子群算法优化PID参数的电气设备自动控制研究

常规的电气设备自动控制方法以逻辑控制为主,并未配置和优化PID参数,无法满足不同电气设备的运行需求,因此设计了基于改进粒子群算法优化PID参数的电气设备自动控制方法。首先基于改进粒子群算法整定电气设备控制PID参数,利用粒子群算法优化PID参数,根据适应度函数的输入情况调节参数,使电气设备的控制性能达到最优。然后设定电气设备自动控制逻辑指令,通过FBD、IL、ST、Ladder、SFC等语言组建电气设备自动控制功能,从而实现电气设备的有效控制。采用对比实验,验证了该方法的自动控制效果更佳,能够应用于实际生活中。     

基于粒子群优化的串级模糊PID无人机飞行控制系统

为了解决无人机飞行控制系统存在的平稳控制响应慢、自适应能力差,抗干扰能力弱的问题,本文分析了无人机飞行控制系统的原理,建立了无人机飞行控制模型,在串级模糊PID控制的条件下,利用粒子群优化算法的迭代寻优能力,实时确定模糊控制中的量化因子、比例因子以及初始PID参数,通过模糊控制在线调整PID参数,使平稳控制中的参数时刻保持最优化,设计了一种基于粒子群优化的串级模糊PID的飞行控制系统。实验结果表明：当量化因子e、ec的值分别为3、0.75,比例因子k1、k2、k3的值分别为0.5、2、0.5时,系统稳定性达到最优。相比于串级PID控制与串级模糊PID控制,通过粒子群优化后的控制系统具有更优的控制精度和稳定性,能较好地提高系统的性能指标,满足快速高效调平的飞行要求。     

基于粒子群算法和卡尔曼滤波器的PID控制

针对PID控制系统中存在参数的整定和控制干扰信号和测量噪声信号问题,提出基于粒子群算法和卡尔曼滤波算法的PID控制方法。利用粒子算法优化PID参数,通过卡尔曼滤波器抑制控制干扰信号和测量噪声信号。仿真结果表明具有响应速度快、抗干扰能力强等特点,且达到了全局最优PID参数整定,有效地剔除系统的控制干扰和测量噪声信号,具有比传统PID控制方法更好的动态和静态控制性能,控制品质有较大的改善和提高。为PID控制系统的研究提供了一种新方法。     

基于粒子群的模糊神经网络

近年来循环流化床锅炉因其高效、低污染、低成本等特点得到了迅速的发展,但由于其燃烧过程十分复杂很难建立被控对象准确的数学模型,因此难以实现常规方法的控制。设计了一个模糊神经控制器并进行了仿真研究,用改进的粒子群优化算法对控制器的初值进行离线优化训练,仿真结果表明,优化后的模糊神经网络控制器对控制对象具有良好的控制性能。该控制方法可用于流化床锅炉燃烧系统等复杂过程的控制。     

一种基于PSO-PID算法的分布式机器人实时控制

分析了粒子群优化(PSO)算法的原理、算法参数及其对算法性能的影响。以PSO算法为基础,提出了一种新的粒子群优化不完全微分PID算法。根据多关节机器人系统的特点,介绍了一种新的分布式机器人实时控制系统。系统采用双速率控制策略和分布式控制方式,机器人运动控制运用粒子群优化算法定时寻优PID参数,使其随着系统参数的变化而实时更新,实现最优不完全微分PID控制。实验结果表明,该系统设计科学、性能优越,新算法寻优能力强、控制效果好。     

基于混合粒子群算法的线性预测PID控制

针对传统PID控制对大时滞过程控制效果不佳的问题,提出了一种基于线性预测的PID控制算法,用系统过去的几个输出值预测系统未来的输出值,用此预测值与期望设定值所得的偏差作为PID控制输入,再依PID控制律来设定控制器的输出,从而使被延迟了的被控量超前反映到控制器,使控制器提前动作,实现事先调节,从而减少超调量和调节时间,消除时滞对系统稳定性影响。利用混合粒子群算法对模型系数和系统参数进行了优化和在线调整。实例仿真结果表明,将线性预测与传统PID控制相结合并经混合粒子群算法优化的控制方法远好于单一的PID控制方法,而且具有操作简单、容易程序实现等特点,有效地提高了系统的控制品质。     

基于改进粒子群算法优化的水轮机组低频振荡PID控制研究

水轮机低频振荡是影响电网稳定运行的主要因素,对其进行有效的控制是非常重要的,将改进粒子群算法优化的PID控制技术应用于水轮机低频振荡控制之中.首先,分析了水轮机组的出力模型;其次,分析了PID控制器的基本原理;然后,讨论了改进粒子群算法的流程;最后,以某水轮机组为例进行了控制仿真研究,仿真结果表明改进粒子群算法优化的PID控制器具有较好的控制效率和控制精度,从而在水轮机组低频振荡控制中的应用是切实可行的.     

基于模糊自适应PID控制的小区集中供热系统温度调节方法

设计了一种能实时在线自调整PID参数的模糊自适应PID控制器，应用于小区供热锅炉系统控制中，实现了室内恒温供暖和有效节能的目的。     

基于C-R模糊模型PID控制及在过热汽温系统中的应用

将C-R模糊模型转换成一个形式上与阶跃响应模型相似的结构,即C-R模糊阶跃模型。然后用PID控制算法,针对具有参数不确定性?多扰动以及大延迟的电厂主汽温被控对象进行了仿真研究。仿真结果表示:所给出的控制策略可以较好地适应动态模型的大幅度变化,并保持较优的鲁棒调节性能。     

基于粒子群优化算法的变论域模糊PID控制器在过热汽温控制中的应用

针对锅炉过热汽温大滞后和大惯性等难以建立精确的数学模型的问题,设计了模糊PID控制器。通过模糊推理对PID的参数在线调整,加入了变论域思想对控制系统进行改进,最后将粒子群优化算法应用于变论域模糊控制器中,对量化因子及PID的三个参数Kp、Ki和Kd进行优化。将模糊PID控制器应用于过热汽温度控制系统进行仿真。仿真结果表明:采用基于粒子群优化算法的变论域模糊PID控制比传统的PID控制具有较强的鲁棒性和抗干扰能力,具有明显的优越性。     

基于改进微粒群算法的PID控制器参数优化设计

介绍了微粒群优化（PSO）算法的基本原理和流程,提出了改进的PSO算法并将其与控制系统优化设计相结合,对传统PID控制器的参数整定进行优化研究,仿真实验结果表明改进PSO方法得到的PID控制器具有快速、无超调的响应特性,获得了满意的控制效果,各项控制性能指标优于传统方法整定得到的PID控制器。     

模糊自整定PID控制及其在过热汽温系统中的应用

在工业生产过程中,许多被控对象随着运行工况的变化,其对象特性参数或结构将发生很大改变,单一参数的控制器难以获得所需的调节效果。针对这种情况,基于模糊逻辑的智能性和PID控制器的简单实用性,提出了模糊自整定PID控制策略。PID控制器参数的整定被分为粗调和细调2个阶段,粗调阶段基于发电机组负荷进行模糊预整定,基本适应运行工况的大范围变化,细调阶段基于系统的被调性能指标进行再整定,以进一步适应运行工况的小范围变化并克服各种可能的干扰。对具有严重参数不确定性、多扰动以及大迟延的电厂主汽温度被控对象进行了仿真研究。仿真结果表明：所给出的控制策略能较好地适应对象动态模型的大幅度变化,保持较优的鲁棒调节性能。