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。     

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。     

一种基于积分分离的内模PID主动队列管理算法

针对PI主动队列管理算法存在调节时间长和鲁棒性差的缺点,提出了一种基于积分分离的内模PID主动队列管理算法(IMC PD-PID)。其突出特点是控制器参数整定方便,由于采用了积分分离的方法,使其既保持了积分作用,又减小了超调量。仿真结果表明:该算法较PI算法有更小的超调量,队列收敛速度明显加快。     

PID控制器参数整定复杂性的分析

针对PID控制器参数整定复杂性的问题,以典型二阶被控对象的单位负反馈系统为例,从根轨迹和频率特性的角度,详细分析了PID控制器参数变化对系统控制性能的影响,并通过PD控制且以图形的形式展示出了PD控制参数连续变化对超调量、上升时间和调节时间的影响,对于理解PID控制器参数整定的复杂性及合理选择和应用PID控制器均具有一定的参考价值.     

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RBF神经网络整定的热风炉温控系统设计

为了提高热风炉的燃烧效率,改善热风炉温控系统的自动化程度,提出了一种基于RBF神经网络整定的PID控制策略。首先,通过RBF神经网络算法和增量式PID控制器的结合,将神经网络强大的自学习能力应用于对增量式PID参数的调整。然后,在常规热风炉温控系统的基础上,将其外环改为采用RBF神经网络整定的PID控制。热风炉温控系统中内环以煤气阀门开度为变量,外环以拱顶温度为控制变量,通过改进的串级控制来实现热风炉的燃烧优化调整。Matlab仿真分析和实际应用效果表明,RBF神经网络整定的PID控制曲线几乎无超调量,系统抗干扰能力相对传统的PID控制提高了50%。与传统的手动控制相比,所提出的控制策略使得原系统的抑制干扰能力明显增强、鲁棒性更好,在热风炉温控方面具有良好的研究和应用价值。     

粒子群优化BP神经网络PID控制注塑机液压系统

注塑机液压系统是一个时变、非线性和高耦合的复杂系统,传统PID控制参数不易整定,超调量大,对注塑机液压系统控制效果欠佳,现提出一种粒子群优化BP神经网络算法改良PID控制。BP神经网络算法存在收敛速度慢和容易陷入局部最小值的缺陷,利用粒子群算法的全局最优和收敛速度快的特性改良BP神经网络,然后利用粒子群优化BP神经网络对PID的3个参数进行在线调整。仿真结果表明,经过粒子群优化后的BP神经网络对PID3个参数的整定效果要比BP网络要好,同时粒子群优化BP神经网络PID控制效果明显优于传统PID控制,可以有效提高注塑机液压系统的精度和响应速度,优化注塑过程。     

基于参数自整定模糊PID的加热板温控系统研究

针对具有滞后特性的温度控制系统,本文设汁了一种用于加热板温控系统的参数自整定模糊PID控制器,它利用模糊控制规则对PID参数自动整定.通过仿真表明这种控制器对温控系统模型的适应性较强,有很好的鲁棒性和控制效果,将其用于大部分大功率加热设备,能达到零超调、调节时间快且稳态误差也非常小的理想效果.     

基于神经网络PID控制的电液开口机构系统仿真

针对传统PID控制方法不能满足电液开口机构控制系统自适应力要求的问题,提出一种基于神经网络PID自整定算法.首先,建立神经网络模型,在神经网络PID控制过程中,由传感器检测并反馈液压系统的位移信息;其次,将得到的位移信息经过神经网络对PID的参数进行在线调整.仿真实验结果表明,本算法的电液开口机构超调量小,稳态精度高,系统运行平稳,自适应能力明显增强.     

