蚁群算法自整定PID控制器的研究与设计

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种基于蚁群算法的自适应PID控制器的设计方法。用蚁群算法优化并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能。仿真结果表明,控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程。     

基于蚁群算法的真空烧结炉最优PID温控系统

蚁群算法是一种新型的优化算法,具有收敛速度快、鲁棒性强等优点;针对真空烧结炉大惯性、大滞后性、非线性和时变性等特点,采用常规PID控制难以达到温度的精度控制,论文采用蚁群算法优化PID控制器参数,并给出了真空烧结炉最优PID控制系统设计的方法;该方法以误差绝对值为性能指标,实现了不完全微分PID参数的优化;仿真结果表明,该系统与传统的PID相比,有较好的稳态精度和动态性能,具有一定的科学性和实用性.     

非线性系统的蚁群优化预测PID控制

针对非线性、时变及大惯性系统的控制问题,提出了一种基于蚁群算法的预测PID控制算法。该算法以神经网络作为预测模型,将预测控制和PID控制相结合,并用蚁群算法在线优化控制器参数,其中以常规的Ziegler-N ichols方法整定的控制器参数为基础,选取蚁群优化变量的动态搜索区间。该算法考虑了控制能量受限情况下,非线性系统的预测控制问题。计算机仿真结果表明,该非线性控制方案具有较好的鲁棒性,相对传统PID控制策略还表现出了良好的动态性能,能够满足对再热汽温对象的控制要求。     

最优PID控制器在智能人工腿中的应用

以蚁群算法为基础,提出了一种新的非线性PID控制器及其参数优化设计方法;该控制器是基于PID控制器各增益参数与误差信号之间呈现非线性关系,根据一般控制系统的阶跃响应曲线,在不同响应时间阶段PID三个增益调节参数的理想变化情况,提出根据控制信号与误差、误差变化率之间的调节规律,拟合一组增益参数的非线性函数,并利用蚁群算法搜索出一组最优的非线性PID参数,构造最优非线性PID控制器,称为AS-NLPID控制器;该控制器已被用于CIP-Ⅰ智能人工腿;仿真实验证实AS-NLPID控制器能有效地控制CIP-Ⅰ智能人工腿,并具有良好的动态和稳态性能.     

基于蚁群算法的航空发动机PID参数优化

提出一种基于蚁群算法的PID参数优化控制算法,对航空发动机的双变量解耦控制方法进行了研究.蚁群算法采用分布式并行计算机制,易于与PID控制方法结合,优化后的控制器克服了传统的PID控制参数不易整定的缺点,且控制器结构简单规范、动态和静态性能良好,具有较强的鲁棒性.仿真结果表明该控制系统实现了解耦控制,对航空发动机模型参数在大范围内的变化均有良好的控制效果.     

主动磁悬浮轴承的神经网络自适应稳定性控制

针对主动磁悬浮轴承本质非线性和开环不稳定的系统特征,设计了一种BP神经网络自适应PID控制器。该控制器采用改进的BP神经网络PID控制算法,通过BP神经网络的自学习和权值调整寻找最优的PID参数,克服了常规PID控制参数整定困难的缺陷,实现了系统的自适应控制。通过MATLAB/Simulink环境和S-Function模块建立了主动磁悬浮轴承控制系统模型,并进行了系统仿真实验,结果表明,BP神经网络自适应PID控制系统响应速度更快,具有更好的动态性能和稳态性能。     

具有杂交、变异因子的自适应蚁群算法最优PID参数

以蚁群系统为基础,提出了一种具有杂交、变异因子的自适应蚁群算法优化PID控制参数的方法,该方法克服了一般蚁群算法收敛速度比较慢,容易出现停滞以及全局搜索能力较低的缺点,能够令人满意地实现PID控制参数的优化。仿真实验结果与Z-N法、遗传算法优化的结果进行比较,系统单位阶跃响应的超调量σ和调整时间ts大幅度减少,动态和稳态性能进一步改善,证明该算法具有更新的模拟进化优化方法的有效性。     

一种新型自适应复合控制器在锂电池充电系统中的应用

为了解决锂电池充电系统的不确定性和参数整定困难的问题,本文提出了一种基于蚁群算法优化的模糊＋变论域模糊PID复合控制器的新方法。该控制器在系统波动频繁时,采用模糊控制使其具有最优的动态性能;当系统进入稳定阶段,采用PID参数自适应的变论域模糊控制以提高准确度。而用蚁群算法对PID参数值进行离线优化,并将优化后的值作为在线调节的初值,使系统更加稳定。将提出的复合控制策略应用于锂电池充电控制系统中。仿真结果表明,该系统具有良好的抗干扰性和鲁棒性。     

改进蚁群算法优化PID控制器参数及其应用(英文)

绝大多数工业工程控制仍然使用PID控制器,但由于它不易获得精确的数学模型和其非线性时变系统的性质,传统PID控制难以获得良好的控制品质、难以满足精确的控制要求。为了使PID控制器达到理想的控制效果,提出了一种基于改进蚁群算法的PID参数优化整定算法。该算法采用了信息素挥发系数和信息素强度自适应调整机制和动态更新策略,用以加速优化算法的收敛。该算法简单易行,更容易找到全局最优解,优化效率和性能明显提高。仿真实验结果表明,同现有的优化算法整定的结果比较,被控系统的超调量、调整时间等明显减少,动态特性、鲁棒性和稳定性等明显提高,进而验证了所设计算法的可行性和优越性。     

