基于变速积分与微分先行PID的无刷直流电机串级调速控制

无刷直流电机具有长寽命、低噪声、高效率及较好的转速-转矩特性等优点在不同领域得到广泛应用。本文将以改进PID对其速度进行调节,采用改进变速积分和微分先行对速度进行调控,改进变速积分可以改变误差的累加速度,误差越大,积分作用就会减小甚至全无;反之积分作用加强。采用微分先行是对输出进行微分,对设定值不进行微分,从而使无刷直流电机的速度变化比较缓和,有效的避免了设定值改变的影响。因此,可以在很大程度上改善无刷直流电机的动态特性。     

基于变速积分与微分先行PID的无刷直流电机串级调速控制

无刷直流电机具有长寽命、低噪声、高效率及较好的转速-转矩特性等优点在不同领域得到广泛应用。本文将以改进PID对其速度进行调节,采用改进变速积分和微分先行对速度进行调控,改进变速积分可以改变误差的累加速度,误差越大,积分作用就会减小甚至全无;反之积分作用加强。采用微分先行是对输出进行微分,对设定值不进行微分,从而使无刷直流电机的速度变化比较缓和,有效的避免了设定值改变的影响。因此,可以在很大程度上改善无刷直流电机的动态特性。     

基于MATLAB遗传算法工具箱的PID参数优化研究

遗传算法是一类可用于复杂系统优化的具有鲁棒性的搜索算法,遗传算法工具箱(GAOT)为遗传算法的推广和应用提供了良好的工具。针对传统PID的局限性,利用遗传算法工具箱对PID控制器参数进行优化。仿真结果表明:该方法几乎无超调,且过渡时间短,可获得比传统设计方法更优良的控制效果。     

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。     

一种基于遗传算法的单神经元PID控制器参数优化

文章分析了神经元PID控制器存在的问题,提出了一种用遗传算法对单神经元控制器进行参数寻优,并利用种群数N和交换概率Pc逐次递减的方法来提高计算效率和收敛速度,在搜索空间内获得全局最优点的方法。试验仿真结果表明,基于遗传算法的单神经元PID控制器参数优化方法能获得很好的控制效果。     

基于大爆炸优化算法的结构参数识别

作为一种新颖的优化工具,大爆炸算法（Big Bang-Big Crunch optimization,BB-BC）被成功应用于很多复杂优化问题。结构参数识别一直是结构健康监测的核心问题,利用BB-BC算法进行结构参数识别的研究。该方法的基本思想是通过最小化识别模型与实际结构系统响应的误差,从而将参数识别问题转化成一个多峰值非线性非凸的优化问题,并利用BB-BC算法发现系统参数的最优估计。利用BB-BC算法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了参数识别,并与基于遗传算法（GA）、粒子群（PSO）的参数识别方法进行了比较。结果表明：该方法可以成功地应用于结构参数识别,识别效能更优越。     

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。     

基于一种人工免疫算法的PID参数优化

PID控制器存在着跟踪设定值与抑制扰动之间、鲁棒性与控制性之间未能很好解决的矛盾，对此．采用抗原和抗体混合编码方法计算抗体浓度，用免疫遗传算法思想对PID参数进行优化，提出一种基于混合编码的PID参数优化算法。仿真结果表明，这种优化算法加快了收敛到最优参数的速度，有效提高了系统的全局稳定性，增强了PID控制器的鲁棒性。     

基于Maxwell的悬挂式无刷爪极电励磁发电机磁极参数优化分析

悬挂式无刷爪极发电机具有励磁调节方便、无附加磁路气隙、磁路对称、工作可靠等优点,同时也存在漏磁系数大、发电效率较低的问题。通过对悬挂式无刷爪极发电机磁极结构尺寸的参数化分析,实现磁极参数的优化和发电效率的提高。利用有限元软件对发电机不同参数建模仿真,结果表明:与法兰盘相连的弯折半径是决定磁路磁场饱和的主要因素;磁极厚度、极弧系数等磁极参数存在最优取值范围,优化后发电机主气隙峰值磁密提高、平均值增大,发电效率提高。补充了悬挂式无刷爪极电机的仿真分析基础,可据此对相关参数进行匹配设计。     

基于遗传算法的PID参数优化设计

提出一种新的ＰＩＤ参数设计方法,以模糊化的性能指标为目标函数,以设计参数的取值范围及极限性能指标为约束条件,建立优化数学模型,结果表明,在Ｍａｔｌａｂ环境下,将遗传算法同Ｓｍｕｌｉｎｋ仿真技术有机融合,求解该优化模型,该法能有效提高编程效率,所得优化解大大提高系统性能指标。     

基于改进免疫遗传算法的PID参数优化仿真研究

将改进免疫遗传算法与传统PID控制的参数优化进一步结合,利用免疫遗传操作自身的特点,同时引入疫苗的实时更新理念,保证了疫苗的先进性,加速系统对于全局最优解的搜索速度.以锅炉温度为例,经MATLAB-Simulink仿真证明,应用改进免疫遗传算法,对温度PID参数进行优化,使系统具有了更好的控制性能,也保证了锅炉温度的实时控制效果.     

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。     

自适应粒子群算法的整定模糊PID控制器的参数优化

提出了一种基于自适应粒子群算法(APSO)优化模糊PID控制器隶属函数的方法以及基于模糊控制规则的权值来消减规则数目的参数优化方法.仿真实验表明,该方法相比传统方法能得到具有更快响应速度和更小的超调量的模糊PID控制器.     

基于改进遗传算法的数字PID参数整定

提出了一种改进遗传算法整定数字PID参数,对所得的参数在Matlab下进行了仿真,并以89C51单片机为控制器对二阶被控对象进行了实验。仿真与实验结果表明,该方法比简单遗传算法收敛速度更快,收敛过程更平稳;所得参数对被控对象阶跃响应控制效果优良,使被控对象的输出能快速、稳定、准确地跟随输入信号。     

基于改进遗传算法的PID参数整定

为了克服基本遗传算法收敛速度和寻优效果的不足,提出一种改进交叉和选择操作的遗传算法,并把它应用于PID控制器参数的优化中。仿真试验结果表明,该算法PID参数整定效果优于基本遗传算法,不仅解决了遗传算法存在的缺陷,而且提高了寻优精度和快速收敛性能。     

基于二维函数地貌的遗传算法控制参数优化研究

针对遗传算法求解函数优化问题时控制参数难于确定的问题,提出先将函数按地貌信息聚成不同类,按类给出最佳的控制参数指导知识的解决方案。本文以复杂二维函数优化为例,提取表达函数的地貌信息特征参数,采用模糊C均值法将其聚类,得到适于不同类函数的最佳控制参数的知识。该知识可以指导遗传算法以最佳的控制参数进行函数优化。本研究为获取遗传优化最佳控制参数提供了一种新方法。     

一种基于满意度的PID参数整定方法

提出了一种基于满意度与遗传算法的PID(Proportional Integral Derivative)参数在线整定控制器的设计方法．利用满意解的原理设计系统响应超调量、上升时间及调整时间等的满意度函数，再离线通过遗传算法搜索PID控制器的3个参数kp，ki和kd作为在线调整PID参数的基值，然后设计跟踪误差与kp，ki和kd的关系函数，在线调整PID控制器参数，以获得良好的稳态性能、动态性能及鲁棒性能．Matlab仿真结果证明了所提出的PID控制器的有效性。