基于模糊自适应PID的智能车控制与仿真

由于智能车的行驶是时变非线性系统,传统的PID算法无法很好地满足需求,改进的模糊自适应的PID算法采用高效的PID算法和模糊自整定控制相结合进行自动调节,可以让智能车系统克服传统PID算法无法实时调节参数的缺点,提高智能车在速度控制上的效率和鲁棒性。利用MATLAB中的Simulink仿真模块,设计搭建模糊控制器,并应用模糊规则进行仿真,分别给与负载电机转速扰动和电磁转矩的阶跃扰动,利用传统PID和改进后的模糊自适应PID控制对比测试电机控制系统的阶跃响应性能。实验表明,该系统不仅实现了智能车速度的实时调控和优化,而且与传统的PID控制算法相比较,具有更稳定的动态响应、鲁棒性与精确度。     

柔性联结配重系统同步升降控制研究

钢丝绳联接的配重升降时,其同步控制对速度、响应、精度和平稳性等指标要求很高,且宽负载工况下,定参数PID难以满足控制要求.本文首先设计了变基准主从策略作为底层策略,实现系统设计的最大升降速度和精度.其次提出一种变参数PID自适应控制方法.该方法将参数Kp、Ki、Kd,按照整定规则作为代价项引入偏差目标函数,用于元启发算法适应度计算.对于搜索到的参数组(Kp、Ki、Kd),当代价项较小时,目标值较小,适应度较大.因此,算法能自适应整定参数以获得最小偏差值.分别采用遗传和粒子群算法进行实时参数整定、偏差优化和同步追随,并与定参数PID进行同步效果比较.仿真结果显示:变参数PID自适应控制方法适应宽负载工况,其精度、响应以及稳定性指标全面优于定参数PID.基于变基准策略的PID参数自适应控制方法能够实现大惯性系统的快速、稳定同步升降.     

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。     

自适应遗传算法在PID控制参数优化中的应用

针对传统的PID控制中参数整定的难题，采用智能控制技术优化PID参数，利用神经网络进行系统辨识，建立对象模型；在此模型基础上，运用遗传算法寻优PID控制参数，采用变交叉概率和变异概率自适应遗传算法寻优得到PID控制参数，与传统的整定结果相比较，遗传算法优化效果更好，最终达到最优的控制效果．     

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。     

基于PSO算法的无刷直流电机自适应PID控制研究

无刷直流电机(BLDCM)是一种多变量、非线性系统,传统PID控制器的参数具有难以整定的缺点,导致其难以满足BLDCM系统的控制要求。针对这一现状,提出了一种基于微粒群优化算法(PSO)的BLDCM自适应PID速度控制算法,该算法利用PSO具有的灵活、均衡的全局和局部寻优能力,对PID控制器的参数进行在线整定,提高了PID控制器的自适应能力。仿真实验表明,系统超调量小、转速响应快、转速波动小,比传统PID速度控制具有更好的动态特性和鲁棒性。     

模糊自适应PID控制器在无刷直流电机控制系统中的应用研究

对于具有多变量、时变性、非线性、强耦合等特性的无刷直流电机(BLDCM)控制系统,传统的PID控制很难实现良好的控制效果.基于无刷直流电机(BLDCM)的数学模型,提出一种基于模糊自适应PID控制的速度控制方案.该算法根据电机转速变化,采用模糊控制原理对PID的参数进行在线整定,实现优化控制.仿真结果表明,模糊自适应PID控制具有转速响应快,超调量小等优点,使系统对扰动和参数变化都具有较强的鲁棒性,控制效果优于传统的PID控制.     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。     

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.     

一种基于模糊神经网络和遗传算法的智能PID控制器

常规的PID控制器参数整定方法需要被控对象的精确数学模型,且整定出的参数不能进行在线调整.而模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力;遗传算法则是一种新型的全局优化方法.鉴于此,提出将模糊控制、神经网络和遗传算法引入PID控制器的设计过程.首先,运用遗传算法优化隶属度函数的中心值和宽度,并借助模糊逻辑控制确定遗传算法中的交叉概率和变异概率.然后,再运用BP算法优化模糊神经网络的连接权系数.仿真结果表明,该方法提高了系统的自适应能力和抗干扰能力,增强了系统的鲁棒性.     

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.     

遗传算法在傅立叶变换光谱仪中的应用研究

动镜驱动控制模块是傅立叶变换光谱仪中一个非常重要的组成部分,动镜驱动设计的好坏,直接影响到光谱分辨率和光谱图像质量.在控制当中采用PID控制器,使用遗传算法来优化PID参数.同一般的PID参数整定相比,遗传算法获得了更优解,系统性能指标有了显著提高,并在实际工程当中取得好的效果.     

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。     

基于混沌优化的规范化PID控制器及其应用

为了解决PID参数整定繁琐、难以达到最优状态、控制结果出现较强的振荡和大超调等问题,作者提出一种规范化PID控制器参数混沌优化方案.由于混沌运动具有遍历性、随机性等特点,它能在一定的范围内按其自身规律不重复地遍历所有状态,把混沌动力学特性与退火策略结合起来在规范化PID参数域中实现混沌优化搜索,具有更强的搜索PID参数全局最优值的能力.对水轮机调速系统进行控制仿真,结果表明该算法能有效地实现PID参数最优整定;控制结果具有稳定、超调小、响应快、调节时间短、结构简单、容易实现的优点,为解决PID控制器参数全局最优设计提供了一种有效的方法.     

基于数据驱动的PID自整定方法的研究

传统的PID参数整定依赖于数学模型,通过大量工程实验来确定,这给PID的实际应用带来很大的局限性。文章基于数据驱动理论,提出一种PID参数在线自整定方法,适用于非线性离散系统,该方法无需系统模型的相关信息,且具有PID方法的适应性、抗干扰性、可靠性。通过仿真比较试验结果,验证了这种自适应数据驱动PID参数整定算法的可行性和有效性。     

基于动量因子优化学习率的BP神经网络PID参数整定算法

针对传统BP神经网络学习过程中学习率选取过大导致振荡的问题, 提出一种新的BP神经网络PID(比例-积分-微分)参数自适应整定算法. 采用BP神经网络对PID参数进行自适应调节和优化, 并利用动量因子优化学习率和增加动量项抑制BP神经网络训练中出现的振荡现象, 以加快收敛速度. 实验结果表明, 该算法有效缓解了振荡现象, 加快了算法的收敛速度.     

基于动量因子优化学习率的BP神经网络PID参数整定算法

针对传统BP神经网络学习过程中学习率选取过大导致振荡的问题, 提出一种新的BP神经网络PID(比例-积分-微分)参数自适应整定算法. 采用BP神经网络对PID参数进行自适应调节和优化, 并利用动量因子优化学习率和增加动量项抑制BP神经网络训练中出现的振荡现象, 以加快收敛速度. 实验结果表明, 该算法有效缓解了振荡现象, 加快了算法的收敛速度.     

互联电力系统AGC的模糊和遗传控制算法

针对互联电力系统自动发电控制(AGC),结合模糊控制和遗传算法提出一种新型的PID智能控制器.这种控制器主要特点是选用遗传算法整定的PID参数值作为模糊自整定PID参数控制器的初值,然后再对模糊控制的相关参数用遗传算法优化,避免了参数选择的盲目性.仿真结果明显优于传统的PID控制器,同样也优于单独模糊PID控制器和由遗传算法寻优而设计的PID控制器.同时,在研究遗传算法寻优的过程中提出一种新的适应度选择方法.