一种基于混沌优化的免疫PID控制器

针对目前智能PID控制器普遍存在的诸如计算量大、收敛速度慢以及控制精度相对较差等问题,提出一种基于混沌优化的免疫PID控制器。与传统的免疫PID控制器相比主要做了两个方面的改进,一个是利用小波神经网络对免疫PID控制器的非线性函数部分进行逼近,另一个是利用混沌优化算法对免疫PID控制器的三个控制参数进行优化。仿真结果表明该控制器的控制性能优于其它类型的智能PID控制器以及常规PID控制器。     

用遗传算法设计模糊控制器

对遗传算法（ＧＡ）进行改进，将改进后的遗传算法到模糊控制器的设计中，以工业过程控制为对象，通过二阶系统模型的计算机仿真表明：改进后的遗传算法比传统方法具有更好的控制性能，可实现模糊控制规则的自校正和量化因子的寻优。     

基于粒子群优化的PID伺服控制器设计

针对耦合和非线性永磁同步电机（PMSM）控制器优化设计的难题,提出了基于粒子群优化（PSO）算法的比例、积分和微分(PID)控制器的优化设计方法.结合PSO的基本原理和PMSM伺服系统的控制策略,给出了优化PID控制器设计的步骤.考虑到综合评价系统的各项性能指标,在优化过程中引入了新的模糊汉明距离的评价策略.同时对遗传算法（GA）和PSO算法优化结果进行对比研究.仿真和实验结果表明,该方法能搜寻到最优或次最优的参数空间,并能取得比GA更好的空间解.优化得到的PID控制器速度响应快、超调量小,有效地提高了伺服系统的动态性能.     

基于混沌优化的规范化PID控制器及其应用

为了解决PID参数整定繁琐，难以达到最优状态，控制结果出现较强的振荡和大超调等问题，作者提出一种规范化PID控制器参数混沌优化方案，由于混沌运动具有遍历性，随机性等特点，它能在一定的范围内按期自身规律不重复地遍历所有状态，把混沌动力学特性与退火策略结合起来在规范化PID参数域中实现混沌优化搜索，具有更强的搜索PID参数全局最优值的能力，对水轮机调速系统进行控制仿真，结果表明；该算法能有效地实现PID参数最优整定；控制结果具有稳定，超调小，响应快，调节时间短，结构简单，容易实现的优点，为解决PID控制器参数全局最优设计提供了一种有效的方法。     

模糊控制器的混沌优化方法

为了避免模糊控制器设计过程中参数的大量调试工作,并使其具有最佳的控制性能,本文首次将混沌优化方法应用于模糊控制器参数设计。混沌优化方法用载波方式将优化变量转变成混沌变量,然后利用混沌变量的遍历性直接寻优。倒立摆的仿真结果表明,该方法简单易行,所设计的模糊控制器鲁棒性好、适应性强,混沌优化方法为模糊控制器的参数设计提供了又一有效手段。     

改进粒子群算法在PID参数优化中的应用

针对火电厂循环水加酸控制系统存在控制系统对象难以建立、非线性和时变的特性,采用了改进的粒子群优化算法优化PID参数,使得控制器可在不同环境温度下采用不同的PID参数.实际运行结果表明,该系统能够克服环境温度带来的干扰,使循环水pH值被控制在给定值范围内.     

改进粒子群算法在PID参数优化中的应用

针对火电厂循环水加酸控制系统存在控制系统对象难以建立、非线性和时变的特性,采用了改进的粒子群优化算法优化PID参数,使得控制器可在不同环境温度下采用不同的PID参数.实际运行结果表明,该系统能够克服环境温度带来的干扰,使循环水pH值被控制在给定值范围内.     

基于粒子群优化的神经网络PID控制器在供热系统的研究

集中供热系统是一个具有时滞性、非线性、大惯性等特点的复杂控制系统,传统PID控制无法达到令人满意的效果,还造成一定的资源浪费。BP神经网络PID控制器尽管在一定程度上改善了PID控制器的性能,但是BP神经网络自身仍有一些缺陷。为了能够提高供热系统的稳定性,进而实现合理用热,采用粒子群算法(PSO)优化BP神经网络PID控制器的权值。设计PSO-BP-PID控制器后,借助MATLAB仿真平台,获得传统PID控制、BP-PID控制以及PSO-BP-PID控制的仿真系统响应曲线图,根据曲线对比得出系统性能的改进情况。     

模糊PID控制器的设计研究

本文以数字ＰＩＤ控制器为基础，引入模糊集合论，将ＰＩＤ参数动态变化，介绍了一种新的模糊ＰＩＤ控制器。着重对模糊ＰＩＤ控制器的结构、原理、设计原则和步骤进行了叙述。研究结果表明，与数字ＰＩＤ控制器相比，模糊ＰＩＤ控制器的动态品质较优，适应性更强。     

粒子群算法在模糊神经网络系统辨识中的应用

由于模糊算法过于依赖专家知识,参数决定过程中人为主观因素过大且无法进行自学习;而神经网络算法收敛速度较慢,还可能陷入局部最小.本文针对上述这两种算法在实际应用中的缺陷,引入并介绍了一种高效的粒子群算法,在采用Sugeno模糊推理计算模型建立模糊神经网络的基础上,利用粒子群算法收敛快、算法简单和全局寻优的优势,实现模糊神经网络的优化辨识,并进行了仿真实验.     

