cRNA布谷鸟搜索算法的桥式吊车PID控制

为了提高算法的全局搜索能力,受RNA二级结构的启发,设计RNA茎环交叉算子,采用基于进化代数的自适应步长策略,提出RNA交叉操作布谷鸟搜索算法(cRNA-CS).将cRNA-CS算法用于对5个典型测试函数进行寻优.测试结果表明,cRNA-CS算法的搜索能力和寻优精度相对于CS算法和其他改进的CS算法有了明显提高.将cRNA-CS算法用于桥式吊车系统PID控制器参数的优化整定.仿真实验结果表明,与CS算法、单纯形算法和PSO算法相比,采用cRNA-CS算法优化的PID控制器能够实现桥式吊车系统更好的消摆和定位控制.     

几种最佳性能指标下的PID参数寻优

本文介绍了通过单纯形和加速法对计算机控制系统在几种不同性能指标下PID参数的寻优过程,并对寻优结果进行了分析,指出了各种性能指标的特点,这将对控制系统的工程设计具有指导意义。     

基于遗传算法的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,采用具有全局优化能力的遗传算法对PID参数调节和优化,并同单纯形算法作了比较。仿真结果表明了遗传算法应用于控制器参数优化的可行性和有效性     

基于遗传算法的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,采用具有全局优化能力的遗传算法对PID参数调节和优化,并同单纯形算法作了比较.仿真结果表明了遗传算法应用于控制器参数优化的可行性和有效性     

自控系统的PID参数的优化设计

自控系统的每个环节数字化,用计算机实现PID控制。将误差绝对值与时间乘积积分(ITAE)准则作为目标函数,用单纯形寻优法整定PID参数,使给定的目标函数值最小,以达到控制系统的最优化。     

基于改进粒子群算法的主汽温系统PID参数优化

应用改进的粒子群优化算法优化PID参数。采用动态变量区间以逐步缩小搜索区间，加快粒子群寻优速度，并且针对粒子群算法可能出现的停滞现象，引入了重新启动策略，改善了算法摆脱局部极点的能力。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主汽温被控对象的仿真研究，结果表明：改进的粒子群算法寻优速度快，计算量小，对PID参数优化是非常有效的，使得主汽温控制系统取得了很好的控制品质，系统鲁棒性比较强。     

一种改进的BBO算法及在热工PID优化中的应用

为了提高BBO算法在热工系统PID控制器参数优化方面的性能,改善其寻优能力,给出一种改进的生物地理学优化算法。在原有的迁移操作的基础上引入粒子群优化算法的寻优策略,使整个迁移过程具备一定的方向性,同时应用淘汰策略剔除迁移突变后较差的参数。一方面方向性的迁移及淘汰机制保证其快速的寻优收敛特性,另一方面突变机制保证广域搜索的全局特性,避免陷入局部极值。将其与原BBO算法进行比较,仿真结果表明改进的BBO算法在收敛速度和收敛精度上较标准BBO算法有较大提高,应用于PID控制器参数优化是可行的。     

自控系统的PID参数的优化设计

自控系统的每个环节数字化，用计算机实现PID控制，将误差绝对值与时间乘积积分（ITAE）准则作为目标函数，用单纯形寻优法整定PID参数，使给定的目标函数值最小，以达到控制系统的最优化。     

基于模拟退火遗传算法的PID参数整定与优化

结合模拟退火算法和遗传算法的思想,提出模拟退火遗传算法,用此算法进行PID参数整定与优化．同时使用自适应交叉率、变异率以及适应度拉伸方法对传统遗传算法进行改进．模拟退火遗传算法有效抑制早熟,且具有收敛性快、全局寻优与局部寻优能力．仿真结果表明,基于此算法寻优设计的PID控制器动态品质和稳定性更好、鲁棒性更强．     

