基于改进麻雀搜索算法的PID参数整定系统设计

PID参数整定是PID控制中的一个关键步骤,常规的PID控制在一定程度上已被淘汰。为改善PID控制的效果和精度,文中将黄金正弦策略与精英反向学习策略相结合,提出一种改进的麻雀搜索算法。用23个标准函数对所提出的新方法进行了验证,实验结果证明了新方法的有效性。利用改进的麻雀搜索算法对PID控制参数进行了优化,并对该方法进行了仿真分析。结果表明,采用该方法进行PID参数整定时,其具有更好的稳定性、更高的精度和更好的性能。

基于改进粒子群优化算法的PID控制器参数整定

针对标准粒子群优化算法优化PID控制器参数存在的早熟以及陷入局部最优等问题,引入粒子二阶振荡环节、反向学习、自适应惯性权重,并结合设计的惯性权重动态调整策略、粒子越界随机反射墙,提出一种新型分阶段迭代的改进粒子群优化算法。在6个标准测试函数上进行测试,其性能相比于一些已有的改进粒子群优化算法更加优秀。将这些算法用于自动电压调节器系统的PID控制器参数整定,仿真结果表明,所提出的改进粒子群优化算法整定的PID控制器的控制效果更好。

基于遗传算法的绝热去磁制冷机中PID参数整定

在绝热去磁制冷系统中,PID控制器常用来控制等温磁化或等温去磁过程中磁热模块的温度稳定。由于ADR系统的非线性较强,传统的PID参数整定方法往往效果较差,实际ADR系统中PID的参数整定往往十分依赖于人工试错,耗费大量时间精力。而遗传算法在PID参数调试时对系统的依赖性小,非常适合复杂非线性系统的参数寻优。基于MATLAB语言和集总参数方法,实现了基于遗传算法的绝热去磁制冷机中GGG磁热模块的PID参数整定,为实际工程中的PID参数调节提供参考。

混合果蝇优化算法PID参数整定方法的研究

【目的】解决基本果蝇优化算法(FOA)由于算法局限性而出现比例积分微分(PID)参数整定收敛速度慢且容易过早陷入局部最优的问题。【方法】为了在迭代前期具有更高的全局搜索效率,利用粒子群算法(PSO)寻找多个全局较优种群,迭代后期使用具有较强的局部寻优能力的FOA算法提高收敛精度,实现对全局搜索和局部搜索过程的优化。【结果】两个二阶时滞系统的阶跃响应测试结果表明,基于HFOA的PID控制器参数整定的上升时间、调节时间和超调量等指标更优,能够实现更好的系统响应性能。【结论】优化后算法具有控制精度高、响应速度快、鲁棒性好等优点,为PID参数优化提供了参考。

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.

基于模糊自整定PID算法的退火炉温度调节技术

由于未考虑到退火炉温度偏差值的影响,导致超调量较高,调节效果欠佳。为此,提出基于改进模糊自整定PID算法的真空退火炉温度动态调节技术。依据真空退火炉的工作机理,分析退火炉在工作中的温度变化曲线,采用双曲正切函数求取温度调节过程中的温度偏差值,从而对其动态温度进行设定,采用改进模糊自整定PID算法构造温度模糊控制器,通过对设计的温度模糊控制器内部控制参数进行优化,从而对控制器结构进行更新,并将退火炉的相关参数作为输入量,目标温度作为输出量,由此实现对退火炉温度的动态调节。实例应用结果显示,所提方法可以有效实现对真空退火炉温度的动态调节,且超调量较低,调节效果较好。

改进灰狼优化算法分数阶PID控制器参数整定

针对分数阶PID(proportion integration differentiation)控制器参数整定难的问题,本文提出改进的灰狼优化算法(improved grey wolf optimizer,IGWO)对分数阶PID控制器进行参数整定的方法。IGWO算法采用logistic映射来初始化种群位置,提高种群的多样性,采用非线性收敛因子,增强全局搜索能力和局部开发能力,采用动态权重策略,根据适应度值调整α、β、δ狼的权重。为验证IGWO算法的有效性选取4个基准测试函数进行寻优和对2个经典被控系统进行控制器设计,并与传统灰狼算法、粒子群算法、遗传算法和粒子群结合灰狼算法进行对比分析,结果显示,在寻优测试中IGWO算法在收敛速度和解的精度上更有优势,采用IGWO算法设计得到的控制器的控制性能更好。

