基于QPSO分数阶PI~λD~μ的纯电动汽车调速系统研究

为了获得比传统整数阶PID更好的控制性能,本文结合量子粒子群(QPSO,Quantum Particle Swarm Optimization)算法和分数阶微积分理论提出一个分数阶PIλDμ控制方法.通过QPSO优化算法对分别采用整数阶和分数阶PID控制器的目标函数的KP,KI,KD参数进行优化,并将结果导入电动汽车调速模块中进行验证.仿真结果表明,经过QPSO算法优化后的分数阶PIλDμ参数能够明显改善纯电动汽车的调速性能,并使驱动系统的响应速度更快、稳定性更好.     

基于粒子群优化算法的模糊神经分数阶PID电子节气门控制器设计

针对汽车电子节气门的精确跟踪控制问题, 建立了面向控制器设计的非线性模型,分析了摩擦非线性以及LH 非线性对电子节气门位置的影响.采用模糊神经分数阶PID 控制方法设计了电子节气门非线性控制器,并利用粒子群优化算法对控制器参数进行优化.最后将扰动考虑在内进行了仿真实验,仿真实验表明基于模糊神经分数阶PID的控制方法能够很好地实现电子节气门控制.     

双闭环直流调速系统的分数阶PIλ控制

分数阶PIλDμ控制算法有助于比较新的、控制性能比较高的控制器。将分数阶PIλ算法应用到双闭环直流调速系统的速度控制器中,利用粒子群优化算法确定分数阶PIλ控制器的最优的Kp、Ki和λ参数;并和整数阶PI控制器进行比较。通过Matlab/Simulink仿真验证了分数阶PIλ控制器的稳定性、跟随性能、抗扰动性能都优于普通整数阶PI算法,同时验证了粒子群优化算法参数整定的有效性。     

车辆轨迹的预瞄与模糊分数阶比例-积分-微分控制

为提高无人车辆轨迹控制的精度,提出了一种基于预瞄误差建模和优化模糊分数阶PID控制的车辆路径跟踪方法。根据车辆动力学特性,引入预瞄横向误差模型,以预瞄横向误差为输入,车辆前轮转角为输出,调整转角角度减小偏差实现轨迹跟踪,设计模糊分数阶PID跟踪控制器。该控制器在PID的基础上结合分数阶理论,同时利用粒子群算法优化的模糊控制器对参数进行在线调整。在CarSim/Simulink联合仿真平台进行仿真研究。研究结果表明,本文所设计的控制器可行有效,为轨迹控制的研究提供了参考。     

基于最大灵敏度的分数阶内模控制器设计

针对分数阶控制器设计参数整定复杂的问题,提出一种基于最大灵敏度的分数阶内模控制器设计方法。采用粒子群优化算法对原系统模型进行简化处理,根据内模控制原理设计分数阶内模控制器;仅通过一个可调参数,实现分数阶内模控制器的快速整定;通过最大灵敏度指标实现分数阶内模控制器的鲁棒整定。仿真结果表明该方法具有良好的控制品质及克服参数摄动的鲁棒性。     

基于CPSO的PID算法在LLC变换器控制中的应用

在LLC谐振变换器控制系统中,由于PID控制器参数的整定直接影响控制系统的性能,本文利用混沌粒子群优化算法对变换器的数字PID控制器参数进行了整定。并利用MATLAB软件进行建模仿真实验,最后通过分析几种算法整定PID参数的结果,结果表明该算法操作简单,响应速度快,调节时间短,无超调,其控制品质明显优于遗传算法和标准粒子群算法,具有更好的优化效果。     

基于HPSO优化的磁悬浮系统分数阶控制

针对磁悬浮系统的非线性以及开环不稳定的特点,提出一种分数阶PI~λD~μ控制器控制磁悬浮系统的方法.首先建立系统的数学模型,然后设计分数阶PI~λD~μ控制器,并建立控制系统的仿真模型,最后应用遗传算法与粒子群算法相结合的混合粒子群算法优化分数阶PI~λD~μ控制器的k_p、k_i、k_d、λ、μ参数,采用改进的误差绝对值时间积分函数作为优化目标,对系统进行多种信号的仿真跟踪.结果表明,分数阶PI~λD~μ控制器收敛速度快,鲁棒性强,达到了预期的控制效果.     

基于粒子群算法的逆变电路PID控制

针对逆变控制系统中PID控制器参数整定困难的问题,提出了基于粒子群算法的逆变电路PID控制器设计方法.通过推导逆变电路模型得到逆变电路传递函数,以该传递函数作为PID控制对象,利用粒子群算法搜索PID参数.MATLAB仿真结果证明了该方法的可行性和优越性.与采用遗传算法相比较,该粒子群算法能更快的获得合适的PID控制参数,所需迭代次数更少.     

基于微粒群算法的PID控制器优化研究

微粒群算法是近年来提出的一种新型群体智能优化算法,它具有结构简单,收敛速度快,所需参数少等优点.为改善传统PID参数整定问题,提出了基于微粒群算法整定PID控制器参数的优化设计方法.通过对双容水箱建模并与传统整定方法进行仿真比较.仿真结果表明,采用微粒群算法来优化PID参数,可以获得综合性能良好的PID控制器参数.对控制器的设计具有一定的指导意义.     

