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DDPG-PID的芯片共晶键合温度控制

芯片共晶键合对加热过程中的升温速率、保温时间和温度精度要求较高,在使用传统的比例-积分-微分(PID)温度控制方法时,存在响应时间过长、超调量过大、控制温度不够准确等问题。针对共晶加热台的温度控制问题,提出了一种基于改进的深度确定性策略梯度(DDPG)强化学习算法优化PID参数的控制方法,采用分类经验回放的思想,以奖励值大小为标准对经验进行分类存放,根据智能体当前的状态和下一步动作,从相应的经验池中进行采样并训练,并根据PID控制算法的特性设计了合理的奖励函数,改善了强化学习中奖励稀疏的问题,提高了算法的收敛速度与性能。仿真结果表明,与传统PID控制、常规DDPG-PID控制相比,改进DDPG-PID控制缩短了响应时间,降低了超调量,近乎消除了稳态误差,提高了控制性能和系统稳定性。

充分搜索多策略花授粉算法在PID参数优化中的应用

PID控制器广泛应用于工业领域,结构简单,控制效果良好,参数对控制器起到了绝对作用。花授粉算法是一种应用广泛的元启发算法,但存在易陷入局部最优、迭代后期收敛速度慢、寻优精度差等不足。用加入随机扰动的反双曲正切函数充分搜索策略的转换概率替换原本的固定概率,平衡全局搜索和局部搜索;在异花授粉中引入新型动态因子,改变母系花粉位置的影响;在自花授粉阶段提出权重学习策略,让花粉向优秀花粉方向聚拢;引入翻筋斗探索策略,加大种群多样性。在此基础上提出充分搜索下多策略花授粉算法(MSFPA),对比分析了花授粉算法(FPA)、粒子群算法(PSO)、差分进化算法(DE)和象群算法(EHO)对9个测试函数的仿真实验,结果表明MSFPA算法收敛速度快,性能更优。将MSFPA算法应用于PID参数优化中,经过优化的系统超调量较小,且调整时间较短,有较强的稳定性。

基于深度强化学习的分层自适应PID控制算法

比例积分微分(PID)控制在工业控制和机器人控制领域应用非常广泛.然而,其在实际应用中存在参数整定复杂、系统无法精准建模以及对被控对象变化敏感的问题.为了解决这些问题,本文提出了一种基于深度强化学习算法的分层自适应PID控制算法,即TD3-PID,用于移动机器人的自动控制.其中,上层控制器通过实时观测当前环境状态和系统状态实现对下层PID控制器参数和输出补偿量进行调整,以实时补偿误差从而优化系统性能.本文将所提出的TD3-PID控制器应用于4轮移动机器人轨迹跟踪任务并和其他控制方法进行了真实场景实验对比.结果显示TD3-PID控制器表现出更优越的动态响应性能和抗干扰能力,整体响应误差显著减小,在提高控制系统性能方面具有显著的优势.

PID控制器参数优化的仿真研究

本文对烘干炉的PID控制器进行了参数优化,并提出用遗传算法优化神经网络PID的控制方案。PID控制的控制效果取决于比例、积分和微分三种控制作用参数的合理选择,没有一定的工程经验很难在短时间内选定合适的参数,即使选定了也不一定是最优的。为此,提出用遗传算法优化控制器参数的方案。同时对于非线性复杂系统和参数可变的时变系统,PID控制器不能获得良好的控制效果,因此,考虑采用神经元(网)的PID控制器。本文针对传统PID、神经元(网)PID实现了基于二进制及实数编码的GA参数优化。仿真结果说明了所提算法的有效性。

基于MSSA-PID算法的温升控制系统

为提高温升控制的速度与精度,提出一种基于改进麻雀搜索算法(Modified Sparrow Search Algorithm,MSSA)的PID参数优化选择的温升控制方法。为改善原始SSA算法存在的易早熟问题,同时提高其求解精度,引入动态反向学习机制与自适应t分布扰动对其求解过程进行改进;建立MSSA-PID控制模型,分别对典型的一阶、二阶以及延时系统进行控制,从理论方面对其有效性及优越性进行验证;最后搭建温升控制实验平台验证了所提MSSA-PID温度控制系统温升控制精度高、控制效果稳定。

