基于改进鸡群算法的PID参数整定

PID参数整定一直是控制工程研究的热点,利用传统的方法整定参数得到的系统性能往往较差,为解决PID参数整定问题,提高系统性能,提出一种基于改进鸡群算法(CSO)的PID参数整定方法。改进鸡群算法的目的是提高鸡群算法的收敛速度与精度,增强算法跳出局部最优的能力,4个标准测试函数的测试结果验证了改进的有效性。利用改进鸡群算法对4类典型工业过程的PID参数进行整定,以时间乘绝对误差积分函数(ITAE)为优化目标,Matlab仿真结果表明：通过改进鸡群算法整定PID参数得到的系统性能比传统的Z-N参数整定法以及Matlab遗传算法(GA)工具箱参数整定得到的系统性能有很大的提高。     

一种基于模糊逻辑的二自由度PID的实现

针对传统二自由度PID控制中用Ziegler—Nichols稳定边界法整定干扰抑制参数KP，KI，KD，其时外界扰动敏感性较强，难以达到系统控制要求这一问题，给出了一种基于模糊逻辑的二自由度PID的实现，运用模糊逻辑算法对KP，KI，KD三参数进行整定，较好地改善了系统的抗干扰性能。仿真结果表明该控制器具有良好的干扰抑制特性和设定值跟踪特性。     

基于免疫思维进化算法的过热汽温控制系统参数整定

结合人工免疫系统的克隆选择机制,提出了一种基于免疫思维进化算法的PID参数整定方法,并在LabVIEW环境下实现了基于该方法的火电厂过热汽温串级控制系统的参数整定。仿真结果表明,基于免疫思维进化算法的过热汽温参数整定方法能获得比相同条件下,采用思维进化算法和常规PID整定方法更好的控制品质。     

基于改进鸡群算法的比例-积分-微分参数整定

比例-积分-微分(PID)参数整定一直是控制工程研究的热点。利用传统的方法整定参数得到的系统性能往往较差,为解决PID参数整定问题,提高系统性能,提出一种基于改进鸡群算法(CSO)的PID参数整定方法。改进鸡群算法的目的是提高鸡群算法的收敛速度与精度,增强算法跳出局部最优的能力,4个标准测试函数的测试结果验证了改进的有效性。利用改进鸡群算法对4类典型工业过程的PID参数进行整定,以时间乘绝对误差积分函数(ITAE)为优化目标。Matlab仿真结果表明:通过改进鸡群算法整定PID参数得到的系统性能比传统的Z-N参数整定法以及Matlab遗传算法(GA)工具箱参数整定得到的系统性能有很大的提高。     

伺服控制系统的模糊优化及其参数自整定

针对一次性整定的控制参数很难确保伺服控制系统始终处于最佳状态,探讨了伺服控制系统的模糊优化及其参数自整定.分析了参数调整的模糊性,研究了控制参数的整定原则及其自整定机理,基于动态特征提出了评价函数,讨论了奖惩函数与奖惩自学习算法,设计了参数自整定的伺服控制系统结构.系统仿真实验与实际工程运行结果显示,提出的算法可将系统精度稳定地控制在期望的范围内.工程应用效果表明,该方法控制精度高,鲁棒性强,可满足高精度伺服控制系统的工况需要.     

基于参数自整定模糊PID算法的平地机行走速度优化控制系统设计

针对平地机作业时行进速度精度的滞后问题及控制参数,提出了基于参数自整定模糊PID算法的平地机行走速度优化控制系统,协调解决行进速度的滞后问题,并完成了将该算法应用在平地机的控制系统中.系统采用单片机作为行走速度的控制中心,为验证参数自整定模糊PID算法的有效性和可靠性,对平地机的行进速度控制进行了设定干扰信号的测试.通过Matlab软件的Simulink仿真,分析了不加PID的常规控制、PID控制、参数自整定模糊PID控制进行速度稳定控制的效果,测试显示响应时间短、响应速度较快,能够满足设计的要求.     

