迭代步进值递减的果蝇优化算法在PID整定中的应用

PID控制器参数决定着系统控制效果,因此需要在参数空间中选择最佳的参数,使系统控制性能达到最优。果蝇优化算法在计算精度和运算速度上比传统方法有着显著的提高,在解空间上可以快速高效的得到全局最优解,但是也极易陷入局部最优。自动电压调节器(AVR)系统通常采用PID控制器,为了更加有效地获得PID参数进行在线调整,仿真结果表明改进的果蝇优化算法比原来的算法在PID控制器中获得了更好的控制性能,改进算法具有一定的实用价值。     

基于果蝇算法的过热汽温自抗扰优化控制

锅炉过热汽温的动态特性会随运行工况发生较大变化,传统的控制方法难以达到理想的控制性能。该文基于线性自抗扰控制器设计串级优化控制方案,根据现有的比例-积分-微分(PID)控制器参数计算自抗扰控制器参数初值,进而基于改进的优化指标,采用果蝇算法优化出一组适用于不同工况的固定控制器参数。仿真结果表明:该方案能够很好地平衡快速性与稳定性的矛盾,且具有更好的性能鲁棒性。     

基于粒子群优化算法的分数阶PID控制器设计

分数阶PID控制器具有可变的微分和积分阶次,通过调整控制器参数可以获得更好的控制性能。本文基于粒子群优化算法设计分数阶PID控制器。首先介绍分数阶PID和粒子群优化算法,然后给出分数阶PID控制系统结构、分数阶微积分算子的近似算法和分数阶PID控制器设计的仿真流程,最后通过MATLAB/Simulink对算例进行控制器设计仿真。仿真结果表明,通过粒子群寻优能够获得满意的分数阶PID控制器参数,满足对控制性能的要求。     

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的PID参数整定仿真与研究

针对工业控制过程中经验PID整定耗时耗力、精度低且稳定性能差等问题进行研究,提出采用标准粒子群算法可实现对PID控制器参数的快速优化且收敛效果明显;通过重点分析PSO算法中的不同惯性权重以及学习因子分别对被控对象系统控制优化性能的影响,深入研究算法参数各部分的作用及其设置范围,使基于PSO算法的PID整定方法能够获得最优的控制效果及更广阔的应用前景;最后,应用Matlab软件平台,并结合Simulink系统进行算例数字仿真分析:通过对比不同惯性权重及学习因子情况下的仿真结果,证明方法的鲁棒性强;通过对比传统Z-N方法和遗传算法整定,证明了方法的优越性。     

PID和模糊逻辑控制器控制直流电动机的性能比较

为比较比例积分微分控制器和模糊逻辑控制器控制直流电机的性能,本文从构建直流电机的数学模型入手,分别对传统的PID控制器、Ziegler-Nichols（Z-N）回路整定技术调整PID控制器和模糊逻辑控制器控制直流电机的性能进行了实验仿真。结果表明,与传统的PID控制器、Z-N回路整定技术调整PID控制器相比,模糊逻辑控制器具有更好的控制效果。     

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。     

基于遗传算法优化的神经网络PID控制器

对于参数可变的时变系统和非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为1种有效的控制策略．根据神经网络初始权值的选取影响控制器性能的特点,提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化．仿真结果证明了该算法的有效性。     

基于遗传算法和神经网络的PID参数自整定

针对在传统PID(比例-积分-微分)控制器中调整3个参数时不易推导出被控对象的传递函数,且这些参数不易手动调整的问题,提出一种新算法用于调整PID控制器参数.该算法将神经网络和遗传算法相结合,先利用神经网络的模拟功能协助遗传算法计算适应度,训练出一个神经网络模拟被控对象;然后在遗传算法进化中不断地优化PID控制的3个参数.与传统的参数凑试法进行对比仿真实验的结果表明,该算法具有较强的鲁棒性及较快的响应速度.     

基于遗传算法优化的双回路模糊控制倒立摆系统

通过遗传算法、模糊控制、PID的结合,对直线一级倒立摆的平衡控制问题进行了优化控制。首先用牛顿-欧拉法建立倒立摆的动力学模型,得出系统的传递函数和状态空间表达式,分析系统的稳定性和可控性。以此为基础,先设计了PID单回路和双回路控制器;然后用遗传算法优化PID参数;再用优化的参数设计双回路模糊PID控制器;并用MATLAB对系统进行了仿真。纵向和横向控制方法的对比分析表明:该方案控制效果最好,能同时控制角度和位移;其参数可在最优PID初值的基础上在线修改,实现最佳调整,使对象具有良好的静态和动态性能。     

基于改进遗传算法的PID型励磁系统控制器(英文)

提出了一种新型PID型励磁控制器,采用一种改进的遗传算法优化其参数,不仅克服了参数设计的主观性,且可以提高优化速度.计算结果表明,这种改进遗传算法的搜索速度与精度均优于试探法和标准遗传算法.与传统控制器的仿真比较表明,采用改进遗传算法优化的PID型励磁控制器对于电力系统动态特性具有较好的控制作用.     

