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。

改进自适应粒子群算法的PID参数优化

标准粒子群优化算法(PSO)易在局部求得最优解,为解决这一问题,采用自适应权重,在迭代中调整惯性,确保在每一次迭代中使用最佳权重,较好地解决局部最优的问题。该方式可改善传统PSO算法,与实践经验整定法、标准粒子群算法及一般自适应粒子群算法的寻优结果对比。结果显示:其超调量为3.2%,调节时间减少到0.165 s,与其他3种方法相比,振荡更低,且收敛速度更快。采用该方法调整,系统参数确保比例、积分、微分(PID)控制器的性能指标更好,以及控制系统更稳定。

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。

基于新的误差积分准则的PID控制器优化

用PID控制器控制有共轭极点和负实零点的二阶模型对象,当对象时滞比很小时,用现有准则如ITAE进行优化,很难保证幅值稳定裕度。在广义平方误差积分准则(GISE)的基础上,用对象响应特征时间来平衡准则中误差项与误差变化率项的数量级,并用一个恒大于1的时间函数作为误差项的权,从而提出了一种新的误差积分准则—改进的广义平方误差积分准则(RGISE)。仿真结果表明,新准则能够获得较大的幅值稳定裕度和较好的响应曲线。

基于权重QPSO算法的PID控制器参数优化

传统的PID控制器参数优化方法容易产生振荡和较大的超调量,因此智能算法如遗传算法(SGA)和粒子群算法(PSO)被用于参数优化,弥补传统算法的不足,但是遗传算法在进化过程中收敛速度慢,粒子群算法存在易于早熟的缺点。在分析量子粒子群算法(QPSO)的基础上,在算法中引入了权重系数,提出使用改进的量子粒子群算法(WQPSO)优化PID控制器参数。将改进量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较。最后,通过三个传递函数实例,分别使用Z-N、GA、PSO方法和改进的量子粒子群算法进行了PID控制器参数优化设计,并对结果进行了分析。

造纸过程定量水分的小波神经网络PID控制

抄纸过程定量水分控制系统存在时变、时滞、非线性、不确定等特点,使得定量、水分两个指标波动幅度较大,严重地影响了成纸合格率,断纸次数多。为解决上述问题,设计了定量水分的串级控制方案,采用小波神经网络PID控制方法对定量水分控制,并建立了三层神经网络模型,输出层单元分别表示PID控制器的三个参数,用非线性小波基函数取代隐层神经元的Sigmoid函数,根据定量、水分的实际输出与期望输出之间的偏差可实时在线调整PID参数。在MATLAB上进行仿真。仿真结果表明,控制系统能较好地克服时滞、时变、非线性等干扰对定量水分的影响,实现控制精度高,能很快达到稳定,并可有效地减少断纸次数,提高造纸效率。

基于H_∞理论的信息熵PSO算法整定大时滞PID参数

目的针对粒子群算法(PSO)整定大时滞PID控制器参数过程中搜索范围较大,搜索能力较差,甚至出现不收敛的问题,提出一种基于H_∞理论的小范围搜索且带有目标性初始化粒子群的改进PSO算法(HOI-PSO)。方法利用H_∞理论确定PSO算法的初始搜索范围,融合信息熵对初始化粒子群进行评估、调整,从而获得分散性较高的初始种群。结果 Matlab仿真实验表明,HOI-PSO算法能够提高PSO算法的收敛速度,具有同大范围相似甚至更好的全局寻优能力;对于大时滞过程控制,闭环系统的控制性能得到很大改善。结论 HOI-PSO算法应用于长网造纸机定量回路的控制结果表明,采用信息熵PSO算法整定出的PID控制器参数对大时滞过程具有良好的控制效果,在实际生产中也具有一定的理论指导意义。

基于免疫粒子群算法的PID参数优化研究

针对传统PID控制系统中存在的调节时间长、控制精度低、响应速度慢等问题,提出使用免疫粒子群算法对PID参数进行优化。首先,对粒子群优化算法(PSO)中的惯性权重、学习因子、粒子学习模式进行改进,使得微粒更新适应各个阶段;其次,引入人工免疫思想形成免疫粒子群算法,保证了迭代过程中粒子的多样性,提高了算法精度;最后,在仿真环境下经过对ZN公式法、参数改进后的粒子群算法、免疫粒子群算法在PID控制参数优化效果进行对比可知,免疫粒子群算法的优化控制效果更佳。

基于一种新的目标准则的PID控制器参数优化

本文提出一种新的误差积分准则,即广义误差绝对值乘时间积分(GITAE),它能获得比ITAE更优的响应曲线以及更大的幅值稳定裕度。特别是当对象时滞比τ/T很小或很大的时候,ITAE优化结果不能保证工程要求的足够的幅值稳定裕度,而GITAE能克服这一缺陷。

一种基于离线优化参数的自校正PID控制器

本文针对典型工业过程，通过在线辨识对象脉冲响应间接获取对象等效参数．利用按偏差积分准则离线优化整定出的PID参数与对象参数的关系，实现PID控制器的自校正．为抑制输出超调．提出了一种超前控制方法．仿真表明．该控制器对于交参数对象可获得满意的控制效果．

基于BP网络的PID控制器参数整定法研究

将神经网络和PID参数的整定相结合,提出了基于误差反传神经网络的PID参数整定方法,通过神经网络的自学习和权值调整寻找最优的PID参数.该方法适用于非线性系统和时变系统,实现了PID参数的在线整定.

