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。     

斜连轧机速度张力系统的预测控制

通过对斜连轧工艺塑性变形过程的分析,首先建立了斜连轧过程中速度张力的数学模型;然后提出应用动态矩阵控制设计速度式调节张力的控制系统,并且考虑实际生产中的各种约束条件,在动态矩阵控制算法中采用粒子群算法作为滚动优化方法。采用SIMULINK软件进行仿真实验,对比了传统的PID控制器和加入粒子群算法做优化后的动态矩阵控制器对斜连轧机速度张力系统的控制性能。结果表明本文设计的控制器张力的控制误差稳定在0.1%,张力波动很小,能够保证连轧工艺顺利进行,满足产品的质量要求。     

基于改进SA-WOA算法优化热封刀温度控制系统PID参数的研究

套袋机热封刀温度通常采用PID算法进行控制,但是PID控制参数大多由人为经验设定,控制效果不佳.为解决这一问题,本文提出一种改进SA-WOA算法实现PID控制参数的自整定.首先我们利用阶跃响应曲线法建立系统的传递函数模型,再考虑鲸鱼算法以及模拟退火算法的优点,将两者进行结合;然后在此基础上对算法进行改进,提高算法的收敛速度以及优化效果;再将改进后的算法在MATLAB R2017b平台上进行仿真对比实验;最后,将仿真所得控制参数在套袋机上进行实验测试.仿真对比结果表明,相对于继电反馈算法、粒子群算法以及基于模拟退火的改进粒子群算法,本文算法优化所得参数控制效果更好.实测实验结果表明,本文算法所得参数控制效果良好,可以更好地满足实际的需求.     

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。     

基于粒子群算法的二次再热机组主蒸汽温度优化控制

针对二次再热机组主蒸汽温度控制中,被控对象通常具有严重的非线性、滞后性、时变性等特点,采用传统的串级PID控制很难得到满意的动态响应特性这一问题,分析了二次再热机组热力系统,提出基于粒子群算法整定的主蒸汽温度优化控制方法,实现对串级控制系统主回路PID控制器参数的快速优化。基于Matlab/Simulink平台,对被控对象模型进行阶跃响应实验,仿真结果表明,经粒子群算法优化之后调节回路的控制性能较ZN整定方法明显提高。该优化控制方法不仅保留了串级控制系统抗内扰能力强的优点,同时有效地解决了主蒸汽温度控制系统中稳定性与准确性之间的矛盾,增强了系统对不确定因素的适应性,对工程应用具有一定指导意义。     

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.     

焦炉集气管压力智能解耦控制系统的应用

针对某钢铁焦炉集气管压力系统具有强耦合、强干扰、典型非线性的特点，结合模糊控制、PID控制、解耦控制和专家控制的优点，提出集气管压力的智能解耦控制方法，并将该控制方法应用于某焦化厂1号、2号焦炉智能解耦控制器。实际运行结果表明，当焦炉开盖、关盖、外送压力和煤气流量等因素引起集气管压力波动时，系统能迅速调节蝶阀开度使压力在15S内达到稳定，并且能够保证集气管压力稳定在工艺要求的波动范围内。     

一种自学习模糊控制器在烟厂的应用

在卷烟工艺风力系统中,由于管道阻力不断变化引起压力波动,采用传统的PID控制方法难以获得满意的效果。因此设计了一种具有实时自学习能力的模糊控制器,实验结果表明该控制器较好地改善了控制系统的性能和适应能力。     

基于遗传算法优化PID控制器参数的环境测试舱温湿度控制

大容积环境测试舱内温湿度控制系统具有非线性、时变性和耦合性的特点,传统的比例积分微分(Proportion integral differential,PID)控制器参数整定方法不能满足环境测试舱温湿度控制的要求。只有获得PID控制器的最优参数才能实现环境测试舱温湿度的优化控制。该文提出一种遗传算法(Genetic algorithm,GA)优化PID控制器参数的控制算法—GA-PID。首先通过预估解耦方法对温湿度解耦,然后将目标函数作为控制器的评估值,通过遗传算法的选择、交叉、变异、迭代功能获得PID控制器参数的最优解,以弥补常规PID算法在环境测试舱温湿度控制系统中的不足。通过MATLAB进行了仿真实验,实验结果表明预估解耦可有效地对温湿度进行解耦,提出的GA-PID控制算法可实现快速、准确以及稳定的环境测试舱温湿度控制,具有更好的控制性能。     

