基于遗传算法-BP神经网络优化的PID控制

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法。对于非线性复杂系统,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控制不失为一种有效的控制策略。该文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。     

基于RBF神经网络辨识的过热蒸汽温度控制

提出一种基于RBF神经网络辨识的PID串级主蒸汽温度控制策略,即将RBF神经网络与常规PID串级控制相结合构成RBF-PID控制器.该控制器不仅具有常规PID控制器的特性,而且还具有智能控制器的自学习能力,增强了系统对不确定因素的适应性.仿真研究结果表明,RBF-PID控制系统动态调节品质显著优于常规PID串级控制,能适应对象参数的变化,具有较强的鲁棒性和自适应能力.     

基于免疫遗传算法优化的汽温系统变参数PID控制

针对工程实际应用，提出了一种改进的变参数PID控制策略，新的控制策略不论对于调节还是设定值跟踪，均具有很好的控制效果，对于工业实际中常见的大滞后对象也有很好的抗干扰性能和较强的鲁棒性。为了使变参数皿控制取得更好的性能，提出了鲁棒整定的思想，并采用免疫遗传算法进行设计参数的鲁棒优化调整。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蒸汽温度被控对象进行的仿真研究结果表明，基于免疫反馈和遗传机制的免疫遗传算法具有全局优化的能力，对变参数PID控制的参数优化设计是成功和有效的，使得具有多模型特性的汽温控制系统在不同的负荷下均获得很好的调节品质。同时也表明，免疫遗传算法和变参数PID控制均具有较好的发展前景，可用于某些多模型系统的同时整定设计。     

火电机组主汽温的模糊免疫PID控制研究

火电厂主汽温控制系统具有大惯性、大迟延和时变等特性,传统多采用基于模型的常规PID串级控制方法。本文借鉴生物免疫反馈响应过程的调节作用和模糊推理逻辑可逼近非线性函数的特性,提出将模糊免疫PID控制策略应用到火电厂主汽温控制系统中。火电厂汽温控制系统的仿真研究表明：该方法的控制效果优于常规的PID控制,能适应对象参数的变化,具有较强的鲁棒性和自适应能力。     

变论域模糊自整定PID控制在主汽温系统中的应用研究

火电厂主汽温控制系统具有大惯性、大延迟和时变等特性，采用常规PID串级控制方法难以获得满意的控制效果。通过引入变论域模糊控制原理来整定PID参数，从而实现了变论域模糊自整定PID控制。它充分综合了变论域模糊控制、PID控制的优点。通过对锅炉过热蒸汽温度控制系统的仿真研究表明，变论域模糊自整定PID串级控制的控制效果优于常规的PID串级控制，能适应对象参数的变化，具有较强的鲁棒性和自适应能力，控制品质好。     

基于自适应粒子群优化的静止变频电源控制研究

为了提高静止变频电源输出的电压波形质量,增强控制系统的鲁棒性,提出了基于自适应粒子群优化算法(APSO)优化模糊神经PID控制策略。利用改进的自适应粒子群优化算法优化模糊神经网络的前件、后件参数和单神经元优化PID参数,实现了控制器参数的自动调整。在MATLAB/SIMULINK环境下,对该策略控制下的静止变频电源控制电路进行了仿真。结果表明,与普通的模糊神经网络PID控制对比,引入改进的粒子群优化算法可以实现参数的全局快速寻优。优化后的模糊神经PID控制器具有良好的控制性能和自适应能力,很好地满足了系统的鲁棒性、快速性的要求。     

基于实数编码遗传优化的神经网络参数自学习PID控制器

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法.利用Matlab进行仿真计算.实验结果表明,所设计的参数自学习PID控制器具有良好的鲁棒特性和响应速度以及抑制干扰特性,可构成较实用的工业控制器.     