考虑煤岩硬度的悬臂式掘进机截割控制

煤岩硬度显著影响悬臂式掘进机空间运行状态,分析掘进机空间运行状态与煤岩硬度变化的关联性,有助于更好地实现悬臂式掘进机自动化截割控制。为提高截割控制精度,提出了一种考虑煤岩硬度的悬臂式掘进机截割控制方法。根据动力学原理获得了悬臂式掘进机空间运行状态与煤岩硬度变化的关系,得出随着截割头与目标点之间的距离、运动范围半径及动态角度增大,截割头的运行稳定性会相应提高。采用加权平衡的方式确定自动化控制参数,采用PID控制和闭环模糊控制方法实现掘进机自动化截割控制。实验结果表明,该方法横向控制和纵向控制都表现出较好的性能,掘进机截割头摆速在2 s内达到稳定值,动态工作稳定性好;悬臂式掘进机截割头回转和升降角度变化轨迹与期望轨迹之间的吻合度较高,整体偏离程度较小,控制精度较高。

基于BP网络的PID控制器参数整定法研究

将神经网络和PID参数的整定相结合,提出了基于误差反传神经网络的PID参数整定方法,通过神经网络的自学习和权值调整寻找最优的PID参数。该方法适用于非线性系统和时变系统,实现了PID参数的在线整定。

一种基于闭环响应的加权PID参数自整定方法

通过系统的闭环响应曲线辨识系统的临界参数及标称参数，按Ｚｅｉｇｌｅｒ－Ｎｉｃｈｏｌｓ法和人的经验自整定加权ＰＩＤ控制器的参数及加权系数，得到一种智能的自整定方法。

卷烟机数字PID重量控制系统的实现

介绍了MK95卷烟机PID重量控制系统的结构及其控制原理,包括重量信号的检测、控制过程、平准器电机速度控制、数字PID控制算法的实现和PID参数选择,还介绍了系统定标及校正问题。通过对现场采集数据分析,采用PLC控制器的PID控制算法实现的烟支重量控制系统,硬件设计简单,可在线调整参数,系统响应速度快,控制准确可靠,完全可替代原模拟重量控制系统。

基于粒子群算法的PID控制器参数优化

粒子群算法是一种智能算法,在PID控制器参数整定的应用中可取得更优的效果。为解决传统的粒子群算法早熟收敛和收敛速度慢的缺点,文中采用了一种基于相似度动态调整惯性权重的方法,即越靠近目前最优粒子的个体被赋予越小的惯性权重值。最后用MATLAB对等温连续搅拌釜反应器仿真。与标准的PSO算法整定方法相比,改进的粒子群算法稳定时间为230.1s,比传统粒子群算法524.7s的稳定时间缩小了一半,表明改进的算法对PID控制器的参数优化有着较优的收敛效果。

改进的粒子群优化算法优化分数阶PID控制器参数

为了提高分数阶比例积分微分(FOPID)控制器的控制效果,针对FOPID控制器参数整定的范围广、复杂性高等特点,提出改进的粒子群优化(PSO)算法优化FOPID控制器参数的方法。该算法对PSO中惯权重系数的上下限设定范围并随迭代次数以伽玛函数方式非线性下降,同时粒子的惯性权重系数和学习因子根据粒子的适应度值大小动态调整,使粒子保持合理运动惯性和学习能力,提高粒子的自适应能力。仿真实验表明,改进的PSO算法优化FOPID控制器的参数较标准PSO算法具有收敛速度快和收敛精度高等优点,使FOPID控制器得到较优的综合性能。

基于PSO的PID参数整定仿真与研究

针对工业控制过程中经验PID整定耗时耗力、精度低且稳定性能差等问题进行研究,提出采用标准粒子群算法可实现对PID控制器参数的快速优化且收敛效果明显;通过重点分析PSO算法中的不同惯性权重以及学习因子分别对被控对象系统控制优化性能的影响,深入研究算法参数各部分的作用及其设置范围,使基于PSO算法的PID整定方法能够获得最优的控制效果及更广阔的应用前景;最后,应用Matlab软件平台,并结合Simulink系统进行算例数字仿真分析:通过对比不同惯性权重及学习因子情况下的仿真结果,证明方法的鲁棒性强;通过对比传统Z-N方法和遗传算法整定,证明了方法的优越性。

基于SPSO的PID参数自整定速度控制

为了提高感应电机磁场定向控制(FOC)系统中的速度控制器性能,提出一种基于简化粒子群优化(SPSO)算法的PID参数自整定方法,并应用到速度控制器中。在传统PSO算法中去掉了粒子速度参数,并融入了动态惯性权重,构建了一种SPSO算法。将PID控制器的3个参数编码为粒子位置,将电机速度的平方误差积分(ISE)作为适应度函数,通过SPSO算法获得最优的PID参数。根据最优参数构建FOC中的速度控制器,以实现电机的高效控制。仿真结果表明,提出的SPSO-PID控制器能够快速且稳定地控制电机速度到设定值,且对负载变化具有鲁棒性。

Simulation Analysis of Control System in an Innovative Magnetically-Saturated Controllable Reactor

Controllable saturation reactors are widely used in reactive power compensation. The control system of controllable saturation reactor determines adaption speed, accuracy, and stability. First, an innovative type of controllable saturation reactor is introduced. After that the control system is designed, and a self-tuning algorithm in PID controller is proposed in the paper. The algorithm tunes PID parameters automatically with different error signals caused by varied loads in power system. Then the feasibility of the above algorithm is verified by Simulink module of Matlab software. The results of simulation indicate that the control system can efficiently reduce adaption time and overshoot.