BPNN改进PID算法的CFB锅炉主汽温控制

CFB机组发电流程中,过热器出口的主蒸汽温度是锅炉安全经济稳定工作的标准之一。主汽温对象是具有大延迟、大惯性且模型不精确的时变非线性控制对象,常见的串级PID控制系统很难达到高精度的控制质量。BP神经网络(BPNN)具有自主学习能力强、学习速度快的优点,将BPNN与PID算法进行结合,设计改进PID算法的CFB锅炉主汽温控制系统,通过MATLAB/Simulink进行模型搭建与仿真。结果表明,BP改进PID算法的控制系统具有比常规串级PID控制更加快速、稳定、准确的控制效果。

基于改进粒子群算法的机械手抓取力自整定模糊PID控制

为提高欠驱动机械手在易碎零件分拣过程中的稳定性,通过改进粒子群算法,给出一种优化其抓取性能的模糊PID控制算法。首先,分析欠驱动机械手抓取力控制系统的特性,提出粒子群算法与模糊PID抓取力控制系统相结合的具体策略。其次,将动态惯性权重等方法引入粒子群算法中,以提高其迭代速度并防止其陷入局部最优。在此基础上,利用改进后的粒子群算法优化模糊PID控制器的相关参数,实现了对模糊规则权重及量化因子的在线自整定,解决了PID参数无法动态调整的问题。最后,对其进行仿真分析。结果表明:该控制算法可以在0.8 s内达到稳定抓取力,稳态误差小于0.2%,扰动整定时间为0.262 s,系统的瞬态响应速度、控制精度以及稳定性均有明显提高。

基于改进鲸鱼算法优化PID的转速控制

当汽轮机转速发生偏差时,需要操作员手动整定PID参数使转速达到稳定,但控制效果不佳且调节时间长,针对这一问题提出了一种改进的鲸鱼优化算法优化PID参数控制转速,通过引入反向学习策略和非线性收敛因子,在一台3MW的汽轮机的组态仿真中进行实验对比。结果表明:与鲸鱼算法、粒子群算法相比,改进鲸鱼算法寻优效果更好,进而有效地达到对汽轮机转速的控制。

基于改进自适应遗传算法的小径短绳自动打捆机步进电机PID控制

为提高小径短绳自动打捆机步进电机的控制精度,在分析经典遗传算法和经典自适应遗传算法的基础上,引入进化代数和个体适应值排名来指导自适应交叉率和自适应变异率,设计了一个基于改进自适应遗传算法的PID控制器,以削弱进化过程中优良参数的退化现象。MATLAB仿真结果表明,改进的自适应遗传PID提高了收敛精度,并具有更快的收敛速度。针对步进电机的实际测试结果表明,与经典遗传算法相比,改进的自适应遗传PID调整时间更短、超调量更低。

基于改进鲸鱼优化PID的无刷直流电机转速控制算法

针对鲸鱼优化算法易陷入局部最优以及无刷直流电机(brushless DC motor,BLDCM)速度控制响应慢、超调量大等缺点,提出一种改进鲸鱼优化算法(improve whale optimization algorithm,IWOA)优化PID(proportional integral derivative)参数的无刷直流电机速度控制算法.该算法采用高斯变异因子、自适应权重因子和动态阈值相结合对鲸鱼优化算法进行优化.仿真实验结果表明,改进鲸鱼优化PID的无刷直流电机转速控制算法具有更快的收敛速度以及较小的超调现象,鲁棒性也更好.

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。

基于改进鲸鱼算法的收卷张力PID控制的性能优化

PID控制器的参数决定张力控制系统的稳定性和速度,因此研究收卷张力控制中经典PID控制器参数整定优化问题具有重要意义。以卷绕张力系统为切入点,结合PID和改进的鲸鱼优化算法,设计了基于改进鲸鱼算法(L-WOA)的PID张力控制器;为了提高PID整定参数方法的收敛精度和速度,在进行整定时结合了改进鲸鱼算法;建立数学模型和动态转矩平衡方程,分析了线速度和卷径对卷材张力的影响;分别使用改进鲸鱼算法和其他多种算法进行了参数优化。仿真结果表明,采用改进鲸鱼算法优化PID的控制策略具有响应速度快、控制输出稳定、抗干扰能力强、鲁棒性好等优点。