基于单神经元自整定PID的稳定平台调平控制

稳定平台调平回路大多采用PID进行控制,但这种算法具有抗干扰性能不高的问题,利用神经网络具有自学习、自组织、联想记忆和并行处理的功能和优势,设计了单神经元自整定PID控制算法。该控制算法不仅结构简单,而且适应性强,鲁棒性强。在设计中,采用了一种改良的Hebb学习算法对稳定平台调平回路进行控制。最后的仿真结果表明,单神经元自整定PID控制算法比传统PID控制算法在很多指标上都要好。尤其超调量、干扰抑制能力、过渡时间等动态指标非常优秀,是一种较为理想的控制算法,可以推广应用于各类稳定平台系统。

基于PID型迭代学习控制的列车自动驾驶曲线跟踪算法研究

针对基于比例微分积分(PID,Proportional Integral Derivative)控制的列车速度跟踪算法在跟踪进度、收敛性和稳定性等方面存在的不足,提出一种基于PID型迭代学习控制(ILC,Iterative Learning Control)的列车自动驾驶(ATO,Automatic Train Operation)曲线跟踪算法。通过迭代学习控制,优化跟踪过程,减小跟踪误差,缩短收敛时间;设置典型场景对所设计的算法进行仿真试验,并将仿真结果与基于PID控制算法的跟踪效果进行对比分析。结果表明,PID型ILC算法对列车目标速度和目标位移具有较高的跟踪精度,能够在有限的迭代次数内实现精确跟踪,验证了所提算法的有效性。

基于BP神经网络辨识的预测滤波PID控制

针对复杂非线性系统采用常规PID控制性能不好的问题,通过BP神经网络构建系统输出量的辨识器,在目标函数中加入优化参数的增量约束项,提出可克服算法病态的牛顿法,并用其在线学习BP神经网络的连接权,根据增量式预测滤波PID控制,推导了PID控制参数应满足的线性不等式约束条件,将PID控制参数的优化归结为线性不等式约束的最优化问题。综上研究提出基于BP神经网络辨识的在线优化参数预测滤波PID控制。仿真研究说明,因算法具有在线优化PID控制参数和预测控制性能,故提出的智能PID控制算法与常规PID控制相比,具有更优的性能。

基于强化学习的柴油机调速算法研究

为了更好地调节柴油机转速,提出一种强化学习–比例积分微分(proportional integral derivative, PID)控制器,并应用到了柴油机转速控制中。基于连续动作空间的柔性动作–评价(soft actor-critic, SAC)算法,结合连续型PID控制器,设计了一种强化学习–PID控制器,可代替传统PID控制的转速环。优化设计了基于演员–评论家(actor-critic)框架的输入输出和奖励函数以匹配柴油机特性,采用随机动作增加寻优效率,形成SAC-PID控制柴油机转速的网络交互结构,达到快速调整转速,减小稳定时间的效果。构建了以柴油机D6114为原型机的MATLAB/Simulink平均值模型,并利用试验数据验证了仿真模型的有效性。利用平均值模型,仿真验证了该控制算法效果。经过仿真验证本算法使柴油机转速响应曲线超调量更小,响应时间更快,鲁棒性更强,SAC-PID控制负载瞬态调速率和稳定时间均已达到1级精度指标。仿真对比验证了SAC算法的联合控制效果,结果表明其较其他算法更佳。

基于改进机器学习的图书馆机器人自主避障控制研究

为控制图书馆机器人在行进过程中自动躲避障碍,达到理想工作效果,提出基于改进机器学习的图书馆机器人自主避障控制方法;采集图书馆机器人与目标障碍物距离信息,感知环境特征向量,当成卷积神经网络输入,经卷积、池化等操作,输出图书馆机器人对当前环境感知结果,该结果经输入输出变量模糊化、模糊推理以及输出变量解模糊等操作后,实现图书馆机器人自主避障无冲突运行;实验结果表明:该方法自主避障控制效果较好,避障行驶距离短,高速运行时反应更快,能够避开多个障碍物,识别分类结果与实际感知环境类型一致。

