基于GA优化的CMAC-PID板形复合控制

提出一种基于遗传算法的小脑模型神经网络和传统PID复合控制的板形控制策略.用遗传算法优化PID控制器的初始参数,然后结合CMAC网络有效控制板形控制系统中的弯辊力.仿真实验证明,该并行控制算法提高了系统的控制精度,加快了系统的响应速度,并且具备较强的抗干扰能力.     

基于遗传算法和神经网络的PID参数自整定

针对在传统PID(比例-积分-微分)控制器中调整3个参数时不易推导出被控对象的传递函数,且这些参数不易手动调整的问题,提出一种新算法用于调整PID控制器参数.该算法将神经网络和遗传算法相结合,先利用神经网络的模拟功能协助遗传算法计算适应度,训练出一个神经网络模拟被控对象;然后在遗传算法进化中不断地优化PID控制的3个参数.与传统的参数凑试法进行对比仿真实验的结果表明,该算法具有较强的鲁棒性及较快的响应速度.     

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。     

互联电力系统AGC的模糊和遗传控制算法

针对互联电力系统自动发电控制(AGC)，结合模糊控制和遗传算法提出一种新型的PID智能控制器，这种控制器主要特点是选用遗传算法整定的PID参数值作为模糊自整定PID参数控制器的初值，然后再对模糊控制的相关参数用遗传算法优化，避免了参数选择的盲目性。仿真结果明显优于传统的PID控制器，同样也优于单独模糊PID控制器和由遗传算法寻优而设计的PID控制器。同时，在研究遗传算法寻优的过程中提出一种新的适应度选择方法。     

互联电力系统AGC的模糊和遗传控制算法

针对互联电力系统自动发电控制(AGC),结合模糊控制和遗传算法提出一种新型的PID智能控制器.这种控制器主要特点是选用遗传算法整定的PID参数值作为模糊自整定PID参数控制器的初值,然后再对模糊控制的相关参数用遗传算法优化,避免了参数选择的盲目性.仿真结果明显优于传统的PID控制器,同样也优于单独模糊PID控制器和由遗传算法寻优而设计的PID控制器.同时,在研究遗传算法寻优的过程中提出一种新的适应度选择方法.     

基于小脑模型神经网络的对称阀控非对称缸复合控制方法

针对对称阀控非对称缸系统的不对称性和非线性,为了提高系统控制精度,分析了该系统的工作特性,提出了基于小脑模型神经网络(CMAC)的控制策略,设计了CMAC复合控制器;为验证CMAC复合控制器的有效性,进行了实验研究,并与普通的PID控制器进行比较.实验表明,基于CMAC的复合控制方法无须精确获取系统数学模型和负载状态,适合于对称阀控非对称缸系统的实时控制.     

一种基于满意度的PID参数整定方法

提出了一种基于满意度与遗传算法的PID(Proportional Integral Derivative)参数在线整定控制器的设计方法．利用满意解的原理设计系统响应超调量、上升时间及调整时间等的满意度函数，再离线通过遗传算法搜索PID控制器的3个参数kp，ki和kd作为在线调整PID参数的基值，然后设计跟踪误差与kp，ki和kd的关系函数，在线调整PID控制器参数，以获得良好的稳态性能、动态性能及鲁棒性能．Matlab仿真结果证明了所提出的PID控制器的有效性。     

基于遗传算法的154T电动车牵引励磁PID控制器的设计

讨论了154T电动轮自卸车牵引励磁控制的基本问题;分析了传统PID控制器的不足和基于遗传算法PID控制器的优势;论述了遗传算法的原理、基本问题和实现步骤.研究了电动轮自卸车的牵引特性和牵引励磁控制系统的结构,根据设计,该系统被控对象可简化为二阶系统,而控制器采用基于遗传算法的PID控制.用MATLAB对PID参数整定进行了仿真,以考察利用遗传算法的进化能力优化PID的效果.仿真结果表明,经过遗传算法优化的PID控制器具有较高的精度和较强的适应性,能获得满意的控制效果.     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。     

基于改进遗传算法的PID型励磁系统控制器(英文)

提出了一种新型PID型励磁控制器,采用一种改进的遗传算法优化其参数,不仅克服了参数设计的主观性,且可以提高优化速度.计算结果表明,这种改进遗传算法的搜索速度与精度均优于试探法和标准遗传算法.与传统控制器的仿真比较表明,采用改进遗传算法优化的PID型励磁控制器对于电力系统动态特性具有较好的控制作用.     

