基于WOA优化FNN-PID的单晶硅加热炉炉温控制

针对单晶硅加热炉炉温控制的大惯性、强耦合、长调节时间等问题,提出了基于鲸鱼优化算法(WOA)的优化模糊神经网络(FNN)比例-积分-微分(PID)算法。通过测试实验装置的温度推算出模型表达式,采用WOA进行选代寻优,得到合适的PID参数,利用FNN对PID参数进行实时调整,以实现动态解耦。通过仿真软件进行仿真验证,并在搭建的模型上分别进行阶跃响应实验和信号跟随实验。仿真结果表明,相较于传统的PID算法和FNN-PID算法,基于WOA的优化FNN-PID算法有效提升了系统的升温速度且无超调。对加热炉进行升温实验,结果表明温度超调量最高为0.9℃,恒温区温控精度保持在±0.3℃,表明该方法可有效提升系统升温速度和稳定性。

大型电力系统励磁比例-积分-微分调节器的闭环优化方法

采用传统频域方法进行发电机比例–积分–微分(proportional integral differential,PID)励磁调节器的参数设计时只考虑本机组的运行,而忽视了电网的整体运行情况,且性能好坏取决于设计人员的经验。针对这种情况,提出了基于大型电力系统时域仿真曲线的励磁PID调节器闭环优化方法,既能综合考虑机组和电网的运行情况,又能克服传统设计过于依赖经验的不足。该方法使用时域积分性能指标来评价含有PID调节器的闭环电力系统的综合性能,运用Nelder-Mead单纯形方法来有效搜索最优的PID参数。在实际大型电网中的应用结果表明,该优化方法可有效提高大电网电压的动态调节能力,有很好的实际应用前景。

比例-积分-微分压力控制的放电雾化烧蚀磨削加工方法

为了提高电火花放电雾化烧蚀加工效率,以烧结金刚石材料作为加工电极,利用金刚石颗粒的磨削作用实现了高效雾化烧蚀与机械磨削的复合加工.其中,通过测量加工过程中金刚石颗粒与工件之间的机械磨削作用力,实现了基于压力信号检测的伺服控制,以保证金刚石颗粒的磨削作用,并采用反比例、模糊和比例-积分-微分(PID)压力控制方法来维持加工过程中的压力稳定性.同时,以高强钢Q420C为加工对象进行了3组加工效率对比试验.结果表明:采用PID压力控制方法,在30min的加工时间内所得加工深度可达14.5mm,最大压力在1.0N以内,其加工效率和加工稳定性优于其他2种控制方法.

数控压机伺服控制系统复合控制器I-ABC与PID优化

为了提高数控压机伺服控制系统的控制精度,针对伺服控制系统运行控制过程构建数学模型,在人工蜂群算法基础上融入了云分析模型,之后采用改进人工蜂群算法(Improved Artificial Bee Colony,I-ABC)调节比例-积分-微分(Proportional Integral Differential,PID)参数,建立了一种复合控制方法。研究结果表明:以I-ABC进行PID控制时,可以使幅度差降低到0.4%,相位差基本在-0.54°之内,系统加载精度也获得了明显提升,表现出了更优的跟踪性能。以I-ABC进行PID控制时,能够对多余力起到明显抑制作用,响应速度也获得明显提升,可以有效满足系统的准确控制要求。在系统内加入干扰信号,引入I-ABC实施PID调节可以减小系统超调量,还可以获得更短调节时间,使系统获得更强抗干扰性能。

基于遗传算法的车辆纵向跟随模糊PID控制

为提高智能车辆纵向跟随控制的精确性和稳定性,基于遗传算法(Genetic Algorithm,GA)设计智能车辆纵向跟随模糊控制系统。设计驱动和制动切换规则,根据期望速度计算期望加速度,实现驱动/制动的切换控制;提出在比例-积分-微分(Proportion Integration Differentiation,PID)控制器的基础上引入模糊控制(Fuzzy Control,FC)的方法,在线整定PID参数;考虑到模糊控制的隶属函数由专家经验获取的局限性,使用遗传算法对其进行优化。通过CarSim/Simlink建立仿真模型,对匀速行驶和变速行驶两种工况下车辆行驶状态进行分析,结果表明,优化后控制器能更快地稳定跟随前车行驶,智能车辆纵向跟随模糊控制系统具有良好的实用性,能提高车辆的驾乘舒适性。

基于增量式PID算法的气体流量控制方法

气体流量控制回路因其动态特性复杂、响应速度受限等现象给控制器的设计带来了挑战。文中在分析鱼雷气体燃料动力系统动态流量控制特性的基础上,使用增量式比例-积分-微分(PID)算法来实现气体流量的动态控制,给出了控制系统动态特性的数学描述。在气体流量自适应控制器的设计阶段,首先在Ziegler-Nichol初始化基础上,试凑出一组具有良好控制效果的PID参数,并通过阶跃试验确认了该控制器的性能。仿真试验证明了该控制器在动态环境下的自适应能力。