基于粒子群优化的升降机驱动装置控制策略

针对由于施工升降机驱动装置存在非线性因素,导致吊笼驱动装置运动精度低和响应慢的问题,提出了一种基于粒子群优化的比例、积分和微分(proportional integral derivative, PID)控制策略。首先,建立异步电机的矢量变频控制模型,基于MATLAB/Simulink通过偏差耦合控制策略实现三电机同步控制模型搭建,并设计了粒子群PID控制器以及模糊PID控制器;然后在ADAMS软件中建立驱动装置的虚拟样机,通过ADAMS的Controls接口模块与MATLAB实现机电联合仿真;最后根据施工升降机实际运行工况进行联合仿真验证并分析控制策略可行性。研究结果表明：粒子群PID控制器提升了吊笼位置控制精度与响应速度,粒子群优化PID系统响应时间相较于PID控制系统提升38%,相比模糊PID提升6%,系统稳态误差分别提升62%、98%,满足实际运行需求。     

基于粒子群优化算法的PID液位控制

文章针对双水箱液位串级控制系统,为其主调节器设计了一种基于粒子群优化算法的参数自整定PID控制器,并在过程控制试验平台上利用MCGS组态软件加以实现;实验结果表明,新的控制器较常规PID控制器响应速度快,超调小且调节时间短,系统的性能得到明显改善.     

基于改进型蚁狮算法的PID控制器参数优化

由于被控对象往往具有高阶非线性等特点,传统PID( Proportion Integration Differentiation) 控制器参数整定方法容易使控制器出现超调、震荡、性能变差等缺陷。为此,提出运用将蚂蚁和蚁狮的移动步长进行改进的蚁狮算法对参数进行优化,通过其互动关系,选择最佳蚁狮位置确定控制器参数,并与改进前蚁狮算法及其他优化算法进行了对比。仿真结果表明,基于改进型蚁狮算法的PID 控制器具有较好的性能指标,相比于改进前蚁狮算法、遗传算法和粒子群算法,该算法具有较高的系统控制精度,以及较短的响应时间等优点,且算法实现更加简单,证明了该方法对于优化PID 参数具有优越性和有效性,为PID 控制器的参数优化提供了参考。     

积分时滞系统的内部反馈粒子群优化控制方法

传统PID控制器在控制积分过程时存在结构上的缺陷,提出一种内部反馈的粒子群优化PID控制方法,解决了积分过程难以控制的问题。火力发电厂过热蒸汽温度系统是一种较难控制积分时滞系统,蒸汽流量温度控制系统仿真结果无超调、调节时间短,表明内部反馈的粒子群优化PID控制方法的有效性和合理性。     

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.     

基于量子粒子群优化的网络拥塞控制新策略

为了改善网络拥塞控制系统的性能,基于流体流理论的网络简化模型,将量子空间中的粒子群优化算法(QDPSO)应用于PID控制器参数优化.定义了一个综合调节时间、上升时间、超调量、系统静态误差、正弦跟踪误差等动静态性能指标函数,在给定的参数空间进行组合优化搜索,迅速求得获取使性能指标优化函数极小化的一组PID控制器参数,将PID控制器应用于网络主动队列管理系统中.仿真结果表明,在大时滞和突发业务流的冲击2种情况下,该方法设计的控制器的动静态性能优于RED,PI算法,也优于GA,SPSO算法的优化结果,超调量均小于4%,调节时间均小于4s,稳态误差均小于2个数据包.     

动态矩阵控制在飞翼无人机自动着陆时的应用

进场着陆是飞行的复杂阶段,虽然仅占整个飞行的2%～3%,却大约有1/3的飞行事故发生在此阶段。无尾飞翼无人机着陆下滑时对飞机的速度和姿态具有很高的精度要求,但有时仅靠油门控制飞行速度不能满足要求。针对这一情况设计了一种升降舵加阻力方向舵模型预测控制系统。先采用PID控制加快被控对象的响应速度,在此基础上建立基于动态矩阵控制(DMC)算法的模型预测控制器。DMC的在线优化和反馈校正等特点有效地提高了系统的整体性能。仿真结果表明,与经典PID控制器相比,该系统能够更好地跟踪下滑轨迹,提高无人机的动态响应,并且严格控制下滑速度。     

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.     

基于粒子群优化的船舶PID自动舵的改进

受生物免疫反馈过程的启发,利用模糊逻辑的适应性,提出一种模糊免疫PID控制策略,并以此对传统的PID型航向自动舵进行改进.用一种模糊控制器来模拟免疫系统中的反馈机理,以航行的经济性为目标,采用线性递减权值策略的全局PSO算法,对控制器进行参数优化.并对比2种采用免疫PID控制器的系统组成方案,指明适用于船舶航向控制的控制系统形式.实验仿真结果表明:该控制器能很好地根据船舶动态特性的变化,自动地进行适应性免疫调节,具有跟踪速度快、航向控制超调小以及抗扰性强等优点.     

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。