基于免疫粒子群算法的PID参数整定与自适应

针对粒子群算法容易陷入早熟以及免疫算法计算过程繁复冗长的缺点,将免疫系统的免疫信息处理机制引入PSO算法中,提出了一种基于免疫选择粒子群的算法(ISPSO).将ISPSO算法应用到PID控制器的参数整定与自适应中,并设计了相关PID控制器参数.Matlab仿真试验结果表明,该算法能够解决PSO算法早熟收敛的问题,适用于PID控制器的自整定.     

基于改进的萤火虫算法的PID控制器参数寻优

PID控制器的参数寻优是当代反馈控制系统设计的核心内容。PID控制器参数寻优意味着在三个参数空间域中寻找最优解,使得控制系统的性能达到最佳。为更好地对PID控制器的参数整定,引入自适应变步长策略的群智能萤火虫算法。利用MATLAB进行仿真实验,与粒子群(PSO)算法和经典的Z-N参数整定方法进行比较。实验表明,所提算法精度高、原理简单,可高效整定PID控制器参数。     

基于粒子群优化算法的PID控制器参数整定

PID控制器的性能完全依赖于其参数的整定和优化，但参数的整定及在线自适应调整对常规的PID控制器是难以解决的问题。根据粒子群算法具有对整个参数空间进行高效并行搜索的特点，提出了一种基于粒子群优化算法整定PID控制器参数的设计方法，并定义了一种新的性能指标函数来评价PID控制器的性能。现以二阶的船舶控制装置为研究对象，运用粒子群优化方法对PID控制器参数进行了寻优研究。仿真结果表明，该方法比一般PID参数整定方法具有更好的控制性能指标，有着一定的工程应用价值。     

基于微粒群算法的PID控制器优化研究

研究PID控制器性能优化中,由于被控对象具有高阶、非线性等特点,而在工业生产过程中,传统的PID参数整定方法易出现超调和震荡问题,使系统响应特性差。为改善系统性能,提出一种改进粒子群算法的智能优化策略,将PID控制器参数作为粒子群中的粒子,以控制误差时间积分函数作为优化目标,进行PID控制参数的并行优化。利用MATLAB仿真软件进行仿真,并通过与传统整定方法(Z-N法)进行比较。结果表明,粒子群的PID参数整定法可提高控制器性能,并能够实现目标的最优整定,为PID控制器性能优化提供依据。     

基于粒子群算法的汽车悬架PID控制仿真

研究汽车悬架稳定性控制优化问题,由于PID控制器在汽车主动悬架中参数的选择决定汽车行驶的稳定性能.针对传统参数整定的方法存在盲目性,设计了一种用粒子群算法优化整定PID参数的方法.利用粒子群算法的并行全局搜索策略,以主动悬架性能指标为目标函数对PID参数进行优化设计.应用改进方法对汽车悬架主动控制系统进行仿真.仿真结果表明,用粒子群算法优化的PID控制器的汽车主动悬架相对于PID控制主动悬架及被动悬架而言,改善了车身垂向加速度和悬架动行程.同时解决了PID控制器参数整定的问题.     

基于MPSO算法的BP神经网络PID控制器研究

PID控制器是过程控制中应用最为广泛的控制器,而传统PID控制器参数整定难以达到最优状态,同时,存在控制结果超调量过大、调节时间偏长等缺点,因此,将变异粒子群优化算法(Mutation Particle Swarm Optimization,MPSO)运用于BP-PID的参数整定过程中,设计了一种高效、稳定的自适应控制器。考虑MPSO的变异机制,以种群适应度方差与种群最优适应度值为标准,进行种群变异操作,可以克服早熟,提高收敛精度和PSO的全局搜索能力,使MPSO优化的BP神经网络整定的PID控制器能以更快的速度、更高的精度完成过程控制操作。在实验中,通过比较BP-PID、PSOBP-PID以及MPSO-BP-PID三控制器仿真结果,证明了所提MPSO算法的有效性和所设计MPSOBP-PID控制器的优越性。     

