基于改进麻雀优化PID的波浪补偿控制方法

随着海上风电“十四五”规划的不断推动,在深远海域对兆瓦级大功率海上风机的需求量随之增加,其规模也在不断扩大。但是,在吊运、安装等海上工作过程中,复杂海浪对船舶产生的持续影响导致风机安装的精度和效率大幅下降,甚至会对人员安全以及财产造成重大损失。在深远海域复杂海况下对工程船舶进行有效的波浪补偿,可提供稳定的作业环境以保证精准高效地完成各项工作,因此,本文提出了一种基于改进麻雀优化PID的波浪补偿控制方法并将其应用于Stewart补偿平台。首先,建立波浪补偿平台动力学以及运动学反解模型,并设计正解模型迭代求解算法。随后,使用PID进行波浪补偿控制,并通过麻雀搜索算法优化参数。接着,采用Circle混沌映射对其进行初始化分布,以解决初始化不均匀的问题;并采用动态自适应加权、柯西突变以及反向学习以提升算法全局寻优能力。最后,生成4~6级海况下的某工程船运动数据作为系统输入,利用MATLAB和Simulink软件平台搭建模型进行补偿控制验证,并在Stewart硬件平台上做补偿试验。结果表明,改进麻雀搜索算法具有较快的收敛速度、较高的精度和更好的寻优能力,优化后的PID控制方法更适合用于复杂海况下波浪补偿平台的控制优化,可为大功率海上风机安装的补偿平台控制系统设计提供参考。

基于线性二次型调节器与比例积分微分控制的步态轨迹跟踪研究与优化

老龄化或疾病导致下肢功能障碍的患者逐渐增多,传统的康复方式存在一定局限性,因此下肢康复机器人成为当前康复技术主流领域。为了在下肢康复设备轨迹追踪性能良好的同时保证患者使用时的安全性,本文设计了一种将线性二次型调节器(LQR)与比例积分微分(PID)控制相结合的控制算法。首先利用运动捕捉设备采集正常步态轨迹,然后在已搭建的足底驱动式踏板步态训练设备中,对步进伺服控制系统采用位置环–速度环–电流环三闭环的PID控制。求得系统数学模型后,使用LQR算法优化PID控制器各环反馈系数,然后将控制器部署至装置中,并进行了实验验证。实验验证了控制器的可行性与有效性,提升了康复设备追踪步态轨迹的性能。

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。

基于改进PID-LQR的导弹稳定控制方法研究

导弹稳定控制系统是提高导弹制导性能的关键技术之一,一直以来都是研究的热点和重点。以导弹纵向平面为例,建立了导弹稳定控制的状态空间模型,推导了LQR控制算法,在传统LQR方法的基础上,结合PID算法提出了一种改进的PID-LQR导弹稳定控制方法。通过仿真分析,比较了所提方法和传统LQR方法、改进LQR方法、模糊PID-LQR方法的控制性能,并对建立的导弹模型参数进行了拉偏试验,仿真结果表明所提出的方法优于其他3种方法,具有良好的控制性能和鲁棒性。

基于改进型积分分离式PID的机器人运动控制

针对移动机器人在旋转角度控制时,普通PID控制器存在超调、波动和普通积分分离式PID存在响应速度慢的问题。提出了改进型积分分离式PID控制算法,采取对PID控制器的比例项和积分项同时进行控制的方法,并针对不同阶段误差采取参数自适应的控制。改进型积分分离式PID控制器避免了超调和波动,提高了系统的稳定性,同时又提高了系统的响应速度。与普通积分分离式PID相比,系统输入大约提前500 ms消除静差,系统响应大约提前400 ms消除静差。在机器人旋转控制时,避免了机器人的旋转波动,减少了对轮子的磨损,同时又能准确快速的旋转到目标方向。

改进型积分分离PID控制的设计

基于PID控制应用的广泛性,本文提出了一种改进型积分分离PID控制的设计方法。并以水轮机控制为背景,验证该算法的可行性。

间歇式改进型积分分离PID控制算法在定量包装称重系统中的应用技术研究

一、定量包装称重系统的解决方案 定量包装称重系统一般采用放料、称重、包装等步骤进行。目前多采用分级控制，开始时闸门开得大，下料速度快（侧段），当接近设定值时关小闸门，以控制下料流量，当达到设定值时，关闭闸门。前者侧重于包装速度，后者侧重于提高计量准确度。理想状态下定量包装称重过程的过渡曲线如图1所示。

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。

基于遗传算法比例积分微分控制器的铅冷快堆堆芯功率控制

比例积分微分(proportion integration differentiation,PID)控制器对堆芯功率控制过程存在适用性低的问题,而采用遗传算法(genetic algorithm,GA)整定PID控制器参数可以很好地解决此问题。为了实现铅冷快堆堆芯功率的有效控制,基于遗传算法PID控制器,结合堆芯状态空间模型,建立铅冷快堆堆芯功率控制系统,模拟堆芯反应性和堆芯进口温度扰动下系统的响应情况,并与PID控制器的控制结果进行比较。结果表明,外界存在扰动时,引入控制器可使堆芯达到稳定状态,与初始状态偏离较小,且遗传算法PID控制器的控制效果比PID控制器更为显著。

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.

