改进的混沌蚂蚁群算法

混沌蚂蚁群算法是受自然界真实蚂蚁的混沌行为和自组织行为启发而产生的一种基于群智能理论的优化算法.介绍了该算法的基本原理,并在对其进行算法分析的基础之上,提出了一种改进的混沌蚂蚁群算法,该改进算法采用全面学习策略和一种简单的精细搜索策略以提高算法的性能.数值实验表明,该改进算法的收敛精度和结果稳定性优于混沌蚂蚁群算法.在此基础上,将其应用于对PID 控制器参数的优化,仿真显示其结果优于混沌蚂蚁群算法.     

基于一种改进遗传算法的PID参数优化仿真

针对现有PID调节器的整定方法和遗传算法优化参数存在的问题。提出了一种改进的遗传算法用于PID参数寻优的方案。该算法采用了变群体规模和自动改变交叉概率、变异概率的措施．能提高算法的执行效率，收敛性较好，而且不易陷入局部最优解。本文以过热汽温控制系统为例．分别采用了简单遗传算法和改进遗传算法，对串级控制系统的PID参数寻优，仿真结果表明．改进后的遗传算法具有较强的执行效率和很好寻优效果。并且该文提出的算法和策略也可用于其他的优化问题中，具有一般性。     

自适应遗传算法在数控伺服系统控制参数优化中的应用

PID参数整定是一个多参数组合优化的问题,针对目前常用的工程整定法无法在全局范围内对PID参数进行组合优化,只能从系统的单项性能指标出发进行整定,而标准的遗传算法又容易出现过早收敛等问题,为此,提出了基于改进的自适应遗传算法的PID参数整定方法。这种方法能够随适应度值自动改变交叉概率和变异概率,这种方法既能够确保算法的收敛,也能够很好的保证种群的多样性。将该方法应用于数控伺服系统,控制效果良好,最后将Ziegler-Nichols算法与自适应遗传算法整定的PID控制系统的动态响应性能作了对比分析,仿真试验结果证明了基于自适应遗传算法的PID参数整定方法的优越性。     

挖掘机铲斗电液伺服改进PSO-PID参数整定位置控制

挖掘机电液伺服系统的运行性能来达到调控挖掘机铲斗位置的功能，由于采用传统PID整定方法并不能获得优异控制效果，采用遗传算法与交叉算子、标准PSO算法进行PID整定，最后对其进行了实验验证。设计了一种经过改进处理的粒子群优化算法来实现对阀挖掘机铲斗电液伺服系统进行PID整定的过程，能够准确控制挖掘机铲斗位置，由此获得更高轨迹跟踪精度。为增强粒子群算法搜索性能，综合运用遗传算法与交叉算子来实现对标准粒子群的优化，显著改善PID控制器性能，根据推导得到的铲斗系统模型进一步开展仿真分析。分别以三种优化算法计算优化结果，再将其输入自动化挖掘机程序中，完成各参数修改后，再对平地控制过程进行模拟测试。根据实验测试可知改进PSO算法具备明显优越性。     

基于CAPSO算法的修正炮弹分数阶控制器设计

为了提高修正炮弹系统模型的控制品质,采用分数阶控制器以取得更优的控制效果。针对分数阶控制器参数整定时大都需要公式推导、计算量大等问题,提出一种基于混沌自适应粒子群优化算法(CAPSO)并用于修正炮弹分数阶控制器的设计。将混沌算法与惯性权重调整的粒子群算法融合,对粒子群进行混沌初始化并对陷入局部最优的粒子进行混沌搜索,同时引入惯性权重非线性调整策略提高了算法的收敛精度,得到全局最优解。利用CAPSO算法对分数阶PIλDμ控制器的参数进行整定,并用于修正炮弹俯仰角稳定回路的控制中。通过仿真实验,验证了该优化算法的可行性。仿真结果表明,CAPSO算法在修正炮弹分数阶控制器的参数整定方面优于主导极点法、粒子群优化算法(PSO)等算法,与PSO算法相比调节时间减少了1.139 s、超调量减小了11.84%,具有收敛速度快、超调量小、稳定性好、抗干扰性强等特点;经CAPSO算法优化的分数阶PIλDμ控制器动态响应特性要优于整数阶PID控制器。     

PID参数整定的一种混合优化算法

PID控制器是工业界应用最广泛的控制策略,参数整定是PID控制器设计的核心内容.提出一种基于遗传算法和数值优化算法的混合优化方法,采用由粗到精的搜索过程,先利用遗传算法进行全局粗略搜索,再利用数值优化算法得到精确的参数.仿真试验结果证明提出的混合优化算法是进行PID参数整定的一种有效方法.     

