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。

比例积分型二级电压控制器的多目标参数优化

为通过参数优化提升现有二级电压控制器的控制效果,以先导节点电压偏差平方的积分和发电机无功出力改变量平方的积分最小为目标,基于电力系统准稳态模型,建立了比例积分型二级电压控制器多目标参数动态优化模型。先用隐式梯形法将该模型转化为多目标非线性规划模型,再由规格化法平面约束法将该模型转化为一系列单目标非线性规划模型。借助通用代数建模系统(general algebraic modeling system,GAMS)框架下的CONOPT求解器对其进行求解,从而获得帕累托最优解集。采用模糊隶属度函数方法确定最优折中解实施控制。以新英格兰39节点系统和包含138台发电机、968节点、27个控制分区的某省级电力系统为例,通过与传统PI型二级电压控制器和协调二级电压控制器进行对比分析,证实了所提方法的有效性。

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。

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。

基于改进粒子群优化算法的比例—积分—微分控制器

粒子群优化算法自1995年问世以来得到了很大的发展,简要阐述了粒子群优化算法的基本原理,并提出了根据改进该算法而构成的比例—积分—微分控制器。比例—积分—微分控制器的3个参数可以得以优化。该控制器具有结构简单,易于实现,鲁棒性好的特点,仿真结果表明基于改进粒子群优化算法的比例—积分—微分控制器具有良好的性能。

基于改进海马优化算法的PID参数优化

为了解决传统海马算法(SHO)在PID参数整定中存在全局寻优能力差且收敛速度慢的问题,提高PID参数优化质量,提出一种改进的海马优化算法(ISHO)。通过Tent混沌映射增加海马种群初始化多样性提高收敛速度;引入逃逸能量调控策略改进算法全局搜索与局部开发的转换机制,从而提高算法的全局寻优能力。将改进海马优化算法与传统海马算法、Z-N临界比例法、灰狼优化算法和粒子群优化算法进行比较,仿真结果表明:改进的海马优化算法优化PID参数具有调整时间更短、系统控制精度更高和收敛速度更快等优点,为PID控制系统的参数优化提供了参考。

基于线性与非线性模型的水轮机调速器PID参数优化比较

分别推导出了基于线性模型和非线性模型的水轮机调节系统闭环比例积分微分(proportional-integral-derivative,PID)控制的微分方程。以水轮发电机组转速偏差相对值的时间乘误差绝对值积分指标作为粒子群优化算法的适应度函数,分别实现了采用这2种不同数学模型的水轮机调速器PID参数的优化设计。计算结果表明,PSO优化算法对于非线性系统控制参数的优化设计是一种有效的方法;采用不同数学模型的水轮机调节系统,其PID参数的优化结果是不同的;水轮机调节系统采用非线性模型时的优化结果相对较好。

基于遗传算法的PID控制器参数优化研究

研究自动控制器参数优化问题,PID参数优化是自动控制领域研究的重要内容,系统参数选择决定控制的稳定性和快速性,也可保证系统的可靠性。传统的PID参数多采用试验加试凑的方式由人工进行优化,往往费时而且难以满足控制的实时要求。为了解决控制参数优化,改善系统性能,提出一种遗传算法的PID参数优化策略。通过建立遗传算法优化的PID控制器参数模型,在控制过程中将PID参数作为遗传算法中的个体,采用控制误差绝对值时间积分函数作为优化目标,动态调整PID的三个控制参数,进行PID控制参数的在线优化,将优化方案应用于农业温室温度控制系统进行了仿真。仿真表明,引入遗传算法的PID控制系统,提高了动态性能,增强系统稳定性和快速性,保证实现了控制效果。

改进粒子群优化算法在PID参数整定中的研究

针对粒子群优化算法(PSO)容易出现早熟收敛的问题,提出一种改进的粒子群优化算法(IMPSO)。该算法通过引入粒子群聚合度和变异的思想,能很好避免早熟,提高粒子全局搜索能力。将此改进的粒子群优化算法用于PID控制器的参数整定,具有操作简单,寻优快速等优点。

基于改进粒子群优化算法的PID参数整定

粒子群优化算法PSO(ParticleSwarmOptimization)是近年来出现的一种新型演化计算方法,其算法简单易懂,优化性能良好。该文提出改进的PSO算法结合Matlab强大的矩阵计算和系统仿真功能,对文中实例的PID参数进行了优化整定。仿真显示优化结果比遗传算法好,收敛性能比遗传算法高。