基于模糊模型的预测PID控制器的参数整定

提出一种基于模糊模型的预测PID控制器（PPID）的参数整定方法，PPID采用广义预测控制的控制策略，控制算法简单，容易在单片机、PLC和仪表上实现，且有比普通的PID更优良的性能，参数整定分两阶段进行，首先基于初始模型对PPID离线进行整定，然后在系统运行后利用对象的输入输出数据对模糊模型和PPIDR的参数再次进行离线整定，整定算法均采用批处理方式的梯度下降法。     

基于S7-200 PLC自整定PID控制系统的设计与仿真

为了改善常规PID控制效果,增强系统的稳定性,将S7-200 PLC自整定PID算法引入到闭环控制系统中,在STEP7-Micro/Win编程软件下进行测试,实验结果表明：该方法很好地实现了对PID控制器参数的整定,具有整定过程简单、方便,动态性能优等特点,对实际工程的应用具有一定的指导意义。     

基于FCM-ELM-BBPS的预测控制参数整定

模型预测控制设计参数选择显著影响被控系统性能，目前基于专家经验的主流参数整定方法会出现控制器鲁棒性差、计算成本高等缺点.为了解决上述问题，提出一种基于模糊C均值-极限学习机-裸骨粒子群（Fuzzy C-means-Extreme Learning Machine-Bare Bones Particle Swarm， FCM-ELM-BBPS）的参数整定算法.通过模糊C均值算法（Fuzzy C-means， FCM）聚类进行数据预处理，将被控系统复杂数据根据自身特征进行聚类，以降低神经网络的训练误差，提高预测精度；针对每一类特征数据，利用极限学习机（Extreme Learning Machine， ELM）建立预测控制参数与性能指标的映射关系模型，并进一步获得参数整定规则；采用裸骨粒子群（Bare Bones Particle Swarm， BBPS）优化算法进行预测控制参数整定，通过采用高斯分布来更新粒子位置，加快目标函数的收敛速度，从而有效地减少参数寻优时间；分别进行仿真和水箱系统实验验证，证明了提出算法的有效性.实验结果表明，本文提出的算法与现有方法相比，更具有优越性，其中整定时间减少了34.84%，同时在调整时间等时域性能指标上提升了43.98%.     

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。     

基于遗传模糊免疫算法的PID参数整定优化研究

针对工业过程中的PID参数整定较难的问题,在分析模糊免疫算法的基础上,提出了一种遗传模糊免疫算法,用于在线整定PID参数。该算法用免疫反馈机理在线调整比例系数,模糊算法在线整定积分系数和微分系数。同时,该算法引用具有全局寻优特性的遗传算法优化免疫参数,克服了免疫参数选取不当而导致系统超调量较大、响应速度过慢的问题。针对工业过程中的无时滞过程、一阶惯性加时滞过程、二阶惯性加时滞过程、高阶系统过程,将该算法用于PID参数整定优化,并与模糊免疫算法、免疫PID算法、常规PID算法整定结果进行对比分析。仿真实验结果表明,遗传模糊免疫算法整定出的PID参数具有超调量小、调节时间短、抗干扰性强、鲁棒性强等优点,取得了较好的控制效果。     

基于遗传模糊免疫算法的比例-积分-微分参数整定优化

针对工业过程中的比例-积分-微分(proportional integral differential,PID)参数整定较难的问题,在分析模糊免疫算法的基础上,提出了一种遗传模糊免疫算法,用于在线整定PID参数。该算法用免疫反馈机理在线调整比例系数,模糊算法在线整定积分系数和微分系数。同时,该算法引用具有全局寻优特性的遗传算法优化免疫参数,克服了免疫参数选取不当而导致系统超调量较大、响应速度过慢的问题。针对工业过程中的无时滞过程、一阶惯性加时滞过程、二阶惯性加时滞过程、高阶系统过程,将该算法用于PID参数整定优化,并与模糊免疫算法、免疫PID算法、常规PID算法整定结果进行对比分析。仿真实验结果表明,遗传模糊免疫算法整定出的PID参数具有超调量小、调节时间短、抗干扰性强、鲁棒性强等优点,取得了较好的控制效果。     