基于Lbest PSO和NNs的电液伺服系统输出力PID控制研究

为了实现电液伺服系统输出力的稳定控制,结合局部最优粒子群优化算法和神经网络模型,提出一种PID控制器设计方法。该方法将神经网络模型(NNS)与PID控制器耦合,得到基于神经网络的PID控制器参数整定结构;再采用局部最优粒子群优化算法(Lbest PSO)确定神经网络的权重,从而得到基于局部最优粒子群优化算法和神经网络的PID控制算法;最后将提出的PID控制算法用于控制虚拟的电液伺服加载系统,以进行仿真实验。仿真结果表明,由该PID控制器控制的电液伺服系统的输出力平稳地收敛于给定力,从而提高了系统的稳定性。     

基于人工免疫多目标寻优算法的PID自整定

提出了一种基于人工免疫多目标寻优算法(AIMOA)的PID参数自适应整定的设计方法.利用生物免疫系统的免疫机理设计系统响应的目标函数,再通过AIMOA算法搜索PID控制器的优化参数组,最后将基于AIMOA算法同基于遗传算法(GA) 和齐格勒-尼柯尔斯(Zi-Ni)方法的PID自整定进行了仿真比较.结果表明:AIMOA算法具有快速收敛性,能够较快地搜索到PID参数自适应整定的最优或者次最优解,体现了算法的优越性、实用性和有效性.     

基于粒子群优化算法对PID参数的优化整定

本文首先介绍了PID控制器,在此基础上提出了一种基于智能群算法对PID控制器的比例、积分、微分三个参数进行优化整定的改进PSO算法,并利用Mat lab对PID工业控制器进行模拟仿真,利用仿真曲线进行直观的对比。通过与标准PSO优化算法及常规的Z-N整定法的比较,结果表明基于改进PSO算法对PID的整定方法不仅能快速的从全局搜索出优化的整定参数,而且也能够大大地提升整定效果。实验结果也表明该算法具体良好的收敛速度和稳定性,是一种具有高控制精度、高稳定性和快速性的PID整定算法。     

基于BF-PSO的船舶电站柴油机分数阶控制器

针对船舶电力系统的频率稳定性问题,对船舶电站柴油机调速系统设计了分数阶PIλDμ控制器。采用细菌觅食-粒子群混合优化(BF-PSO)算法对分数阶PIλDμ控制器参数进行优化整定,解决了分数阶PIλDμ控制器整定参数多、设计复杂的问题。对分别采用分数阶PIλDμ控制器和传统整数阶PID控制器的柴油机调速系统进行了仿真和对比。结果表明,在同等条件下优化得到的分数阶PIλDμ控制器能够有效抑制模型参数摄动,鲁棒性更强,具有更好的控制效果。     

一种PID参数整定的粒子群优化算法

提出了一种PID控制器参数整定的粒子群优化算法。该方法首先通过定义一个包含系统超调量、上升时间和稳态误差指标项的适应度函数,并根据系统的实际控制要求对各指标项适当加权。之后由带收缩因子的粒子群算法对PID进行多目标寻优,从而实现PID控制器的自动参数整定。仿真结果表明,该方法优化得到PID控制器的综合性能优于常规方法得到的PID控制器。     

基于改进粒子群优化算法的PID控制器参数整定

针对标准粒子群优化算法优化PID控制器参数存在的早熟以及陷入局部最优等问题,引入粒子二阶振荡环节、反向学习、自适应惯性权重,并结合设计的惯性权重动态调整策略、粒子越界随机反射墙,提出一种新型分阶段迭代的改进粒子群优化算法。在6个标准测试函数上进行测试,其性能相比于一些已有的改进粒子群优化算法更加优秀。将这些算法用于自动电压调节器系统的PID控制器参数整定,仿真结果表明,所提出的改进粒子群优化算法整定的PID控制器的控制效果更好。     

基于MBP算法的PID控制器设计

针对一般BP算法存在的不足,提出一种改进的BP算法,并将其应用于PID控制器的参数设计中,并且克服了常规的PID控制器参数整定的费时性,用MBP算法的PID控制器代替常规的PID调解器。介绍了MBP算法和基于MBP算法的PID控制器的控制结构。通过仿真可以看到这种控制器的控制效果很好。还改善了系统的稳定性。     