基于混沌优化的PID控制器在不稳定系统中的设计

提出了一种规范化PID控制器参数混沌优化方案，并且利用增广Hermite-Biehler定理，讨论了不稳定被控对象闭环稳定的规范化PID控制器参数取值范围，在这取值范围内将混沌变量引入规范化PID参数的优化搜索，具有更强的搜索PID参数近似全局最优值的能力，仿真结果表明，该算法能有效地实现PID参数最优整定，为解决PID控制器参数近似全局最优设计提供了一种有效的方法。     

基于DMC-PID串级控制的超临界机组给水系统研究

在超临界参数下,针对机组给水控制系统具有复杂多变、大惯性、大迟延等特点,提出了一种基于动态矩阵控制(Dynamic Matrix Control,DMC)和PID串级控制相结合的控制策略。首先对超临界机组给水控制系统被控对象的动态特性以及建立简化数学模型等进行了分析。其次根据动态矩阵控制原理建立了系统的DMC模型,从而设计了DMC-PID串级控制器。再运用蚁群算法(Ant Colong Optimization,ACO)对350 MW超临界机组的现场运行数据进行辨识,并优化DMC控制器参数。最后与传统PID控制进行了MATLAB仿真对比实验。结果表明DMCPID串级控制具有更好的稳定性和较快的调节速度,鲁棒性较好,抗干扰能力强。     

改进的混沌算法在PID参数整定中的应用

PID控制由于鲁棒性好和易于实现等优点，在工业上广泛应用；但是PID参数整定繁琐、难以达到最优状态、控制结果出现较强的振荡和大超调等问题。在传统的混沌算法的基础上，引入微粒群算法的寻优思想，形成了一种新的混沌算法，并应用在PID控制器的参数优化上。仿真证明了该算法能有效地实现PID参数最优整定，控制结果具有稳定、超调小、响应快的优点。该算法寻优速度快，效率高，容易实现，其性能优于常规遗传算法，为解决PID控制器参数全局最优设计提供了一种有效的方法。     

智能PID控制器及其在锅炉过热汽温自适应控制中的仿真研究

提出了一种新型智能PID控制器，并在电厂主汽温串级控制系统中进行仿真研究。智能PID控制器由模糊PD控制器和自调节积分环节并联组成，其特点是：模糊控制器的规则库由自适应神经元在线调节，积分器的增益由模糊推理机在线整定。因而该控制系统是无模型控制系统，无须被控对象的精确数学模型，系统可以实现参数的自整定，具有很强的自学习能力。对某超临界600MW直流锅炉主汽温控制的仿真结果表明，这种控制器可以实现多个工况点的控制，具有很强的自适应能力，并且在大范围的负荷变化和时变控制系统中仍具有稳定的控制效果、较强的鲁棒性和较好的抗扰动性能。     

电厂主汽温串级控制系统的PID控制器算法改进

针对火电厂主汽温控制系统常规固定参数PID串级控制性能欠佳的问题,提出一种改进算法整定PID参数。先用RBF网络在线辨识温度采样离散信息,得到控制器所需的Jacobian信息,然后用Levenberg-Marquardt算法代替传统的梯度法整定PID参数,得到改进的PID算法。通过对电厂主汽温串级系统仿真分析,验证了算法的快速性、抗扰性、鲁棒性。     

智能PID控制器在电厂热工过程控制中的应用前景

智能PID控制器是智能控制技术与常规PDI控制器相结合的产物，该文对近年来模糊控制、神经网络和遗传算法与常规PID控制器相结合的主要研究成果进行了总结，对智能PID控制器在电厂主要热工过程控制系统中应用研究情况进行了回顾，理论研究结果和实际应用情况表明，智能PID控制器在电厂热工程控制中的应用是有效的和可行的。有着广阔的发展前景。文中指出了智能PID控制器的研究方向和有待进一步解决的问题，对电厂热工过程控制系统中智能PID控制顺的应用提出了建议。     

基于改进微粒群算法的PID控制器参数优化设计

介绍了微粒群优化（PSO）算法的基本原理和流程,提出了改进的PSO算法并将其与控制系统优化设计相结合,对传统PID控制器的参数整定进行优化研究,仿真实验结果表明改进PSO方法得到的PID控制器具有快速、无超调的响应特性,获得了满意的控制效果,各项控制性能指标优于传统方法整定得到的PID控制器。     

