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。     

基于蚁群算法的智能人工腿最优PID控制器设计

以蚁群系统和蚁群算法为基础,提出了一种新的具有不完全微分的最优PID控制器的设计方法.该控制器以系统单位阶跃响应的超调量σ、上升时间tc以及调整时间ts为性能指标,针对给定的控制对象,利用所建立的蚁群算法搜索出一组最优PID参数K*p,*i及T*d,作为实时控制中PID控制器的参数.该控制器被用于控制智能仿生人工腿中的执行电机.计算机仿真结果表明,与传统的PID控制器相比,这种基于蚁群算法的最优PID控制器具有良好的动态和稳态性能,可用于控制多种不同的对象和过程.     

基于果蝇优化算法的PID控制器设计与应用

针对传统的Z-N法得到的PID参数,难以获得最优的控制性能,提出一种基于果蝇优化算法的PID控制器参数优化的方法。果蝇优化算法具有控制参数少、实现简单和优化性能良好的优点,运用此算法设计出PID控制器,与Z-N法和遗传算法设计的PID控制器进行比较。仿真结果表明:果蝇优化算法的PID控制器比Z-N法和遗传算法的PID控制器所得结果更优,比遗传算法具有较快的收敛速度,并应用于环形一级倒立摆系统的稳定控制问题,达到较好的控制效果。     

一类基于Levenberg-Marquardt算法的神经PID控制研究

传统的比例积分控制器具有一定的局限性,尤其是当被控对象会有非线性、不确定性和时变特性,常规的PID控制器往往难以发挥作用,甚至会失稳.利用神经网络进行复杂过程的PID控制可以很好地解决上述问题.Lvenberg-Marquardt(LM)算法是梯度下降法与高斯-牛顿法的结合.就训练次数与精度而言,它明显优于共轭梯度法及变学习率的BP算法,适用于PID控制.得到了在线自适应神经网络PID控制算法,该算法改善了传统BP算法,实现了现有PID控制器控制方法.     

精密设备主动SAWPSO-PID振动控制器设计及仿真研究

比例-积分-微分(PID)控制器具有简单、稳定性好、可靠性高、鲁棒性强等特点,在振动控制领域应用广泛。而传统的主动PID控制器参数以假设或经验性选取为主,不科学且不能充分发挥控制器性能。自适应权重粒子群算法(self-adaptive weight particle swarm optimization,简称SAWPSO)克服了传统粒子群算法寻优过程的早熟情况,能使PSO算法达到局部及全局最优的平衡。文章基于SAWPSO算法,设计了SAWPSO-PID控制器,以时间乘以误差绝对值积分(ITAE)为目标适应值函数,对精密设备振动进行了PID参数自整定的优化控制研究,并与经验型参数选定PID振动控制、被动隔振(无控)进行了对比分析。     

一类基于Levenberg—Marquardt算法的神经PID控制研究

传统的比例积分控制器具有一定的局限性,尤其是当被控对象会有非线性、不确定性和时变特性,常规的PID控制器往往难以发挥作用,甚至会失稳．利用神经网络进行复杂过程的PID控制可以很好地解决上述问题．Levenberg—Marquadt（LM）算法是梯度下降法与高斯一牛顿法的结合,就训练次数与精度而言,它明显优于共轭梯度法及变学习率的BP算法,适用于PID控制．得到了在线自适应神经网络PID控制算法,该算法改善了传统BP算法,实现了现有PID控制器控制方法．     

基于改进的遗传-PID算法的机组轴承油雾排放控制策略

发电机组轴承在运行过程中会出现"甩油"和油雾溢出现象,该现象会带来许多安全隐患。针对此问题提出了基于改进的遗传-PID算法的发电机轴承油雾排放策略。油雾排放控制的关键就是控制系统的平稳性,封闭式轴承内部气压大幅度的波动会造成其内部的油雾短时间内激增,给系统正常运行带来危险,基于改进的遗传-PID算法的控制策略可以满足控制系统的平稳性要求。该算法将目标函数作为控制器的评估值,通过改进之后的遗传算法的选择、交叉、变异、迭代等遗传操作获得PID控制器参数的最优解,以弥补传统PID算法在控制高阶复杂带有延时的线性系统时的不足,使控制器获得良好的控制性能,降低了系统的超调量,减少了系统的调节时间。     

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.     

基于改进模糊PID的轮式机器人速度控制器设计

针对轮式机器人在行走过程中存在速度平衡超调较大与调节时间较长、速度平衡效果较差的问题,采用Matlab/Simulink与Carsim仿真软件建立轮式机器人四轮差速运动模型,对于无刷直流电机(BLDCM)系统,在原有模糊PID的基础上,结合抗积分饱和算法与变速积分算法,提出一种改进模糊PID控制的调速方法。仿真结果表明,通过抗积分饱和与变速积分算法改进后的模糊PID控制器与传统模糊PID控制器相比,在机器人速度平衡控制过程中,超调降低30%,调节时间降低33%,具有速度响应时间短、速度响应曲线波动小的优点。搭建了轮式机器人实验验证平台,实验结果表明,改进后的模糊PID控制调速方法的速度响应快,满足轮式机器人速度控制需求。所提设计可为轮式机器人速度稳定系统调试提供理论指导,并可应用于以速度调控为主导的控制系统。     

