干涉式闭环光纤陀螺仪的PSO-PID控制优化方法

控制系统的设计会对响应速度快且应用范围较广的数字干涉式闭环光纤陀螺(ICFOG)动态性能产生影响。通过分析ICFOG的工作原理,推导出闭环离散控制系统,并利用粒子群优化算法(Particle Swarm Optimization,PSO)对传统的PID控制器参数进行优化。基于这个优化过程,设计一种新型的PSO-PID复合控制器,以取代传统的PID控制器。通过与其他BP神经网络、模糊控制等方法进行对比凸显该控制方法的优越。通过数字仿真分析显示,跟踪速度相较于BP-PID控制方法提高了1.91倍,相对于PID控制方法提高了3.5倍,相对于F-PID控制方法提高了1.75倍。同时,控制精度相对于BP-PID控制方法提高了46.03%,相对于PID控制方法提高了66.30%,相对于F-PID控制方法提高了45.27%。结果显示,采用PSO-PID控制器能够快速达到控制目标且具有较小的超调量。

基于改进的PSO-BP神经网络算法的永磁同步电机PID参数整定

针对PMSM矢量控制中PID控制器在线整定困难的问题,提出BP神经网络与PID控制器相结合,采用改进粒子群算法对其网络权值矩阵进行优化.将算法在Matlab中实现并整定PID参数,代入Simulink中仿真PMSM矢量控制模型,得到超调量为10.5%、调节时间为0.42 s且加入负载后表现更优的PID参数.实验结果表明PSO-BP-PID算法相较于PID整定有更好的精确度及准确性.

引入PID反馈的SHAEKF算法估算电池SOC

电池荷电状态(SOC)的估算精度是电动汽车电池组的重要指标。为提升SOC估算精度,在融合Sage-Husa扩展卡尔曼滤波(SHEKF)算法与自适应扩展卡尔曼滤波(AEKF)算法的基础上,增加比例积分微分(PID)反馈环节,形成改进算法。采用粒子群优化(PSO)算法对二阶RC等效电路模型进行参数辨识;用开源电池数据集对模型和算法进行实验和分析。改进的SHAEKF算法在电池动态应力测试(DST)、北京动态应力测试(BJDST)和美国联邦城市驾驶(FUDS)等工况下的平均估计误差都在1%以内,与单纯的融合算法SHAEKF算法相比,最大误差可减小5%。

基于粒子群算法的分数阶PID主动磁轴承控制

针对主动磁轴承(AMB)四自由度间强耦合、非线性导致控制器控制效果不佳的问题,将分数阶PID(FOPID)控制器引入AMB控制系统,提出了基于粒子群(PSO)算法的FOPID控制器以提高控制器的响应速度并抑制转轴位移超调量,提高控制精度。采用时间乘以误差绝对值积分(ITAE)作为性能指标,在限制电流模块不同幅值条件下,将FOPID控制器与PID控制器进行比较。仿真结果显示,PSO算法可以简化FOPID控制器参数的调节过程;随着限制电流的提升,FOPID控制器的控制效果明显优于PID控制器,在5 A输入电流的限制下其性能指标高出PID控制器约1.05%;随限制电流幅值增加,在60 A输入电流的限制下性能指标可高出PID控制器约26.25%。

基于PSO-BP神经网络的分拣机器人视觉反馈跟踪

针对分拣机器人视觉反馈跟踪精度差、耗时较长的问题,研究基于粒子群算法-反向传播(particle swarm optimization-back propagation,PSO-BP)神经网络的分拣机器人视觉反馈跟踪方法,以提升视觉反馈跟踪效果。依据分拣机器人的视觉反馈信息,建立分拣机器人运动学模型,并求解分拣机器人机械臂输出位置和输入位置的误差函数;利用PSO算法优化BP神经网络的权值与偏置;在权值与偏置优化后的BP神经网络内,输入误差函数,预测分拣机器人视觉反馈跟踪控制量;利用预测视觉反馈跟踪控制量,在线调整增量式比例-积分-微分(proportional-integral-derivative,PID)的参数,输出高精度的分拣机器人视觉反馈跟踪控制量,实现分拣机器人视觉反馈跟踪。实验结果表明,该方法可有效视觉反馈跟踪分拣机器人机械臂的关节角;存在干扰情况下,在运行时间为10 s左右时,阶跃响应趋于稳定;有干扰情况下,视觉反馈跟踪的平均误差为0.09 cm,耗时平均值为0.10 ms;无干扰情况下,平均误差为0.03 cm,耗时平均值为0.04 ms。

