基于遗传算法的多模型对象控制系统参数优化

针对多模型对象控制系统,基于遗传算法对PID控制参数进行寻优,分别建立不同工况下的模型,提出了以不同模型下的ITAE(时间乘以误差绝对值积分)性能指标加权和作为遗传算法目标函数的方法,寻优出一组最佳的PID控制参数,使得该参数在不同的对象模型下均表现出良好的调节品质,具有一定的实用价值。     

直接数字串级控制系统整定参数寻优

本文以 ITAE 积分准则为性能指标,提出了采用单纯形寻优技术和遂步逼近法选择直接数字串级控制系统主、副回路 PID 算式中最佳整定参数的方法。该方法准确、可靠、方便,而且容易掌握,可为直接数字串级控制系统提供一组最佳整定参数。由于所研究的对象是带纯滞后的一阶惯性参数模型,在过程控制中具有普遍性,所以该方法具有实用意义。文中提供了用最优化技术进行串级控制系统的参数最优化设计的一种方法。     

交流伺服控制系统的ITAE控制策略应用研究

针对某交流伺服控制系统负载变化范围大、控制精度要求高,PID控制难以满足要求的特点,设计了一种基于ITAE标准传递函数的控制器,并进行了仿真和试验研究。结果表明,该控制器对负载参数变化不敏感,系统过渡过程平稳,超调小,无静差,控制精度高,鲁棒性强。     

一类大时滞对象控制器参数寻优目标函数仿真研究

在对一类大时滞对象的PID控制器参数进行寻优过程中,如果采用常规的目标函数,系统存在超调量大、调节时间长、适应性差的缺陷.为解决上述问题,在常规目标函数ITAE的基础上,提出一种改进型目标函数,将误差的变化率和对象的动态特征参数引入到目标函数中,以克服因大时滞和对象特性改变所带来的不利影响.用一阶惯性加大滞后系统作为被控对象,分别基于ITAE和改进的目标函数进行PID控制器参数寻优和仿真对比.仿真结果表明,基于改进目标函数寻优的控制器可使系统获得更好的动态性能和适应性能,从而充分证明了改进方案的正确性和有效性.     

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。     

感应加热CFRP温度控制算法

为了解决在电磁感应加热碳纤维增强复合材料(carbon fiber reinforced polymer,CFRP)过程中,因系统抗干扰性弱、响应速度慢导致的CFRP成型质量差的问题,提出了一种基于改进粒子群优化的模糊PID(improved particle swarm optimization fuzzy PID,IPF-PID)控制算法,利用IPF对PID三个参数进行寻优和自调整.该算法结合PSO和Fuzzy-PID算法的优点,在避免了陷入局部最优的同时,保证控制精度和最佳的寻优性能.结果表明,该算法在增强控制器的自适应能力和减小调整时间方面效果显著.比传统的PID算法具有更小超调和稳态误差,更适用电磁感应加热CFRP温度控制系统.     

基于改进二阶循环平稳解卷积的轴承故障检测方法

针对涡轴发动机主轴轴承故障特征难以提取,背景噪声干扰大的问题,提出了改进二阶循环平稳解卷积(PSO-CYCBD)方法,用于提取强噪声背景下的故障特征频率.该方法采用粒子群优化(PSO)算法对二阶循环平稳解卷积(CYCBD)方法中的滤波器长度参数进行寻优.首先,基于故障轴承振动特点建立信号模型,然后用PSO算法对包络谱故...     

改进的PSO优化SVM的病理图像分类算法

为了提高医学病理图像分类的准确率,提出了一种带有粒子位置权重和粒子之间相关度函数的PSO(particle swarm optimization)参数寻优算法.首先,在经典PSO算法的基础上提出了一种基于适应性原则的位置更新策略.然后,在粒子进行参数寻优的过程中,设计了一个增加粒子之间相关性的函数.该算法可以在不考虑速度影响的情况下进行参数最优解的搜索.最后,用经过PSO优化的支持向量机(SVM)算法分类检测病理图像.实验结果表明,该算法的分类准确率达到了98.5%,较高于另外几种算法.分类检测结果符合临床诊断结果,满足医学研究要求.     

PSO优化算法的微粒寻优过程移动规律研究简

为了更好地扩展和应用粒子群优化(PSO)算法,明确其寻优过程中微粒的移动规律十分必要.基于PSO算法简化模型,建立了围绕平衡点振动的微粒寻优过程的运动学方程,然后给出参数选择与微粒运动的振动角频率和振幅之间的关系,进而给出了基本粒子群优化算法的微粒寻优运动规律.仿真实验表明,(1)简化PSO模型中粒子的寻优运动规律为:粒子以当前最佳适应值为平衡点进行围绕振动;(2)基本PSO模型中粒子的寻优运动规律为:粒子以随机的角频率和振幅围绕平衡点进行振动.这两条规律填补对微粒寻优过程移动规律认识的空白,有利于推广和改进PSO算法,以便使得其适合解决实际优化问题.     

基于改进引力搜索算法的励磁控制PID参数优化

在引力搜索算法（GSA）基础上,结合PSO算法中粒子的运动特点,提出了改进引力搜索算法（IGSA）,并将其应用到励磁控制系统PID参数优化．IGSA嵌入了引力搜索和粒子群搜索,使其在保留引力搜索特点的前提下增加了信息共享及记忆能力,进一步提高了搜索能力．定义了同时考虑ITAE指标和超调量指标的加权目标函数,提出了基于混沌引力搜索的参数优化策略．将IGSA与传统群体优化算法进行了充分对比试验,验证了提出的励磁控制系统PID参数优化方法的有效性．