基于遗传算法的液压系统优化设计

根据液压系统的动力学模型，确定了PID控制器的控制对象，以综合控制性能为优化目标函数，运用遗传算法理论基于Matlab语言编制程序对PID参数进行优化整定，优化实例结果证明遗传算法这一全新的优化方法能快速、有效地得到全局优化解。     

基于遗传算法的PID控制器参数优化研究

本文提出了一种基于遗传算法的PID控制器参数优化设计。在参数整定与优化过程中。考虑了过程控制系统的参数整定特点和寻优精度。通过仿真研究表明：该方法比一般PID参数整定方法具有更好的控制性能指标。     

基于改进量子粒子群算法的火电厂再热汽温调节系统PID参数自整定

鉴于热控工作人员的技术水平和经验不足等问题,目前火电厂中许多控制回路整定效果不佳,因此PID参数的自整定具有极其重要的意义。为此,提出了一种基于改进量子粒子群算法的PID参数自整定方法,并采用MATLAB软件对火电厂再热汽温调节系统进行了仿真及PID参数自整定。通过与工程上的临界比例度法、传统粒子群算法、传统量子粒子群算法自整定的仿真结果相比较,证明了基于改进量子粒子群算法的PID参数自整定方法的优越性。     

基于遗传算法的PID整定在液位控制中的应用

以IAE为优化目标,将遗传算法优化PID参数,应用于一单容水箱的液位控制系统中,并给出了算法的仿真结果。研究表明,遗传算法得到较好性能指标的搜索结果,对参数整定优化策略具有很强的灵活性、适应性和鲁棒性,具有一定的推广应用价值。     

Adaptive infinite impulse response system identification using modified-interior search algorithm with Lèvy flight

In this paper, a new meta-heuristic optimization technique, called interior search algorithm (ISA) with Lèvy flight is proposed and applied to determine the optimal parameters of an unknown infinite impulse response (IIR) system for the system identification problem. ISA is based on aesthetics, which is commonly used in interior design and decoration processes. In ISA, composition phase and mirror phase are applied for addressing the nonlinear and multimodal system identification problems. System identification using modified-ISA (M-ISA) based method involves faster convergence, single parameter tuning and does not require derivative information because it uses a stochastic random search using the concepts of Lèvy flight. A proper tuning of control parameter has been performed in order to achieve a balance between intensification and diversification phases. In order to evaluate the performance of the proposed method, mean square error (MSE), computation time and percentage improvement are considered as the performance measure. To validate the performance of M-ISA based method, simulations has been carried out for three benchmarked IIR systems using same order and reduced order system. Genetic algorithm (GA), particle swarm optimization (PSO), cat swarm optimization (CSO), cuckoo search algorithm (CSA), differential evolution using wavelet mutation (DEWM), firefly algorithm (FFA), craziness based particle swarm optimization (CRPSO), harmony search (HS) algorithm, opposition based harmony search (OHS) algorithm, hybrid particle swarm optimization-gravitational search algorithm (HPSO-GSA) and ISA are also used to model the same examples and simulation results are compared. Obtained results confirm the efficiency of the proposed method.     

New tuning method for PID controller

In this paper, a tuning method for proportional-integral-derivative (PID) controller and the performance assessment formulas for this method are proposed. This tuning method is based on a genetic algorithm based PID controller design method. For deriving the tuning formula, the genetic algorithm based design method is applied to design PID controllers for a variety of processes. The relationship between the controller parameters and the parameters that characterize the process dynamics are determined and the tuning formula is then derived. Using simulation studies, the rules for assessing the performance of a PID controller tuned by the proposed method are also given. This makes it possible to incorporate the capability to determine if the PID controller is well tuned or not into an autotuner. An autotuner based on this new tuning method and the corresponding performance assessment rules is also established. Simulations and real-time experimental results are given to demonstrate the effectiveness and usefulness of these formulas.     

