一种新型的PID控制器参数优化整定方法

PID控制器参数的优化整定一直是自动控制领域的研究热点。本文采用微粒群算法(PSO)进行PID控制器参数的优化研究。仿真结果表明根据本文提出的方法得到的PID控制器参数可以获得满意的控制效果,各项性能指标优于由遗传算法(GA)整定得到的效果。     

改进的PSO算法在摊铺机行驶控制器中的应用

摊铺机行驶系统为液压伺服系统,具有非线性、时变的特点。针对行驶系统控制器PID参数整定困难且不同工况下参数整定烦琐及易出现较大的振荡和超调使控制结果不理想等问题。提出一种非线性变权重、随机学习因子、并行搜索PSO算法的PID控制器参数优化方法。利用MATLAB语言对摊铺机行驶系统近似模型进行了仿真分析,仿真结果在保证PID控制稳定性基础上提高了PID控制的精度。与混沌优化方案进行了比较,ITAE性能指标值的精度提高了6个数量级,结果表明该改进的PSO算法实现简单,对参数初值设置不敏感,鲁棒性强,快速有效地实现了PID参数的全局优化。在稳定、超调量、响应时间、调节时间几项综合性能上优于混沌优化算法,表明了此算法在PID参数整定中的有效性及应用前景。     

改进的PSO算法及其在PID控制器参数整定中的应用

粒子群优化算法(PSO)是一种新兴的随机优化技术,在许多领域得到了广泛应用。为了提高算法的计算精度,加快算法的收敛速度,提出了一种改进的粒子群优化算法,通过引入粒子运动过程中的最差位置信息,由最优个体和最差个体获取信息,有效地提高了算法的搜索能力和收敛速度。在实验研究中,采用改进的粒子群优化算法对PID控制器参数进行整定并用于啤酒发酵过程温度段控制,实验结果表明所提出的算法搜索能力及收敛速度显著提高,应用该方法得到的PID控制器综合性能优于常规方法所得的结果。     

基于改进PSO算法的PID参数优化研究

针对PID控制器的参数整定问题,提出一种改进微粒群优化算法（improved particle swarm optimization,IPSO）。算法是在基本PSO算法的惯性权重部分加入一个调节因子项,通过调节因子的调节,改善了算法的收敛性。仿真结果表明,IPSO算法可以更好地优化PID控制器的参数,使控制系统具有更好的控制性能。     

改进量子遗传算法在PID参数整定中应用

参数整定是PID控制器设计的关键,针对PID控制器参数整定问题,提出一种基于改进量子遗传算法的参数整定方法.该算法在基本量子遗传算法的基础上引入了量子交叉、量子变异和群体灾变操作.基于改进量子遗传算法的PID参数整定方法将PID控制器参数整定转化为参数优化问题,通过改进量子遗传算法的进化计算实现参数整定.与其他参数整定优化算法的仿真结果比较表明,该方法能获取更好的控制品质.仿真结果验证了该方法的可行性.     

球磨机混合优化前向神经网络PID解耦控制系统

针对球磨机制粉系统的多变量、强耦合、非线性和时变性等特点,提出球磨机的混沌PSO与BP混合优化前向神经网络PID解耦控制系统.在这种控制器中,PID控制器的控制参数采用神经网络进行自适应整定,神经网络的权值采用混合优化算法进行调整.仿真结果表明该控制方法跟踪快、鲁棒性强、解耦好,控制品质优于传统PID解耦控制方法,较好地解决了球磨机的时变性、耦合性等问题.     

基于改进粒子群算法的主汽温控制系统PID参数优化

介绍了一种基于改进的粒子群优化(PSO)算法的PID控制器参数优化方法。通过将PSO基本算法中的惯性权重进行线性递减,很好地协调了PSO的全局与局部寻优能力。将改进的粒子群PID控制器参数优化方法应用于多扰动、大惯性的电厂主汽温控制系统,仿真结果表明,该方法在保证控制系统稳定性的基础上极大地提高控制系统的精度和快速性。     

基于SPSO的PID参数自整定速度控制

为了提高感应电机磁场定向控制(FOC)系统中的速度控制器性能,提出一种基于简化粒子群优化(SPSO)算法的PID参数自整定方法,并应用到速度控制器中。在传统PSO算法中去掉了粒子速度参数,并融入了动态惯性权重,构建了一种SPSO算法。将PID控制器的3个参数编码为粒子位置,将电机速度的平方误差积分(ISE)作为适应度函数,通过SPSO算法获得最优的PID参数。根据最优参数构建FOC中的速度控制器,以实现电机的高效控制。仿真结果表明,提出的SPSO-PID控制器能够快速且稳定地控制电机速度到设定值,且对负载变化具有鲁棒性。     

基于改进粒子群算法的水轮机调速器参数优化

PSO（粒子群算法）是一种随机全局优化技术.该算法简单,易实现,且功能强大.文章研究了水轮机PID调节器参数的优化问题,利用改进PSO对系统所处的不同状态和工况进行了PID参数寻优.仿真结果表明,此种PID控制器比常规PID有更好的动态调节特性和鲁棒性,不失为一种具有较好实用价值的PID参数优化方法.     

