基于蚁群算法的数控进给伺服系统PID参数优化

数控机床进给伺服系统的好坏,极大地影响了机床的加工性能。以蚁群系统和蚁群算法为基础提出了将蚁群算法与PID结合起来利用其全局寻优的能力对PID控制器参数进行优化的一种新的设计方法。在简要介绍蚁群算法基本思想的基础上,推导了蚁群算法PID参数优化方法,并给出了新算法的具体实现步骤,最后将该优化方案应用于控制数控机床进给伺服系统中的执行电机。计算机仿真结果表明,与传统的PID控制器相比,这种基于蚁群算法的PID参数优化控制器具有良好的动态和稳态性能。     

基于蚁群算法分数阶PID控制器在温度控制系统的应用

针对温度控制系统的控制,提出了一种基于蚁群算法的分数阶PID控制方法。该控制器以系统误差、控制器输出、上升时间和超调量构成的函数为性能指标,利用蚁群算法全局搜索能力获取一组最优的PID参数Kp、Ki、Kd,并且能根据实时获取的误差在线调整PID参数。通过对比分析传统PID和分数阶PID,结果表明该温度控制器具有良好的动、静态特性,自适应性和鲁棒性好。     

啤酒灌装贮液缸液位控制方法研究

为精准控制贮液缸液位，进一步提高啤酒灌装精度和质量，设计了一种啤酒灌装贮液缸液位控制方法。首先，建立了啤酒灌装过程数学模型。在传统PID控制方法的基础上引入一种人工搜索优化算法，该算法可实时调整PID控制器参数，可提高系统的控制精度和稳定定。最后，基于PLC搭建控制系统并进行实验研究。实验结果表明：采用所述方法，灌装体积偏差绝对值的最大值为1mL，平均值为0.36mL，灌装体积偏差较小、波动幅度也比较小；与传统PID控制相比，采用文中所述方法可以灌装精度提高约5倍。采用SOA算法优化PID控制器参数可以提高啤酒灌装精度，整个系统的稳定性和鲁棒性明显提高，能够满足啤酒灌装工艺对精度的要求。     

一种用于优化PID参数的改进蚁群算法

PID控制由于算法简单,鲁棒性好在工业的过程控制中应用很广泛,但是传统的Z-N算法整定的PID参数却并不是最佳的。蚁群算法作为一种新型的仿生优化算法。该算法具有很多优良的性质,近年来在优化领域中得到了广泛应用。本文提出了一种改进的蚁群算法。通过增加高斯变异这一环节来增强算法的智能性。最后通过仿真实验获得了较好的控制效果。     

基于蚁群优化分数阶PID的充电控制研究

考虑到分数阶PID较传统PID增加的积分阶次和微分阶次所增强的控制作用,采用分数阶PID控制器对充电系统进行控制,以提高锂电池充电稳定性和效率。结合蚁群算法基本思想,推导设计一种分数阶PID参数优化算法,并给出了算法理论公式和具体实现步骤。基于MATLAB/Simulink平台,建立了所提出的蚁群优化分数阶PID控制器以及锂电池充电控制模型,进行仿真研究。结果表明,参数整定优化后的分数阶PID控制系统具有更优的响应速度、稳态性能和鲁棒性。     

一种新型最优PID控制器的设计

以蚁群算法为基础，提出了一种新的具有不完全微分的最优PID控制器的参数优化策略。该策略通过蚁群算法找出系统的3个最优参数，即比例增益Kp,积分时间常数T1和微分时间常数TD，针对给定的控制对象，给出了新算法的具体实现步骤。仿真应用表明，这种PID控制器具有很强的灵活性、适应性和鲁棒性。     

基于改进蚁群算法的PID参数优化

一般传统PID控制器参数优化都采用Ziegler-Nichols法,由于其无法获得满意的动态指标,因此本文提出一种基于改进蚁群算法的PID控制器参数优化方法。蚁群算法是一种仿生进化算法,其采用分布计算机制,具有较强鲁棒性。本文提出的改进蚁群算法,可自适应调整路经上的信息素,并将各路径上的信息素强度限制在某个区域内,以避免搜索停滞。仿真实验表明该方案可行。     

凝固浴系统智能PID控制参数调整策略研究

鉴于传统凝固浴控制系统中PID控制参数整定方法存在的缺陷,该文提出了一种采用蚁群算法优化PID控制参数的方法。通过建立凝固浴液位控制系统数学模型,将系统控制参数的选择转化为路径选择,从而将蚁群算法成功地应用到PID控制参数的优化上。将所得的结果与遗传算法、传统的Ziegler-Nichols(ZN)法进行了仿真比较,该方法调节时间短,响应速度快,超调量小。仿真实验结果验证了该方案的可行性和有效性。     

基于自适应蚁群算法的PID控制器设计

针对传统的比例积分微分控制器(PID)参数整定多采用经验试凑不能得到最佳控制性能的问题,提出一种基于自适应蚁群算法的PID控制参数整定方法(AACO-PID),以增强控制器的自适应能力。仿真结果表明,AACO-PID控制方法具有调节时间短、超调量小、响应速度快等特点。与传统PID和ACO-PID相比,使用AACO-PID的系统具有更快的响应速度和稳定精度。     

基于改进蚁群算法的PID计量精度控制系统研究

蚁群算法作为一种新型的优化算法,具有很强的适应性和鲁棒性,已广泛应用于系统控制、人工智能、模式识别等工程领域.文章以沥青混合料搅拌设备计量精度控制系统为对象,研究了蚁群算法PID计量精度控制易出现的早熟停滞、初期收敛速度较慢等问题,提出了改进方法,建模仿真表明所设计的PID控制器具有良好的控制性能,较好平衡了计量精度与计量速度的矛盾.     

