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。     

基于改进粒子群算法整定的PID网络流量控制研究

结合经典控制理论和优化控制理论设计了基于改进粒子群算法的PID（Proportion Integral Derivative）控制器,并与经典的PID控制器进行了比较．仿真结果验证,优化后的PID控制器能较好地控制ATM（Asynchronous Transfer Mode）网络流量,减少拥塞,提高网络资源利用率．     

PID优化控制及其在万能试验机中的应用

针对万能材料试验机系统响应速度快、位置控制精确和抗外扰能力强的实际要求,提出一种基于粒子群优化（PSO）算法的PID控制策略,试验结果表明了所提出的方法的实用性、有效性和优越性。     

基于粒子群算法的逆变电路PID控制

针对逆变控制系统中PID控制器参数整定困难的问题,提出了基于粒子群算法的逆变电路PID控制器设计方法.通过推导逆变电路模型得到逆变电路传递函数,以该传递函数作为PID控制对象,利用粒子群算法搜索PID参数.MATLAB仿真结果证明了该方法的可行性和优越性.与采用遗传算法相比较,该粒子群算法能更快的获得合适的PID控制参数,所需迭代次数更少.     

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HPSO算法的三维空间路径规划

提出一种基于混合变异粒子群优化(HPSO)算法的三维路径规划方法.首先,对三维空间分割降维,划分“可行域”与“搜索边界”,缩小最短路径解的搜索范围;然后,利用定向变异和随机变异操作收缩解空间,使粒子群在优化过程中向规划起点到终点的中心轴线收缩,以贴近障碍物的边界,从而使所规划路径相对集中且基本分布在中心线左右,更接近于最优解;最后,仿真实验证明了该算法的可行性与优越性.     

基于量子粒子群优化算法的PID参数控制

针对传统PID算法参数最优或接近最优确定较为困难,提出一种量子粒子群(QPSO)优化PID参数的算法,并用平方误差矩积分函数作为适应度判据,以克服PID算法自适应能力较差及遗传算法(GA)优化效率不高,其局部搜索能力较弱的缺陷。并使用伺服电动机数学模型进行仿真,结果表明量子粒子群优化PID参数速度快,避免早熟缺陷,同时表明了所提出算法的有效性和所设计控制器的优越性。     

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PSO的改进的PID控制器在VAV空调系统温度控制中的应用

以变风量空调系统的温度控制作为研究对象,在现有的研究基础上,提出了粒子群优化算法改进的BP神经网络PID控制方法。应用BP神经网络进行PID参数在线整定,粒子群优化算法提高BP神经网络的学习速率和收敛性,结合三者各自的优势以提高变风量空调系统的控制性能。     

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。     

基于参数自整定模糊PID算法的平地机行走速度优化控制系统设计

针对平地机作业时行进速度精度的滞后问题及控制参数,提出了基于参数自整定模糊PID算法的平地机行走速度优化控制系统,协调解决行进速度的滞后问题,并完成了将该算法应用在平地机的控制系统中.系统采用单片机作为行走速度的控制中心,为验证参数自整定模糊PID算法的有效性和可靠性,对平地机的行进速度控制进行了设定干扰信号的测试.通过Matlab软件的Simulink仿真,分析了不加PID的常规控制、PID控制、参数自整定模糊PID控制进行速度稳定控制的效果,测试显示响应时间短、响应速度较快,能够满足设计的要求.     

汽油发动机怠速的预测控制

设计了汽油发动机怠速动态矩阵预测控制（DMC）系统，用已建立的发动机怠速控制的数学模型和DMC算法，对发动机怠速速度予以控制。结果表明，DMC算法适用于发动机怠速控制，且具有稳定性好，抗干扰强等优点。     

基于低速恒定运行控制器的算法研究

文章针对低速恒定运行控制的基本要求,提出合理的控制方案,实现了低速恒定运行器的基本控制功能。采用带死区的PID算法和模糊控制算法相结合的控制算法进行控制。并利用MATLAB软件对系统仿真模型进行了仿真,仿真结果证明模糊自适应PID算法优于传统的PID算法,证明算法选用合理。     

混合动力汽车发动机转速PID控制

根据发动机电控节气门开度-转速-转矩关系，建立了混合动力汽车(HEV)用发动机转速比例-积分-微分(PID)控制模型，并根据发动机转速响应特性，对模型参数进行了整定．试验表明，发动机转速PID控制器具有良好的控制品质，提高了HEV用发动机的转速特性．     

基于BP神经网络的发动机怠速模型

发动机怠速模型是发动机怠速控制的基础.发动机怠速工况具有非线性特性.利用BP人工神经网络建立了发动机怠速模型,并利用实际发动机系统测得的怠速转速数据作为神经网络学习样本数据.理论分析和仿真研究均表明了该方法的有效性.     

粒子群优化克隆算法在交流调速系统中的应用

提出了粒子群优化克隆算法(PSOCA),算法融合了免疫系统的克隆选择机制和粒子群优化算法的进化方程,具有全局寻优的能力.PSOCA改善了抗体种群的多样性,通过有效利用抗体的历史信息以及它们的合作提高了克隆选择算法的收敛速度.在PSOCA算法的基础上,设计了PID控制器(PCA-PID),可动态调整参数以适应时变对象.运用PCA-PID控制器进行交流调速,相对于采用粒子群优化算法和克隆选择算法设计的控制器,前者有更好的控制性能.     

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80C196KC单片机的汽车发动机怠速控制系统设计

设计以80C196KC单片机为核心的汽车发动机怠速控制系统,扩展片外存储器和I/O口,增加了通信电路,设计直流电机的驱动电路.采用H桥TLE6209芯片实现了电机的可逆控制.分析发动机怠速工况特点,设计相应的控制策略,试验结果表明基于电控节气门的发动机怠速模糊控制系统,具有良好的动态特性和稳定性,能很好的满足怠速工况控制的要求.     

基于积分分离式PID控制算法的机械自动控制系统设计

基于单片机控制的积分分离式PID控制算法设计了一种收割机自动控制系统.系统以STC12C5A60S2为控制核心,经由脱粒滚筒转速信号检测模块、谷物喂入量检测模块、脱粒滚筒扭矩检测模块和籽粒搅龙轴转速模块采集相应数据信息,经系统内部相互协调综合算法处理后,实时输出相应控制信号至电动推杆,调控其AD值驱动HST变速器动作,进而获得最佳积分分离限β值控制收割机行走系统以达到最优状态;并能实时处理收割机作业过程中过载降速或堵转等突发状况,最后通过仿真实验分别完成了传统PID控制算法与三种不同积分分离限的情况下积分分离式PID控制算法的对比控制效果.仿真实验结果表明:基于积分分离式PID控制算法的机械控制系统优化设计必须是基于传统PID控制算法基础,以最优参数比例进行恰当调整实现.     

遗传算法在PID自适应控制中的应用

提出一种基于遗传算法的PID自适应控制结构,给出控制结构框架,利用遗传算法来优化PID参数,本文利用遗传算法的全局寻优的特点,将它应用于PID参数的寻优计算,从而提高PID控制器的控制性能和自适应能力。仿真的结果表明,笔者提出的遗传算法和PID控制相结合的控制方法鲁棒性强,控制品质优良,在很大程度上改善了常规PID控制器的控制性能。