基于改进BP神经网络PID自整定的研究

随着数控技术的发展,传统的PID整定方式已经不能满足伺服系统的控制要求.利用改进共轭梯度法对BP神经网络算法进行优化.将改进BP神经网络算法应用到PID的整定中,构建改进BP神经网络自整定PID控制器.将设计好的BP神经网路PID控制器应用到伺服系统的控制结构图中.与BP神经网络自整定PID控制器,在Matalab的simulink里面进行建模仿真比较.仿真结果表明改进BP神经网络自整定PID控制器具有较好的快速响应能力、系统稳定性和抗干扰能力.     

数控机床伺服系统参数自整定的研究

通过分析数控机床伺服系统的控制原理,确定伺服系统的控制原理,分析各环的控制参数,整定出伺服系统的控制结构图。采用传统的PID控制器自整定方法,已不能满足伺服系统的要求。提出利用单纯形法来自整定伺服系统PID控制器,并且提供了详细的整定过程。在MATLAB的simulink里面进行建模仿真,与Z-N法进行仿真比较,单纯形法整定伺服系统PID控制器参数,系统运行的响应速度更快。     

基于双空间PSO算法的四旋翼无人机 自抗扰控制器优化设计

四旋翼无人机自抗扰控制器所需的参数较多,传统PSO算法虽然可以对控制器的参数进行有效的整定,但需要的粒子群数量较大,寻优速度也比较慢。本文在传统PSO算法的基础上,根据自抗扰控制器的特点,将所需整定的参数分为两组,从两个空间里分别初始化各自的粒子群,并进行交叉寻优,形成一种双空间PSO算法,对四旋翼无人机自抗扰控制器进行优化。仿真结果表明,相比传统的PSO算法,双空间PSO算法所需粒子群数量少,寻优速度更快,而且经过双空间PSO算法优化后的自抗扰控制器具有更小的误差和更快的收敛速度。     

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。     

基于PSO的配电网静止同步补偿器PI控制器整定

针对配电网静止同步补偿器(D-STATCOM)控制器参数难以整定且过分依赖经验,提出用粒子群优化(PSO)算法同时整定D-STATCOM电压控制器和电流控制器的方法,其寻优时间短,编程简单。通过不同系统参数、不同给定输入、不同负载情况下的多组优化实验,验证PSO优化算法寻优的有效性。最后通过仿真和实时控制实验验证了基于PSO算法的PI控制器具有良好的鲁棒性和动态性能。所进行的多组优化实验也为PSO编码选择提供一定参考。     

基于改进粒子群算法优化的自抗扰控制器（ADRC）及其应用

针对自抗扰控制器参数多,不利于整定的问题,提出了一种基于改进的粒子群算法（PSO）的自抗扰控制器参数整定方法。该方法引入了PSO中各个粒子的惯性权值的自适应调整机制,以此来维持粒子的多样性和加速粒子群算法的收敛性。利用改进粒子群算法优化的二阶自抗扰控制器控制主气温控制系统,仿真结果验证了算法的可行性和有效性。     

基于SOA算法的六相永磁同步电机控制策略研究

现在的永磁同步电机多采用PI控制,控制器参数整定的合理与否对控制器的性能具有重要的影响.而PI控制器的难点在于其参数的整定,因此对PI控制器的参数进行优化显得尤为重要.在现在的工业控制中,PI参数整定多依赖于经典法,也有单纯形法、专家整定法以及智能算法中的遗传算法及粒子群算法等.对六相永磁同步电机矢量控制的模型进行仿真,并将SOA(即人群搜索算法)应用于六相永磁同步电机的PI控制器的参数整定中,仿真结果表明:人群搜索算法具有收敛精度高的特点,能够同时实现仿真模型中各个PI控制器参数的整定,最终输出的曲线非常令人满意,有效的解决了PI控制器参数整定难的问题.     

基于遗传算法并联机床电机伺服系统控制参数整定

并联机床电机伺服系统控制参数的整定是后续并联机床动力学控制研究的基础。该文作者在提出基于时域特性和动态特性PID参数优化指标的基础上,利用遗传算法分别对伺服系统的速度控制环和位置控制环的多个控制参数进行优化整定,并与传统的Ziegler-Nichols调节法则得到的整定结果进行比较分析。在此基础上,又尝试利用遗传算法对多个控制器的控制参数进行同步优化,并得到了理想的优化结果。最后,将上述优化结果加入到并联机床运动学控制模型中进行实验仿真。仿真结果表明,采用遗传算法对伺服系统多环路控制参数进行优化整定,具有计算过程简单、整定速度快和优化结果好等显著优点。     

基于IBASIF算法的电压电流双环控制器的参数整定

电压电流双环控制器作为逆变器的重要组成部分,其参数的设置决定系统信号输出的稳定性.提出基于加入感性适应度的改进天牛须搜索(the improved beetle antennae search with inductive fitness,简称IBASIF)算法的电压电流双环控制器的参数整定方法.引入Halton序列、改进超限回收机制,以提高算法的寻优精度和效率.采用稳定适应度及感性适应度双目标寻优,解决传统人工试凑法参数整定效率低、精度低的问题.通过M atlab仿真对4种算法的性能进行比较,结果表明:IBASIF算法能快速准确对控制参数进行整定,所整定参数能满足系统信号输出稳定性的要求.     