基于改进PSO-BP神经网络的电锭细纱机的PID控制

电锭细纱机为单锭单电机驱动,其每个驱动单元为独立运转的无刷直流电机,而传统PID调节无法满足电锭细纱机电锭单元高精度的控制要求,外部的扰动与电机的非线性性将影响细纱机锭子之间的转速,造成锭子之间转速存在较大差异,从而降低了同批纱线的质量。针对这一问题,将改进的PSO-BP神经网络应用于电锭细纱机PID参数的在线整定,减小电机之间的速度波动。引入了逻辑回归特性的惯性权重因子,采用了异步时变的学习策略并结合收敛精度从三方面对粒子群算法进行了优化,改善了网络的初始权值并提高了收敛速度,实验和仿真结果表明,改进后的PID控制器有更高的调速性能和更好的抗干扰能力,有效降低了细纱机锭子之间的转速差。

改进PSO-BPNN供水泵站变频恒压PID控制

供水泵站是变频恒压系统,要求保障水压稳定,且在干扰情况下能快速响应并恢复稳定。为提升系统稳定性、高效性,提出一种改进PSO-BPNN的PID控制方法。首先构建供水泵站变频恒压控制模型,再基于BPNN实现PID非线性控制,提出一种PSO惯性权重改进策略,以提升PID参数的计算效率,从而更好地满足供水泵站控制需求。实验表明,本文算法响应快速、无超调,且具有稳定的非线性信号跟踪性能。相比BPNN、PSO-BPNN的两种PID控制算法,本文算法在恒压实验的调节时间缩短了29.6%和2.8%;在干扰实验中,超调量减少了34.6%和19.9%,稳定时间缩短了7.3%和1.6%。本文算法可提升供水泵站系统的稳定性和高效性。

基于PSO-PID的拖拉机线控液压转向控制研究

PID控制是典型的控制系统,其核心内容是PID参数优化。为解决拖拉机线控液压转向PID控制参数优化时不能确保得到最佳性能且耗时长的问题,课题组采用了理论分析法及仿真实验法,对线控液压转向系统的模型进行了仿真分析,基于粒子群算法(PSO)优化了PID参数,提出了PSO-PID控制器,并将其控制结果与标准PID进行对比,得出了使整个PID系统性能优异的优化结果。仿真结果表明,PSO算法有效提高了PID参数的稳定性、收敛速度和搜索精度,性能指标更优。

基于改进PSO-PID的悬臂式掘进机液压系统控制优化

考虑到悬臂式掘进机液压系统非线性情况,同时负载会发生突变,无法准确预测,根据传统粒子群优化(PSO)算法,综合运用混沌初搜索及最优点细搜索,使算法实现全局与局部优化性能的平衡,再对掘进机液压控制系统进行比例、积分和微分(PID)参数优化。采用混沌优化算法初搜索及灰狼算法佳点集细搜索,改良PSO算法。结果表明:改进后的PSO算法更高效,不会发生超调的情况,显著改善了优化性能,即使受外部扰动因素的影响,也能满足目标值的精确跟踪要求。本算法可优化液压缸控制系统稳态和动态特性,增强稳定性和自适应性,大幅提升煤矿开采履带设备的运行效率。

基于改进PSO模糊PID的管廊吊具同步控制

装配式综合管廊的截面尺寸大、吨位重,且质心与形心不重合,管廊吊装时易出现偏载现象。为保证管廊节段吊装的安全性和稳定性,提高吊具液压缸组的同步控制精度,研究了相邻交叉耦合与改进PSO模糊PID相结合的同步控制策略。根据吊具结构及液压系统,搭建了阀控非对称缸数学模型。通过在线性递减权重中引入混动因子对粒子群算法进行改进,采用改进PSO对量化因子和比例因子进行更新迭代,实现了模糊PID参数的优化。对吊具4个液压缸进行同步控制仿真,并与试验数据对比。结果表明:相较于传统PID和模糊PID,在改进PSO模糊PID控制下,管廊吊具系统运行稳定,响应速度更快;工程试验的液压缸组最大同步误差为2.43 mm,吊装最大倾角为-0.51°,验证了同步控制策略的有效性。

