基于自适应遗传算法的多目标PID优化设计

提出一种基于自适应遗传算法的多目标PID优化设计方法。采用染色体实数编码和具有自适应交叉概率和变异概率的遗传算法对PID参数寻优,有效地提高了遗传算法的全局搜索能力和收敛速度。通过在适应度函数中引入表示超调量、上升时间和稳态误差的指标项,并对指标项适当加权,可使优化后的PID调节器的综合性能达到满意程度。仿真结果表明,该PID调节器的性能优于常规方法获得的PID调节器。     

基于遗传算法的模糊智能变频空调仿真系统的研究

利用Matlab软件对基于遗传算法模糊智能空调系统进行了仿真设计。设计了模糊子系统和遗传算法子系统的仿真系统，以舒适度为目标函数，利用遗传算法对模糊智能变频空调的控制规则及隶属度函数进行了仿真寻优。并利用寻优获得的隶属函数和控制规则与PID算法、常规模糊控制算法控制同一被控对象的响应结果进行了对比分析。     

欠阻尼对象的最优PID控制器参数整定方法

研究了带有纯延迟的欠阻尼对象最优PID控制器的参数整定及性能鲁棒性评价问题。首先依据频域判据，确定保证闭环系统稳定的PID控制器参数域，然后采用全局寻优的遗传算法，获得ITAE指标最优的PID控制器参数。采用蒙特卡罗随机实验方法，对模型参数在有界范围内摄动时的性能鲁棒性进行了定量的比较和评价。仿真结果表明，本文方法具有良好的动态性能，在对象参数摄动时与极点配置方法和幅值相位裕量方法相比具有较好的性能鲁棒性。     

一种基于相位比较的量子遗传算法

针对量子遗传算法不适于连续函数优化的问题,提出了一种改进的量子遗传算法。该算法直接将量子染色体与当前最优解相比较来确定旋转门的旋转角,种群中各个体以不同速率向最优解进化以同时实现全局搜索与局部搜索,引入变异操作以防止算法早熟收敛。对该算法及其全局收敛性进行了分析后,将其用于函数极值求解与PID控制器的参数优化,并与遗传算法和量子遗传算法进行比较。仿真结果表明该算法具有较好的寻优性能。     

一种基于遗传算法的小波神经网

网络的优化学习是人工神经研究中的一个重要问题.将遗传算法全局性优化搜索和小波分析的时-频局部性特点相结合,本文提出了一种基于遗传算法学习的小波神经网络--遗传算法小波神经网络(WNNGA).三位异或问题和双螺旋问题的实验结果证明,遗传算法小波神经网络不仅继承了小波分析良好的局部性及其神经网络的学习和推广能力,而且具有遗传算法全局快速寻优的特点,是多层前向神经网络学习的一种理想算法.     

基于GA与CSA-RBF神经网络辨识的自适应PID控制器

提出了一种基于遗传算法(GA)、克隆选择算法(csA)和神经网络的自适应PID控制器的设计方法.该控制器主要由四部分组成:一是利用遗传算法优化PID参数初始值;二是用克隆选择算法对径向基函数(RBF)神经网络参数初始值优化;三是RBF神经网络完成对被控对象Jacobian信息辨识;四是单神经元PID控制器,学习并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能.仿真结果表明,该控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程.     

自适应调整选择压力的灾变元胞遗传算法

对于遗传算法而言,全局探索和局部寻优能力之间的平衡影响算法的性能,选择压力就代表着这个平衡.只有当全局探索和局部寻优之间的平衡达到最佳化才能够使算法又快又精确的寻求到全局最优解.随着算法运行,种群结构不断的变化,选择压力也在不断变化.分析研究了灾变元胞遗传算法的选择压力,根据种群多样性和种群收敛度,提出一种基于灾变参数调节选择压力的自适应元胞遗传算法.通过两个典型函数优化实验,表明选择压力自适应调节可提高算法性能,并得出这两个函数在寻优过程中的最佳选择压力变化规律,这为自适应算法设计提供了一种新的途径.     