基于改进被囊群算法的四旋翼姿态控制PID整定

四旋翼无人机模型具有非线性、强耦合、欠驱动的特性,其姿态控制的PID参数整定非常困难。针对上述问题,将被囊群算法引入姿态控制器,进行参数优化。并在原有算法的基础上引入混沌初始化、逐维反向学习策略和自适应权重因子,以此来提高算法的全局探索能力和局部开发能力,从而有效地对PID参数进行整定。最后,通过在MATLAB/Simulink中搭建模型并进行虚拟仿真。经测试验证,运用该算法优化的PID控制器有更好的控制精度和效率。

基于遗传算法整定驱动参数的水力发电机PID控制

为了弥补PID控制容易出现超调的现场,设计了一种基于遗传算法整定驱动参数的水力发电机PID控制方法。从正弦信号方面对水力发电机开展进给测试,促进了跟随性能的显著提升。研究结果表明:遗传算法整定方案在迭代到37次时达到收敛,幅频特性表明系统获得了理想响应性能。采用遗传算法整定驱动参数后获得更低跟随误差,表现出了更优的跟随性能。正弦信号下遗传算法参数整定时达到了更低跟随误差,表现出了更优的跟随性能。绝对误差极值降低35.5%,绝对误差积分降低50.1%。该研究有助于提高水力发电机控制稳定性,也可适用于其它的机械传动机构。

基于优化粒子群算法的微纳卫星电机参数整定

针对传统PID控制器控制无刷电机时系统响应慢、速度波动大的问题,以及手动整定大规模电机参数繁琐重复的问题,采用了一种基于粒子群优化算法的无刷直流电机PID参数整定方法,用于确定电机闭环控制系统中PI控制器的参数。首先建立磁场定向控制技术驱动的无刷直流电机控制系统仿真模型,然后在此模型上应用优化粒子群算法进行参数整定优化的迭代过程,得到整定后的控制器参数结果。分析优化粒子群算法整定后的电机速度响应和力矩输出情况,并与传统手动整定结果和其他算法的整定结果进行对比。实验结果表明,提出的优化粒子群算法整定的控制器速度响应更快并且输出力矩更稳定,并且对电机参数的小幅度变化有鲁棒性,该方法可以适用于大规模同类别同批次的电机控制器参数标定。

基于改进SFS算法的锚杆钻臂参数整定研究

针对锚杆钻臂井下自动控制过程中存在的环境恶劣、地质复杂等特殊工况,需着重考虑PID的参数选取,为此采用随机分形搜索算法(SFS)对PID参数进行整定。由于随机分形搜索算法存在局部搜索能力不足、易陷入局部最优等问题,在面对机械臂待整定参数多及参数间耦合严重时,其整定效果不佳。因此,引入混沌初始化、正余弦策略、自适应K值选取策略以提高算法的局部搜索能力以及全局搜索速度;采用柯西、差分定向变异策略使算法跳出局部最优。通过标准测试函数测试表明改进后的随机分形搜索算法收敛速度及精度均有一定提高。最后通过锚杆钻臂参数整定仿真实验表明:改进后随机分形搜索算法整定的PID参数总体适应度值提高21%;各关节的量化指标表示改进后随机分形搜索算法跳出了局部最优,提高了整体寻优精度与速度。

基于改进鲸鱼算法的PID参数整定系统设计

被控对象数学模型的精度决定了PID控制算法的效果。为解决建模困难的问题,上位机采用混沌序列生成鲸鱼优化算法的初始种群数据并发送给下位机。下位机控制被控对象运行,并将结果反馈给上位机。多次迭代计算之后,上位机基于鲸鱼算法获得最优PID参数组合。该系统无需建立数学模型,提高了参数整定精度,简单易用。在对比实验中,混沌鲸鱼算法的寻优结果优于鲸鱼算法和混沌粒子群算法,控制效果良好。

基于遗传算法整定参数的火力发电用电机伺服控制分析

同步发电机的控制精度对提高火力发电效率的影响较大,为进一步提高火力发电用电机伺服控制控制精度,选用遗传算法整定驱动轴参数。从正弦信号和直线信号两个方面开展进给测试,促进跟随性能的显著提升。研究结果表明:遗传算法优化可知,在当前人工经验条件进行整定得到的系统带宽接近64 Hz,响应性能较为理想。正弦信号下,采用遗传算法进行参数整定时,跟随误差更低,表现出更优的跟随性能。绝对误差极值降低27.3%,绝对误差积分降低42.4%。直线进给状态下,跟随误差更低,表现出更优的跟随性能。绝对误差极值降低28.6%,绝对误差积分降低39.1%。相对于人工经验整定方式,达到更优的误差波动控制状态,实现了较优的伺服稳定性。

