免疫遗传PID汽车纯机械转向系统参数优化

以免疫反馈机理和遗传PID算法为基础,提出了一种免疫遗传PID算法.该算法的核心是将免疫反馈机理和遗传算法结合,并以ITAE性能准则为目标函数;将该算法用于汽车纯机械转向系统PID参数优化的过程中,并用Matlab仿真实验.仿真结果表明:基于免疫反馈机理和遗传算法的PID参数优化可以有效地提高汽车转向柱转角跟随转向盘转角的速度,缩短滞后时间,且使汽车机械转向系统具有较好的稳定性,其结果可为汽车电动助力转向系统的参数优化提供理论依据.

轮式机器人模糊神经网络建模与模糊遗传PID转向控制的研究

针对数学模型复杂的轮式机器人的转向控制问题 ,提出了一种先用模糊神经网络建模 ,再用模糊遗传PID转向控制的方法。模糊遗传PID控制算法简单 ,直观性好 ,容易理解 ,能直观地判断PID参数是否有效。控制方法所需的数据完全来源于实验。经过对车体转向控制的仿真研究 ,由仿真结果可看出 ,仿真控制效果良好。控制方法能适应各种不同速度、不同转向角度等参数变化 ,在实际中应用实验数据就能控制 。

基于遗传PID的压差铸造控制系统仿真设计

压差铸造因其充型平稳、铸件组织致密、成型性好等优势而广泛应用于大型薄壁铸件的成型。影响低压铸件产品的质量有金属液体压力、流量、流速等因素,在诸多因素中压差铸造压力是影响其它关联因素的核心要素。阐述了基于遗传算法对压差铸造压力控制系统PID参数进行的优化,提出了遗传PID压力控制算法,并对该系统进行了仿真,实验结果表明,与传统的寻优方法相比可明显改善控制系统的动态性能,验证了遗传PID算法是一种简单高效的寻优算法。

基于遗传PID整定的单柱校正压装液压机控制

目前大多数单柱校正压装液压机都还是采用手动控制或传统PID控制,很难满足于一些对加工要求较高的工件。针对这一问题,本文引入遗传算法,利用其对PID的三参数进行整定,从而对液压机控制性能进行优化。文章最后通过MATLAB仿真实验,得到遗传算法整定的PID控制比常规PID控制有更好的稳定性、鲁棒性和抗干扰性。

基于遗传PID的动静液复合转向优化控制研究

由于履带车辆常运行于恶劣的环境中,采用动静液复合转向机构的某型履带车辆在转向过程中,静液系统压力存在较大的波动,严重影响了车辆的转向等性能.为了使履带车辆动、静液系统配合平稳,采用电液比例阀替代实车上采用的充油阀,并在Matlab仿真平台下建立了动静液复合转向的系统模型,对转向过程的静液系统压力变化等情况进行了仿真.为了改善系统的综合性能,设计了遗传PID控制器,控制器可根据静液系统压力波动状况实时控制进入液力耦合器的油量.仿真结果表明,改进后的系统工作过程平稳,动态响应迅速,能够很好地抑制了转向过程中静液系统压力的波动,提高了车辆转向的综合性能.

基于遗传PID的播种机排种器数控加工误差优化研究

为了提高排种机排种器的排种盘的加工质量,在排种盘的加工工艺设计过程中引入了遗传和PID算法,通过遗传算法对PID参数的整定,提高了PID控制器的控制精度,并利用遗传PID算法对加工误差进行反馈,降低了排种盘的加工误差。为了验证加工工艺的优化效果,采用仿真模拟的方法对PID控制器的响应速度和精度、加工实时误差进行了计算,由优化前后的仿真结果可以看出:采用遗传算法可以加快PID控制器的响应速度,提高控制精度,采用遗传PID误差反馈调节机制可以降低排种盘的加工误差。

基于遗传PID算法的自适应巡航控制

随着高级驾驶辅助系统(ADAS)成本的下降,ADAS系统逐渐被下放到普通家用车上。自适应巡航系统(ACC)作为ADAS的重要组成部分,深受广大消费者的关注。文章设计了基于遗传算法和PID算法的上位控制器和基于模糊控制的下位控制器。使用Carsim和Simulink仿真后结果显示,基于遗传PID算法的自适应巡航控制具有更好的控制精度和控制效率。

基于OPC技术与自适应遗传PID控制方法在PCS中的应用

当前智能化控制已经成为工业发展的必然趋势,本文以MCGS组态软件和OPC技术为突破口,结合MATLAB强大的计算功能,提出了一种基于OPC技术的自适应遗传PID控制方法,解决了当前PCS和组态软件自身编程语言难以实现智能控制的困难,使MATLAB不再局限于离线仿真,实现了在线智能优化,该方法在典型PCS的应用中取得了良好的效果。

遗传PID在挤出机中的应用设计研究

注射压力是影响挤出成型过程的关键因素之一,其控制水平的高低将直接影响产品的质量。因此对注射压力的控制不仅有数值上的要求,而且还要稳定、可控。针对目前PID控制器往往整定参数不良、性能欠佳的弊端,应用遗传算法的并行性特征搜索其全局最优解整定PID参数。仿真结果说明应用该算法优化得到的参数使得系统具有无超调量且调节时间短的优点。

