基于混合遗传算法优化的制导炸弹BP网络PID控制器

经典的PID控制方法虽然其物理意义明确、参数调整简便,但是面对现代的过程控制对象所具有的非线性、时变和多种不确定干扰等特性,使得基于精确线性数学模型的设计思路很难直接获得满意的动静态控制效果。在BP神经网络控制的基础上,采用混合遗传算法优化BP反向传播权系数值,推导了算法过程,设计了基于混合遗传算法优化的制导炸弹BP网络PID控制器。最后,以某制导炸弹纵向通道设计为例,仿真结果表明控制器能使得制导炸弹准确命中目标,并且具有较好的鲁棒性能。

PID参数整定的一种混合优化算法

PID控制器是工业界应用最广泛的控制策略,参数整定是PID控制器设计的核心内容。提出一种基于遗传算法和数值优化算法的混合优化方法,采用由粗到精的搜索过程,先利用遗传算法进行全局粗略搜索,再利用数值优化算法得到精确的参数。仿真试验结果证明提出的混合优化算法是进行PID参数整定的一种有效方法。

基于遗传蚁群混合策略的PID控制器参数整定

传统的PID控制器参数整定方法或者需要对被控过程和控制规律有全面的先验知识,或者建立在要求具有连续导数的光滑搜索空间的基础上,或者容易"早熟"和收敛速度较慢。文中结合蚁群算法(ACO)和遗传算法(GA)各自的优点,提出了一种新型的蚁群算法(ACO)-遗传算法(GA)混合优化策略(ACO-GA)的PID参数优化方法。仿真应用研究表明:与非线性设计方法(NCD)以及蚁群算法相比,ACO-GA优化策略具有更强的寻优能力和快速收敛能力,是一种适用于工程应用的参数寻优方法。

QPSO混合算法在PID控制器优化中的应用

为了提高PID控制器参数优化的速度和成功率,提出了一种基于改进量子粒子群优化与非线性规划的混合算法.在算法中引入了柯西分布随机数扰动项,以增加粒子群体的多样性,增强其全局搜索性能;并将非线性规划函数融入算法,使其局部搜索能力也得到改善,从而提高了算法的精度和收敛速度.将该算法应用于4阶对象的PID控制器参数优化,用MATLAB编程运行,结果表明其响应时间短、超调量小、稳定性好,具有一定的实用性和推广价值.

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。

轨迹跟踪的混合编码遗传优化模糊PID控制策略

为进一步提高模糊PID(FPID)控制器应用于关节机器人轨迹跟踪控制的效果,本文提出了一种基于特征参数的混合编码遗传算法优化关节机器人轨迹跟踪模糊PID(GAhybrid-FPID)控制器的方法。提出了运用特征参数表征隶属函数和模糊规则等主要设计参数的方法,给出了特征参数与设计参数混合编码的遗传算法编码方法,显著简化了控制器设计过程,缩短了染色体编码长度。设计了基于混合编码方法的模糊PID控制器遗传优化算法,将所设计的遗传算法优化模糊PID控制器的方法应用于六关节机器人轨迹跟踪控制,仿真结果表明:基于混合编码策略的遗传算法均具有更优的寻优效率和寻优结果,本文提出的混合编码遗传算法优化后的机器人轨迹跟踪模糊PID(GAhybrid-FPID)控制器具有更好的轨迹跟踪控制效果,笛卡尔空间轨迹跟踪偏差比未经遗传算法优化的模糊PID(FPID)控制器、经直接编码的遗传算法优化后的模糊PID(GAdirect-FPID)控制器分别小16.6%和9.3%。

基于HPSO的PID算法在汽油机怠速控制中的应用

在怠速控制系统中,PID控制器的参数整定直接影响到控制效果;介于标准粒子群算法的不足,采用混合粒子群算法对PID控制器的参数进行离线整定,并基于MATLAB软件进行仿真实验;实验结果表明:混合粒子群的寻优精度优于遗传算法和标准粒子群算法,且具有良好的收敛速度。

基于模糊PID扭矩识别的混合动力汽车优化控制

提出了一种基于模糊PID扭矩识别系数K的计算方法,并利用K对驱动模式进行初步判断。使用粒子群-蚁群组合优化算法对控制策略中的关键控制参数及部分动力系统参数进行了优化。优化后,在保证整车动力性的基础上,油耗和排放都有所降低。对优化后的控制策略进行了硬件在环仿真,仿真结果表明,基于模糊PID扭矩识别的控制策略可以实现基本的能量管理,且控制效果优于未引入模糊PID扭矩识别的控制策略。