区间比例积分微分控制器理论在制导炸弹控制系统设计中的应用

应用区间多项式及区间系统比例积分微分控制器 (PID)设计理论 ,给出了一种飞行控制系统PID控制器设计方法。该方法同时考虑稳定性指标和时域性能指标。首先求出PID控制器的所有稳定参数集 ,再在该集上得出满足时域性能指标的PID控制器参数区域。只需设计一组控制器参数 ,就可具有较强的适应被控对象参数变化的能力。理论分析和仿真试验结果表明了该方法的可行性。

基于模糊神经比例微分积分的静变电源控制

针对静变电源模糊比例微分积分(模糊PID)控制隶属度和控制规则一旦确定后无法更改等不足,为提高静变电源输出电压的质量,提出以模糊神经比例微分积分(模糊神经PID)控制代替模糊PID控制。利用神经网络自学习的特点完善和调整模糊逻辑规则,并与PID稳态控制性能的优势相结合,实时地对静变电源电压控制量进行调整。仿真结果表明,模糊神经PID控制系统具有良好的鲁棒性和自适应能力,对干扰也有较好的抑制效果,解决了模糊PID控制器在静变电源控制中的精度不太高、自适应能力有限的难题,满足了静变电源输出的要求。

改进型临界比例度法用于PID参数的自整定

介绍改进型临界比例度法实现PID参数的自整定 。

基于PID型迭代学习控制的列车自动驾驶曲线跟踪算法研究

针对基于比例微分积分(PID,Proportional Integral Derivative)控制的列车速度跟踪算法在跟踪进度、收敛性和稳定性等方面存在的不足,提出一种基于PID型迭代学习控制(ILC,Iterative Learning Control)的列车自动驾驶(ATO,Automatic Train Operation)曲线跟踪算法。通过迭代学习控制,优化跟踪过程,减小跟踪误差,缩短收敛时间;设置典型场景对所设计的算法进行仿真试验,并将仿真结果与基于PID控制算法的跟踪效果进行对比分析。结果表明,PID型ILC算法对列车目标速度和目标位移具有较高的跟踪精度,能够在有限的迭代次数内实现精确跟踪,验证了所提算法的有效性。

基于模糊自适应PID的煤矿提升机变频调速控制方法

煤矿提升机通常需大功率电动机提供动力,能源消耗巨大,导致煤矿提升机控制波特率较小,因此,设计一种基于模糊自适应PID的煤矿提升机变频调速控制方法。根据煤矿提升机的实际工况和性能要求,选择适当的变频调速范围。运用模糊自适应PID方法,根据煤矿提升机的实时状态和控制目标,确定变频调速的控制参数。通过模糊控制器的模糊化处理以及PID控制器的精确调整,实现对煤矿提升机变频调速的自动控制。实验结果表明,基于模糊自适应PID的煤矿提升机变频调速控制方法,控制波特率均在120bps/h以上,证明该方法对于煤矿提升机变频调速控制具有良好的控制效果,为煤矿提升机的安全、高效运行提供有力保障。

基于模糊PID的打磨头角度控制策略研究

在进行风电机组叶片表面打磨工序时,需要控制打磨头的径向与叶片表面保持垂直。对打磨头的角度调整问题进行分析和研究,通过分析打磨头的结构构成与运动轨迹,建立打磨头伺服系统的数学模型。基于角度变化引起的重力转矩补偿量,提出一种模糊比例-积分-微分(Proportion-Integral-Differential,PID)的角度伺服控制系统。Simulink仿真验证结果表明,重力补偿后模糊PID控制方法的打磨头伺服系统响应速度更快、误差更小,能够较好地调整打磨头的角度。

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。

煤矿井下自动化钻机钻速模糊PID自适应控制方法

为提高井下作业质量,实现对钻机在工作中转速的精确、高效控制,以某煤矿工程为例,开展其井下作业过程自动化钻机钻速模糊比例-积分-微分(Proportion Integral Differential,PID)自适应控制方法的设计研究。根据钻机的动力系统,建立钻机动力函数,计算钻机推力,建立煤矿井下自动化钻机数学模型。将输入变量(转速误差、误差变化率)精确值转换为模糊集合的隶属度,设计基于模糊PID的钻机转速输入控制。在钻机上安装多种传感器,实时监测钻机的各项工作参数,利用模糊PID控制器,进行自动化钻机转速的自适应调节。对比实验结果表明:设计的方法可以实现对钻机转速的快速、准确控制,保证钻进速度的稳定性。

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。

一种适应新型电力系统的加速型工程最速比例 积分控制器

在以新型绿色能源的快速发展为代表的新能源革命的发展进程中,从现有火电机组重要过程控制回路实现深度调峰、快速调频性能的角度,传统的比例积分微分(proportional-integral-derivative,PID)控制技术难以再适应。为此,发明工程最速控制器(engineering fastest controller,EFC),显著提高反馈控制性能,适应目前新型绿色能源快速发展的客观需要。但是构造EFC的工程最速比例积分(engineering fastest proportional-integral,EFPI)控制器存在控制性能相对不高的问题,EFPI难以单独运用,需要针对EFPI存在的问题进行改进;因此提出加速型工程最速跟踪滤波器(acceleration engineering fastest tracking filter,AEFTF),采用AEFTF构造出加速型工程最速比例积分(acceleration engineering fastest proportional-integral,AEFPI)控制器,实现一种工程上的加速型最速控制性能,相对EFPI,有效提高了控制性能。通过将AEFPI与EFPI、最优PI(optimal proportional-integral,OPI)控制进行对比,验证了AEFPI的控制性能明显优于EFPI、OPI。所给出的典型工程应用案例证明:与PI控制相比,AEFPI显著提高了现有火电机组的过程控制性能。AEFPI是EFC的继续深入发展,AEFPI、EFC的快速发展为新能源革命提供动力。