细菌群觅食优化算法及PID参数优化应用

针对细菌觅食(BF)算法收敛速度慢和粒子群优化(PSO)算法早熟的缺点,提出了一种细菌群觅食优化(BSFO)算法。将PSO算法中粒子速度的更新公式替代BF算法位置公式中的方向向量,使细菌在优化过程中具备感应周围细菌位置并向细菌群体历史最优位置游动的能力。Benchmark函数的测试表明,BSFO算法对于大部分测试函数的结果较为理想。将BSFO算法用于材料试验机电液位置伺服系统的PID控制器参数寻优仿真,获得了较好的控制性能。     

基于改进粒子群算法的PID参数整定

提出一种改进的粒子群算法,算法中对粒子的进化方程进行了改进,以此来增加种群间信息的共享。通过典型函数的测试,验证了改进粒子群算法具有较好的优化性能。将改进后的算法应用到PID参数整定中,通过MATLAB仿真证明了该方法的可行性和优越性。     

ABC算法在非线性系统辨识与控制中的应用

针对非线性系统辨识和控制器的设计,提出一种混沌映射产生初值的人工蜂群优化算法,并将该算法应用于非线性系统中的参数辨识和PID控制器的设计。参数辨识的仿真结果表明,基于混沌映射理论的人工蜂群优化算法比其他传统的算法具有更好的收敛特性和辨识性能;自动电压调节系统的仿真结果表明,基于混沌人工蜂群优化的PID控制自动电压调节系统是可行性的,且具有良好的动态调节性能。     

基于改进粒子群算法的PID参数整定

粒子群算法是一种基于群智能的全局寻优方法,方法简单,易于实现,寻优效果好。PID控制因其算法简单、鲁棒性好、可靠性高而被广泛应用于工业控制过程。该文提出了一种改进的PSO算法以提高其优化性能,通过典型测试函数的实验证明了该改进的PSO算法具有较好的优化性能。最后,将改进后的PSO算法应用到PID参数整定中,通过MATLAB仿真证明了该方法的可行性和优越性。     

基于改进型模糊神经网络PID阀位控制研究

针对调节阀控制系统在实际生产中存在的大滞后、非线性等问题,提出一种改进粒子群算法优化的模糊神经网络比例积分微分(PID)控制模型用于阀位控制,该模型利用模糊神经网络的自学习能力,实现对PID控制参数的实时在线整定,并且通过将改进粒子群算法与BP算法相结合的方式,实现对模糊神经网络参数的粗调和细调,克服了模糊神经网络收敛...     

基于粒子群算法的地震模拟振动台参数整定方法

在地震模拟振动台控制系统中,常用三参量控制实现加速度信号控制,但目前三参量参数理论整定方法存在效果不佳、智能化程度不高等问题。针对三参量控制参数整定问题,提出一种基于粒子群算法的三参量控制参数整定算法,利用粒子群算法的寻优能力完成三参量参数整定研究。仿真结果显示,与理论值相比,粒子群算法自整定值控制下地震模拟振动台波形复现精度得到提高,表明粒子群算法实现地震模拟振动台三参量控制系统参数整定,算法有效。     

一种混合遗传算法在PID参数优化中的应用

针对常规遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点,设计了一种混合遗传算法,即在全局搜索的遗传算法中引入局部搜索的单纯形算法,并将其应用于PID参数寻优.仿真结果表明,此混合遗传算法寻优设计的PID控制器可以有效地提高寻优精度和收敛速度,具有很好的动态品质和稳定性.     

基于PID控制的主悬架设计及其优化

利用经典的PID控制器针对1/4悬架进行主动悬架的设计.考虑到悬架多个性能指标的协调,本文利用遗传算法进行多个目标的优化及参数整定.经过优化,悬架的各个性能指标都有非常明显的降低,舒适性、安全性以及操纵稳定性都得到了非常明显的改善.