基于改进模糊神经网络的PID参数自整定算法

针对传统的PID控制算法参数整定困难,控制效果并不理想,将神经网络算法、模糊控制算法结合在一起,形成了模糊神经网络PID参数自整定算法,并且对模糊神经网络进行改进,将神经网络输入的状态变量进行模糊化和归一化处理,采用BP神经网络自整定PID控制器的参数,根据RBF神经网络得到受控对象的Jacobian信息。仿真结果表明,基于模糊神经网络的PID自整定控制效果较好,具有一定的应用前景。     

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。     

基于模糊PID的锅炉水位控制系统的研究

应用模糊控制技术,设计了一个二维模糊自整定PID控制器,对锅炉汽包水位进行控制,实现了PID参数的自适应调节。利用MATLAB对控制系统进行仿真。结果表明,该控制器自整定能力及鲁棒性比传统PID控制器更强,响应速度快、精度高,同时对虚假水位有较好的控制效果。     

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.     

高职“PID控制器”课程教学改革及实践

传统PID参数整定的教学方法以定性分析教学为主,学生只能在概念上去认识PID控制的规律,教学效果很难令人满意。在高职过程控制类课程中,通过课程教学改革,运用工程经验,在MATLAB仿真软件上对PID参数进行整定,可使学生迅速掌握PID的控制规律,改善教学效果。     

基于模糊PID算法的回转窑控制系统改造

针对某公司镍冶炼系统PID控制器依靠人工操作经验进行参数整定从而导致冶炼过程不稳定的问题,在传统增量式PID控制算法的基础上,基于模糊控制理论将回转窑控制器设计改造成一种新的变速积分模糊PID控制器,并给出了镍铁回转窑PID控制器的结构和PID参数的详细整定方法,在设计中,比例系数Kp、微分系数KD用模糊方法进行自整定,而积分参数KI采用变速积分PID算法进行调节.通过在MATLAB环境下对该模糊PID控制器进行仿真,验证了该算法是有效的.     

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。     

基于蚁群算法改进聚类算法的RBF-NN在PID控制中的应用

针对非线性系统,采用了径向基函数(RBF)网络的PID整定。由于传统RBF网络的聚类算法聚类质量不高,参数的初始值直接影响收敛速度。该文通过运用蚁群算法和k-均值算法对聚类算法进行改进提高聚类质量并且优化初始值。仿真结果表明,经过对聚类法改进的RBF网络收敛速度快速、精确,PID整定效果优于未使用该方法的整定效果。     

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。     

水温控制系统

介绍了用模糊控制思想对PID参数进行实时整定方法进行水温控制的单片机系统,介绍了PID参数模糊整定的方法和系统软、硬件的构成.此系统对电炉加热的实验装置进行控制取得了较满意的效果.     

基于模糊算法的PID参数自整定电机调速仿真研究

针对传统直流双闭环调速,不能有效克服非线性因素,不能满足对高精度、高性能等场合的要求,本文提出采用模糊PID参数自整定控制策略用于直流电机调速控制系统,从而实现PID参数实时整定。根据一个电机参数模型在Matlab/Simulink中搭建仿真模型,仿真结果表明模糊PID参数自整定控制器比传统PID控制器具有好的控制精度和鲁棒性,并提高了电机动静态性能。仿真结果与理论研究相符,验证了方案设计的合理性,实现了对被控对象的最佳控制。     

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。     

锅炉汽包水位控制系统的设计——模糊自整定PID控制器设计

本文主要介绍了模糊控制的基本思想及模糊控制系统的基本结构,以锅炉汽包水位控制系统为例,设计模糊自整定PID控制器,与传统PID控制器相结合,实现实时控制中PID参数的在线整定。     

模糊自适应PID控制方法研究与仿真

对于非线性、时变性的系统来讲,传统PID控制难以达到满意效果。利用模糊推理的方法实现对PID参数的在线自动整定,并且在Matlab软件环境下进行了研究与仿真。仿真结果表明,参数自适应模糊PID控制能使系统控制响应快、控制稳定,且具备了良好的动态性能。     

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。     

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BP网络的PID控制器参数整定法研究

将神经网络和PID参数的整定相结合,提出了基于误差反传神经网络的PID参数整定方法,通过神经网络的自学习和权值调整寻找最优的PID参数。该方法适用于非线性系统和时变系统,实现了PID参数的在线整定。     

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。