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。     

模糊免疫参数自整定PID控制系统设计及仿真

为了提高模糊PID控制器的控制性能,将模糊参数自整定与免疫进化算法相结合,设计了一种模糊免疫参数自整定PID控制系统。该控制系统首先利用模糊规则,在线调整控制系统的kp,ki,kd,利用免疫机理修正非线性函数f,然后利用免疫修正环节进一步调整PID控制系统的参数。数字仿真结果表明,新的模糊免疫参数自整定PID控制系统具有稳定性好、响应速度快等特点,具有很高的应用价值。     

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MEA的加热炉炉温控制器参数自整定

针对工业加热炉大惯性、纯滞后、参数非线性等特点,以及传统PID控制器参数不易调节的特点,提出一种基于思维进化算法和模糊神经网络的加热炉炉温PID控制器参数自整定方法.并通过MATLAB进行仿真研究,仿真结果表明,使用该方法得到的炉温控制器可以获得较好的控制效果.     

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.     

粒子群差分混合算法在PID参数优化中的应用

为有效提高PID控制器的性能,提出了一种粒子群差分混合算法(PSO-DE),并应用于PID参数优化中.算法利用一个选择判断因子来确定每个个体的更新方式,使用简化粒子群算法(s PSO)和改进后的差分进化算法(DE)来共同产生新一代个体,并将其应用于PID的参数整定中.仿真结果表明,相较于粒子群算法和差分算法,混合算法在PID控制器的参数优化中具有更好的全局搜索能力,而且控制精度较高.     

基于免疫粒子群算法的网络拥塞控制策略

为避免Internet路由器主动队列管理中PID参数整定试凑法的盲目性,提出免疫杂交粒子群算法用于PID控制器参数优化,构造一种基于免疫杂交粒子群的智能主动队列PID算法.仿真结果表明,基于免疫杂交粒子群的PID主动队列管理算法能够适应动态变化的网络环境,具有较好的网络控制性能.     

基于双变异策略差分进化算法的模糊PI参数整定

针对模糊PID控制器参数难以整定的问题,提出一种基于双变异策略协同工作的自适应差分进化算法DSDE。该算法采用随进化代数变化的权重因子,将经由DE/target-to-best/1和DE/rand/2两种变异策略生成的个体加权组合成一个新的变异个体,并采用Z型函数根据迭代次数自动调整变异因子,以适应于不同的进化阶段。将DSDE算法应用于二阶被控对象的模糊PI控制器(FPI)参数整定,MATLAB仿真结果表明,与传统的FPI、DE-FPI和采用自适应变异差分进化算法进行参数整定的AMDE-FPI相比,基于DSDE算法的模糊PI控制器具有更好的控制性能。     

基于引入学习过程的遗传算法的PID参数整定

在遗传算法中引入一个学习过程,实现进化过程中同代个体之间相互竞争与学习的结合,并将其应用于PID控制中参数的整定.仿真结果表明此算法具有较好的寻优能力,初步验证了其引入学习过程的意义.