基于改进混合蛙跳算法的电渣重熔过程多变量PID 控制器设计

根据电渣重熔过程的工艺特点和数学模型,提出了基于改进混合蛙跳算法（ISFLA）的多变量参数自整定PID控制策略.提出一种新的蛙跳规则,用以增强SFLA的局部搜索能力.该规则主要通过模拟青蛙的感知和运动的不确定性来动态随机地调整青蛙的局部搜索空间和步长,以防止SFLA算法过早收敛,提高算法的搜索效率.仿真结果和工业应用实验均表明了所提出控制方法的可行性和有效性.     

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。     

基于模式识别的自整定PID算法的改进

对基于模式识别的自整定PID算法作了改进.新算法分别对传统方法的整定规则和整定方式进行了改进,加快了参数收敛的速度,提高了算法的整定效率.DCS仿真和工业应用证明了算法的有效性.     

基于改进的遗传模拟退火混合算法求解TSP问题

本文针对遗传算法（GA）早熟收敛问题就GA的交叉算予进行改进,针对模拟退火算法易陷入局部最小值的缺点．使用HFC—ADM（自适应输入阂值的分等级搜索）的SA（模拟退火算法）和改进后的GA相结合,提出了一种求解TSP问题的遗传模拟退火混合算法,并应用于求解TSP（旅行商问题）问题。实验结果表明,该算法具有比传统的GA以及基于HFC—ADM的SA具有更强的全局搜索能力和更快的收敛速度。     

基于群体智能的思维进化算法设计

针对思维进化算法（ＭＥＡ）没有充分利用公告板信息的问题,结合群体智能的优点,提出基于群体智能的思维进化算法,同时分析其算法的机制,设计利用群体信息共享进行子群体迁徙策略和拥挤浓度控制异化策略,提高了搜索速度,保证了种群的多样性．通过整个群体的总体优化特征体现了寻优方式的实现,使得收敛速度和全局收敛性均达到最好平衡．测试函数寻优及ＰＩＤ 控制器参数整定实验,验证了算法的可行性和高效性．     

一种改进人工蜂群的分数阶PID控制器优化算法

针对分数阶PID控制器参数整定过程参数多复杂性大,传统靠经验试凑的方法不易实现且优化效果差的问题,提出了一种改进的人工蜂群算法,实现分数阶PID控制器参数的整定;该算法通过改进人工蜂群算法中搜索方程,并引入一个淘汰机制,对分数阶控制器参数进行群智能搜索,将搜索到的参数送至分数阶PID控制器中反复迭代,以带有权值的误差绝对值积分指标(AIE)作为人工蜂群寻优的目标函数,最后得出控制器;本文以非线性系统为被控对象,经过实例仿真,验证了该算法实现的控制器比传统整数阶控制器和未改进的人工蜂群算法实现的分数阶控制器的动态性能和稳态性能都有所提高,在超调、上升时间、振荡性方面都优于未改进算法。     

基于改进的多目标进化算法的飞行控制系统优化*

针对在传统飞行控制系统控制器参数整定问题中单目标优化不能同时满足多个控制指标要求的缺点,提出了一种基于改进的NSGAII算法的多目标进化算法。在改进的NSGAII算法中,提出了改进的精英保留策略增强了算法收敛性;同时,使用改进的自适应模拟二进制（ASBX）算子提高了算法效率,提出使用改进的基于混沌序列的变异算子避免算法陷入局部最优解,以提高算法搜索精度。将改进的算法应用到飞机飞行控制系统设计中,仿真结果表明,该进化算法能够快速有效地进行飞行控制系统参数整定。     

改进粒子群优化算法在PID参数整定中的研究

针对粒子群优化算法（PSO）容易出现早熟收敛的问题,提出一种改进的粒子群优化算法（IMPSO）。该算法通过引入粒子群聚合度和变异的思想,能很好避免早熟,提高粒子全局搜索能力。将此改进的粒子群优化算法用于PID控制器的参数整定,具有操作简单,寻优快速等优点。     

模拟退火算法改进的BP神经网络PID控制器在变风量空调系统中的应用研究

以变风量空调系统的温度控制作为研究对象,在现有研究的基础上,提出了模拟退火算法改进的神经网络PID控制方法。应用神经网络进行PID参数在线整定,模拟退火算法提高神经网络的学习速率和收敛性,结合三者各自的优势以提高变风量空调系统的控制性能。     

混沌乌燕鸥算法优化发动机参数自整定PID控制

针对传统PID参数整定存在的问题,结合混沌乌燕鸥优化算法（Chaos Sooty Tern Optimization Algorithm, CSTOA）良好的搜索性能,提出了一种基于混沌乌燕鸥优化算法的航空发动机参数自整定PID控制方法（CSTOA-PID）。首先通过引入混沌映射的思路,改进了乌燕鸥优化算法（Sooty Tern Optimization Algorithm, STOA）。接着设计了性能指标加权的适应度函数,用来避免发动机供油量极大超调与急剧供油现象。最后对某型涡扇发动机的数学模型进行仿真验证,结果表明：在地面状态下,经CSTOA-PID控制器优化后的PID参数分别为4.31878、14、0.214426。CSTOA-PID控制器的参数整定效果都好于STOA-PID控制器和PID控制器,转速阶跃响应反应迅速,同时供油量出现的超调最小,证明了该方法的有效性和可行性。