压球烘干系统的智能模糊控制器的设计

本文针对压球车间传统的烘干控制系统气体流量不稳定,温度波动大等问题,提出了烘干温度的参数自整定模糊PID控制算法,将模糊控制与PID控制相结合来建立一个自动调节温度的控制器。并且通过Matlab的仿真功能将其与传统PID控制器进行比较。仿真结果表明该控制系统不仅调整时间短而且稳态误差小,并且在动态响应性能方面都要优于传统的PID控制器。     

采用改进模糊PID控制的串联机械手追踪误差研究

针对串联机械手运动角位移跟踪误差较大问题,提出了改进模糊PID控制方法。创建串联机械手简图模型,给出机械手动力学方程式,设计了模糊PID控制系统。引用粒子群算法并对其进行改进,采用改进粒子群算法优化模糊PID控制器,将改进模糊PID控制器用于控制串联机械手角位移变化。采用Matlab软件对串联机械手角位移跟踪误差进行仿真验证,并且与传统PID控制器和模糊PID控制器仿真结果形成对比。仿真结果显示,串联机械手采用PID控制器和模糊PID控制器,其角位移跟踪误差较大,而采用改进模糊PID控制器,角位移跟踪误差较小。串联机械手采用改进模糊PID控制器,可以提高控制系统的稳定性,削弱机械手的抖动现象。     

基于参数稳定空间的PID控制器设计

一阶加纯延时模型难以精确描述被控对象,因此传统的PID控制器不能取得满意的控制效果。基于精确的高阶模型提出了一种最优PID控制器的设计方法。利用广义Hermite-Biehler定理获得使闭环系统稳定的PID控制器集合。在该PID控制器集合中,运用遗传算法寻找基于ITAE指标最优的PID控制器参数。利用广义Kharitonov定理及Monte-Carlo随机试验方法对PID控制器鲁棒性和性能鲁棒性进行评价。仿真结果表明:该文算法对高阶对象具有良好的控制性能,对模型的不确定因素具有较好的适应性和鲁棒性。从而证实了该文算法的有效性,可以应用于高阶系统的控制。     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

采用免疫BP算法的模糊神经网络PID控制器

文章在传统PID控制器的基础上,结合模糊控制和神经网络控制理论设计出自适应模糊神经网络PID控制器,并将免疫反馈机制应用到BP学习算法中,通过自适应调整学习速率,改善算法的收敛性;通过Matlab仿真验证了引入免疫反馈机制的BP算法的优越性.仿真及实际应用结果表明,采用免疫BP算法的模糊神经网络PID控制器响应速度快,...     

基于模糊自适应PID的无人驾驶车辆路径跟踪控制

在无人驾驶车辆路径跟踪控制过程中,针对控制对象发生变化时传统PID控制器难以对其控制参数进行实时调整的问题,提出一种以预瞄理论为基础的模糊自适应PID控制方法.以前轮转角作为控制系统的输入,设计基于横向偏差和航向偏差的模糊自适应PID路径跟踪控制器.分析量化因子和比例因子的选取原则,利用模糊理论对PID参数进行自适应调整;基于Carsim与Simulink对所提算法进行联合仿真实验.仿真结果表明:模糊自适应PID较传统PID改善了控制器的动态性能且具有较好的自适应能力.     

基于单神经元的换热站控制系统PLC设计

以间接集中供热系统为研究对象,针对传统PID控制算法无法动态跟踪现场实际达到控制要求,智能控制算法大多仍处在理论研究阶段,实际应用中效果不好等问题,研究将单神经元PID智能控制通过PLC程序得以实现,并与传统PID控制进行对比。仿真和在现场实际运行结果表明,采用单神经元PID控制器响应时间缩短了一半。     

双重控制系统的广义预测控制

传统的双重控制方法建立在简单PID算法基础上,其性能受到一定的限制.为此,将广义预测控制算法应用于双重控制系统中,形成基于预测控制的双重控制算法.该算法继承了传统双重控制方法的控制结构和控制思想,采用主、副2个控制器进行控制.其中主控制器采用广义预测控制算法,针对快回路产生快控制作用使系统具有良好的动态特性;副控制器采用PID算法,针对慢回路产生慢控制作用以实现一定的经济指标;同时,副控制器的输出作为前馈量引入主控制器.主、副2个控制器互相协调工作,使系统既具有良好的动态特性,又符合工艺上或经济上的要求.仿真对比结果表明,该算法控制性能优良,具有较强的的抗干扰性和良好的鲁棒性,是一种较好的双重控制系统控制算法.     

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.     

基于改进模拟退火算法的二自由度PID控制器设计

通过分析传统二自由度PID控制器参数整定过程中存在的不足,结合模拟退火算法的特点,提出了一种改进的模拟退火算法,并将其成功地应用于二自由度PID控制器的参数优化设计.仿真结果表明,所设计的二自由度PID控制器同时具有良好的目标值跟踪特性和干扰抑制特性.在隧道式炉二自由度PID控制系统设计中获得了良好的控制效果,从而说明了该方法的有效性.     

基于粒子群优化的主动悬架PID控制策略

针对汽车主动悬架比例-积分-微分控制器(proportional-integral-derivative,PID)参数选择问题,传统PID控制参数整定具有一定的盲目性.设计了粒子群优化算法,目标函数根据悬架性能指标建立,利用粒子群优化算法,优化了PID控制器中的参数.结果表明,与优化前PID控制的主动悬架相比,采用粒子...