基于神经网络PID控制器的混沌系统控制与同步

提出了一种基于神经网络参数自整定PID控制器的混沌控制方法。该方法由神经网络辨识器和神经网络控制器组成,神经网络学习算法均采用Davidon最小二乘法。考虑到混沌系统的动力学特性,施加单个控制量可实现模型未知混沌系统的平衡点镇定和自同步,仿真结果证实了该方法的有效性。     

基于模糊PID温湿度解耦控制器的仿真与结果分析

根据温室中各环境因子之间具有相互耦合的关系,结合模糊控制器具有灵活性、适应性强的优点和PID控制器具有高精度的特点,设计了基于模糊PID温湿度解耦控制器,给出了系统仿真分析结果。实现了系统的动态响应曲线超调量小、稳态精度高的要求,能够达到最佳的控制状态．     

基于模糊自调整PID技术的励磁控制器研究

结合模糊控制理论和常规PID励磁控制器,提出了模糊自调整PID励磁控制技术。选取自并励励磁模型作为对象,在MATLAB软件下对常规PID励磁控制与模糊自调整PID励磁控制进行仿真研究。结果表明,模糊自调整PID励磁控制能有效地改善系统的动态品质,提高系统的抗干扰能力,对运行状态改变时模型变化的鲁棒性有较大提高。     

基于神经元网络与模糊PID的光伏系统MPPT复合控制

将神经元网络与模糊PID复合控制技术应用在光伏系统MPPT控制器中,解决光伏系统传统MPPT控制算法的局限性以及无法自适应外部复杂情况等诸多问题。利用离线训练后的前馈神经网络预测最大功率点电压与实际电压进行比较,作为模糊控制器的输入,通过模糊推理对PID相关参数实现最佳调整。仿真结果表明:该控制算法能增强消除系统误差能力,可获得更高的控制精度。更多还原     

一种模糊自适应PID控制器的设计与仿真

将模糊控制理论与自适应控制理论应用于PID控制器的参数整定 ,使PID控制器的参数调节自动适应控制对象数学模型的参数变化 .对这种模糊自适应PID控制器进行了可行性设计 ,并运用C语言进行仿真实验 .实验证明 ,这种控制器在改善被控过程的稳定性、响应速度和超调量等动态静态性能以及对参数时变的适应能力方面均优于常规PID控制器     

积分过程的PID控制器智能优化设计

针对积分时滞过程,采用微粒群优化(PSO)算法对比例-积分-微分(PID)控制器的参数进行优化设计.通过将PID控制器的参数设置为群体微粒在参数空间中的位置,模拟群体智能和动物觅食的动态行为来对PID参数寻优,使代表PID控制器参数的微粒逐渐向最优区域移动,获得最佳的PID参数.在优化过程中采用了偏差平方积分(ISE)的优化指标.实例仿真结果表明,基于微粒群算法优化得到的PID控制器不仅响应速度快、超调量小、抗干扰能力强,而且对过程时滞的变化具有较强的鲁棒性.     

基于PAC的在线模糊自适应PID控制器设计

PID控制适合用于已知精确数学模型的被控对象,具有稳态误差小等特点.模糊控制不需要被控对象的数学模型,响应速度快,但是有静差.将这两种控制技术相结合,设计一种模糊自适应PID控制器,具有响应速度快、稳态误差小的特点.采用上位机和PAC结合,上位机中的iFIX组态软件利用OPC技术和MATLAB软件中的模糊控制器通讯,把实时值和设定值送给模糊控制器,同时把模糊控制器的输出(比例系数、积分系数和微分系数)送回PAC,在PAC中根据PID算法计算控制量,由PAC控制被控对象,实现在线模糊自适应PID控制.对水箱液位进行控制的结果表明,采用在线模糊自适应PID控制器后,控制系统的响应速度加快,无超调,具有较好的稳定性和鲁棒性.     

基于模糊神经网络的水泥强度预测

利用软计算技术预测水泥强度不但是一项新的尝试，而且具有较高的理论和应用价值。本文利用模糊神经网络良好的非线性逼近能力建立了水泥强度的模糊神经网络预测模型。模糊神经网络的学习算法采用的是快速的粒子群优化算法。仿真结果表明，该模型在预测水泥28d强度方面达到了很高的精度，有较好的实用价值。