基于混沌PID参数寻优的伺服系统控制方法研究

利用混沌运动遍历性和随机性的特点,对PID控制器进行参数寻优。在满足系统稳定前提条件下,通过利用混沌运动的粗寻优和细寻优,最终可以找到性能指标最小的一组参数。把这组参数就作为PID控制器的主要参数。仿真结果证明此方法可以快速稳定地实现PID参数寻优整定,而且所得参数的控制效果与传统参数整定方法相比在响应时间、超调量等方面效果更好。     

一种基于对偶与逆序组合算子的遗传算法

针对遗传算法易陷入局部最优的问题,模拟生物基因的对偶性和有序性,提出对偶与逆序组合算子,与具有良好全局搜索模式的遗传算子优化组合应用,构造了一种基于对偶与逆序组合算子的遗传算法.从理论上证明了算法的收敛性.仿真实验表明,该算法具有更好的寻优性能,对应用串型编码遗传算法解决非线性优化问题有很好的借鉴意义.     

基于改进遗传算法的独立分量分析算法

针对现有独立分量分析算法的分离效果依赖于非线性对比函数的选择,并且无法有效地分离超高斯和亚高斯混合信号这一现象,提出了一种基于遗传算法的独立分量分析算法,该算法采用直方图法根据信号的样本序列来估计信号的概率分布,解决了信号问互信息的计算问题,然后通过遗传算法最小化信号间的互信息,实现了对线性混叠信号的分离;同时,针对标准遗传算法存在的一些缺点如局部搜索能力差、容易出现早熟收敛等,提出了一种改进遗传算法,提高了遗传算法的寻优能力.对模拟信号的分离结果表明,基于改进遗传算法的独立分量分析算法的性能优于FastICA算法,对亚高斯和超高斯信号的混合信号具有优异的分离能力.模拟仿真实验结果同时也证实了改进遗传算法的寻优能力.     

智能PID控制在电石炉电极调节系统中的应用

针对三相电极电流耦合的电石炉系统,设计出一种智能PID控制器。该控制器首先采用实数编码的遗传算法优化PID控制器的参数,得到一组参数的最优值。然后以此最优值作为PID参数的初始值,结合积分分离的原则设计出一种模糊解耦推理规则对PID参数进行实时整定,以确保系统的响应具有最优的动态和稳态性能。对比仿真试验的结果表明,与常规的PID控制器相比,这种智能PID控制器用于电石炉控制系统可达到良好的动、静态性能和鲁棒性。     

基于遗传神经网络的自整定PID控制器

提出了一种基于遗传算法和神经网络的自整定PID控制器的设计方法。该控制器主要由三个部分组成。第一部分利用遗传算法搜索出一组准优的PID参数，作为PID控制器参数的初值，第二部分利用神经网络具有逼近任意非线形函数的能力，在线调整PID参数，以确保系统的响应具有最优的动态和稳态性能，第三部分是传统的PID控制器，直接对被控对象闭环控制。计算机仿真结果表明，这种控制算法鲁棒性强，响应速度快，可用于控制不同的对象和过程。     

基于自适应灰色预测的虚速率算法

虚速率(VRC)算法是近年来新兴的一种基于速率的主动队列管理算法,本文将灰色预测、自适应控制与虚速率算法三者的设计思想融合起来,提出一种新的基于自适应灰色预测的虚速率算法。将二次型性能指标引入到VRC算法中PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了PID的自适应最优控制。同时将自适应PID与灰色预测器相结合,用预测结果代替被控对象测量值,克服了网络时滞和干扰给系统带来的负面影响,并进行了稳定性分析。仿真结果表明,该算法具有优良的性能。     

基于Sugeno推理自调整模糊Smith-PID控制器仿真研究

针对工业控制中大惯性、纯滞后、参数时变非线性受控对象难于控制问题,提出一种新型控制器,利用Smith预估器补偿受控过程纯滞后作用,基于Sugeno推理模糊控制器自调整PID参数.给出控制器结构及其控制策略,并将其应用于加热炉温度控制系统中,与常规PID控制器和Smith预估补偿PID控制器比较.仿真结果表明,该控制器各项性能均好于其它两种控制器,具有动态调节性能好、稳态精度高、抗干扰性强和鲁棒巨好的特点.     

