平面并联机器人离线PID控制优化研究

为了使平面并联机器人在闭环控制系统中具有更稳定的控制性能。对此,这里构建了平面五杆并联机器人动力学模型及其控制系统模型,给出了控制系统的增益矢量p。对机器人系统模型进行离线PID控制优化,通过控制增益来设计控制系统中的增益矢量p,从而实现非线性单目标动态优化(NLMODOP)。在NLMODOP中加入动态约束,采用带约束处理机制的差分进化(DE)算法求解平面并联机器人的非线性规划问题,进而处理不稳定的动态优化。对机器人模型中的五个连杆进行仿真实验,并对有无DE算法控制的仿真结果进行了比较。结果表明:相比于无DE算法,采用DE算法下的机器人系统模型的连杆跟踪位移基本无跟踪误差。说明基于差分进化算法的平面并联机器人离线PID控制优化具有较好的控制精度和跟踪性能。

电液执行器非线性PID控制优化仿真研究

为了提高电液执行器运动轨迹的跟踪精度,提出了一种非线性比例-积分-微分(PID)控制优化方法,通过仿真检验优化后的控制系统输出结果,构建了电液系统数学模型。对传统PID控制参数进行改进,设计了一种非线性PID控制方法。引用粒子群算法并进行改进,利用改进粒子群算法迭代搜索原理对非线性PID控制器参数进行在线调整,最终得到电液执行器最优控制参数值,使电液执行器具有更好的抗负载干扰能力。以电液执行器不同工况为例,利用Matlab软件对电液执行器运动轨迹进行仿真,比较空载和负载条件下输出结果。结果显示:在空载条件下,分别采用PID控制、非线性PID控制和优化非线性PID控制方法,电液执行器运动轨迹输出误差均较小,相差不大。在负载条件下,优化非线性PID控制方法明显优于PID控制和非线性PID控制方法,相比之下使用优化非线性PID控制方法,电液执行器运动轨迹输出误差较小。采用改进粒子群算法优化非线性PID控制方法,使电液执行器能够抑制负载工况的干扰,具有较高的跟踪精度。

基于自适应遗传算法的非线性PID控制器

生物发酵利用夹套进行加热和冷却,其温度控制精度非常重要.但这种以温度为被控对象往往存在严重的积分纯滞后现象,采用常规的控制算法难以达到所要求的控制品质.基于PID控制器各增益参数与偏差信号之间的非线性关系,采用出一种非线性PID控制器.同时,针对经典遗传算法收敛速度慢,易陷入早熟,局部最优等缺点,提出一种自适应遗传算法,自适应遗传算法通过建立适应值差值函数来适时调整交叉、变异概率.这使算法具有自适应性,将其应用于非线性PID控制器参数寻优.仿真结果表明,基于此遗传算法寻优的非线性PID控制器可以有效的抑制大滞后系统的超调缺陷,具有较好的控制精度.

铝合金脉冲MIG焊过程PID控制器设计与仿真

针对铝合金脉冲MIG焊过程,根据建立的占空比与焊接正面熔宽之间动态关系的数学模型,设计了非线性PID控制器和遗传算法优化的PID控制器,并分别对其在焊接过程中占空比对熔池正面熔宽阶跃动态响应的控制效果进行了MATLAB仿真研究。结果表明,非线性PID控制方法具有比遗传算法优化的PID控制方法更好的控制效果。

基于粒子群算法的一种非线性PID控制器

基于PID控制器各增益参数与偏差信号之间非线性关系,分析了一种P/I/D各部分参数关于误差的理想变化过程,根据控制与误差之间的调节规律,给定一组增益参数的连续非线性函数,构造出一种非线性PID控制器。粒子群算法具有对整个参数空间进行高效并行搜索的特点,采用该算法寻优整定该非线性PID控制器的各增益参数。仿真结果表明了所提算法的有效性和所设计控制器的优越性能。

基于自适应遗传算法的DFB激光器模糊PID温控系统

针对传统的PID控制算法很难准确控制DFB激光器温度的问题,提出并设计了一种基于模糊PID控制和自适应遗传算法的新型DFB温度控制系统.该控制系统由硬件和软件两部分构成,在硬件设备上以单片机作为控制系统的处理器,以铂电阻和热电冷却器分别作为控制系统的敏感器和执行器;在控制算法上利用自适应遗传算法来优化模糊PID的自整定规则.结果表明,该系统能够实现DFB激光器在5~65℃温度范围内的有效控制,控制误差和超调量分别低于0.002 3℃和10%,具有较好的应用前景.