遗传算法在PID控制器参数寻优中的应用

针对遗传算法易早熟收敛,对参数有较强的依赖性,而模拟退火法的搜索过程冗长的缺点,采用混合策略,在优化机制、结构和行为上结合两者的特点,提高算法的优化能力、效率和可靠性.在PID参数寻优中采用混合策略,将SA状态产生函数作为变异概率可控的变异操作,在高温下有较强的变异功能,在低温下有较强的趋化功能.仿真结果说明,混合策略在PID参数寻优问题中明显优于单一遗传算法和传统整定方法.进一步分析了PID参数寻优是一个多目标的优化问题,探讨了可行方向.

一种云模型PID控制器参数整定优化算法

为了解决PID控制器参数整定过程中的优化和复杂性问题,增强PID控制器参数整定的自适应性,结合差异演化算法和粒子群算法,提出一种带有差异演化变异算子的粒子群混合优化算法,利用一维云模型映射器将人的控制经验通过语言原子转换为控制规则器,设计具有自适应功能的云模型控制器;将该优化算法应用于一维云模型PID控制器参数整定与优化,并与传统方法进行仿真比较.结果表明,基于带有差异演化变异算子的粒子群混合优化算法的智能控制器具有简单易行、控制性能良好、自适应性和鲁棒性强的特点,可为云模型控制器参数设计提供参考.

基于混合GA的啤酒酵母扩培系统PID控制

针对啤酒酵母扩培过程中温度较难控制的问题,提出一种基于混合遗传算法(GA)的PID控制方法。在GA中嵌入梯度下降算子,利用梯度下降法对每代中若干个精英个体以一定概率进行搜索,从而提高算法的局部搜索能力。实验结果表明,该方法的响应速度较快,且无稳态误差。

基于混合递归算法优化的PID控制器

针对RBF神经网络PID控制器,使用递阶遗传算法和梯度下降法的混合算法来优化隐含层到输出层的权值、隐层节点的中心和核宽度.仿真显示,精度高,性能优于梯度下降法.

基于Levant微分器的磁浮球控制算法研究

针对永磁电磁混合悬浮系统控制中因信号突变和噪声干扰引起的控制效果不理想等问题,提出一种改进型Levant微分器和PID相结合的控制方法(improve Levant-PID,ILevant-PID)。融合PID控制适应性强和Levant微分器对输入噪声的鲁棒特性优势,解决系统输出抖振问题,利用模拟退火-粒子群优化解决ILevant-PID控制器参数多、关联性强等制约问题。仿真实验表明:与传统PID控制方法相比,ILevant-PID控制方法在阶跃输入下,启动更为平缓,调节时间减小了41.19%,超调量减小了40.36%。ILevant-PID控制器在阶跃输入时有无噪声条件下的稳态误差分别为±0.37 mm及±0.23 mm,相对于PID降低了87%以上。在跟踪方波输入时,ILevant-PID可实现PID无法对8 mm给定信号无超调跟踪,较好地改善PEMS(permanent magnet electro magnetic hybrid suspension)系统控制性能。

基于混合粒子群算法的线性预测PID控制

针对传统PID控制对大时滞过程控制效果不佳的问题,提出了一种基于线性预测的PID控制算法,用系统过去的几个输出值预测系统未来的输出值,用此预测值与期望设定值所得的偏差作为PID控制输入,再依PID控制律来设定控制器的输出,从而使被延迟了的被控量超前反映到控制器,使控制器提前动作,实现事先调节,从而减少超调量和调节时间,消除时滞对系统稳定性影响。利用混合粒子群算法对模型系数和系统参数进行了优化和在线调整。实例仿真结果表明,将线性预测与传统PID控制相结合并经混合粒子群算法优化的控制方法远好于单一的PID控制方法,而且具有操作简单、容易程序实现等特点,有效地提高了系统的控制品质。

采用混合算法优化的液压驱动机械手PID控制仿真研究

液压驱动机械手运动位移跟踪容易受到外界因素的干扰,导致输出精度较低.对此,创建了液压驱动机械手简图模型,给出了阀控液压缸示意图,推导出液压缸流量方程式.设计了液压驱动机械手PID控制方法,引用粒子群算法混合遗传算法优化PID控制.采用Matlab软件对优化PID控制效果进行仿真,输出液压驱动机械手位移跟踪仿真曲线.仿真曲线表明:在无波形干扰环境条件下,优化PID控制和PID控制都能快速地实现机械手位移跟踪;在有正弦波干扰环境条件下,采用优化后的PID控制,不仅反应速度快,而且输出误差较小.液压驱动机械手采用混合算法优化PID控制,能够抑制外界波形的干扰,有利于提高机械手运动精度.