基于改进DDPG-PID的芯片共晶键合温度控制

芯片共晶键合对加热过程中的升温速率、保温时间和温度精度要求较高,在使用传统的比例-积分-微分(PID)温度控制方法时,存在响应时间过长、超调量过大、控制温度不够准确等问题。针对共晶加热台的温度控制问题,提出了一种基于改进的深度确定性策略梯度(DDPG)强化学习算法优化PID参数的控制方法,采用分类经验回放的思想,以奖励值大小为标准对经验进行分类存放,根据智能体当前的状态和下一步动作,从相应的经验池中进行采样并训练,并根据PID控制算法的特性设计了合理的奖励函数,改善了强化学习中奖励稀疏的问题,提高了算法的收敛速度与性能。仿真结果表明,与传统PID控制、常规DDPG-PID控制相比,改进DDPG-PID控制缩短了响应时间,降低了超调量,近乎消除了稳态误差,提高了控制性能和系统稳定性。

CSO-PID算法在空压机控制系统中的应用

针对普通空压机普遍存在的耗能过高且控制效果不佳的问题,在研究比例-积分-微分(PID)算法和鸡群算法的基础上,对空压机的控制算法进行了改进,利用鸡群算法对PID的三个参数进行整定,并将这种智能算法应用到PLC控制器中。仿真实验和实际测试表明:该智能算法不仅实现了对空压机系统的有效控制,而且增强了系统的抗干扰能力,节能效果更佳。

基于STM单片机的平衡车设计研究--以PID算法为主

系统出现了误差,就要对它进行纠错,让它能按照稳定的状态运行,通常在自动控制理论中,有3种常用的调节手段-P(比例调节)、I(积分调节)、D(微分调节),简单来说,就是把这3种调节手段通过数学方法结合起来组成一个系统完备、逻辑严谨的公式,运用到控制系统中,这就是PID算法。使用PID时我们通常设计3个参数运用到公式中,来体现比例、积分、微分的调节作用,通过控制这3个参数,就可以逐渐调节控制系统使其趋于稳定,达到想要的效果。

基于PSO-BP神经网络的PID控制器参数优化方法

针对传统PID控制系统参数整定过程存在的在线整定困难和控制品质不理想等问题,结合BP神经网络自学习和自适应能力强等特点,提出采用BP神经网络优化PID控制器参数。其次,为了加快BP神经网络学习收敛速度,防止其陷入局部极小点,提出采用粒子群优化算法来优化BP神经网络的连接权值矩阵。最后,给出了PSO-BP算法整定优化PID控制器参数的详细步骤和流程图,并通过一个PID控制系统的仿真实例来验证本文所提算法的有效性。仿真结果证明了本文所提方法在控制品质方面优于其它三种常规整定方法。

精密设备主动SAWPSO-PID振动控制器设计及仿真研究

比例-积分-微分(PID)控制器具有简单、稳定性好、可靠性高、鲁棒性强等特点,在振动控制领域应用广泛。而传统的主动PID控制器参数以假设或经验性选取为主,不科学且不能充分发挥控制器性能。自适应权重粒子群算法(self-adaptive weight particle swarm optimization,简称SAWPSO)克服了传统粒子群算法寻优过程的早熟情况,能使PSO算法达到局部及全局最优的平衡。文章基于SAWPSO算法,设计了SAWPSO-PID控制器,以时间乘以误差绝对值积分(ITAE)为目标适应值函数,对精密设备振动进行了PID参数自整定的优化控制研究,并与经验型参数选定PID振动控制、被动隔振(无控)进行了对比分析。

凿岩机器人钻臂GPC-PID双模控制

为避免广义预测控制(GPC)起始阶段存在因所获信息少而对双三角钻臂造成的控制不稳定,以及计算中因矩阵不可逆而造成的数值病态,提出以GPC和比例—积分—微分(PID)控制为基础的双模式自适应控制策略。根据广义预测PID算法得出在线更新的自校正参数,以此参数是否在规定范围内为依据判定采用PID控制模式或GPC模式。仿真结果表明:所提出的双模控制策略可以有效降低广义预测控制起始阶段的不稳定现象,提高运行中的跟踪效果,同时也能保证计算发生病态时钻臂控制的正常运行。

基于PID切换控制的弹道修正引信滚转角控制方法

为解决弹道修正引信在修正过程中弹体受力变化较大引起的模型非线性问题,为保证滚转角控制算法的有效控制范围可有效覆盖整个修正控制过程,采用了基于动压变化的位置-速度双闭环比例-积分-微分(proportional-integral-differential,PID)切换控制算法.在传统PID控制算法基础上引入切换控制,将PID控制系统设计成子系统,依靠引信动力学模型与动压之间的关联,以动压为切换信号制定切换规则将多个PID控制系统串联,拓宽了滚转角控制系统的有效控制范围.结合理论分析与仿真验证,结果表明:在整个弹道修正控制过程中定位精度在0.25°以内,响应时间小于0.3 s,验证了基于动压变化的PID切换控制算法对非线性的引信滚转角控制模型、持续滚转角控制的可行性.