SMA迟滞系统的PID控制及参数优化研究

形状记忆合金(shape memory alloy,SMA)是一类新型功能材料,作为电热驱动器,广泛应用于工程领域。但由于材料内在的非线性性质和迟滞效应使其在控制系统的设计和热力学建模上较为困难,不利于简单控制系统和实时控制的实现。基于Preisach理论给出SMA驱动器系统的温度-位移迟滞模型,分析系统的热传导过程,将传统的比例-积分-微分PID(proportional-integral-differential,PID)策略应用于控制器的设计,并引入蚁群和粒子群两类智能算法优化控制器参数,讨论优化过程和控制效果;与传统PID参数整定方法相比,系统的阶跃响应和正弦信号跟踪性能取得比较理想的效果,且智能算法调节控制器参数的实时性更强,克服非线性和迟滞效应的影响。

基于改进PSO的智能车辆转向自适应PID控制

针对智能车辆转向系统的复杂,非线性和时变性,提出了基于改进粒子群算法的自适应PID控制,在该控制系统结构中,采用改进粒子群算法获得PID参数在线调整的信息,完成PID控制器参数的在线自整定,实现智能车辆转向的智能控制.实验结果表明,与常规的PID控制方法相比,该方法具有较高控制精度,较强的自适应性和鲁棒性,完全可适用于智能车辆转向系统的控制.

基于改进型粒子群算法的PID神经网络控制系统

针对传统的PID神经网络(PIDNN)应用范围受限及积分误差规则难以获取的问题。为实现对非线性多变量系统的有效控制,拓展神经网络控制系统的应用范围,提出了基于改进型粒子群算法在PID神经网络控制系统设计中的解决方案,取代了传统的BP反向传播算法。仿真结果表明,与传统的PIDNN相比,系统的稳定性、鲁棒性及精确性都有了明显的提高,该方法有效的提高了PIDNN控制的使用范围,为智能方法在PID控制中的应用提出了一个新的参考。

一种粒子群模糊PID控制算法在温室中的应用

为了提高温室监测的控制水平,针对于温室环境具有多变量、大惯性、强耦合的特点,提出一种基于粒子群优化的模糊PID控制算法;根据对温室监测系统常用控制方法的研究结果,该算法在模糊PID控制的基础上,采用改进的粒子群算法对模糊控制参数进行优化,有效解决了模糊PID控制过度依赖专家经验、缺少动态性能的缺点;通过温室监测中环境温度的仿真对比实验,验证了所提出的粒子群优化模糊PID算法的有效性;在实验中,对比监测过程中常用的控制方法可以发现,该方法具有更快的响应速度,并且在效果上明显地降低了最大偏差量,在温室监测控制中取得了良好的效果。

基于改进PSO算法的横动伺服控制系统PID参数优化

针对横动伺服控制系统的位置控制器PID参数优化问题,设计了改进粒子群算法,成功实现了参数优化。设计了改进粒子群算法及其PID参数优化原理;在已知系统传递函数的基础上,利用Z-N法进行参数初求解;利用改进粒子群算法对初解进行参数寻优,并将优化前后的系统进行动态性能对比,结果表明:优化后的高阶非线性系统动态性能更好,响应速度更快,调节时间更短。

抽水蓄能机组复杂空载工况增益自适应PID控制

针对抽水蓄能机组低水头空载工况频率易波动、常规PID控制对不同水头空载工况适应性不强及现有用于控制参数优化的抽水蓄能调节系统模型过于简化的问题,提出了非线性抽水蓄能机组精细化模型的增益自适应PID控制方法(Heuristic gain—scheduling nonlinear PID,HGS-NPID),建立了基于特征线法和改进Suter变换的抽水蓄能调节系统精细化模型,利用人工羊群算法(artificial sheep algorithm,ASA)优化该模型的控制参数,讨论了HGS-NPID控制在不同水头空载开机和空载频率扰动时的应用;仿真结果表明:“抽水蓄能机组精细化模型的HGS-NPID控制”既能充分适应调节系统水击、水泵水轮机强非线性以及各模块间耦合特性,又能改善常规PID及分数阶PID(FOPID)在不同水头尤其是低水头条件下空载工况的动态品质。

基于遗传算法的温度PID智能控制系统设计

针对经典PID控制无法有效解决温度控制系统普遍存在的非线性和延迟性等问题,提出了基于遗传算法和智能PID的复合控制结构.采用单片机、铂电阻和TEC制冷器分别作为控制处理器、温度传感器和温控执行器来设计温度控制系统,构建了智能PID控制算法来动态调整控制过程中的PID三个参数,并利用遗传算法的快速搜索能力对控制参数进行优化.结果表明,该系统的温度控制范围为10~55℃,控制精度为±0.03℃,超调量小于15%,具有较好的工程应用前景.