改进蚁群算法的斜齿轮传动多目标优化

本文针对传统蚁群算法在优化目标函数和设计变量较多时,收敛速度慢和容易陷入局部最优等缺点,提出了一种改进的蚁群优化算法。并对两级斜齿圆柱齿轮减速器在考虑其动态性能、体积、可靠度多目标下对齿轮参数进行了优化。其结果与传统设计相比,在保持了减速器较高可靠性的同时,获得了较好的动态性能和较小的体积。本文提出的改进蚁群算法为斜齿轮减速器提供了一种新的优化设计方法。     

基于 PID 技术的精密空调压缩机柔性控制节能系统设计

为提升精密空调压缩机节能性,提出基于 PID 技术的精密空调压缩机柔性控制节能系统设计。硬件方面针对温度采集器和驱动控制器进行设计;软件方面根据精密空调压缩机柔性控制特点,构建节能工作方案。利用 PID 技术设计柔性迭代控制模型,实现空调温湿度输出的精确控制。针对 PID 控制器参数进行自适应整定,再结合蚁群算法实现压缩机柔性控制节能。系统测试结果表明,应用所设计的节能系统进行为期半个月的测试,与往年同一时期精密空调压缩机柔性控制用电量相比,节电量达到了 3 103 kW · h 。     

基于蚁群算法的铣削力信号特征选择方法

为有效地进行刀具状态模式识别,以端面铣刀为研究对象,采用蚁群算法对铣削力信号进行研究分析,提出一种可用于刀具状态识别的特征选择方法。该方法将特征选择过程转化成蚁群算法中蚂蚁寻找最优路径的过程,给出了转移概率公式,并运用Fisher标准判别率作为启发信息,同时将每次搜索得出的最优特征子集输入BP神经网络进行模式识别,得到的正确率整合进信息素更新策略。另外,改进了蚁群算法参数选择方法。实验结果表明,该方法可以高效地进行特征优化选择,进而使模式识别正确率较未经特征选择时得到显著提高。     

基于A*

针对二维栅格地图下,移动机器人以最短路径遍历所有目标点的路径规划问题,提出一种基于启发信息扩展节点的 A*     

基于蚂蚁算法的连杆角位移再现机构模糊稳健设计

引入Logistic混沌模型和最优蚂蚁保护策略对蚂蚁算法进行了改进。对再现连杆角位移的平面连杆机构,分析了其运动精度的影响因素,建立了模糊稳健优化设计数学模型。给出了基于蚂蚁算法的模糊稳健优化设计实例,在求解机构杆长等参数的同时,还求出了各杆长的制造公差,保证了机构运动精度的稳健性。     

基于改进蚁群算法的移动机器人路径规划研究

针对蚁群算法在复杂环境下收敛速度慢且易陷入局部最优值的问题,提出一种改进的蚁群优化算法。该方法依据起始点和目标点位置信息选择全局有利区域增加初始信息素浓度,提高前期蚂蚁搜索效率;增加避障策略,避免蚂蚁盲目搜索产生大量交叉路径并有效减少蚂蚁死锁数量;采用动态参数控制的伪随机转移策略,提出优质蚂蚁信息素更新原则,自适应调整挥发系数,提高算法全局性;进行二次路径规划,优化路径并降低移动机器人能耗的损失。实验结果表明,该算法有较高的全局搜索能力,收敛速度明显加快,并且可以有效提高移动机器人工作效率,验证了该算法的有效性和优越性。     

基于自适应遗传算法的异步电机矢量控制参数优化与仿真

自动控制领域中PID参数的整定是一个极其重要的问题。为解决工程人员凭经验对异步电机控制器参数整定难寻到最优解的问题,将速度误差积分型作为目标函数,采用惩罚措施,利用自适应遗传算法对异步电机速度控制器的参数进行优化、仿真,并与利用常规PID参数整定获得的速度曲线相对比,实验结果表明,用自适应遗传算法优化的参数,可以提高系统的控制精度、动态性能。     

含多级油缸的液压举升系统智能PID控制研究

给出了应用电液比例技术对多级液压缸驱动的攀升系统进行闭环速度控制的方法，在常规PID控制的基础上，引入了自适应神经元对PID控制参数进行在线调整，实现了对多级缸系统运动过程的智能控制。该方法保持了常规控制方法结构简单、易于实现的特点，同时可以更好地适应系统参数时变和外部干扰的影响，提高了控制精度。仿真结果表明，智能PID控制效果优于常规控制方法。