改进的BP神经网络PID控制器在温室环境控制中的研究

为了更好的实现对温室环境系统的智能控制,针对温室环境系统存在非线性、强耦合、大滞后、强时变等问题,在分析BP神经网络技术的基础上,提出并设计出一种基于遗传粒子群优化的BP神经网络PID控制器,该控制器结合遗传算法强全局搜索能力以及粒子群算法强局部搜索能力和收敛速度快的特点,对神经网络的权值进行优化,对温室环境系统起到了有效的控制。最后对常规和改进后的BP神经网络PID控制器进行仿真对比研究。仿真结果表明,经过改进后的BP神经网络PID控制有更好的稳定性和鲁棒性。     

基于神经网络的PID控制器在电厂热工过程中的应用研究

对近年来智能控制中的几种典型的神经网络PID控制器的主要成果及其应用进行了总结,并探讨了神经网络和其它智能控制算法与常规PID控制结合的研究方向,最后对基于神经网络的PID控制器在电厂热工控制过程中的应用提出了展望。     

Self‐tuning PID control of a brushless DC motor by adaptive interaction

In this paper, a self‐tuning algorithm for proportional integral derivative (PID) control based on the adaptive interaction (AI) approach theory efficiently used in artificial neural networks (ANNs) is proposed. In this approach, a system is decomposed into interconnected subsystems, and adaptation occurs in the interaction weights among these subsystems. The principle behind the adaptation algorithm is mathematically equivalent to a gradient descent algorithm. The same adaptation as the well‐known backpropagation algorithm (BPA) can be achieved without the need of a feedback network, which would propagate the errors, by applying adaptive interaction. Thereby, the ANN controller can be adapted directly without wasting calculation time in order to increase the frequency response of the controller. The velocity control of a brushless DC motor (BLDCM) under slowly and rapidly changing load conditions is simulated to demonstrate the effectiveness of the algorithm. The AI tuning algorithm was used to tune up the PID gains, and the simulation results with PID adaptation process are presented by comparing the obtained results with the adaptive PID controller based on BPNN and a conventional PID controller. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

电压型BUCK变换器控制策略研究

鉴于BUCK型降压斩波变换器的非线性和复杂性,采用传统的PID控制器难以获得理想的控制性能,利用神经网络的非线性函数逼近能力,构造神经网络PID自整定控制器.该控制器根据系统的运行状态,通过神经网络的自学习、加权系数调整,自动调节PID控制器参数,以期达到性能指标的最优化.将该控制器应用于BUCK型变换器,仿真结果显示...     

智能PID控制器在汽温控制系统中的应用

智能PID控制器是智能控制技术与常规PID控制器相结合的产物。该文对模糊控制神经网络与常规PID控制器相结合进行了研究。对智能PID控制器在电厂主要热工过程控制系统中的应用研究情况进行了仿真。仿真结果表明智能PID控制器在电厂热工过程控制中的应用是有效的和可行的有着广阔的发展前景。     

视轴稳定系统的模糊PID控制器设计

为了实现无人机视轴稳定系统的准确测量与跟踪,设计了经典PID和模糊控制为基础的视轴稳定控制器。在实际工程中PID参数整定过程存在大量不确定性,为了实现PID参数的在线整定,将模糊控制算法与经典PID控制相结合,构造了参数自整定模糊PID控制器,实现了对PID控制器的修正。在MATLAB中的Fuzzy Toolbox和Simulink中,将PID和参数自整定模糊PID进行对比,参数自整定模糊PID控制器在无扰动和10 Hz的正弦扰动的阶跃响应曲线表明,模糊PID相对于模糊控制和PID控制有更短的响应时间和更小的隔离度;在输入为1~10 Hz的系统正弦响应曲线,模糊PID误差最小,控制效果最好。由此可得参数自整定模糊PID在视轴稳定系统中有良好的鲁棒性和控制性能。