探究使用粒子群算法优化电机PI控制效果及耗费时间

在以往采用粒子群算法优化控制系统参数过程中，评价函数是考虑粒子群算法整定的控制效果是否符合系统要求的重要依据，并没有考虑算法整定参数所耗费的时间。文中分别对推进电机静态负荷和动态负荷仿真模型采用粒子群算法整定控制参数，通过两种情况下迭代次数中调节时间的变化以及在静态负荷下优化的控制参数代入动态负荷的推进电机仿真模型获得的转速曲线对比分析可知，采用静态负荷的推进电机仿真模型相比推进电机动态负荷模型使用粒子群算法优化控制参数，其仿真效果基本一致，算法运行的仿真时间提升了50%;为后续采用粒子群优化控制模型提供了一种新的思路，即根据使用者的实际需求可以将仿真模型中的部分次要模型简化为静态参数，在不影响仿真结果的基础上降低仿真响应时间，提高仿真效率。     

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。     

改进粒子群算法应用于挖掘机铲斗位置控制

挖掘机工作装置精确的位置控制是实现其轨迹自动控制的基础。提出一种改进粒子群优化算法,应用于液压系统PID参数的优化整定中,把遗传算法中的选择和交叉两种操作方式添加到标准的粒子群算法中形成的混合优化算法,提高了算法的搜索能力。建立具有整定PID控制器功能的仿真平台,使用改进粒子群算法、标准粒子群算法和相位裕度方法对PID控制器进行整定仿真,根据仿真结果,进行了模拟铲斗平地运动试验。仿真和试验结果表明改进粒子群算法整定的PID控制器参数,在电液伺服系统的动态响应和精确的轨迹控制方面有良好效果。     

粒子群优化模糊PID在燃烧器温度控制中的应用

针对燃烧器温度控制系统是一个时变、大延迟和非线性的控制系统,无法建立准确数学模型,难以进行精确控制的问题,常使用模糊PID算法实现对此类系统的控制.但模糊PID算法需要专家给出模糊规则并调节参数,且参数调节过程中存在误差,控制性能较差.本文采用粒子群优化模糊PID算法中的量化因子Ke、Kec和比例因子Ku,快速整定模糊PID参数,然后利用MATLAB对控制系统进行仿真.结果表明,通过粒子群优化的模糊PID,系统的响应速度更快、超调量更小、达到稳态的时间更短.     

基于CPSO-BP-PID的神经网络控制方法研究

针对传统PID控制方法的参数不易整定、调节时间偏长的缺点,将CPSO算法用到BP-PID的参数整定过程中,从而设计了一种稳定、高效的自适应控制器(CPSO-BP-PID)。由于CPSO算法的粒子速度更新来自于粒子的自身最优值、每个子群的最优值以及本子群的最优值,使其充分发挥了PSO的社会分享机制,全局搜索能力更强,从而保证了由其整定的BP神经网络更加适合PID控制参数的优化过程。通过比较实验中建立的PSO-BP-PID、BP-PID以及CPSO-BP-PID三种控制器的控制性能,实验结果表明CPSO-BP-PID控制器可以实现对被控系统的有效控制,并可较大程度地提高其控制过程的稳定性、精确性与鲁棒性。     

基于自适应粒子群算法的篦冷机电液位置伺服系统PID参数优化

针对PID控制器的参数选取直接影响到第四代篦冷机刮板在调速过程中的稳定性和调节时间的问题,提出一种新的粒子群算法的PID参数整定方法。新的粒子群算法充分利用了适应函数提供的搜索信息,对传统粒子群算法中的权值进行自适应动态控制,并用飞行时间参数替代了压缩因子,飞行时间参数的变化规律是线性递减,并把它命名为自适应粒子群算法。通过测试函数证明提出的自适应粒子群算法比传统的粒子群算法收敛速度快和寻优效率高,应用改进的方法对篦冷机电液伺服系统进行仿真实验,结果证明自适应粒子群算法的PID参数整定方法比传统的整定方法有更好的控制效果,即调速过程稳定和调节时间快。     

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。     

基于小生境粒子群优化的挖掘机器人自抗扰视觉伺服控制

为提高挖掘机器人的自主挖掘能力,设计一种基于图像的自抗扰视觉伺服控制器,对挖掘机器人的动臂、斗杆、铲斗组成的3节机械臂末端位置和姿态在x-z平面进行控制,实现自主挖掘目标任务。针对自抗扰控制器需要整定的参数较多,参数间相互影响,整定困难的特点,引入粒子群算法对控制器参数进行优化。由于原始粒子群算法存在后期易陷入局部最优的缺欠,采用小生境粒子群算法对自抗扰控制器参数进行整定优化。对粒子群及小生境粒子群算法的优化性能进行比较研究的基础上,设计了适合挖掘机器人的自抗扰视觉伺服控制器,采用小生境粒子群算法得到自抗扰控制器整定参数。搭建xPCTarget主机—目标机环境进行试验及仿真,表明小生境粒子群优化的自抗扰视觉伺服控制器控制精度高、鲁棒性强。     

基于多领导粒子策略的DMPSO算法在冷轧液压APC系统中的应用

冷轧液压伺服位置自动控制(APC)系统中,系统参数会随着运行时间发生改变,针对系统这一特性,提出了一种基于改进动态多目标粒子群（DMPSO）算法的PID控制器参数整定策略。当系统发生变化时,该策略利用动态多目标粒子群算法的寻优能力和对环境变化的适应能力重新对PID参数进行整定和寻优。同时,针对算法存在的易于陷入局部最优和收敛速度较慢等缺陷,提出了一种基于多领导粒子策略的动态多目标粒子群算法。仿真结果表明：该控制系统对环境变化跟踪快,超调量小,调整时间短,性能明显优于传统PID控制。     