基于多种群风驱动优化算法的PID参数整定

针对标准风驱动优化算法容易收敛到局部最优和未成熟收敛的问题,提出了一种多种群风驱动优化算法,并将其用于PID控制器的参数整定。该算法将PID控制器的比例、积分和微分参数作为空气微团的位置矢量,以ITAE指标作为算法的适应度函数,通过多个种群协同搜索,寻求解空间中适应度值最小的位置。通过实验仿真,并与基于标准风驱动优化算法、基于遗传算法和基于粒子群算法的PID参数整定相比,该算法在收敛速度、收敛精度等方面均表现出更好的性能。     

计及时滞的互联电网负荷频率控制最优分数阶PID控制器设计

分数阶PID控制器相比于传统整数阶PID控制器,具有控制性能好、鲁棒性强等诸多优势,可应用于电网的负荷频率控制(load frequency control,LFC)中.针对网络化时滞互联电网的LFC问题,提出了一种基于计算智能的分数阶PID控制器参数优化整定方案.该方案选择时滞LFC系统时域输出响应构建优化目标函数,采用最近提出的灰狼优化算法获得最优的分数阶PID控制器参数,所设计的控制器能确保一定时滞区间内LFC系统的稳定性.仿真算例表明,所设计的LFC最优分数阶PID控制器比传统整数阶PID控制器的控制性能更优,时滞鲁棒性更强.     

基于多目标粒子群算法的PID控制器设计

随着对控制系统的要求越来越高,进行比例积分微分(Proortion Integration Differentiation,PID)控制器的设计的时候应该同时考虑到系统时域指标和频域指标,常规的PID整定方法往往很难实现.为解决上述问题,采用多目标粒子群算法进行PID控制器参数的设计,算法将系统的超调量、上升时间和稳定时间作为目标函数,频域指标作为约束条件.算法的运算结果为一组Pareto最优解,运行者可以根据当前对系统的要求从中选取合适的解.通过与常规PID整定方法和采用单目标粒子群算法的方法进行比较,证明了改进方法的有效性.     

PID控制器中随机干扰控制方法的设计与实现

对于大多数工业过程的控制系统,由于PID控制器结构简单易于实现的优点,目前大部分控制系统仍然使用该控制器.随机干扰是工业过程中无法规避的一种影响系统控制精度的因素,且在随机干扰条件下的PID控制器参数整定问题尚未得到足够的重视.因此,针对上述问题,提出了一种输出方差最优的PID参数整定方法,将参数整定问题转化为一个非凸优化问题,采用粒子群算法(Particle Swarm Optimization,PSO)求得全局最优解,实现了最小方差PID参数整定.仿真算例验证了上述方法及算法的有效性.     

基于改进粒子群算法的旋转倒立摆PID参数整定

针对旋转倒立摆PID参数整定耗时费力且精度低的问题,对旋转倒立摆实验系统PID参数整定展开了研究.利用MAT-LAB进行仿真,分别采用试凑法、粒子群算法和改进粒子群算法求取了旋转倒立摆的PID参数.实验结果表明,相比于试凑法,通过粒子群算法得到的PID参数可使系统性能更优;改进后的粒子群算法寻优过程产生的超调量和达到收敛所需时间更小,得到的PID参数可进一步提高旋转倒立摆实验系统的性能.基于改进粒子群算法整定旋转倒立摆PID参数的方法在其他控制系统中也有参考价值.     

一种采用改进CPSO算法的PID参数整定方法

为提高控制系统的性能,提出了一种采用改进混沌粒子群(CPSO)算法的PID参数整定方法。该算法将混沌搜索应用到粒子群算法的粒子位置和速度初始化、惯性权重优化、随机常数以及局部最优解邻域点的产生的全过程,使其不仅具有全局寻优能力,而且具有持续与精细的局部搜索能力。3种典型控制系统的PID参数整定实验结果验证了所提方法的有效性,其性能明显优于常规方法。     

资源受限项目调度问题的改进类电磁算法

在资源受限项目调度中,工序必须在特定时间窗口中执行。为此,在类电磁(EM)算法的基础上提出一种基于变邻域搜索(VNS)的改进类电磁算法(IEMA)。采用VNS作为IEMA的局部搜索策略,对EM算法中的电荷、合力以及粒子解移动的方式做改进。将IEMA应用于求解标准问题库PSPLIB,并与EM、IEM以及基于邻域搜索的改进类电磁算法IEM-NS进行比较分析,仿真结果表明,IEMA具有更好的求解性能。