基于遗传算法的智能车速度控制系统研究

针对传统PID算法在电磁导航智能车速度控制中存在的比例、积分、微分三个参数难以整定,不具有自适应能力的缺点,提出了将遗传算法应用到智能车的调速系统中来对传统PID算法进行改进.遗传算法不需要给出调节器的初始参数,可以从许多点开始并行操作,在解空间进行高效启发式搜索,克服了从单点出发的弊端以及搜索的盲目性,从而使寻优速度更快,避免了过早陷入局部最优解,最终自适应地整定PID三个参数来实现智能车的速度控制.Matlab仿真测试表明,与传统PID控制算法相比,遗传算法在智能车速度控制中具有响应快、超调量小、鲁棒性和适应性强的优点,大大提高了智能车电机控制系统的性能.     

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。     

基于ARM的暖房温度控制暨双极性PID控制算法设计

基于ARM控制器,设计双极性PID控制算法,实现对暖房温度的控制. PID输出正极性用电热炉加热,输出负极性用风扇冷却. PID运算采用位置型,并使用梯形积分、积分分离、微分延迟、输出限幅等多种算法,对参与运算的输入输出信号做归一化处理,从而更准确地观察P、I、D运算分量并指导参数整定.测定广义被控对象的数学模型,对象为大惯性、大滞后对象,并且升降温时惯性大小不一样.在实际运行中,当设定值正向阶跃时,超调量较小,稳态误差为±0. 2℃;反向阶跃时,无超调,稳态误差为±0. 1℃.     

基于RBFNN整定的PID控制在柔性摆跟踪控制中的应用研究

本文提出了一种基于径向基函数神经网络（RBFNN）整定的PID控制策略,并将其应用于柔性倒立摆的跟踪控制。该方法通过神经网络辨识获取柔性摆的Jacobian信息,采用梯度下降法自适应调整PID的控制参数。仿真结果表明,与传统的PID控制效果相比,该控制方法响应速度快、超调量小,较好地解决了PID控制方法中参数整定困难的问题,实现了对柔性摆的有效跟踪控制。     

基于免疫算法和参考模型的船舶航向自动舵设计

为解决常规比例-积分-微分(PID)控制超调问题,将参考模型应用于船舶航向自动舵,提出一种模型参考跟踪的船舶航向PID控制算法,使船舶航向跟踪参考模型输出.针对自动舵参数整定问题,提出一种动态免疫克隆选择优化算法,在进化过程中动态改变种群规模、克隆规模和变异参数,从而加快全局搜索速度和提高局部搜索精度,保证控制器性能可靠;也可根据不同的性能指标要求,整定相应的控制参数.实船仿真试验表明,系统超调得到有效抑制,控制参数能根据需要自动调节,控制效果令人满意.     

基于自适应Fuzzy-PID控制的变截面板簧AGC控制系统

以PID控制作为调节系统的主要手段,提出了将模糊控制和PID控制结合起来应用于变截面板簧轧制控制系统的方法,构成了一个参数自整定的模糊PID控制器.通过模糊规则在线调解PID的各项参数,达到了改善系统性能的目的.Matlab仿真实验结果表明:控制系统的响应曲线性能较好,响应速度较快,超调量小,稳态精度高.     

变风量空调系统模糊PID控制的仿真

针对目前变风量(VAV)空调系统参数整定困难,将模糊控制和常规PID控制相结合,提出一种基于模糊控制规则的模糊PID控制方法及模糊PID控制器的设计思路,并将其应用于VAV空调室温控制中．通过与常规PID控制器的室温控制仿真曲线比较表明：当条件变化时,模糊PID室温控制实现了参数在线自整定,取得了较好的控制效果;模糊PID控制动态响应快,控制精度高,超调量小,具有较强的鲁棒性;所需送风量更接近实际负荷的需要,达到了既舒适又节能的效果．     

基于RBF神经网络整定的调距桨PID控制

针对可调螺距螺旋桨采用的传统PID控制具有超调大、调节时间长等缺点,提出了一种基于RBF神经网络整定的PID控制算法.这种算法采用3输入、单输出的RBF神经网络对系统性能学习以找出最佳的PID组合,实现对调距桨螺距角的控制.仿真试验表明,基于RBF神经网络整定的PID控制效果明显优于传统的PID控制.