基于改进BPNN算法的电力物资需求预测方法分析

电力物资需求预测是电力企业运营管理中一项重要技术,但是当前预测水平比较低,不仅平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)比较大,而且预测结果置信度水平比较低,无法达到预期的预测效果,因此提出基于改进误差反向传播神经网络(Back Propagation Neural Network,BPNN)算法的电力物资需求预测方法。为保证电力物资需求预测的准确性,首先按照项目的性能将电力物资分为技改物资、维修物资、科技物资、基建物资以及信息物资,然后根据划分的物资类别从电力物资信息系统或平台上收集历史电力物资信息,并对数据泛化和归一化处理,利用改进BPNN算法对电力物资需求数据训练,提取电力物资需求特征,量化预测电力物资需求,以此实现基于改进BPNN算法的电力物资需求预测。经实验证明,设计方法MAPE不超过1%,预测结果置信度不低于95%,在电力物资需求预测方面具有良好的应用前景。

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。

基于改进粒子群算法优化PID参数的电气设备自动控制研究

常规的电气设备自动控制方法以逻辑控制为主,并未配置和优化PID参数,无法满足不同电气设备的运行需求,因此设计了基于改进粒子群算法优化PID参数的电气设备自动控制方法。首先基于改进粒子群算法整定电气设备控制PID参数,利用粒子群算法优化PID参数,根据适应度函数的输入情况调节参数,使电气设备的控制性能达到最优。然后设定电气设备自动控制逻辑指令,通过FBD、IL、ST、Ladder、SFC等语言组建电气设备自动控制功能,从而实现电气设备的有效控制。采用对比实验,验证了该方法的自动控制效果更佳,能够应用于实际生活中。

基于改进引力搜索算法的水轮机调节系统仿真

针对现阶段水电机组存在多种复杂工况、工程计算受限于算法本身的复杂性等问题,提出一种改进的引力搜索算法(改进PSOGSA),以此提高水轮机控制参数的优化性能,弥补传统控制策略难以满足动态需求的不足.首先,结合PSO算法,在GSA的速度更新公式中引入学习因子进行改进.其次,应用一种权重系数优化其位置更新公式,提高算法的自适应性.最后,结合相关仿真建模试验,使用所提改进PSOGSA对水轮机调节系统PID参数进行优化调节.仿真结果表明,在5%空载频率扰动下,改进PSOGSA的PID控制器明显优于上述传统算法,所调节的模型系统能在更短时间内趋于稳定,此时的超调量远低于传统算法,表明此改进PSOGSA在后续迭代中具备更高的迭代效率,并且改善了常规算法中易陷入局部最优的问题,从而证明了改进PSOGSA的合理有效性,水轮机调节系统的控制效果在一定程度上得到优化.

采用改进BP-PID控制的机器人避障仿真研究

针对移动机器人避障过程中行驶路径长、寻路速度慢等问题,提出了一种改进反向传播-比例-积分-微分(BP-PID)控制器,并对移动机器人避障效果进行仿真验证。利用移动机器人在二维坐标系的避障简图,得出了移动机器人运动方程式。引用比例-积分-微分(PID)控制器和3层BP神经网络结构,利用BP神经网络的学习能力调整PID控制器参数。引用粒子群算法进行改进,通过改进粒子群算法在线优化BP-PID控制器,确保移动机器人BP-PID控制器收敛于全局最优值,从而使移动机器人避障效果更好。在不同环境中,采用Matlab软件对移动机器人避障效果进行仿真,比较改进前和改进后的移动机器人避障效果。结果显示:在不同环境中,改进前和改进后的BP-PID控制器均能使移动机器人安全地躲避障碍物;但是采用改进的粒子群算法优化BP-PID控制器,可以使移动机器人运动路径更短,迭代次数更少,搜索时间更短。采用改进BP-PID控制器,能够提高移动机器人避障过程中寻路速度,缩短行驶路径,效果更好。

基于改进模糊PID果园双轮移动机器人运动控制

针对果园双轮机器人在果园路面移动时难平衡、易失稳的问题,提出了一种基于改进萤火虫算法优化的模糊比例-积分-微分(PID)控制策略。首先,根据机器人与果园不平整路面特点,建立其动力学状态空间模型;第二,阐述改进萤火虫算法原理并用其优化控制器模糊规则;第三,利用MatLab/Simulink软件对机器人运动控制进行仿真试验;最后,为检验所提出算法的可行性,建立对比试验。研究结果表明:改进萤火虫算法优化的模糊PID控制器实现了果园双轮移动机器人的稳定运动功能,到达稳定的时间与最大倾角较传统PID控制器分别减少了3.9s和20.4°。

多臂协同复合机器人的改进PID柔顺控制系统设计

针对多臂协同复合机器人在焦炉顶炉口执行多臂协同测温作业时的稳定性,本文设计一种基于改进粒子群优化(IPSO)算法的PID柔顺控制系统。对于焦炉顶炉口测温,首先设计了多臂协同复合机器人来实现移动过程中的焦炉顶炉口测温作业;其次搭建机械腿与PID控制模型;并运用于PID控制器参数整定,与Z-N法进行比较,改进粒子群的PID柔顺控制模型调节时间缩短26 s,超调量更小;最后,通过Simulink与Adams联合仿真得到复合机器人的各运动参数曲线。结果显示,多臂协同复合机器人在前进2000 mm过程中,机身只有0.45 mm的偏移,整体运动速度最大可达100 mm/s,膝关节最大关节角速度稳定在48(°)/s和54(°)/s,在机器人稳定运行范围内。结果表明多臂协同复合机器人稳定运动,能够很好地实现焦炉顶炉口测温作业。

