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。

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。

基于改进遗传算法的直流电机双闭环调速系统控制参数整定

直流电机的双闭环控制被广泛应用于直流拖动系统,采用的控制器是传统的PI控制器。在工程应用中,通常采用人工整定PI控制器的参数,往往不能得到最优的控制参数。同时,许多研究采用智能群算法进行整定。针对直流电机双闭环系统的PI参数整定,提出了一种基于改进遗传算法的参数整定方法。与传统遗传算法相比,改进遗传算法的整定效果更佳,具有较快的响应速度、较好的稳定性和较小的超调,更适用于对直流电机双闭环调速系统的控制参数进行整定。

基于GWO-PSO算法的四旋翼飞行器LADRC参数整定

针对线性自抗扰控制器参数整定繁琐的问题,提出了一种基于灰狼算法与粒子群算法联合改进(GWO-PSO)的控制器参数整定方法。将粒子群算法中的粒子种群替换为灰狼算法中的灰狼种群,提高其全局搜索能力;改进收敛因子使其以指数形式变化,提高其寻优精度;在绝对误差积分准则(ITAE)的基础上改进适应度函数,使其与超调量和系统误差相关联,并根据线性自抗扰控制器控制的四旋翼飞行器模型特点,将控制器参数ω0、ωc和b0作为改进算法中的种群进行整定。仿真结果表明,经改进算法优化的控制器,能够满足控制系统的动态性能和稳态性能要求。

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。

基于免疫遗传算法的伺服电机自抗扰控制器参数整定方法

针对永磁同步伺服电机自抗扰控制器存在参数整定问题,试凑法及其他算法存在整定过程复杂、整定结果局部最优等问题,采用一种免疫算法和遗传算法融合的永磁同步伺服电机自抗扰控制器参数整定方法。该融合方法将免疫算法的免疫信息处理机制加入遗传算法中,解决了遗传算法陷入局部最优的问题,使自抗扰控制器参数较快达到全局最优。MATLAB仿真结果显示,该方法提高了自抗扰控制器的响应速度及抗干扰能力,同时减小了约5.6%的跟踪误差,适用于伺服电机自抗扰控制器多参数整定。

基于改进麻雀搜索算法的广义预测控制参数整定

针对多输入多输出(MIMO)的变风量空调(VAV)系统,提出一种基于改进麻雀搜索算法(ISSA)的广义预测控制(GPC)参数整定方法。首先,针对GPC控制器众多参数和系统性能之间关系复杂且难以同时整定的问题,提出通过麻雀搜索算法(SSA)进行参数整定以提高控制系统的性能指标。其次,针对传统SSA在适应度函数较复杂时存在收敛周期较长的问题,提出一种基于非线性增减种群规模的ISSA以缩短算法的收敛周期。同时,引入事件触发机制(ETM)避免ISSA算法陷入局部最优。最后,通过半实物实验平台验证了所提算法的有效性和鲁棒性。实验结果表明,与传统的SSA算法相比,ISSA收敛时间可减少18.61%,并且通过ISSA进行参数整定后GPC控制系统的调节时间可分别减少87.5%、90%。

基于改进BSO算法的VAV空调系统GPC参数整定

针对变风量(variable air volume,VAV)空调系统具有大滞后、强耦合等控制难点,提出了一种基于改进天牛群优化(beetle swarm optimization,BSO)算法的VAV空调系统广义预测控制(generalized predictive control,GPC)参数整定方法。针对标准GPC整定算法只调节控制加权系数λ导致控制性能不佳的问题,首先,提出一种改进BSO算法,通过动态化选取权重参数与学习因子获得较佳的寻优性能。其次,提出一种基于改进BSO算法的新型GPC参数整定方法,可同时整定控制器的控制加权系数λ、控制时域Nu、预测时域Np及柔化系数α。最后,结合实际VAV空调系统,开展仿真与半实物实验。结果表明,采用改进BSO算法调优后GPC的控制效果得到显著提升,调节时间仅为7 s,超调量仅为0.28%。

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。

基于改进蚁群算法的复杂电网继电保护自动整定方法

针对应用传统方法整定后动作延时较大的问题,提出基于改进蚁群算法的复杂电网继电保护自动整定方法。将复杂电网继电保护整定问题转化为非线性整数规划问题,构建一个以反时限过流保护动作时间最小为目标的自动整定模型,采用自适应思想改进蚁群算法后形成自适应最大最小蚁群算法,求解模型得到最佳整定方案。结果表明,应用设计方法后继电保护整定动作时间为0.464 s,电网可以快速恢复正常运行状态。

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。

基于离散花授粉算法的分布式新能源继电保护整定优化方法

现有继电保护整定优化方法需要进行多次试验和调整,耗费大量时间和资源,对于大规模分布式新能源系统是非常不可行的。利用离散花授粉算法,对分布式新能源继电保护整定优化进行研究。以时间整定系数和启动电流为优化参数,构建了目标函数。采用离散花授粉算法对其进行优化求解。实验结果表明:设计方法在不到15次迭代下即可获得最优解,且耗时始终保持在60s之内,能够快速且准确的计算出继电保护的整定结果。

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。

分布式光伏电站接入配电网继电保护整定优化

为了缓解配电网的供电压力,越来越多的分布式光伏电站接入其中,导致配电网结构发生了改变,因此需要重新整定继电保护的定值,否则,当配电网发生故障时,继电器很难有效发挥其保护作用。提出一种分布式光伏电站接入配电网的继电保护整定优化方法。以继电器协同动作时间总和最小值为优化目标,设置4个约束条件,利用微分进化算法求取目标函数的最优解,得出继电器启动电流和时间整定系数的最优整定值。实验结果表明:在接入分布式光伏电站的两相短路故障时,所提整定优化方法的继电器保护总体动作时间更短,验证了该算法的保护整定效果更好,更有利于继电器迅速排除配电网故障,保护配电网安全。