基于免疫粒子群算法的网络拥塞控制策略

为避免Internet路由器主动队列管理中PID参数整定试凑法的盲目性,提出免疫杂交粒子群算法用于PID控制器参数优化,构造一种基于免疫杂交粒子群的智能主动队列PID算法.仿真结果表明,基于免疫杂交粒子群的PID主动队列管理算法能够适应动态变化的网络环境,具有较好的网络控制性能.     

高阶反向响应过程的分数阶PID控制器设计

针对具有反向响应特性的高阶过程,提出了一种分数阶PID控制器设计方法.为了便于控制器设计,采用一种改进的微粒群优化算法对高阶过程模型进行简化处理,在此基础上,根据内模控制原理设计分数阶PID控制器,该控制器仅有一个可调参数,有效降低了控制器整定的复杂度,并根据最大灵敏度指标推导出控制器参数整定的解析表达式,克服了参数选择的盲目性.仿真结果表明,该方法可使系统具有良好的设定值跟踪、扰动抑制特性以及克服参数摄动的鲁棒性.     

基于粒子群-模糊PID的织网机主动穿线板多电机协同控制

针对织网机主动穿线板多伺服电机协同控制问题,以3台电机为被控对象,将粒子群算法与模糊PID(proportion integration differentiation)控制相结合,设计基于粒子群算法的模糊PID控制器,粒子群算法优化控制系统的初始参数,结合模糊PID完成对多伺服电机协同控制系统的动态调整。为保证系统的同步控制性能,采用偏差耦合控制策略,引入了速度补偿器调节电机间的同步误差。仿真结果表明,相较于传统PID控制和模糊PID控制,改进后的控制器响应速度快、超调量小、稳健性较好,能更好地实现多伺服电机的协同控制,提高织网机成品的品质。     

基于小波神经网络的分数阶PIλDμ控制器的设计

目前分数阶PIλDμ控制器参数整定的方法很有限,为了研究分数阶PI λDμ控制器的控制效果,在小波神经网络的基础上提出了分数阶PIDμ控制器的设计原理,然后利用MATLAB进行仿真,通过仿真结果证明了该策略的有效性,同时通过比较说明采用分数阶PIλ Dμ控制器比采用传统PID控制器能获得更好的控制效果.     

基于免疫克隆原理的PID控制器优化

针对PID控制器的参数整定和优化问题,本文提出一种基于免疫克隆算法的优化PID控制器参数的方法.该算法与人体免疫系统机制相似,通过克隆、选择和高频变异,以获得最优的目标函数值,进而获得最优的PID控制器.仿真实验结果表明该方法明显优于遗传算法和粒子群算法,同时证明了利用免疫克隆算法进行PID调节的有效性.     

基于粒子群优化的主动悬架PID控制策略

针对汽车主动悬架比例-积分-微分控制器(proportional-integral-derivative,PID)参数选择问题,传统PID控制参数整定具有一定的盲目性.设计了粒子群优化算法,目标函数根据悬架性能指标建立,利用粒子群优化算法,优化了PID控制器中的参数.结果表明,与优化前PID控制的主动悬架相比,采用粒子...     

粒子群差分混合算法在PID参数优化中的应用

为有效提高PID控制器的性能,提出了一种粒子群差分混合算法(PSO-DE),并应用于PID参数优化中.算法利用一个选择判断因子来确定每个个体的更新方式,使用简化粒子群算法(s PSO)和改进后的差分进化算法(DE)来共同产生新一代个体,并将其应用于PID的参数整定中.仿真结果表明,相较于粒子群算法和差分算法,混合算法在PID控制器的参数优化中具有更好的全局搜索能力,而且控制精度较高.     

基于PSO优化算法的模糊PID励磁控制器设计

针对优化发电机励磁控制器控制问题,研究模糊理论及人工智能控制方法,建立数学模型分析励磁控制器,找到将粒子群算法与模糊PID相整合的励磁控制途径,并设计了适用于低压水轮发电机的励磁控制器.粒子群优化算法优化控制系统的初始参数,模糊PID完成对系统的动态控制.仿真结果表明,改进的控制器算法相比传统PID控制和模糊控制PID,响应速度较快(上升时间少于1s),超调量小(超调量少于5%).能够满足控制器快速、准确和稳定的要求,是一种先进的控制方法.     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

基于改进粒子群算法的无刷电机模糊控制研究

为了解决在无刷直流电机控制系统中,PID调节器出现系统超调和稳定性差等问题,本文采用一种基于改进粒子群算法优化模糊控制器的速度控制算法,该算法融合粒子群算法和量子算法的优点。实验仿真结果表明:优化后的模糊控制器动态性能和静态性能都优于传统PID控制,具有很好的鲁棒性和控制精度。     

粒子群优化克隆算法在交流调速系统中的应用

提出了粒子群优化克隆算法(PSOCA),算法融合了免疫系统的克隆选择机制和粒子群优化算法的进化方程,具有全局寻优的能力.PSOCA改善了抗体种群的多样性,通过有效利用抗体的历史信息以及它们的合作提高了克隆选择算法的收敛速度.在PSOCA算法的基础上,设计了PID控制器(PCA-PID),可动态调整参数以适应时变对象.运用PCA-PID控制器进行交流调速,相对于采用粒子群优化算法和克隆选择算法设计的控制器,前者有更好的控制性能.