非线性理论在PID控制器中的应用

近年来，非线性理论在PID控制器中的应用十分迅速和广泛，如将模糊理论、神经网络理论、混沌理论、遗传算法、博实论等一系列非线性理论应用在PID控制器中，形成了模糊、神经网络、基因即遗传、混沌等PID控制器，并广泛应用于复杂的工业过程控制中。本文主要就几种PID控制器研究的现状与存在问题进行了分析。     

双容水箱的神经PID控制

利用神经网络自学习的特性,结合常规PID(比例-积分-微分)控制理论,提出基于BP(back propaga-tion)神经网络进行PID参数整定的控制策略.该方案能实现控制器参数的自动调整,以及在线调节参数Kp,Ki,Kd,适应被控过程的时变性,提高控制的性能和可靠性.仿真结果表明:相对于传统的PID控制方法,神经网络PID控制系统取得更满意的控制效果.     

一种基于模糊神经网络的智能PID控制器

本文设计了一种基于模糊神经网络的PID控制器,利用模糊神经网络对被控制象进行模糊辨识,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,实现PID控制的智能化。通过仿真实验表明,该控制器具有较高的控制品质。     

基于遗传算法比例积分微分控制器的铅冷快堆堆芯功率控制

比例积分微分(proportion integration differentiation,PID)控制器对堆芯功率控制过程存在适用性低的问题,而采用遗传算法(genetic algorithm,GA)整定PID控制器参数可以很好地解决此问题.为了实现铅冷快堆堆芯功率的有效控制,基于遗传算法PID控制器,结合堆芯状态空间模型,建立铅冷快堆堆芯功率控制系统,模拟堆芯反应性和堆芯进口温度扰动下系统的响应情况,并与PID控制器的控制结果进行比较.结果表明,外界存在扰动时,引入控制器可使堆芯达到稳定状态,与初始状态偏离较小,且遗传算法PID控制器的控制效果比PID控制器更为显著.     

LQR优化的BP神经网络PID控制器设计

针对传统神经网络PID(比例 积分 微分)控制器和传统线性二次调节器(LQR)优化型PID控制器对无刷直流电机转速控制恢复时间长及抗干扰性较差等问题, 提出一种LQR优化的BP神经网络PID控制器, 用于无刷直流电机的转速控制. 首先, 利用BP神经网络对PID增益进行调节, 提高控制器的动态适应性和鲁棒性； 然后, 采用LQR优化BP神经网络最优输出, 使其更接近目标PID增益. 仿真结果表明, 该控制器有效提高了响应速度, 减小了稳态误差并增强了抗干扰能力.     

基于免疫克隆原理的PID控制器优化

针对PID控制器的参数整定和优化问题,本文提出一种基于免疫克隆算法的优化PID控制器参数的方法.该算法与人体免疫系统机制相似,通过克隆、选择和高频变异,以获得最优的目标函数值,进而获得最优的PID控制器.仿真实验结果表明该方法明显优于遗传算法和粒子群算法,同时证明了利用免疫克隆算法进行PID调节的有效性.     

一种基于CMAC神经网络及遗传算法的温度控制器

温度控制在大工业生产过程中具有重要作用,但是目前一些常规控制器往往存在着超调量大,滞后时间长等缺点。针对这些缺点,提出一种新型的智能温度控制器。该控制器充分利用了CMAC神经网络学习速度快和遗传算法能快速跳出局部最优的特点。仿真结果表明新型控制器具有稳定性好、控制准确、学习速度快等特点。     

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。     

采用自适应模糊PID的二阶倒立摆控制

建立一个二阶倒立摆的数学模型,将常规比例-积分-微分(PID)控制与模糊控制相结合,设计模糊PID控制器,实现PID参数的自适应模糊整定.仿真实验表明:所设计的模糊PID控制器能很好地实现二阶倒立摆的扶起平衡控制,控制效果明显好于常规PID控制器,超调量和调节时间较小,具有较好的抗干扰能力,非常适合二阶倒立摆模型的稳定控制.