基于新的误差积分准则的PID控制器优化

用PID控制器控制有共轭极点和负实零点的二阶模型对象,当对象时滞比很小时,用现有准则如ITAE进行优化,很难保证幅值稳定裕度。在广义平方误差积分准则(GISE)的基础上,用对象响应特征时间来平衡准则中误差项与误差变化率项的数量级,并用一个恒大于1的时间函数作为误差项的权,从而提出了一种新的误差积分准则—改进的广义平方误差积分准则(RGISE)。仿真结果表明,新准则能够获得较大的幅值稳定裕度和较好的响应曲线。

PID控制器参数优化算法的仿真研究

研究PID控制器参数优化问题,现代控制对象具有复杂非线性、时变性特点,引起系统的输出品质特性差,超调大稳定性时间长,控制精度差等。传统PID控制是针对线性控制系统提出的,控制精度比较低。为了提高PID控制精度,基于神经网络提出PID控制器参数自适应优化方法。通过将系统控制偏差和PID控制器的3个参数作为神经网络的输入,最优控制性能作为优化目标,通过神经网络自身学习和加权系数调整,获得最优控制性能的PID控制器参数。仿真结果表明,神经网络的PID控制方法提高了系统控制精度,系统响应速度更快,具有很强的自适应性和鲁棒性,为优化控制系统提供了参考。

基于组合差分进化算法的PID参数整定优化

针对差分进化算法的优化性能受变异策略的影响,提出了一种组合差分进化算法,提高了算法的优化性能。该算法将差分进化算法常用的四种变异策略分为携带最优值信息和不携带最优值信息两类。在进化过程中,从这两类中随机各选取一种策略参与进化。通过五个测试函数,证实了该组合算法的有效性。在此基础上,将该组合差分进化算法对PID控制器参数进行整定优化。通过仿真实验研究,表明采用组合差分进化算法获得的PID控制器性能优于基本差分进化算法设计的PID控制器。

蚁群算法在PID控制器参数优化中的应用研究

PID参数优化一直是控制工程领域研究的热点,针对提高系统的稳定性和响应特性,传统的PID控制参数多采用试验的方式进行优化,往往费时而且难以达到较好的控制效果。为了解决控制参数优化,改善系统性能,提出一种新型的蚁群算法的PID参数优化策略,将蚁群算法能快速稳定找到最优参数解的特点与PID精确调节的特点有机结合起来,在控制过程中将PID参数作为蚁群中蚂蚁,采用控制绝对误差积分函数作为优化目标,在控制过程中动态调整PID的3个控制参数,可以进行PID控制参数的实时调节,最后将优化方案应用于中央空调温度控制系统。仿真应用研究表明,方法比传统的PID控制有更强的灵活性、适应性和鲁棒性,可有效提高系统控制精度,验证了应用的有效性。

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。

ITAE在无刷直流电动机PID参数优化中的应用

针对试凑法在无刷直流电动机(BLDCM)PID参数整定中会增加工程调试负担,在分析BLDCM传递函数模型基础上对该被控对象运用非线性最小平方函数,按照ITAE(时间乘以误差绝对值积分)一超调量指标进行PID参数寻优,得到PID控制系统;并与经典Z-N法、庄-IST^2E法和张-ITAE法得到PID控制系统进行比较。MATLAB仿真表明,采用基于ITAE-超调量方法整定的PID控制系统超调量小、响应时间短、稳态误差小。最后通过BLDCM仿真和实例验证采用该整定方法的控制系统可在较低超调量下迅速跟踪输入并可有效抑制负载扰动影响。

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。

改进蚁群算法的阀控液压缸模糊PID参数优化

阀控摆动液压缸工作时需要协调快、稳定性强的特点,但现有的控制系统还缺少针对性的研究方法,存在着隶属度函数参数不确定、Fuzzy规则库和隶属函数无法更新,缺乏自适应性以及精度不高等问题。针对上述问题利用改进后的蚁群算法对阀控摆动液压缸模糊PID的误差变化e、误差变化率ec、比例△Kp、积分△Ki、微分△Kd五个参数进行优化,确定出合适的伸缩因子,通过仿真和实验实现对其模糊PID控制器的完善,达到预期的控制效果。实验证明:改进后的蚁群算法优化后的模糊PID控制系统其相对误差明显减小,对于恒定转速,其误差在5.48%,对于线性转速,其误差在6.52%。

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.

双容水箱单参数比列积分微分控制

采用常规PID控制器时需要同时调整比例系数、积分系数和微分系数三个参数,但通常又缺乏这三个参数与系统性能指标之间的明确联系,因此很难有效调节参数以达到制定的性能指标。而采用单参数比例积分微分控制器时,只需通过一个参数对控制器进行方便的调节。在仿真分析的基础上,将单参数比例积分微分控制器应用于双容水箱液位控制系统中,试验结果表明单参数比例积分微分控制器较好的控制性能和鲁棒性。