改进麻雀搜索算法的四旋翼PID参数优化设计

针对四旋翼无人机PID控制器参数人工整定复杂、费时且难以确保最优的问题,提出一种基于改进麻雀搜索算法的PID参数优化方法,用于四旋翼无人机控制系统。首先引入Piecewise混沌映射,增强初始种群分布的均匀性;其次在探索者位置更新公式中加入动态惯性权重,提升算法全局优化性能;最后结合自适应混合变异策略和历史最优值,增强变异的多样性、提高算法的搜索效率及精度。仿真结果表明,相比于标准麻雀搜索算法、粒子群算法和遗传算法,用改进麻雀搜索算法优化串级PID控制器参数,能够使控制系统具有更快的响应速度、更高的稳态精度。

基于PID算法的轧钢加热炉煤气智能燃烧控制研究

常规的轧钢加热炉煤气智能燃烧控制方法主要使用Fuzzy双交叉限幅控制器进行控制阶跃响应,易受温变超调作用的影响,导致燃烧效率偏低。基于此,提出一种基于比例-积分-微分(Proportion Integral Differential,PID)算法的轧钢加热炉煤气智能燃烧控制方法。生成轧钢加热炉煤气智能燃烧控制策略,利用PID算法设计轧钢加热炉煤气智能燃烧控制器,从而实现轧钢加热炉煤气智能燃烧控制。实验结果表明,设计的轧钢加热炉煤气智能燃烧PID算法控制方法在不同控制起始时间下的煤气智能燃烧效率均较高,控制性能良好,具有较高的实际应用价值。

基于粒子群算法的悬架PID控制器参数整定研究

工程实际中确定PID控制器参数主要通过理论计算或试凑法,适用场景单一且具有局限性,整定耗时长、控制效果不理想。为此提出使用粒子群算法来优化PID控制器参数,基于粒子间的数据传递特性,判断自身最佳位置和速度与群体最佳位置和速度之间的联系,从而找到更接近全局最优的PID参数配置。基于MATLAB/Simulink搭建二自由度悬架模型,设计PID控制器,仿真比较改进前后的悬架性能指标。结果表明,优化后悬架系统的动力学响应特性均优于工程整定法确定的PID控制系统,车身垂向加速度降低了24.3%,提高了悬架的舒适性。

基于自适应PID算法的变频器节能控制系统设计

在当前的电气应用中,变频器控制系统应用广泛,但面临的挑战也愈发明显。特别是在能耗管理方面,由于其缺乏智能调控频段能耗的能力,系统整体能耗偏高。为此,文章提出基于自适应比例-积分-微分(Proportional Integral Derivative,PID)算法的变频器节能控制系统设计。构建以微处理器为核心的变频器节能控制结构,将神经网络与PID控制器相结合,构造自适应PID控制器。结合变频器节能控制结构的能耗计算与反馈,通过自适应调节权值系数完成变频系数调整,降低各频段能耗,实现变频器节能控制研究。实验结果显示,该系统节能效果显著,能耗最高仅为20 J,且相较于对比文献,该系统运行稳定,运行时间短,为变频器节能控制运行提供了保障。

基于改进PSO算法的PID参数自整定

研究了比例-微分-积分(PID)控制器参数自整定问题,提出一种基于改进粒子群优化算法的PID控制器参数自整定方法。采用实编码方法和基于指数曲线的非线性惯性因子取值策略,该途径易于实现,并且提高了寻优的速度和精度。仿真实例表明了该方法的有效性。

锅炉-汽轮机系统的分数阶控制器设计

将分数阶微积分用于系统控制已引起控制学界的广泛关注。分数阶PIλDμ.控制是传统PID控制的推广与发展,积分阶次λ和微分阶次μ的引入使得分数阶控制器具有更灵活的结构和更强的鲁棒性。分数阶PIλDμ控制器对对象参数变化不敏感,对非线性有很强的抑制能力。将分数阶控制器用于多变量非线性控制系统的设计,针对输入受限和不确定性的非线性MIMO锅炉-汽轮机系统设计分数阶PIλDμ控制器,控制器参数整定采用粒子群优化算法。仿真结果表明,获得的分数阶PIλDμ控制器在大范围负荷变化及存在参数、结构不确定性时均能取得满意的控制效果,显示良好的适应性及鲁棒性,与传统PID控制器相比具有明显优势。

基于PID算法的激光器恒温控制系统的设计

为了提高分布式反馈(DFB)激光器发光波长的控制精度,利用半导体热电制冷器设计了一款用于气体检测的DFB激光器精密温度控制系统。该系统主要包括数字信号处理电路、前向TEC驱动电路和后向温度采集电路构成。采用闭环比例-积分-微分(PID)控制算法,提高系统的控制精度、缩短系统的响应时间。通过使用温度控制系统向中心波长为1600nm的NLK1L5GAAA型可调谐DFB激光器进行了温度控制测试实验。实验数据证实,本装置的温度控制精度为±0.05℃,温度控制范围为5℃至60℃,超调量小于16%,温度恒定时间小于50s。检测水汽连续工作24小时激光器中心波长未发生明显漂移,表明该系统具有良好的稳定性,为DFB激光器在红外气体检测领域的应用提供了性能保障。