二自由度机器人轨迹跟踪误差控制优化研究

为了提高2自由度机器人控制系统响应速度,降低其输出误差,设计改进模糊PID控制器,并对2自由度机器人角位移跟踪效果进行仿真验证。给出多连杆机器人的动力学模型,设计模糊PID控制器。利用粒子的迭代搜索原理对模糊PID控制器参数进行优化,从而得到模糊PID控制器参数的最优值,使机器人控制系统具有更好的抗干扰能力。以2自由度机器人为例,利用Matlab软件对机器人角位移和转矩进行仿真,在不同环境中比较优化前和优化后的输出效果。结果显示：采用改进粒子群优化算法优化PID控制器参数,2自由度机器人控制效果明显优于模糊PID控制器。2自由度机器人优化后的模糊PID控制器,不仅响应速度快,而且抗干扰能力强。     

电锅炉温度控制系统中的混沌优化PID控制器设计

利用混沌运动的遍历性特点,设计了针对电锅炉温度控制系统的基于混沌优化的PID控制器,仿真结果表明该算法能够实现PID参数的最优整定,具有良好的动态和稳态控制效果。     

基于ACO的连铸结晶器液位控制系统设计

常规PID不适用于具有非线性、时变特性和耦合性强等特征的连铸机结晶器液位控制系统,为此设计一种蚁群优化BP神经网络的智能PID控制器.采用系统辩识方法确定结晶器液位控制系统的数学模型;设计了控制器的系统结构,采用蚁群算法(ACO)训练BP网络的权值,以获得全局最优PID控制参数,在Matlab中进行仿真.实践结果表明,该算法收敛速度快、无超调、稳定性好.     

基于ACO的连铸结晶器液位控制系统设计

常规PID不适用于具有非线性、时变特性和耦合性强等特征的连铸机结晶器液位控制系统,为此设计一种蚁群优化BP神经网络的智能PID控制器.采用系统辩识方法确定结晶器液位控制系统的数学模型;设计了控制器的系统结构,采用蚁群算法(ACO)训练BP网络的权值,以获得全局最优PID控制参数,在Matlab中进行仿真.实践结果表明,该算法收敛速度快、无超调、稳定性好.     

一阶时滞对象的最优内模PID控制

针对使用传统PID参数整定方法难以获得最优性能的问题,介绍了一种基于内模控制的PID控制器设计方法,使用蚁群优化方法对其中的参数进行优化,使系统达到某一最优性能指标.另外介绍了一种高阶模型的降阶方法,该方法计算简单并具有较高的精度.最后同其他著名的整定方法进行了比较,结果显示该方法有较大的灵活性,在某一性能指标下可使系统获得最优或接近最优的性能.Matlab仿真研究表明了该方法是有效、可行的.     

液粘传动PID优化控制研究

基于ITAE准则,采用单纯形法对液粘传动PID调节器三个参数进行寻优设计,通过优化使系统性能达到最优。理论分析和仿真计算结果表明,优化后的系统对于减小液粘传动的速度波动,加快响应速度,提高调速性能具有明显的效果。     

改进粒子群算法在磁轴承中的研究

针对主动磁悬浮轴承系统PID控制器参数设计问题,提出一种改进粒子群优化算法来实现PID参数的最优化。该算法以标准粒子群算法为基础,采用非线性自适应调节权值法以平衡算法的全局搜索和局部改良能力;同时采用带有动态扰动项的粒子速度更新公式,增加了粒子的随机性和多样性,帮助粒子在迭代后期跳出局部最优。并在MATLAB/Simulink中搭建系统模型进行仿真实验。仿真结果表明:与标准粒子群算法和遗传算法相比,该算法收敛到最优参数值的速度更快,PID控制系统的响应速度更快,具有更好的动态性能和稳态性能。     

采用改进模糊神经网络PID控制的移动机器人运动误差研究

移动机器人在复杂环境中运动,容易受到各种波形的干扰,导致移动机器人跟踪误差较大.对此,创建了移动机器人平面简图模型,建立移动机器人动力学方程式.在传统PID控制方法的基础上,设计了模糊神经网络PID控制方法.采用改进粒子群算法优化模糊神经网络PID控制参数,输出最优PID控制参数.采用Matlab软件对移动机器人跟踪误差进行仿真,并与传统PID控制方法进行比较和分析.仿真结果显示:在正弦波的干扰环境中运动,传统PID控制方法不能抑制外界环境的干扰,实际运动轨迹与理论运动轨迹偏差较大;而改进模糊神经网络PID控制方法能够抑制外界环境的干扰,实际运动轨迹与理论运动轨迹偏差较小.移动机器人控制系统采用改进模糊神经网络PID控制方法,能够在线调整PID控制器参数,控制精度较高.     

基于遗传算法的PID控制参数研究分析

针对PID控制参数整定这一自动控制领域研究的难点问题,提出了一种基于遗传算法的PID控制参数优化方案,并详细给出了PID控制参数优化算法的实现步骤。为提高算法效率与控制器性能,分别对算法中的交叉环节与变异环节做自适应处理,并进行仿真实验。结果表明,提出的基于遗传算法的PID参数优化方案在最优解的质量与执行效率方面都具有较好的控制效果。     

基于柯西变异的粒子群算法PID控制PMSM

在工业中,永磁同步电机(PMSM)普遍采用PID控制,其中参数的选取等效为优化问题,采用粒子群算法(PSO)优化可以有效地寻找最佳的PID控制参数。但传统的粒子群算法搜寻最优位置时间久,且容易陷入局部寻优。因此,我们提出了一种基于柯西变异的粒子群算法优化PID控制永磁同步电机,利用柯西变异较长的"尾部"使全局最优粒子(gbest)跳跃到一个更好的位置,逃离局部寻优,得到最优PID参数。通过构建电机电流环PI矢量控制的s函数模型,仿真验证该算法寻优能力强,搜索能力高,稳定性好,具有良好的动态性能。