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。     

模糊遗传算法的自适应PID控制器

针对遗传算法运算速度慢不利于实时控制现象,提出一种基于模糊推理的遗传算法,并将其应用于自适应PID控制器上．仿真实验表明,该算法具有较好的寻优能力,能满足实时控制的要求。     

基于自适应遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用自适应遗传算法对PID控制进行参数寻优,并将结果与常用的PID参数寻优方法进行比较,仿真实验结果表明,在PID参数的寻优问题中,自适应遗传算法采用自动改变变异概率的方法,提高了控制系统的自适应性。     

基于自适应遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用自适应遗传算法对PID控制进行参数寻优,并将结果与常用的PID参数寻优方法进行比较,仿真实验结果表明,在PID参数的寻优问题中,自适应遗传算法采用自动改变变异概率的方法,提高了控制系统的自适应性.     

无阀电液位置伺服系统的自适应模糊PID控制器设计

针对具有AC伺服电机动态特性的无阀电液位置伺服系统设计了一种能够利用模糊规则动态的修正控制器参数的自适应模糊PID控制器，该控制器是基于常规PID控制器参数和动态性能指标之间的关系，建立了模糊规则表来更新控制器的参数。仿真结果表明了所设计的自适应模糊PID控制器与常规PID控制器相比，能够获得更好的动态特性和对于外部干扰更好的鲁棒性。     

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PID控制器在张力控制中的应用

采用遗传算法进行PID参数的优化设计．根据控制任务的要求建立综合优化指标，在此基础上提出采用遗传算法进行PID参数优化的基本步骤，并具体以数字控制系统PID参数的优化为例进行了仿真计算．研究表明，对比传统的优化方法，遗传算法是一种十分有效的优化方法，遗传算法不要求优化对象的数学模型连续，而具有更宽的适用范围，同时遗传算法还具有较好的鲁棒性和稳定性．     

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．     

基于小波分频设计的自适应PID控制器

首先离线设计出具有特定低通特性的滤波器作为闭环系统参考模型,然后利用Ｄａｕｂｅｃｈｉｅｓ分解／综合滤波器,在线分频段估计系统的传递函数,最后利用最小二乘法优化频域目标函数而得到ＰＩＤ控制器的三个参数,仿真结果验证了本算法的有效性。     

基于一种新的控制规则基础上的模糊自适应整定PID控制器的设计

提出一种参数自整定模糊自适应PID控制器。利用模糊逻辑控制实现了PID控制器参数在线自调整，进一步完善了PID控制器的性能，系统的响应速度加快，调节精度提高(调整时间拈从2秒缩短到0．33秒)，稳态性能改善，没有超调和振荡，具有较强的鲁棒性。并把MATLAB6．2中的Fuzzy Logic Toolbox和SIMULINK有机结合起来，方便的实现了该模糊自适应PID控制系统的计算机仿真，拓宽了Fuzzy Logic Toolbox和SIMULINK的应用范围。     

基于遗传算法的鲁棒PID控制器设计

将基于遗传算法的PID控制器设计方法应用于分布参数系统,在这个过程中,将系统的鲁棒性能指标作为目标函数选择的重要依据,使用遗传算法对PID参数进行寻优.仿真结果表明,由于加入鲁棒性信息,改进方法完全满足了控制系统的快速性、稳定性和准确性要求,控制系统表现出很好的动态鲁棒性及性能鲁棒性.     

基于遗传算法的分布参数对象PID控制器设计

实际工业过程中的对象大都属于分布参数系统,控制现场主要采用比例-积分-微分(PID)控制方法。该文将基于遗传算法的PID控制器优化设计方法(简称GAOPT方法)应用到一类分布参数对象上,设计了最优控制器,并与几种基于常规整定公式的控制器进行比较。仿真结果表明,GAOPT方法设计的PID控制器,可以利用较小的控制能量,获得在超调量、调节时间和时间乘绝对误差积分(ITAE)等指标上都较优的控制效果。将GAOPT方法应用到分布参数系统上,可以提高现有工业中PID控制器的控制水平。     

基于遗传算法的分布参数对象PID控制器设计

实际工业过程中的对象大都属于分布参数系统,控制现场主要采用比例-积分-微分(PID)控制方法。该文将基于遗传算法的PID控制器优化设计方法(简称GAOPT方法)应用到一类分布参数对象上,设计了最优控制器,并与几种基于常规整定公式的控制器进行比较。仿真结果表明,GAOPT方法设计的PID控制器,可以利用较小的控制能量,获得在超调量、调节时间和时间乘绝对误差积分(ITAE)等指标上都较优的控制效果。将GAOPT方法应用到分布参数系统上,可以提高现有工业中PID控制器的控制水平。     

智能模糊自调整PID控制器在发酵过程pH值控制中的应用

智能模糊自调整PID控制器克服了常规PID控制方法积分饱和现象,结合了仿人智能和模糊控制的优点,引入了智能积分环节,应用在发酵过程pH值控制系统中,缩短了系统调节时间,提高了系统的稳定性和响应速度,提高了发酵产品的产量和质量。     

预测型智能自整定PID控制器

提出一种预测控制和遗传算法相结合的自整定ＰＩＤ控制算法．该算法利用预测技术克服时滞,利用遗传算法优化ＰＩＤ控制器的参数．通过对工业过程中典型的大时滞被控过程进行数字仿真表明,这种控制算法鲁棒性强、响应速度快、抗干扰能力强,对控制系统有扰动、参数时变尤其时滞时变的大时滞生产过程有较好的控制效果．     

一种基于专家系统的变结构神经元自适应PID控制器的设计与实现

根据温度控制系统的具体特性提出一种变结构神经元自适应PID控制器算法,特别是在调整神经元控制器最敏感的参数K值时引入了专家经验.实验结果表明,利用这种控制器进行电加热炉温度控制具有调节时间短、稳定性能好、遇干扰回复能力强等优点.     

基于遗传算法的自适应内模控制器

探讨了基于遗传算法的自适应内模控制,用遗传算法结合模糊算法整定二自由度的内模控制器中的滤波器参数,仿真及其在电加热炉温度控制中的应用表明,所提出的方法具有一定的自适应能力,有较强的鲁棒性和抗干扰性,适用于时变大时滞的被控过程     

一种基于概率鲁棒的分散PID控制器设计

基于概率鲁棒方法,针对具有实参数不确定性的多输入多输出被控对象,提出一种分散PID控制器设计方法.根据被控对象模型的参数摄动状态,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,利用遗传算法对分散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.对5个多变量化工过程进行了仿真试验,并与基于标称参数的设计方法进行比较.仿真结果表明,基于概率鲁棒的分散PID控制器设计方法对模型参数不确定性具有较好的鲁棒性,在被控对象存在一定的不确定性时,系统能以最大的概率满足设计要求.