基于粒子群优化BP神经网络PID的供热控制系统仿真研究

供热系统技术属于清洁技术,但其能耗非常大,因此在供热系统中能源的损耗问题就显得尤为重要。与此同时,我国供暖过程多数是用传统PID对供暖系统进行控制,由于传统PID控制响应时间长、超调量高且受外界影响较大,造成能源未充分利用、浪费现象严重。因此针对此问题,提出了在供暖系统中采用一种基于粒子群优化BP神经网络PID的控制策略,不仅可以解决供暖时水温不稳定、水温上升时间长等问题,而且可以更好地解决能源未充分利用问题。本文建立供热系统的数学模型,然后利用Matlab中的Simulink设计并仿真粒子群BP神经网络PID控制器。实验结果表明,改进后的PID控制器抗干扰能力强且具有较好的鲁棒性,对供热控制系统有更好的控制效果。

基于改进PSO算法的永磁同步电机模糊PI控制方法研究

永磁同步电机作为装配工艺中电动夹爪常用的动力源器件,在实际控制系统中通常采用传统可靠的PID控制,但传统的PID控制精准度较低,对外界干扰较为敏感,无法满足电机的实际要求。为解决这一问题,利用MATLAB/Simulink模块搭建电机的控制系统模型;加入模糊控制,利用模糊推理对PID的变量进行自适应调节;引入改进的粒子群算法,以实现永磁同步电机系统的精确控制。仿真结果表明,该方法与传统PI控制相比具有更快的响应速度、更小的超调量、更强的抗干扰能力,系统稳定性显著提高。

基于改进PSO算法的磁浮列车PID控制器参数优化

为减小磁浮列车气隙控制中非线性的影响,将粒子群优化(PSO)算法用于磁浮列车控制器参数优化,并在线性递减权重粒子群算法的基础上,提出了一种改进的粒子群优化算法.算法采用了邻域结构、停滞检测以及对全局最佳粒子的微扰,以改善算法的优化速度和收敛性.仿真和实验结果表明,将改进算法获得的优化参数用于磁浮列车的比例积分微分(PID)控制器,比原有PID控制器的输出超调减小45%.

一种基于改进PSO算法的PID控制器参数整定方法

在线性权重下降PSO(LWDPSO)和随机PSO(SPSO)的基础上,提出一种交互进化PSO算法(IEP-SO),将粒子群分成两组,分别采用标准PSO和SPSO并行交互进化,各侧重于全局搜索和局部搜索,根据进化代数动态调整两种算法中进化的粒子数。通过仿真实验,证明了IEPSO的寻优性能优于LWDPSO与SPSO。Zie-gler-Nichols、LWDPSO、SPSO和IEPSO分别对控制对象进行整定仿真测试,证明了IEPSO对PID控制器参数整定效果最佳。

改进PSO电液伺服系统的在线PID参数整定

针对传统的电液伺服系统PID控制器参数在线整定难以达到最优的问题,提出了一种解决方法。根据系统的动态模型,在系统时变参数的变化范围内取若干值,得到一组相应数目的定参数系统模型。针对这组模型,采用改进PSO整定PID参数,获得一组近似最优化的PID参数,拟合数据得到PID参数曲线,利用该曲线进行电液伺服系统的在线整定。该方法可实现近似最优的PID参数在线整定,控制系统的性能得到了明显的提高。仿真结果证明了该方法的有效性。

基于混合PSO神经网络的自整定分数阶PID控制器

提出了一种基于混合PSO和RBF神经网络的自整定分数阶PID控制器的设计方法.该控制器主要由三个部分组成:(1)分数阶PID控制器直接控制被控对象;(2)利用细菌觅食算法和粒子群算法混合优化分数阶PID参数值,作为初始值;(3)利用RBF神经网络具有以任意精度逼近非线性函数及训练速度快的优点,在线整定分数阶PID值,并完成对被控对象的Jacobian信息辨识.实验仿真结果表明:该控制器具有响应速度快、收敛精度高、鲁棒性强等特点,可适用于不同的对象和过程,特别是复杂的、无确定数学模型的控制系统.

