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。

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。

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。

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。

外热流扰动下航天器精密控温系统的设计及参数优化

对于航天器精密控温系统,外热流的周期性波动是影响被控对象温度稳定性的主要扰动来源。文章以一个典型的航天器精密控温系统为研究对象,建立了融合空间外热流扰动、系统热设计状态和控温算法的系统统一数学模型。经简化实现模型的线性化后,采用频率响应法对系统进行分析,获得了系统稳态输出的理论解。文章从航天器热控设计实际出发,分析了各热物理参数和控制参数对系统输出温度稳定性的影响,提出了以降低外热流扰动引起的温度波动为目标的热设计和控温参数优化原则和方向。文章还以海洋盐度探测卫星综合孔径辐射计天线接收机的高稳定度控温设计为实例,展示了按照上述优化原则和思路调整热控措施和控温参数,经仿真计算对比不同参数的输出效果,最终获得理想控温效果的过程。该实例验证了文章理论解和优化设计指导思路的正确有效性。

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。

船舶混沌运动的比例-积分-微分控制

针对采用比例-积分-微分控制混沌系统时参数不易确定的问题,为克服基本粒子群优化算法的不足,对PSO算法惯性权重系数进行了改进,并将目标混沌系统引入PSO算法,提出了改进动态混沌粒子群优化算法。将改进算法应用于船舶混沌运动比例-积分-微分控制器的参数整定优化并对混沌运动的比例-积分-微分控制进行了仿真研究,仿真结果表明,改进算法得到的控制参数能将受控船舶混沌系统迅速稳定到不动点上,控制效果明显。

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。

基于金豺优化PID的直流电机调速控制系统

针对传统直流(DC)有刷电机调速系统适应性不强、抗干扰能力和稳健性差等缺点,设计了基于金豺算法优化比例-积分-微分(PID)的直流有刷电机控制系统.在建立电机数学模型的基础上,将金豺优化(GJO)算法应用于PID参数整定,实现对电机的控制,并分别与传统试凑法、反向传播(BP)-PID算法和麻雀算法(SSA)-PID进行对比.仿真结果表明:所设计的控制算法在调节时间上减少了12 ms,超调量降低了3.689%,受到干扰后的调节时间减少了17 ms,表现出更快的调节转速、更强的抗干扰能力和更好的稳健性,为直流有刷电机调速控制提供了一种有效的方案.

基于预期动态方程的含高比例可再生能源孤岛运行微电网负荷频率控制

针对高比例可再生能源并入微电网带来的负荷频率控制问题,提出基于预期动态方程的比例-积分-微分(PID)控制策略.在分析微电网负荷频率控制模型和控制难点的基础上,设计基于预期动态方程的PID控制策略,采用单一变量法分析控制器参数对控制效果的影响,总结了简单、实用的参数整定流程,并在微电网负荷频率控制系统中应用.在不同工况下与多种控制器进行仿真对比,结果表明:所提控制策略能够在保证鲁棒性的前提下取得最佳控制效果,展现出很高的工程应用价值.

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。

基于混沌粒子群优化算法的反应釜温度预测控制研究

反应釜作为化工行业核心的生产容器,其温度控制优化在化工生产领域中具有重要作用。针对反应釜温度控制难的问题,提出了一种基于Tent映射的混沌粒子群优化(CPSO)算法优化动态矩阵控制(DMC)-比例积分微分(PID)的反应釜温度预测控制策略。由于DMC很难选取较优的参数,利用Tent映射的CPSO算法提高动态矩阵参数寻优的速度。通过试验,以及与常规PID、DMC-PID控制对比分析,基于Tent映射的CPSO-DMC-PID串级控制对温度控制系统有较好的控制精度和响应速度,可大幅缩小超调量。该控制策略对反应釜温度预测控制研究具有一定的参考意义。

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。

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。

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。

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。

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。