基于遗传算法PID控制的采煤机自动调高液压系统研究

为提升采煤机控制系统的动态特性,实现精确控制。通过分析遗传算法PID控制原理,将遗传算法PID控制和液压系统相结合,优化电液比例控制的采煤机自动调高液压系统。对比仿真分析优化前后活塞杆速度响应、位移跟踪情况,相比于单纯电液比例控制具有更好的效果,可实现滚筒垂直位置的快速改变;且优化后降低因负载扰动产生的稳态误差,增强抗干扰能力和精度。

基于遗传算法对控制水下机器人运动姿态进行PID参数整定

为了保证水下机器人在工作时面对外界扰动,能够及时调节自身姿态,保证控制性能,将通过获得其运动控制方程,再使用遗传算法PID对其进行控制。将遗传算法PID与PID仿真实验进行对比,得出遗传算法PID控制针对水下机器人的控制性能方面有一定提升,具有一定可行性。

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。

基于遗传算法整定PID的自主潜器深度控制

研究设计了一个基于遗传算法(GA)整定的PID控制器来解决传统的PID控制器参数选择不合适的问题,并将其应用到自主潜器(AUV)的深度控制系统中。建立了AUV深度控制数学模型,并对方程进行了线性化处理,得到了AUV的深度控制设计模型。基于遗传算法整定PID参数的方法为AUV设计了深度控制器,并将该控制器应用深度控制系统进行了仿真实验,仿真结果表明该控制器能够提高AUV深度控制系统的控制品质。

基于遗传算法PID的风力机变桨距系统电液伺服控制

针对风力机电液伺服变桨距控制系统,设计了基于遗传算法整定的PID控制器,并通过计算机仿真,再现了系统跟踪阶跃信号的系统响应。仿真结果表明,在该控制器作用下,风力机变桨距系统具有良好的动态性能。

豆粉喷雾干燥塔遗传模糊PID串级控制系统仿真

目的:提出一种遗传模糊PID串级系统。方法:以出口温度为主被控量,进风温度为副被控量构成一个串级调节系统,主回路采用遗传模糊PID控制器,副回路采用PI控制器。结果:仿真试验表明,与经典PID控制相比,串级遗传模糊PID控制具有调节时间短、鲁棒性好等优点。结论:遗传模糊PID串级豆粉干燥塔喷雾系统可以提高豆粉的生产质量。

基于模糊与遗传优化PID的电动助力转向系统的设计与实现

针对电动助力转向(EPS)系统设计时路感不清晰合理的问题,提出了一种基于模糊推理的电动助力转向目标电流的确定方法;针对传统PID控制参数难整定的问题,设计了一种基于遗传优化PID的控制算法,快速跟随目标电流的变化,达到控制电机输出转矩的目的。为了缩短研发周期和降低成本,基于dSPACE,搭建了EPS半实物仿真实验平台并进行实验测试研究。结果表明,基于模糊方法确定的目标电流,路感清晰合理,满足低速轻便性和高速稳定性,遗传优化的PID控制器响应速度快,超调量小于5%,实现了的良好的助力效果。

基于遗传算法PID的双轴连续挤压包覆机速度控制

提出了采用遗传算法PID实现牵引速度的在线控制.首先通过实验法测定被控对象的数学模型,再利用算法对PID参数进行自适应调整,最后使用MATLAB对遗传算法PID和常规PID法进行系统仿真比较.仿真结果表明,遗传算法PID比常规的PID具有更高的响应速度和控制精度,并且具有抗干扰性更强,鲁棒性更高等优点.

基于ARM与遗传算法的智能小车的设计与实现

为了提高智能小车的智能化以及抗干扰性能和鲁棒性,介绍一种基于ARM与遗传算法的智能小车的设计。小车应用ST公司的32位单片机STM32F103芯片为控制器,同时外部连接红外传感器,并通过遗传算法整定PID参数,实现更好的循迹行驶。给出了部分硬件电路图和软件流程图、算法的流程图以及相关的源代码。实践证明,采用遗传PID算法的智能小车具有更强的抗干扰性、鲁棒性并且更具智能化。

计算机数据融合算法下植保机精准化作业研究

针对我国传统的植保机在精准化作业和自动化喷洒方面存在的不足,基于计算机数据融合算法对植保机精准化作业进行了设计试验。植保机的主要组成包括控制单元模块、信息采集模块、传感器模块、数据传输模块和变量执行器模块。为了实现植保机的精准化作业,对植保机的飞行姿态调整和变量喷药过程进行了算法设计。其中,飞行姿态控制采用双闭环位置式PID控制算法,喷药过程采用改进的遗传PID控制算法进行控制。为了验证植保机精准化作业的效果,对其进行姿态控制和变量喷药试验。结果表明:植保机姿态控制良好,能够完成精准化喷药。

基于改进GAAA算法的PID参数优化

针对PID参数优化问题,对蚁群算法进行改进,并与遗传算法相结合,提出了改进的GAAA算法;该算法先利用遗传算法获得初始信息,然后运行改进的蚁群算法,大大加快了蚁群算法的速度;对PID控制的参数优化与仿真结果表明,该优化方法无论在时间性能和优化性能上都取得了较好的效果。