最优PID控制器在智能人工腿中的应用

以蚁群算法为基础,提出了一种新的非线性PID控制器及其参数优化设计方法;该控制器是基于PID控制器各增益参数与误差信号之间呈现非线性关系,根据一般控制系统的阶跃响应曲线,在不同响应时间阶段PID三个增益调节参数的理想变化情况,提出根据控制信号与误差、误差变化率之间的调节规律,拟合一组增益参数的非线性函数,并利用蚁群算法搜索出一组最优的非线性PID参数,构造最优非线性PID控制器,称为AS-NLPID控制器;该控制器已被用于CIP-I智能人工腿;仿真实验证实AS-NLPID控制器能有效地控制CIP-I智能人工腿,并具有良好的动态和稳态性能。

基于PID神经网络的非线性动态系统控制

基于PID神经网络的控制器可以完成变量的单输入-单输出非线性系统的任务。该控制器采用BP(误差反向传播)算法来修正连接权重值,通过在线训练和学习,使目标函数到达最优值。充分利用了BP神经网络算法逼近任意连续有界非线性函数的能力,显示了神经网络在解决非线性系统方面的潜能。为了达到控制的目的,和其他非线性建模技术相比较,PID神经网络有几个明确的优点和它独特的用法相一致。仿真结果表明,在时非线性动态系统控制时,基于PID神经网络的控制系统具有很强的灵活和高效性,能取得良好的控制效果。

基于改进PSO-PID算法的液压机压下系统控制优化

为了尽量减少液压机压下系统控制过程的迭代次数并达到更高的求解精度,综合运用粒子群收缩因子算法与扰动因子构建得到PSO算法,再利用AMESim与Matlab联合仿真的方式对其实施验证。研究结果表明:通过对比PSO算法和其它各算法可以发现,此算法相对其它粒子群优化算法可以获得更快求解速度并提升了控制精度。并且由于此算法实现过程简单,为实现双辊薄带振动铸轧工业化应用提供了理论参考。设计了PSO-PID优化方法来控制轧制力发生明显周期性波动的情况,由此实现精确的压下控制,降低了轧制力的波动程度,实现精确控制辊缝宽度的效果。该研究对拓展轧机轧制过程中调控精度具有一定的意义,尤其是针对薄板的制造起到推进作用。

基于改进遗传算法的非线性PID控制器

基于PID控制器各增益参数与偏差信号之间呈现非线性关系,该文提出了一种非线性PID控制器。同时,针对经典遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点,在前人研究成果的基础上,改进了传统的遗传算法,并将其应用于非线性PID控制器参数寻优。仿真结果表明,基于此遗传算法寻优没计的非线性PID控制器可以极大地提高寻优的速度,同时兼顾系统的动态和静态性能。

聚丙烯反应升温优化控制的设计与实现

针对间歇丙烯聚合过程中的非线性、时变性和纯滞后特性,提出一种基于集散控制系统实现丙烯聚合反应的优化控制方案。给出了软手操、预测函数控制(PFC)和PID优化控制相结合的升温控制策略,并详细介绍了方案设计、PFC模块组态与参数设定、消除方案切换波动等问题。运行结果表明,该方案在升温阶段(60～75℃)的跟随性好、控制精度高,在恒温恒压阶段(75℃,3.5 MPa)的超调小,较好地满足了设计要求。

基于模糊算法采煤机滚筒高度控制性能研究

为使MG150/345-WD型采煤机滚筒高度调整精度达到系统要求,给出了滚筒高度控制原理及系统数学模型,基于Simulink搭建了采煤机滚筒高度仿真模型,分别采用遗传算法和模糊算法对滚筒高度PID控制器参数进行优化,对比了滚筒高度控制性能。研究结果表明:相比遗传算法,基于模糊算法优化的系统在滚筒上调时,响应曲线超调量缩小了34%以上,调整时间下降了28%以上,稳态误差降低了23%以上;在滚筒下调时,响应曲线超调量缩小了24%以上,调整时间下降了23%以上,稳态误差降低了25%以上。

基于人工鱼群算法的主动控制起落架缓冲器性能优化设计

首先建立了主动控制起落架系统的非线性动力学模型。然后根据最优控制理论,在Matlab的环境下,应用人工鱼群算法设计了多目标最优的PID控制器。最后应用Simulink控制系统仿真软件对主、被动起落架在地面信号为弹伤跑道信号的条件下进行了性能仿真。对仿真结果进行了分析比较,得出的结论是利用最优控制理论设计的多目标最优的PID控制器的主动控制起落架能显著降低飞机的振动冲击载荷,提高飞机机体和起落架的疲劳寿命,降低跑道不平度对飞机机体和起落架的冲击载荷和振动响应;同时提高飞机的滑行品质和乘客的舒适性。