采用遗传算法对智能压路机振动系统PID参数的整定

文章提出了采用遗传算法对智能压路机振动系统PID参数进行整定的方法;介绍了遗传算法适应度函数的选择,并进行了仿真计算。仿真结果显示采用遗传算法进行PID参数整定后的振动系统具有良好的控制特性。

端边云协同的PID整定智能系统

本文在分析智能制造对PID整定的新需求及PID整定面临的挑战难题的基础上,将自动化的建模、控制与优化和人工智能的深度学习与强化学习深度融合与协同,提出了自适应与自主的PID整定的智能优化方法,包括端边云协同的PID控制过程数字孪生模型和强化学习与数字孪生模型相结合的PID整定算法.将工业互联网的端边云协同技术与PLC控制系统相结合,研制了PID整定智能系统,并在重大耗能设备—电熔镁炉成功应用.该系统安全、可靠与优化运行,取得显著的节能减排效果.最后,提出了控制系统智能化研究方向需要进一步深入研究的内容.

智能阀门定位器PID参数自整定及控制算法设计

针对智能阀门定位器非线性和动态特性差的问题,提出了控制响应过程和误差相平面分析的方法。在Ziegler-Nichlols整定公式基础上对PID参数设计了整定算法,并选择了基于相平面分析的PID控制策略。实验表明:此算法简单,对多种阀门全行程内适应性较强,满足工业生产需要。

基于改进蜜獾优化算法的PID参数整定

作为一种模拟蜜獾捕食行为的群智能算法,蜜獾算法易陷入局部最优解且所需迭代多次。针对蜜獾算法存在的不足,文中提出一种结合引力搜索算法与正态云技术的蜜獾算法,即CHBA(Cloud Honey Bodger Algorithm)。将蜜獾算法原有控制蜜獾个体搜索范围的密度因子替换为引力搜索算法中的加速度,提高蜜獾个体搜索范围的合理性,加速搜索迭代速度。以每代最佳蜜獾位置为期望用正态云算法生成新一批蜜獾,从而提高种群多样性,避免陷入局部最优。同时自适应调整新蜜獾的生成范围,避免局部最优。文中选用了23个基准测试函数对所提算法进行了检验,从单峰、多峰及固定维多峰函数的寻优结果分析,并对一阶时滞系统、非最小相位系统和一阶最小延迟系统的阶跃响应PID(Proportion Integration Differentiation)参数进行了优化对比,结果表明CHBA算法在搜索效率和迭代精度上具有更好的性能。

基于智能算法的白酒发酵罐温度控制PID参数整定

针对白酒发酵罐温度控制精度要求逐步提高,对白酒发酵罐温度控制系统的数学模型进行了分析和搭建,利用Simulink建立了白酒发酵罐温度PID控制系统仿真模型,给出常规PID控制系统仿真模型和模糊算法PID控制系统仿真模型,基于GA和Fuzzy对温控PID控制器参数进行了整定优化,优化仿真表明:相对基于GA算法进行的PID控制器参数整定系统,基于Fuzzy算法的PID控制器参数整定系统性能更优,系统阶跃响应曲线超调量缩小了41%以上,调整时间下降了36%以上,稳态误差降低了67%以上。

基于遗传优化PID整定算法的电气设备自动化控制方法

传统电气设备控制方法易受电气设备震荡作用的影响,导致控制偏差过高,为此,本文提出基于遗传优化PID整定算法的电气设备自动化控制方法,即根据电气设备的分布式控制等级构建PID电气设备自动化控制中心,再利用遗传优化PID整定算法改进控制阀门定位器,实现电气设备自动化控制。实验结果表明,本文控制方法生成的控制曲线与实际控制曲线较拟合,证明该自动化控制方法的控制效果较好,具有一定的应用价值。

基于AAFDE-RBF算法的PID参数整定

针对工业过程中PID(proportional integral derivative,比例积分微分)参数整定难的问题,提出一种自适应调整因子的差分进化算法(adaptive adjustment factor differential evolution algorithm,AAFDE)的神经网络(radial basis function,RBF)方法整定PID控制器的参数。先在差分进化算法中引入自适应调整变异因子,通过定义个体优劣系数引入自适应调整交叉概率因子;再采用AAFDE算法优化RBF的初始参数,建立RBF模型,接着由RBF在线辨识得到梯度信息;最后根据梯度信息对PID的3个参数在线调整。直流电机系统的仿真实验表明,与RBF-PID和DE-RBF-PID相比,AAFDE-RBF-PID控制器动态性能更好、抗干扰性能更强,控制精度更高。