人群搜索和樽海鞘群的混合算法优化PID参数

为解决在优化全局时人群搜索优化算法(seeker optimization algorithm,SOA)容易过早收敛的问题,提出了一种新的基于人群搜索和樽海鞘群(salp swarm algorithm,SSA)的SOA-SSA混合算法。基于双种群进化策略,种群中的部分个体由人群搜索优化算法进化,其余个体由樽海鞘群算法进化。SOA和SSA的个体都使用信息共享机制实现协同进化,增加了种群的多样性,避免了算法过早收敛。实验结果表明:该算法在高维函数和PID参数优化方面都是可行的。与其他算法相比,SOA-SSA算法的收敛速度快、精度高、鲁棒性强,有更好的优化性能。

基于改进单纯形算法的HSVS补偿系统自适应PID控制研究

结合机械投切电容器(MSC)、晶闸管投切电容器(TSC)及晶闸管相控电抗器(TCR)特性,本文设计了1种新型的混合型静止无功补偿系统(HSVS),使MSC、TSC、TCR分别工作在粗调、细调和精调的工作模式。为解决PID控制对这三者的配合问题,提高控制精度与系统鲁棒性,引入了单纯形算法作为PID参数的学习函数,并对单纯形算法的步长调整以及测度引入加以改进。仿真实验证明,与普通的自适应PID控制器相对比,改进了单纯形算法的自适应控制在混合型无功补偿系统电压控制中的可行性与高效性,提高了补偿精度与适应性。

基于混合粒子群算法优化橡胶挤出机Smith-模糊PID温度控制系统

为提高橡胶挤出机Smith-模糊PID温度控制系统的控制精度,更好地实现智能整定参数与橡胶挤出机温度最优控制,采用混合粒子群(HPSO)算法优化Smith-模糊PID控制系统,完成对温度控制系统PID参数基准值的自动寻优。借助MATLAB软件辨识挤出机温控系统数学模型,搭建Smith-模糊PID温度控制系统。为避免粒子群(PSO)算法陷入局部最优,在PSO算法的基础上将社会因子分解为局部社会因子和全局社会因子,设计出HPSO算法对PID参数进行寻优;将HPSO算法优化系统前后的控制效果进行对比。结果表明:采用HPSO算法优化Smith-模糊PID温度控制系统的控制精度更高、抗干扰性能更强,温度控制精度在±(1~1.5)℃以内,并且接近±1℃,完全满足橡胶挤出生产过程中对料筒温度控制的指标要求,可以在一定程度上提升温控系统的控制精度以及挤出机械的智能化水平。

基于改进混合差分进化算法的水轮机调速系统空载PID参数优化

为优化水轮发电机组调速系统空载PID相关参数,提出一种改进混合差分进化算法(IHDE),即先根据某电站混流式水轮发电机组建立相应空载工况数学模型,其次引入IHDE对空载工况数学模型PID参数进行优化,由于DE算法易出现早熟收敛问题,对该算法缩放因子的取值进行优化;同时,为了增强差分进化算法(DE)的全局搜索性能,在DE的选择阶段加入模拟退火算法的个体更新机制进行选择操作;然后,提出一种改进的综合ITAE指标用于评价空载扰动的仿真结果,使得目标函数的评价方式更加准确且符合相关标准要求;最后,通过试验仿真与不同算法进行对比,验证了IHDE优化水轮发电机组调速系统PID参数的有效性。

基于混合计算智能的分数阶PID控制器参数优化

为解决分数阶PID控制器五维参数优化的难题,设计了一种把萤火虫算法和遗传算法相结合的混合计算智能算法,阐述了计算智能中的群智能算法和进化计算的基本原理和数学算法。该方法基于生物的群体智能和个体进化相结合的思想,能够有效地提高寻优精度,并使算法向最优方向不断进化。经过仿真验证,混合算法在分数阶PID参数整定方面具有运算时间短、仿真精度高等优点。