采用单个神经元的PID学习控制

本文采用单个神经元构成 PID 学习控制器,对二阶系统进行了仿真研究,仿真结果证明了控制算法的有效性。

单参数PID的Hebb学习控制

基于模型的设计方法可以获得较为满意的控制性能,但这种方法在设计难以建模或模型时变的系统时会遇到很多困难。本文对简化的Z-N方法进行了根轨迹分析,表明:对于常见的过程控制对象,基于简化Z-N方法整定的单参数单神经元PID存在使系统稳定的可行性解。利用人工神经网络的Hebb学习规则对PID增益进行学习,可以实现常见工业过程的无模型自适应控制。与其他单神经元PID相比,PID调整参数少。仿真和实验表明,本文算法可以获得较好的仿真效果,具有满意的实验性能指标。

基于积分分离PID控制算法的神经元控制器

介绍一种基于积分分离PID控制算法的神经元控制器实现方法。编写S函数来构建MATLAB环境下该神经元控制器的SIMU -LINK仿真模型。利用该模型对控制器在电加热炉中的应用进行仿真研究。仿真结果表明 ,基于积分分离PID控制算法的神经元控制器与传统的神经元PID控制器相比 。

单神经元PID液位PLC控制应用

论述单神经元PID算法及其仿真。在S7-300 PLC上完成单神经元PID控制器的设计,并已应用于实际液位控制系统,获得满意的效果。通过与传统PID控制比较,分析单神经元PID控制算法的优越性。

BP网络的PID型二阶快速学习算法

本文利用ＰＩＤ控制的思想，提出了ＢＰ网络的一种二阶快速学习算法，给出了学习因子选择的必要条件与较佳区域，并结合一非线性正弦函数进行了仿真研究．结果表明，较之标准ＢＰ学习算法，利用此法可使学习收敛速度提高２２倍左右．

船舶自动舵的单神经元自适应 PID/PSD 控制

船舶自动舵的单神经元自适应ＰＩＤ／ＰＳＤ控制程启明万德钧黄林（东南大学仪器科学与工程系，南京２１００１８）对于恒速航行的水面船舶来说，可只考虑偏航等因素．由船舶操纵性理论，只考虑首向角φ作为输出，舵角δ作为输入，可得运动方程为［１］Ｔ１Ｔ２φ…（ｔ...

基于PSD算法的单神经元PID控制器在汽温控制中的应用

介绍将自适应PSD控制算法中递推计算并修正增益的方法引入单神经元PID控制 ,形成了具有增益自适应能力的控制器 ,设计了基于PSD算法的单神经元PID控制器 ,并应用于超临界机组过热汽温控制系统。仿真结果表明 ,基于PSD算法的单神经元PID控制器具有较强的自适应能力和鲁棒性 。

基于不完全微分PID算法的神经网络控制

有关神经网络PID控制的文献中使用的大都是PID的一般控制算法 ,而性能相对优于一般PID控制算法的不完全微分PID算法则很少用于神经网络控制中。神经网络与不完全微分的PID算法相结合应用于神经网络控制 ,其中神经网络使用的是BP网络和神经元。通过仿真实验 ,证明控制效果良好。

位置伺服系统的单神经元PID/CMAC控制研究

在分析了位置伺服控制系统基本原理和数学模型的基础上,提出了一种单神经元PID/CMAC复合控制算法和控制器的设计方法。用单神经元PID替代常规PID控制,由神经元来在线调整PID控制参数,利用CMAC神经网络的自学习和自适应能力,来完成系统的实时控制。该算法直接应用于位置伺服控制系统,仿真结果表明,与传统PID控制算法相比较,该复合控制算法增强了系统的控制精度,提高了系统的响应速度,具有较强的鲁棒性和抗干扰能力。