粒子群优化的变论域模糊 PI 机电作动器控制

为了提高飞机机电作动器的位置跟踪速度,克服传统 PI 算法参数调试依赖于人工经验的缺陷,提出一种基于粒子群优化的变论域模糊 PI 控制方法。首先根据机电作动器的结构与工作原理,建立永磁同步电机与机械传动部分的数学模型;然后根据电机控制系统建立机电作动器位置环变论域模糊 PI 控制模型;最后利用粒子群优化算法对量化因子、比例因子以及伸缩因子寻优并进行仿真验证。仿真结果表明,与传统 PI 控制和模糊 PI 控制相比,基于粒子群优化的变论域模糊 PI 控制方法在具备着传统模糊控制算法优点的同时,又能够根据偏差变化实时调整论域,改善系统的性能。     

电液振动台正弦运动控制方法

为提高正弦振动模拟试验的控制精度,针对电液振动台受不确定干扰力影响的问题,以单轴电液振动台作为控制对象,使用滑模控制抑制不确定干扰力对正弦振动控制精度的影响,同时加入最小控制综合(Minimal Control Synthesis,MCS)算法补偿系统在考虑伺服阀动态后滑模控制器的不足,结合三状态控制实现加速度控制。通过MATLAB/Simulink建立控制策略仿真模型进行仿真分析。结果表明:该复合控制策略可以有效抑制干扰力影响并且提高正弦振动控制精度。     

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.     

基于混沌蚂蚁群算法的PID控制器的参数整定

将蚂蚁混沌动力学、群组织和优化机制进行巧妙的结合，本文给出了一种基于群智能理论的新的优化方法，即混沌蚂蚁群算法CAS。同时采用该方法对PID控制器的参数进行了整定，它以误差积分型性能指标为目标函数、以设计参数的取值范围及最小增益和相位裕度为约束条件，建立了优化数学模型，数值结果显示采用混沌蚂蚁群算法的整定性能要优于采用遗传算法整定的性能。同时本文的方法由于不需要采用编码过程，因此比采用遗传算法的辨识方法要简练。     

步进式加热炉炉温智能集成优化控制策略研究

以湘潭钢铁集团五米宽厚板厂步进式加热炉为控制对象,充分考虑其加热过程特点,提出一种炉温智能集成优化控制策略。针对模糊控制参数整定不理想的问题,采用粒子群优化算法,对模糊控制参数进行寻优,以获得具有较强自适应能力的模糊控制器;同时基于含氧量检测值,设计了模糊控制器对空燃比进行优化;最后基于阀门开度控制策略,通过对煤气流量和空气流量的调节,实现对炉温实时控制。工业实际运行结果表明,炉温控制曲线整体比较平稳,控制效果明显改善,该智能集成优化控制策略,为加热炉炉温的优化控制提供一种有效可行的方法。     

基于混沌粒子群算法的医学图像增强

经典的模糊增强算法在应用于医学图像时,由于在采集或者传输图像时,外部的干扰较多,图像较大几率会不够清晰,该算法的的控制参数是由手动调整控制的,效率和增强效果较差,无法达到最优。由于粒子群算法存在调整参数少,全局寻优的能力,本文将混沌粒子群算法和模糊增强算法结合,运用混沌粒子群算法对模糊增强的增强参数进行优化,仿真实验证实,对于优化后的混沌粒子群算法,可以使模糊的医学图像的清晰率提高95%以上,同时可以突出某些特征,有效地改善了医学图像的视觉效果。     

Evolutionary optimization of sliding mode controller for level control system

This paper accords the level control of single-input-single-output (SISO) level control system based on the fusion of sliding mode control (SMC) and evolutionary techniques or bio-inspired techniques. The non-dominated sorting genetic algorithm II (NSGA-II) and multi-objective particle swarm optimization (MOPSO) are considered as two evolutionary techniques. Here, a comparative analysis of performances of an optimal proportional–integral (PI) controller, proportional–integral–derivative (PID) controller, conventional SMC, NSGA-II based tuned SMC and SMC parameter tuning using MOPSO algorithm has been carried out through MATLAB/SIMULINK. The objective functions, integral absolute error (IAE), integral squared error (ISE) and an integration of weighted objective function aggregated approach of the error performance indices, IAE and ISE are considered. Realistic conditions are used in a plant for testing the robustness of controller. The stability of the controller is successfully obtained which satisfies the Lyapunov stability criteria. Reduction in long settling time with tiny magnitude variations about an equilibrium point is achieved using bio-inspired techniques. The simulation as well as experimental results reveal that SMC parameter tuning based on NSGA-II algorithm gives a better performance as compared to the other design strategies.     

权重改进的蛙跳算法优化PID参数

针对非线性、大延迟、时变的控制系统,传统的PID控制效果不理想,为此提出用蛙跳(shuffled frog leaping algorithm,SFLA)仿生优化算法整定PID参数,但传统蛙跳算法易陷入局部最优,收敛速度慢,因此提出权重改进的蛙跳算法(weight improved shuffled frog leaping algorithm,WISFLA)。该算法引入线性递减惯性权重修正最差青蛙的更新策略,可以平衡算法的全局搜索和局部搜索。通过两个经典控制系统的仿真测试,结果表明,WISFLA算法可以平衡算法的全局搜索和局部搜索,比SFLA和PSO(particle swarm optimization)的寻优能力强,迭代次数少,更适合PID参数的整定优化。