基于RBF网络的PID参数自整定控制器在恒压供水系统中的应用

针对变频恒压供水对象的非线性、不确定、大滞后的特点,设计了基于RBF网络的PID参数自整定控制器,该控制器能根据RBF网络辨识的Jacobian信息,采用梯度下降算法自动在线调整PID控制器的参数,达到自适应控制的目的,克服了传统PID控制设计中的参数调整困难的问题,同时控制系统的动态和静态性能有较大的提高。通过仿真验证了控制系统的有效性。     

电动负载模拟器多余力矩抑制方法研究

为了解决多余力矩对电动负载模拟器强干扰,影响加载指令跟踪精度的问题,论文将基于蚁群优化的PID控制方法用于加载电机控制器的设计.首先在分析加载电机结构以及工作原理的基础上建立了电动加载系统的数学模型,并利用结构不变性原理进行前馈补偿推导;其次针对常规PID控制器无法通过变参数来应对复杂的非线性环境的问题,提出了一种基于...     

基于智能优化PID的矢量控制系统

针对异步电动机矢量控制系统的速度控制策略,文章提出了蚁群算法参数寻优的矢量控制系统.构造一个按转子磁场定向的转速、磁链闭环控制的矢量控制系统,利用MATLAB/SIMULINK对该矢量控制系统进行仿真研究。仿真实验结果表明该系统较常规PID调节器构成的系统具有更好的动、静态性能和鲁棒性。     

一种非线性PID控制算法的仿真研究

研究PID控制系统优化问题,工业控制被控对象均具有非线性、时变和大时滞性,引起系统的品质性能差,传统的线性控制难以达到所要求精度。为了提高系统控制精度,利用PID控制器各增益参数与偏差信号间的非线性关系,提出一种非线性PID控制算法。首先将PID参数转化为优化问题,然后采用粒子群算法的全局、并行搜索能力对非线性控制参数进行求解,得到一组最优的PID控制参数。仿真结果表明,相对于传统线性PID控制,非线性PID控制器超调小,调节时间短,并提高了控制精度,有效解决了传统PID难以准确控制非线性对象的难题。     

CONTROL OF DEAD-TIME SYSTEMS USING HYBRID ANT COLONY OPTIMIZATION

This paper introduces two improved forms of the ant colony optimization (ACO) algorithm applied to a proportional integral derivative (PID) controller and Smith predictor design. Derivative free optimization methods, namely simplex derivative based pattern search (SDPS) and implicit filtering (IMF), are used to intensify the search mechanism in the ACO algorithm with improved convergence over the original ACO. The effectiveness of the controller schemes using the proposed algorithms, namely SDPS-ACO, and IMF-ACO, is demonstrated using unit step set point response for a class of dead-time systems, and the results are compared with some existing methods of controller tuning.     

基于新型信息素更新策略的蚁群算法*

深入研究了蚁群优化算法（ACO）的路径搜索及参数控制策略,分析了其存在的缺陷。为了提高ACO算法的解题能力,提出一种新型信息素更新策略（PACS）,然后将PACS算法与其他蚁群算法分别应用于旅行商问题（TSP）进行仿真实验。仿真结果表明,PACS算法具有优良的全局优化性能,可抑制算法过早收敛于次优解,有效防止了停滞现象,收敛速度也大大加快。     

基于蚁群优化的模糊神经网络控制器的应用研究

针对传统PID控制方式的不足,文章提出了一种新的永磁同步电动机控制策略,即采用蚁群优化算法对模糊神经网络控制器的3个因子参数ka、kb、ku进行全局优化,给出了永磁同步电动机的数学模型,详细介绍了模糊神经网络控制器的设计,分析了蚁群优化算法,并进行了仿真实验。仿真结果表明,基于蚁群优化模糊神经网络控制器的永磁同步电动机调速系统具有很强的鲁棒性和自适应性,动态响应快,能够较好地跟踪负载变化。     

基于模糊自适应PID的随动系统设计与仿真

研究随动控制系统优化问题,常规PID控制器参数调试凭经验,导致系统性能不高。为了提高系统快速性和稳定性,提出并设计了模糊自适应PID控制器,可以对参数进行在线修正以使系统性能最优。可采用经验法调试的常规PID参数为初值,再用模糊化和近似推理等对参数进行在线修正,从而使系统性能达到最优。既具有模糊控制灵活性和适应性强的优点,又具有PID控制精度高的优势。通过设计模糊自适应PID控制器,以某二维随动转台系统为对象,在MATLAB环境中进行了仿真,并与常规PID控制器的性能进行了对比,结果表明模糊自适应PID控制器的响应特性优于传统的PID控制器,响应速度更快,稳态精度更高,为随动系统优化设计提供了依据。     

Optimum design of fractional order PID controller for AVR system using chaotic ant swarm

Fractional-order PID (FOPID) controller is a generalization of standard PID controller using fractional calculus. Compared to PID controller, the tuning of FOPID is more complex and remains a challenge problem. This paper focuses on the design of FOPID controller using chaotic ant swarm (CAS) optimization method. The tuning of FOPID controller is formulated as a nonlinear optimization problem, in which the objective function is composed of overshoot, steady-state error, raising time and settling time. CAS algorithm, a newly developed evolutionary algorithm inspired by the chaotic behavior of individual ant and the self-organization of ant swarm, is used as the optimizer to search the best parameters of FOPID controller. The designed CAS-FOPID controller is applied to an automatic regulator voltage (AVR) system. Numerous numerical simulations and comparisons with other FOPID/PID controllers show that the CAS-FOPID controller can not only ensure good control performance with respect to reference input but also improve the system robustness with respect to model uncertainties.