基于PSO的PID参数整定仿真与研究

针对工业控制过程中经验PID整定耗时耗力、精度低且稳定性能差等问题进行研究,提出采用标准粒子群算法可实现对PID控制器参数的快速优化且收敛效果明显;通过重点分析PSO算法中的不同惯性权重以及学习因子分别对被控对象系统控制优化性能的影响,深入研究算法参数各部分的作用及其设置范围,使基于PSO算法的PID整定方法能够获得最优的控制效果及更广阔的应用前景;最后,应用Matlab软件平台,并结合Simulink系统进行算例数字仿真分析:通过对比不同惯性权重及学习因子情况下的仿真结果,证明方法的鲁棒性强;通过对比传统Z-N方法和遗传算法整定,证明了方法的优越性。     

改进PSO算法在水下机器人S面运动控制参数整定中的应用

从模糊逻辑控制方式出发,借鉴PID控制的结构而形成的S面控制器.针对粒子群优化(PSO)算法存在早熟、易陷入局部极小等现象,对基本PSO算法进行了改进,引入变学习因子和惩戒因子,更好地协调全局和局部搜索能力,有利于快速找到全局最优点,提高了PSO算法在水下机器人S面运动控制器参数整定中的优化能力.通过水下机器人的运动控制仿真试验,验证了该方法的可行性和优越性.     

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.     

PMSM伺服系统的PID控制器设计及仿真

分析了基于矢量控制的永磁同步电机(PMSM)数学模型,确定了交流伺服系统的电流环、速度环、位置环三闭环控制方案。采用结构简单、适应范围广和鲁棒性强的PID控制器实现系统的整定,给出了各环节参数的具体整定步骤。用Matlab对三闭环控制系统进行仿真,提出多环控制系统设计的要点。结果表明,位置伺服系统无超调、响应快、稳定性良好。     

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。     

位置伺服系统PID控制器参数在线整定算法

为了使ＰＩＤ控制器参数能够在线自动调整,获得最优或次优的控制器参数,提出了基于浮点数编码遗传算法（ＧＡ）的位置伺服系统ＰＩＤ控制器参数在线整定算法（ＧＡＣＰＴ）,设计了相应的改进遗传操作,同时提出了通过运动学习保证控制器稳定鲁棒性的适合度函数设计方法．完成一次ＰＩＤ控制器参数在线整定只需１０ｍｉｎ,效率较人工整定有很大提高．对一个实际机电位置伺服系统的仿真研究表明,ＧＡＣＰＴ算法能够在对象参数未知时,使系统阶跃响应趋于期望曲线,高效地完成ＰＩＤ控制器参数在线整定．该方法可用于数控机床位置伺服控制、过程控制等一般工业控制系统,以及机器人高精度轨迹控制系统．     

基于PSO粒子群算法的PID参数整定优化

PID控制器是一种广泛应用于工业上的一种控制器,但由于传统的PID参数整定过程中一般需要经验丰富的工程技术人员来完成,既耗时又费力,加之实际系统千变万化,对于一些复杂系统存在一定的滞后性、非线性等因素,从而使得PID参数整定有一定的难度。本文基于对PSO粒子群优化算法的研究,对PID参数整定进行设计,考虑种群的规模与速度等因素合理构建系统模型,并且通过Matlab仿真证明了该算法在PID参数整定上的优越性,具有很好的工程应用前景。     

模糊PID双层参数整定及其在固化炉中的应用

提出了一种模糊PID(proportion integration differentiation)控制器的双层参数整定方法。将模糊PID控制器的参数整定分为比例因子的整定与模糊隶属度函数参数整定2部分。推导出模糊PID控制器的解析模型,该解析模型包括线性部分和非线性补偿2个部分。整定的过程中,把模糊PID控制器解析模型的非线性补偿看作过程扰动,由线性部分和被控对象的二阶纯时滞模型,基于系统的增益裕度关系,导出模糊PID控制器的比例因子。再基于粒子群优化算法(PSO,particle swarm optimization)对三角隶属度函数进行优化,使控制器进一步适应被控对象的动态特性。仿真结果表明了研究方法的有效性以及应用在芯片固化炉的温度控制过程中,提升温度控制的效果。     

一种线性自抗扰控制器参数自整定方法

针对线性自抗扰控制器参数难于整定的问题,提出了一种基于动态响应过程时序数据挖掘的参数自整定算法. 算法以线性自抗扰控制器中线性误差反馈律的两个增益信号回路的动态响应为参数调整对象,通过改进变收缩系数的随机搜索算法进行参数整定,记录动态响应过程数据,基于关联关系挖掘得到控制参数调整策略应用于线性自抗扰控制器的参数自整定. 为验证本文提出的参数自整定方法的实际效果,以液压自动位置控制系统为控制对象,分别采用阶跃响应仿真和Monte Carlo实验进行对比研究. 结果表明,基于数据挖掘参数自整定的线性自抗扰控制器动态响应较好,鲁棒性较强,改进了变收缩系数随机搜索算法调整时间较长以及传统线性自抗扰控制器超调较大的缺点,是一种具有实用性的线性自抗扰控制器参数自整定方法.     

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。     

基于带宽的永磁同步电机伺服控制器设计

为提高伺服系统的控制性能并解决控制参数整定困难的问题,该文设计了1种新的控制方法,应用于永磁同步电机(PMSM)伺服控制系统中。建立了PMSM模型。设计了基于电流环带宽进行比例-积分(PI)控制参数整定的电流环控制器和基于速度环带宽进行自抗扰控制(ADRC)参数整定的速度环控制器。推导得到电流环带宽和速度环带宽的关系,从而将整个系统的控制参数归结到带宽1个参数上。经实验验证:该控制器结构通用性强,参数整定简单,易于工程实现;与传统比例-积分-微分(PID)控制方法相比较,在给定相同速度指令时,基于带宽的控制方法速度响应快,跟踪误差减小40%以上,在PMSM速度稳定时施加负载扰动,稳定时间缩短25%以上。