基于CFSPSO算法的控制器参数优化

针对基本粒子群优化参数性能的不足及其优化算法易早熟的弊端,提出一种带压缩因子的二阶粒子群改进算法(CF-Sec PSO)。采用多种测试函数对改进算法进行测试,同时介绍控制器参数优化时目标函数的选取,将算法应用于电厂主汽温控制系统控制器参数优化中。仿真研究表明:与基本粒子群算法和带压缩因子粒子群(CFPSO)算法相比,改进的粒子群算法改善了算法的搜索速度及精度,有效避免陷入局部最优。将其应用于优化主汽温的PID串级控制器参数,改进算法提升了控制系统的性能,对实际控制系统中参数整定提供了重要参考,验证了该算法的适用性。     

基于粒子群优化设计的直流无刷电机控制系统研制

针对直流无刷电机控制器优化设计的问题,提出了基于粒子群优化PSO算法的比例、积分和微分(PID)控制器的优化设计方法.结合PSO的基本原理和BLDC系统的控制策略,考虑到综合评价系统的各项性能指标,给出了优化PID控制器设计的步骤.仿真和实验结果表明:该方法能搜寻到最优或次最优的参数数值,优化得到的控制器速度响应快、超...     

基于改进粒子群优化算法的比例-积分-微分控制器

粒子群优化算法自1995年问世以来得到了很大的发展,简要阐述了粒子群优化算法的基本原理,并提出了根据改进该算法而构成的比例—积分—微分控制器。比例—积分—微分控制器的3个参数可以得以优化。该控制器具有结构简单,易于实现,鲁棒性好的特点,仿真结果表明基于改进粒子群优化算法的比例—积分—微分控制器具有良好的性能。     

遗传优化的模糊免疫PID控制器在SRM中的应用

针对开关磁阻电机驱动系统的严重非线性、时变和强耦合性,应用免疫反馈机理和模糊控制理论,在传统PID控制器基础上设计一种模糊免疫PID控制器,并提出利用遗传算法对PID控制器参数进行优化设计方法.仿真结果表明,基于遗传优化的模糊免疫PID控制器具有良好的调速和控制特性,其控制性能明显优于传统PID控制和模糊免疫PID控制.     

一种基于PSO-PID算法的分布式机器人实时控制

分析了粒子群优化(PSO)算法的原理、算法参数及其对算法性能的影响。以PSO算法为基础,提出了一种新的粒子群优化不完全微分PID算法。根据多关节机器人系统的特点,介绍了一种新的分布式机器人实时控制系统。系统采用双速率控制策略和分布式控制方式,机器人运动控制运用粒子群优化算法定时寻优PID参数,使其随着系统参数的变化而实时更新,实现最优不完全微分PID控制。实验结果表明,该系统设计科学、性能优越,新算法寻优能力强、控制效果好。     

基于ITAE指标的PID控制器参数优化设计

研究了比例一微分一积分（PID）控制器参数自整定问题,提出一种基于改进粒子群优化算法的PID控制器参数自整定方法,并以时间乘以误差绝对值积分（ITAE）的性能指标为适应度函数,对具有实参数不确定性的热工对象进行PID控制器参数整定,所设计的PID控制系统的ITAE性能指标比极点法,GPM法,Cohen法,IMC法效果更好,并通过超临界锅炉过热汽温控制的仿真实例验证了方法的有效性。     

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。     

基于PSO优化的模糊PID恒力控制研究

针对工业机器人在抛磨等工作过程中对接触压力的要求，提出了一种基于粒子群(PSO)优化的模糊PID恒力控制方法。对柔性力控法兰装置的受力和气体流量模型进行分析，建立柔性力控法兰装置的数学模型；设计了基于PSO算法的模糊PID控制器，自适应调节模糊PID的控制参数，通过MATLAB仿真对比了普通PID、模糊PID和基于PSO算法优化的模糊PID这3种控制方法的性能；最后，通过搭建基于柔性力控法兰装置的打磨实验平台，对柔性力控法兰的恒力控制输出性能进行实验验证。仿真实验结果表明，与传统PID和模糊PID控制方法相比，基于PSO算法优化的模糊PID控制没有超调，系统响应速度更快，在0.43 s时系统达到稳定；在进行恒力打磨实验时，柔性力控法兰实际接触力输出误差小于0.85 N;打磨后的壳体表面各区域粗糙度稳定在Ra0.1～Ra0.2之间。该方法能够有效地抑制接触压力波动，具有更强的鲁棒性。     

直接转矩控制PID调节器智能优化设计

将遗传算法中的变异机制引入基本蚁群算法中,用遗传蚁群算法来优化直接转矩控制系统中PID调节器参数,提高了PID调节器的自整定能力,有效地降低了系统中的转速脉动,增强了系统的快速性和稳定性。仿真实验表明:该策略使直接转矩控制系统的动、静态性能得到了明显的提高和改善。