基于改进PSO算法的多变量PID型神经网络控制

充分利用PID结构简单、稳定性强的良好性能以及神经网络的自学习和自适应的特长,引入粒子群优化(PSO)学习算法,设计一种多变量自适应PID型神经网络控制器。神经网络的隐含层由带有输出反馈和激活反馈的混合局部连接递归网络组成,采用PSO学习算法优化神经网络参数。在深入研究分析PSO算法的基础上,引入变异因子和惯性权重自适应策略对该算法进行改进,既发挥了PSO算法随机优化收敛速度快的优点,又克服了该算法易陷入局部最优点的缺点,显著提高了控制系统的性能指标。最后,通过对二级倒立摆控制的仿真分析,证明该算法具有较强的鲁棒性。

基于PSO自整定PID的塔架式抽油机调速系统研究

开关磁阻电机起动电流小、起动转矩大,能频繁的重载换向,适用于低冲次的塔架式抽油机,但其具有非线性和强耦合性,调速系统难以控制.将PSO（粒子群）自整定PID控制算法引入到开关磁阻电机调速控制系统中来,在分析开关磁阻电机数学模型的基础上建立了开关磁阻电机调速系统的Simulink模型,经MATLAB仿真,该电机在400 ～1 200 rad/s范围内响应速度比PID控制提高27.2％～ 55.7％,且大大减小了电机的转矩脉动.经模拟实验验证,利用PSO自整定PID控制可显著提高开关磁阻电机调速系统的抗干扰能力和鲁棒性,使塔架式抽油机的运行噪音大为降低.

基于PSO的钻机快速自适应PID控制

针对传统液压盘刹钻机PID控制系统响应速度慢、稳态误差大、参数整定周期长,以及无法满足随钻遇地层变化实时参数优选的不足,以恒钻压自动送钻为研究对象,构建了液压盘刹钻机控制模型,设计了粒子群算法(PSO)优选钻机PID控制参数,并实现在Simulink环境下自动调用优选出的PID参数,提高了钻机控制参数的快速、自适应整定。仿真结果表明,与传统采用Z-N经验公式法、试凑法和遗传算法(GA)实现钻机PID控制相比,基于PSO的钻机快速自适应PID优化控制能够有效地提升系统响应速度,降低系统稳态误差,满足钻机恒钻压随钻控制的实时性、准确性需求,实验结果证明了该方法的可行性和优越性。

基于改进PSO的模糊PID高枝修剪机械臂末端抑振算法与试验

针对设计的高枝修剪机械臂定位过程易产生振动,难以快速、准确地将待修树枝对入锯切口的问题,分析大臂展、高负载自重比臂架系统的柔性特征,在此基础上研究末端修枝锯的抑振控制方法,实现末端修枝锯的快速精准定位。首先介绍了高枝修剪机械臂结构和工作原理,分析了臂架系统的柔性特征对末端修枝锯定位产生的影响;其次通过结构关系推导和有限元方法建立了机械臂的数学模型并进行动力学分析,并设计基于改进粒子群离线优化的模糊PID控制方法,实现了对末端修枝锯的主动抑振控制;最后分别在Simulink环境中和样机系统上进行了数值仿真和试验验证。综合仿真和试验结果表明:该文设计的控制方法可以实现末端修枝锯的主动抑振,定位过程中修枝锯能够在短时间内进入稳态,超调量不足开环状态下的50%,震荡调整时间小于1 s,经1 s后振幅衰减至峰值的5%以下,从而达到了较好的末端抑振效果,改善了修枝锯的定位性能,提高了高枝修剪机械臂的作业效率。相关研究可为其他具有一定相似柔性特征的机械提供末端抑振和精准定位的控制经验参考。