基于改进灰狼算法的啤酒灌装PID液位控制

目的针对啤酒罐装液位控制存在的变负荷、多模态、PID参数整定难的问题,提出一种基于改进灰狼算法的PID参数整定方法,以提高啤酒生产的工作效率。方法对灰狼算法进行改进,使用欧式距离变化率动态调整收敛因子,平衡算法的全局搜索能力;引入动态自适应权重因子,提高算法的优化速度和精度;与基本灰狼算法比较并用测试函数验证改进算法的性能。结果仿真结果表明,改进后的灰狼算法在收敛速度和精度上提升效果显著;改进灰狼算法整定的PID参数的上升时间为1.9 s,调节时间为5.12 s,超调量为3.78%。结论与基本灰狼算法对比,改进灰狼算法对啤酒灌装液位PID参数进行整定,调节时间快,超调较小,可以更好地满足啤酒生产的控制要求。

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。

改进PSO-BPNN供水泵站变频恒压PID控制

供水泵站是变频恒压系统,要求保障水压稳定,且在干扰情况下能快速响应并恢复稳定。为提升系统稳定性、高效性,提出一种改进PSO-BPNN的PID控制方法。首先构建供水泵站变频恒压控制模型,再基于BPNN实现PID非线性控制,提出一种PSO惯性权重改进策略,以提升PID参数的计算效率,从而更好地满足供水泵站控制需求。实验表明,本文算法响应快速、无超调,且具有稳定的非线性信号跟踪性能。相比BPNN、PSO-BPNN的两种PID控制算法,本文算法在恒压实验的调节时间缩短了29.6%和2.8%;在干扰实验中,超调量减少了34.6%和19.9%,稳定时间缩短了7.3%和1.6%。本文算法可提升供水泵站系统的稳定性和高效性。

基于改进遗传算法的十二旋翼姿态控制

为了更好地解决多旋翼无人机的姿态控制问题,运用改进遗传算法对PID控制器进行优化,主要以通过多个适应度评价函数改进父代种群的挑选和算法终止条件为切入点进行改进,将优化后的控制器应用到多旋翼飞行器的姿态和位置控制,提高无人机性能。应用MATLAB/Simulink进行无人机模型的搭建和仿真,通过最后的仿真实验结果可以看出,与模拟PID控制器相比,改进遗传算法的PID控制器上升时间平均缩短了0.837 s,超调量平均减小了0.15,调整时间平均缩短了1.538 s。改进后的多旋翼飞行器响应更快,控制效果更好,能够有效提高救援效率。

基于改进PID算法的柔性机械臂路径规划技术研究

柔性机械臂的质量比较小,使其在能耗、工作效率方面均具有较好的表现,当前已经广泛应用于机械加工、航空航天及农业生产领域。但柔性机械臂由于结构呈现细长的特点,加之质量比较小,在运行时易出现振动,若机械臂抓取的物件比较重,则更加容易对其运行路径产生影响,因此,若要对柔性机械臂路径进行合理规划,必须采取科学的算法对柔性机械臂运行时产生的振动进行控制,同时还要保证柔性机械臂运行稳定,从而使柔性机械臂能够按照规划的路径运行。

基于改进DBO算法的水轮机调节系统优化仿真

针对传统的水轮机调节系统中PID控制存在的响应速度慢和稳定性较差等问题,本文提出了一种改进的蜣螂优化算法(DBO),旨在提高系统性能以满足电力系统动态需求的日益复杂性。首先,本文分析并建立了水轮机调节系统的数学模型。其次,通过引入Tent混沌初始化和精英反向学习策略对DBO算法进行改进,并使用4个基准函数验证了改进算法的先进性。最后,将改进后的混沌精英蜣螂算法(TEDBO)应用于水轮机调节系统的PID调速模块,并进行了MATLAB仿真实验,分别在空载频率扰动和负荷扰动下进行了测试。实验结果表明,在5%频率扰动下,相比于传统粒子群算法(PSO)和万有引力算法(GSA),改进后的TEDBO算法优化的PID调速器调节时间缩短了5个时间单位,超调量减小至0.23%;在10%负荷扰动下,目标函数的最优适应度仅为0.004000,进一步验证了改进的TEDBO算法在水轮机调节系统优化方面的显著优势。