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。     

基于改进型蚁狮算法的PID控制器参数优化

由于被控对象往往具有高阶非线性等特点,传统PID( Proportion Integration Differentiation) 控制器参数整定方法容易使控制器出现超调、震荡、性能变差等缺陷。为此,提出运用将蚂蚁和蚁狮的移动步长进行改进的蚁狮算法对参数进行优化,通过其互动关系,选择最佳蚁狮位置确定控制器参数,并与改进前蚁狮算法及其他优化算法进行了对比。仿真结果表明,基于改进型蚁狮算法的PID 控制器具有较好的性能指标,相比于改进前蚁狮算法、遗传算法和粒子群算法,该算法具有较高的系统控制精度,以及较短的响应时间等优点,且算法实现更加简单,证明了该方法对于优化PID 参数具有优越性和有效性,为PID 控制器的参数优化提供了参考。     

四旋翼飞行器PID优化控制

针对四旋翼飞行器具有非线性,强耦合性,多输入的欠驱动系统的特点,研制出既能精确控制飞行器姿态,又具有较强抗干扰和环境自适应能力的控制器。为了达到更好的飞行效果,采用了传统的PID控制算法,但实际应用中需要对PID参数进行优化,提出改进的PSO算法和遗传算法相结合的优化控制方法。为了优化PID参数,首先对飞行器进行动力性建模,再利用改进的PSO算法和遗传算法作PID参数优化。仿真和飞行实践的数据表明,相对于标准的PSO算法,飞行器有更好的鲁棒性和控制效果。     

基于遗传算法优化PID控制器参数的环境测试舱温湿度控制

大容积环境测试舱内温湿度控制系统具有非线性、时变性和耦合性的特点,传统的比例积分微分(Proportion integral differential,PID)控制器参数整定方法不能满足环境测试舱温湿度控制的要求。只有获得PID控制器的最优参数才能实现环境测试舱温湿度的优化控制。该文提出一种遗传算法(Genetic algorithm,GA)优化PID控制器参数的控制算法—GA-PID。首先通过预估解耦方法对温湿度解耦,然后将目标函数作为控制器的评估值,通过遗传算法的选择、交叉、变异、迭代功能获得PID控制器参数的最优解,以弥补常规PID算法在环境测试舱温湿度控制系统中的不足。通过MATLAB进行了仿真实验,实验结果表明预估解耦可有效地对温湿度进行解耦,提出的GA-PID控制算法可实现快速、准确以及稳定的环境测试舱温湿度控制,具有更好的控制性能。     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。     

基于参考点的时变参数不可测对象PID控制器优化设计

针对参数时变,且含有多个目标函数的PID控制器设计,提出了一种基于参考点的时变参数不可测动态多目标优化遗传算法.该算法在常规动态多目标优化遗传算法基础上,加入了参考点及局部搜索和种群更新机制,以实现对不同环境及环境不可测情况下PID控制器参数的优化,用典型测试函数将该算法与DNSGA2-A算法进行比较,验证了算法的有效性.在PID控制器设计部分,首先建立PID控制器时变动态多目标优化模型,将多目标PID控制器设计问题转化为动态多目标优化问题;然后建立参考点,定义基于参考点占优帕累托支配关系,通过局部搜索和种群更新机制对种群进行处理,优化PID参数;最后将该方法应用于柴油机优化问题实例,将误差和方差作为优化目标,对PID控制器的3个参数进行优化,验证了方法的有效性.     

基于概率鲁棒性的锅炉过热汽温串级PID控制器

基于概率鲁棒性理论,针对过热汽温这类工况参数对模型参数有较大影响的对象,提出一种固定参数的串级鲁棒PID控制器设计方法。根据被控对象模型的参数摄动范围及概率密度分布,计算闭环系统满足性能设计要求的概率作为优化算法的目标函数,利用遗传算法对串级PID控制器参数进行优化,用Monte-Carlo实验对控制系统进行鲁棒性检验。仿真结果表明,基于概率鲁棒的串级PID控制器对于对象工况参数引起的模型参数不确定性具有较好的鲁棒性,系统可以兼顾多个工况点的性能,以最大概率满足设计要求,最大限度地挖掘了固定参数串级PID控制器对模型参数具有不确定性对象的控制能力。     

基于概率鲁棒性的锅炉过热汽温串级PID控制器

基于概率鲁棒性理论,针对过热汽温这类工况参数对模型参数有较大影响的对象,提出一种固定参数的串级鲁棒PID控制器设计方法。根据被控对象模型的参数摄动范围及概率密度分布,计算闭环系统满足性能设计要求的概率作为优化算法的目标函数,利用遗传算法对串级PID控制器参数进行优化,用Monte-Carlo实验对控制系统进行鲁棒性检验。仿真结果表明,基于概率鲁棒的串级PID控制器对于对象工况参数引起的模型参数不确定性具有较好的鲁棒性,系统可以兼顾多个工况点的性能,以最大概率满足设计要求,最大限度地挖掘了固定参数串级PID控制器对模型参数具有不确定性对象的控制能力。     

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。