分流模型PID与鲁棒补偿的复合控制策略

提出了一种基于分流模型PID与鲁棒补偿的复合控制策略，这种控制器具有非线性滤波、增益自调整、鲁棒性好等优良特性。由于分流模型的输出是稳定、光滑且有界，可以构造一类具有输出光滑、有界并且增益自调整的PID控制器，其可设计一类安全控制系统．将分流模型PID与鲁棒补偿控制相结合，有效地解决了参数不确定情况下的一类非线性系统的鲁棒控制问题。通过倒立摆控制系统的仿真研究，验证了控制策略的有效性。     

人工免疫控制器在二元精馏塔控制中的仿真研究

生物免疫系统是一种在复杂干扰和不确定性的环境中具有很强的鲁棒性和自适应性的控制系统。依据生物多抗原多抗体协调免疫机理,以文献[11]中的双因子免疫控制器为基础,提出了抗体交叉免疫耦合控制策略,并以此为基础设计了MIMO人工免疫控制器。以典型的二元精馏塔为被控对象,给出了MIMO人工免疫控制器具体实现方法。用仿真方法研究了MIMO人工免疫控制器的控制效果,并与传统的优化PID控制器做了比较。结果表明这种MIMO人工免疫控制器较传统优化的PID控制器性能优越。     

基于LabView的PID神经网络控制器设计与仿真

PID神经网络控制器是将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确的优点,同时又具有神经网络自学习、自适应的功能。研究了用虚拟仪器实现神经网络控制的方法,将虚拟仪器技术和PID神经网络控制有机地结合起来,采用LabView设计PID神经网络控制模块,提高控制系统的性能和开发效率。     

Design of PID controller with incomplete derivation based on differential evolution algorithm

To determine the optimal or near optimal parameters of PID controller with incomplete derivation, a novel design method based on differential evolution （DE） algorithm is presented. The controller is called DE-PID controller. To overcome the disadvantages of the integral performance criteria in the frequency domain such as IAE, ISE, and ITSE, a new performance criterion in the time domain is proposed. The optimization procedures employing the DE algorithm to search the optimal or near optimal PID controller parameters of a control system are demonstrated in detail. Three typical control systems are chosen to test and evaluate the adaptation and robustness of the proposed DE-PID controller. The simulation results show that the proposed approach has superior features of easy implementation, stable convergence characteristic, and good computational efficiency. Compared with the ZN, GA, and ASA, the proposed design method is indeed more efficient and robust in improving the step response of a control system.     

空调房间温度预估模糊PID控制器的研究

针对中央空调房间温度被控对象的大滞后大惯性,设计了具有Smith预估的模糊自整定PID控制器。建立中央空调房间温度控制系统的数学模型,介绍预估模糊PID控制器结构,以及模糊控制规则的生成方法,并且对该控制方案进行了数字仿真。仿真结果表明:该方法调节精度较高,调节迅速,超调小,具有一定的可行性。     

模糊控制技术在自动着舰控制系统中的应用

纵向引导控制律是舰载飞机自动着舰控制系统的核心。舰载飞机着舰环境存在极大的随机性,舰尾流和航母运动不断变化,传统PID纵向引导控制器因其控制器参数固定不变而缺乏灵活性和精确性。在传统的舰载飞机自动着舰PID控制器中引入模糊控制模块,构造模糊PID控制器,并依据飞行控制工程专家的经验构建模糊规则,可实现根据系统状况对控制器的参数进行在线最优调节。与传统PID控制器相比,可极大地提高舰载飞机着舰飞行轨迹精度,也一定程度改善了着舰飞行控制系统的鲁棒性。以F/A-18A为例进行自动着舰飞行仿真,结果表明应用模糊控制技术可以减小着舰误差,提高着舰品质。