上下料机械手的自适应遗传算法PID参数整定

压力机的上下料机械手能代替人工进行重复作业,不仅保障人身安全,同时提高企业的竞争力。重点介绍基于自适应遗传算法的上下料机械手电机伺服系统的速度控制环、位置控制环的多个控制参数优化整定,并与简单遗传算法得到的整定结果进行比较,从而得到快速、准确、稳定的理想优化结果。

改进遗传算法PID参数整定及在漂白温度控制中的应用

遗传算法(GA)是一种基于群智能的全局随机优化算法。针对简单遗传算法(SGA)收敛速度慢、易于早熟等缺点,采用改进的自适应交叉算子和自适应变异算子,结合兼顾性能指标和响应过程平衡的适配函数,以多种改进方式相结合的遗传算法对PID参数进行寻优整定。并将该控制器应用于纸浆漂白温度控制中,仿真结果表明:改进遗传算法能够明显改善收敛速度和寻优效果,当被控对象存在较大纯滞后、时间常数特性较大时,采用本方法优化PID控制器参数可获得比较满意的控制效果。

基于层次分析遗传算法PID参数整定的四旋翼控制系统

分析了四旋翼飞行器控制的欠驱动、强耦合等问题,利用牛顿—欧拉方程建立四旋翼飞行器的动力学模型;对该模型合理简化后,设计一种由内环姿态控制和外环位置控制组成的双回路PID控制器。针对系统的静态特性、动态特性和可靠性等要求,将系统分为系统层、子系统层和参数层,建立系统的多目标优化指标,运用层次分析遗传算法对系统进行PID参数整定。将控制器和整定得到的参数用于四旋翼飞行器系统后,室外飞行实验表明飞行器能在室外做满足工程精度要求的飞行。

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。

基于改进遗传算法的四旋翼无人机PID控制参数整定

四旋翼无人机是一种多输入、多变量、强耦合、欠驱动的复杂系统,对控制算法要求高,而PID控制参数在实际整定中难以达到最优。因此,提出一种基于改进遗传算法的PID控制参数整定方法,通过引入LHS初始化种群、最优个体保留、自适应动态交叉与变异等组合改进策略,使遗传算法易陷入局部最优、搜索效率偏低的问题得以改善,利用其对四旋翼无人机姿态控制系统PID参数进行优化整定,结果表明,该方法能大幅提高四旋翼无人机姿态控制系统的动态性能。

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。

一种基于遗传算法的PID参数优化方法

石化工厂装置常使用PID回路控制,而常规的参数调整方法需要依赖人工经验选择PID参数,存在一定的局限性。为了解决这个问题,设计了一种基于遗传算法的自整定PID控制器预测方法。该方法首先利用遗传算法对PID控制器的参数进行优化,得到最佳的参数组合。然后,将这组参数应用到模型中,并利用模型来预测下一个时刻的系统输出。根据实际输出与预测输出之间的误差,通过调整PID控制器的参数来减小偏差。通过不断迭代和优化,最终获得具有良好控制性能的PID控制器。采用遗传算法进行参数优化,能够快速将被控对象调整到稳定状态,并明显提高整个系统的响应速度。同时,在该方法在软件仿真下,稳态误差和超调量都得到了有效降低。

基于主轴PID参数整定的永磁同步电机三环遗传控制

为了进一步提高永磁同步电机三环(位置环、速度环和电流环)遗传控制精度,选择遗传算法来整定主轴参数。建立永磁同步电机三环遗传控制流程,并根据模糊PID对参数实施整定。在辨识参数对变增益PI控制的基础上,通过设置惯性权重系数来实现收敛速度。从直线信号方面开展进给测试,促进了跟随性能的显著提升。研究结果表明:相对人工经验方法,三环遗传控制方法的绝对误差极值和绝对误差积分降低了30%左右,对跟随误差达到了更优跟随性能,提升了跟随性能。该研究有助于提高永磁同步电机控制精度,也可拓宽到其他类型的电机控制领域。

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。

基于遗传算法的PID参数整定与优化

ＰＩＤ参数整定与优化一直是自动控制领域研究的重要问题。采用遗传算法进行ＰＩＤ参数整定与优化是一种寻求全局最优且与初始条件无关的优化方法。在参数整定与优化过程中，考虑了过程控制系统的参数整定特点和寻优精度。仿真表明：该方法比一般ＰＩＤ参数整定方法具有更好的控制性能指标，不失为一种具有较好实用价值的ＰＩＤ参数整定与优化方法。

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。

改进量子遗传算法在PID参数整定中应用

参数整定是PID控制器设计的关键,针对PID控制器参数整定问题,提出一种基于改进量子遗传算法的参数整定方法。该算法在基本量子遗传算法的基础上引入了量子交叉、量子变异和群体灾变操作。基于改进量子遗传算法的PID参数整定方法将PID控制器参数整定转化为参数优化问题,通过改进量子遗传算法的进化计算实现参数整定。与其他参数整定优化算法的仿真结果比较表明,该方法能获取更好的控制品质,仿真结果验证了该方法的可行性。

基于量子遗传算法的PID控制器参数自整定

提出了一种基于量子遗传算法(QGA)的PID控制器参数整定方法。首先定义一个包含表示系统超调量、上升时间和稳态误差指标项的适应度函数,并根据实际系统的性能要求对指标项进行适当加权。之后采用具有量子比特个体表示形式和量子旋转门实现种群进化的量子遗传算法,对PID进行多目标寻优,从而实现PID参数的自动整定。仿真结果表明,该方法优化得到PID控制器的综合性能优于常规方法和一般遗传算法得到的PID控制器。

基于改进遗传算法的PID参数整定策略

针对简单遗传算法(SGA)收敛速度慢、易于早熟等缺点,在前人研究成果的基础上,提出动态调整搜索空间策略,对遗传算法进行多步渐进搜索。并采用改进的自适应交叉算子和自适应变异算子,结合兼顾性能指标和响应过程平衡的适配函数,以多种改进方式相结合的遗传算法对PID参数进行迭代寻优整定。仿真结果表明:当被控对象存在较大纯滞后、时间常数特性时,采用本方法优化PID控制器参数可获得比较满意的调节效果。

基于遗传算法的天然气液化工艺PID控制器参数整定与优化

天然气液化工艺具有影响因素多、系统变化滞后性大和干扰耦合性强的特点,对控制器的性能要求较高。在天然气液化工艺动态模拟的基础上,结合遗传算法,将控制器的比例、积分和微分参数作为变量,被控制变量的误差对时间的积分值作为适应度函数,对节流温度串级控制、压缩机压力控制和分离器液位控制等关键控制器的PID参数进行了整定和优化,改进控制效果,为天然气液化装置的稳定运行提供依据。结果表明,优化后天然气节流温度、压缩机出口压力和混合制冷剂液位控制误差分别降低了17.7%、71.4%和92.9%。