基于单纯形模拟退火算法的网架结构优化设计

针对单纯形和模拟退火算法的优缺点，单纯形模拟退火算法将两种算法有机地结合起来，充分利用了单纯形算法收敛速度快以及模拟退火算法的随机突跳、不易陷入局部极小点的特性。两种算法结合，互相补充不足，大大提高算法的效率，并消弱了对参数选择的苛刻性。应用单纯形模拟退火算法对网架结构进行优化设计，并对模拟退火算法中参数的选择进行了探讨，算例分析表明了单纯形模拟退火算法应用在网架结构优化中的可行性和有效性。     

基于蚁群算法的PID参数优化

针对传统的PID控制器参数多采用试验加试凑的方式由人工进行优化,提出了一种新型的基于蚁群算法的PID参数优化策略.蚁群算法是近几年优化领域中新出现的一种仿生进化算法,该算法采用分布式并行计算机制.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某型高精度飞行仿真伺服系统.仿真应用研究表明,该PID参数优化策略具有很强的灵活性、适应性和鲁棒性,进而验证了该方案的可行性和有效性.     

基于BFO-PSO的LT-MED海水淡化温度控制

提出一种基于混合粒子群算法和细菌觅食算法的温度控制器,重点研究了菌群优化粒子群（BFO-PSO）算法的性能,包括突变、交叉、步长变化、趋化步骤和细菌的生命周期等。利用MATLAB仿真平台将其与传统比例积分微分算法（PID）及粒子群算法（PSO）进行控制效果对比,发现该方法效率高。与传统PID和PSO调节的PID相比,细菌觅食优化算法的智能PID在系统响应速度和系统稳定性能上都有很大的提高。     

惩罚函数结合遗传算法的PID参数优化

针对传统优化算法对PID参数优化时,由于目标函数选择不当出现的超调量过大,从而引起系统的反应速度变慢和稳定性变差的问题,提出以传统遗传算法为基础,引入惩罚函数的方法,根据系统中出现的超调量来构造新的目标函数实现对PID的参数优化。实验表明,该方法可以有效减少系统中的超调量,加快优化以及运行速度的同时保证系统的稳定性,实现对PID参数的优化。     

热工系统中PID参数的遗传算法整定

针对热工系统中常规的PID参数寻优策略的缺点以及遗传算法所具有的强大的全局优化能力和鲁棒性，采用了基于遗传算法的PID参数整定与优化方法，仿真结果表明该方法具有可行性和有效性。     

一种基于RBF神经网络的模糊PID控制算法

提出一种将RBF神经网络与模糊控制相结合的方法,对系统输出误差进行模糊化,利用RBF神经网络对PID控制参数进行在线整定。仿真结果表明基于上述的PID控制算法能较好地实现PID控制参数的在线调整和优化。     

基于改进WOAPID的LT-MED系统浓盐水温度控制

为适应低温多效蒸馏(LT-MED)海水淡化末效浓盐水温度控制系统存在的非线性时变和迟滞严重的特点,针对基于经验人为设定的PID控制器效果不佳的问题,提出了一种改进鲸鱼优化算法(WOA),以实现PID控制器参数的自动整定。首先,确定浓盐水温度控制系统的传递函数模型;然后,对基本WOA求解精度低、易陷入局部最优的缺陷对算法进行改进,实现PID控制器的参数优化。MATLAB R2019a平台的仿真实验结果表明,改进WOA算法具有更快的迭代速度和更强的全局寻优能力。改进WOA-PID控制器响应速度快且超调小,能够有效控制浓盐水温度以保障海水淡化系统正常稳定运行。     

基于遗传算法优化的模糊PID控制研究及其仿真

本文提出了一种基于遗传算法优化的模糊PID控制系统:采用遗传算法优化模糊控制中的隶属函数和控制规则,进一步完善了模糊PID控制器的性能,提高了系统的控制精度。最后对优化后的模糊控制器进行了Matlab仿真研究,仿真结果表明:经过优化后的控制器明显地改善了控制系统的动态性能,能使系统达到满意的控制效果,对进一步应用研究具有较大的参考价值。