低压加热器水位的模糊自调整PID控制

应用模糊自整定 PID控制器控制低压加热器的水位 .利用 ZN法确定 PID参数的初始值 ,用模糊推理的方法对 PID参数进行在线自整定 ,提高了系统的鲁棒性 ,明显改善了系统的性能     

基于鸟群算法的3D威亚系统自抗扰 控制器的参数优化

针对3D舞台威亚系统自抗扰控制器(ADRC)参数多且难以整定的问题,将鸟群算法(BSA)引入其中对自抗扰控制器的参数进行了优化研究.首先根据自抗扰控制"抗扰范式"的思想,建立了3D舞台威亚系统单点吊机的"鱼骨+鱼刺"模型;接着结合3D舞台威亚的运行性能及ADRC的特质,分析确定了ADRC需优化整定的参数,并基于智能优化算法BSA对ADRC的参数进行了优化整定.仿真结果表明,BSA不仅能克服粒子群算法使ADRC参数易陷入局部最优的缺点,而且运算简单高效且易于实现,经BSA优化后的ADRC改善了3D舞台威亚单点吊机运行性能与鲁棒性,为威亚的同步控制提供了保障.     

基于改进模糊神经网络的PID参数自整定算法

针对传统的PID控制算法参数整定困难,控制效果并不理想,将神经网络算法、模糊控制算法结合在一起,形成了模糊神经网络PID参数自整定算法,并且对模糊神经网络进行改进,将神经网络输入的状态变量进行模糊化和归一化处理,采用BP神经网络自整定PID控制器的参数,根据RBF神经网络得到受控对象的Jacobian信息。仿真结果表明,基于模糊神经网络的PID自整定控制效果较好,具有一定的应用前景。     

基于数据挖掘的IMC-PID在线自整定算法的实现

提出了利用过程历史数据自动进行数据挖掘的PID参数在线自整定算法。算法以PID回路的动态响应特性为依据,通过给定ε-不敏感损失函数、辨识信任度函数,从可行数据集中选取有效数据集,以此作为回路参数自整定的有效数据。为确保PID控制尽可能达到最佳性能和鲁棒性,提出了基于对象组进行IMC-PID参数整定的方法。算法已应用于多个生产装置上,实际的投运结果表明,这种算法具有简便易用,推广能力强等特点,是PID参数整定算法中一种切实可行的算法。     

一种改进的模式识别自整定PID控制方法

摘 要：针对常规PID控制器不能很好兼顾抗干扰性与鲁棒性的缺点,提出一种新的基于模式识别自整定PID控制算法。该算法对参数整定规则了进行探索和创新,并给出了具体的整定规则公式。为了实现算法在实验室水箱液位控制的应用,采用OPC技术实现了MATLAB软件与MCGS组态软件的数据实时交互。实验结果表明,该规则在MATLAB仿真和水箱液位控制应用中取得到了很好的整定效果,控制性能优于常规PID控制。     

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HPSO的PID算法在汽油机怠速控制中的应用

在怠速控制系统中,PID控制器的参数整定直接影响到控制效果;介于标准粒子群算法的不足,采用混合粒子群算法对PID控制器的参数进行离线整定,并基于MATLAB软件进行仿真实验;实验结果表明：混合粒子群的寻优精度优于遗传算法和标准粒子群算法,且具有良好的收敛速度.     

基于BP神经网络的球杆控制算法设计

针对球杆系统定位控制问题,基于BP神经网络设计了BP神经网络控制器和BP神经网络PID参数自整定两种智能控制器.完成了两种控制器的网络结构与实现方法,并在Simulink环境中仿真.仿真结果显示出BP神经网络PID参数自整定控制器的稳定性优于BP神经网络控制器,将BP神经网络PID参数自整定控制器算法移植到GBB1004球杆系统,实现了对该系统的控制.实验结果显示,该控制器响应快,有一定的抗干扰能力,获得系统调节时间小于16s,稳态误差小于1cm.