基于分布式并行遗传算法的PID参数整定

针对基于简单遗传算法(SGA)进行PID整定在收敛性及初值敏感度方面的缺陷,提出了基于分布式并行遗传算法(PGA)的PID参数整定方法。该方法可以将不同遗传操作的优点加以整合,通过并行运算提高整定效率,能够更有效地进行参数优化。选用典型被控对象仿真,并分别进行收敛性分析与初值敏感度分析。仿真试验表明与SGA相比PGA提高了局部搜索空间的微调能力,降低了对初值的敏感度,寻优效果也大为改善,从而说明了这种方法的可行性,为PID参数整定方法提供了一种新的尝试。     

数字PID控制在天线伺服系统中的应用

天线伺服系统的作用是实现对目标的快速捕获和稳定跟踪,其采用电流环、速度环和位置环三环控制结构,通过双电机消隙,并进行速度同步控制。天线伺服系统可采用数字PID控制,分析其算法原理及其算法流程,给出一种PID参数整定方法,并应用该方法对某4.5米天线进行了PID参数整定,在此基础上,基于过渡过程曲线实测结果,总结出了PID参数对天线过渡过程的影响情况,对天线伺服系统PID参数的整定具有实际指导意义。     

转台伺服控制系统模糊PID算法研究

转台伺服系统的控制是一个复杂的过程,精确的数学模型推导非常困难,传统PID控制算法对转台的控制效果不理想。针对转台伺服系统的结构和运行特点,研究一种模糊PID控制算法,利用模糊控制理论对目标误差值进行处理,实现PID参数的自整定,提高转台伺服系统的控制效果。仿真结果表明,所设计的模糊PID控制器实现了参数实时自整定,转台伺服系统的性能指标得到了保证。     

基于神经网络的航空发动机全包线PID控制

提出一种基于神经网络的航空发动机全包线PID控制器参数整定方法,在全包线内选定若干离线整定点,在这些点离线整定PID控制器参数kp,ki,kd.以离线整定点参数为训练样本,离线训练BP神经网络,该网络可映射高度H,马赫数Ma与kp,ki,kd的非线性关系,便可用该网络在线整定包线内任意点的kp,ki,kd.用发动机非线性部件级模型为被控对象的数字仿真表明,用上述方法设计的发动机PID控制器在全包线内,都能获得理想的动静态品质.该方法简单易行,效果好,具有实用价值.     

基于神经网络的风洞尾支杆减振系统

风洞试验时,由于气流的影响,测试用悬臂式尾支杆容易产生大幅度低频振动,这会严重影响测试精度,甚至损坏自身结构。为了有效抑制尾支杆的振动,本文设计了基于压电组件的主动减振系统,并将人工神经网络应用于PID控制,提出了神经网络PID智能控制算法。对尾支杆进行有限元分析,获取其模态参数。然后设计试验测试减振系统的性能,将神经网络PID与经典PID的控制效果进行对比。试验结果表明:在连续载荷的作用下,采用经典PID控制算法与神经网络PID均可达到有效控制(减振幅度70%以上),且神经网络PID在保证减振效果的情况下实现控制参数自整定,具有良好的鲁棒性。     

基于遗传算法整定的PID网络流量控制

结合经典控制理论和优化控制理论设计了基于遗传算法的线性PID控制器,并与经典的PID控制器进行了比较．此控制器较好地控制了交换机缓冲器的队列长度,动态性能明显优于一般PID控制器．并得到了仿真结果的验证．     

基于遗传算法的参数优化在控制器设计中的应用

本文详述了遗传算法作为一种随机搜索算法在控制器设计参数优化中的应用。从遗传算法基本原理入手，结合工程实际，论述了遗传算法在PID控制器设计、鲁棒控制器设计、最优控制、系统参数辨识、模糊逻辑控制系统和神经网络控制中的应用成果。讨论了影响遗传算法的因素，并提出了改进的策略。     

基于六模糊控制器的自适应遗传算法

遗传算法的性能主要取决于算法对满意解的搜索和优化的能力。本提出的自适应遗传算法可以自动均衡搜索和优化关系。该算法采用六个模糊控制器对符号编码遗传算法的遗传操作实施动态参数控制。对旅行商(TSP)问题的求解结果表明该算法在解决类似于TSP的组合优化问题时具有比标准遗传算法更好的性能。     

PID控制器参数的隶属函数自整定技术及其应用研究

Ｐ Ｉ Ｄ 控制技术在工业过程控制中得到了广泛应用，但传统的 Ｐ Ｉ Ｄ 控制器不具有参数的在线整定功能，当系统工作条件较差时，难以满足控制要求，从而影响了控制品质的进一步提高。本文应用模糊数学中的隶属函数， 以工程施工机械中大量应用的液压阀控油缸为被控对象，建立数学模型和试验系统，实现 Ｐ Ｉ Ｄ 控制器参数的在线自整定。文中对其理论方法、计算机仿真和应用研究进行了论述。     

舰载机动力补偿系统模糊逻辑设计技术

在舰载机迎角恒定动力补偿系统(Approach power compensator sysytem, APCS)研究的基础上,提出了一种采用模糊自适应PID控制参数整定方法,将模糊控制思想和PID控制技术有机地结合起来,实现了舰载飞机进场动力补偿系统智能化设计和PID参数在线自整定.该算法的另一个重要特点是省略了常规控制算法中法向加速度Δaz及舵偏Δδe两路信号反馈,仅利用迎角误差Δα及其变化率Δ进行反馈控制,简化了工程实现.最后,以国外某舰载飞机为研究对象,对它的动力补偿系统进行了设计和数字仿真.结果表明,该方法提高了舰载机的着舰精度,改善了系统的抗阵风干扰能力,提高了系统的鲁棒性.     

主动队列管理中内模控制系统设计

P I控制器常用于主动队列管理中,但参数整定上的试凑法具有盲目性,算法的瞬态性能也不够理想。本文针对TCP网络系统的时滞特性,设计基于内模补偿控制器,提出了基于幅值与相位稳定裕度的控制参数整定方法。仿真实验表明,与P I算法相比较,该方法设计的控制器的稳定性与鲁棒性有显著的提高。     

静力试验加载系统建模及PID参数优化方法

液压加载系统是结构静力试验系统的重要组成部分,试验前通过数值模拟了解加载系统的特性,优化控制参数,对于提高静力试验效率和精度具有重要意义。本文建立了静力试验加载系统的液压-结构-控制耦合动力学模型,采用遗传算法进行PID控制器优化,分析了不同系统性能优化指标对控制效果的影响。研究结果表明:采用遗传优化算法结合ITAE性能指标可以得到较优的PID控制参数。     

直流调速系统的模糊自适应PID控制器设计

利用模糊自适应PID控制器对直流调速系统进行控制,设计了三个自适应模糊控制器分别实时调整PID参数。结合MATLAB中的Fuzzy toolbox和SIMULINK,实现了该模糊自适应PID控制器的计算机仿真。结果表明,该控制器提高了系统的稳态和动态性能。     

一种BP网络自整定PID控制算法及其在NF-6风洞控制中的应用

NF-6风洞是一座增压、连续、高速回流式风洞,对各子系统的控制性能都有较高的要求。针对NF-6风洞对模型姿态系统控制性能提出的高要求,提出了一种BP网络自整定PID控制策略,并结合现有的改进型PID控制思想对其进行了进一步的分析与改进。仿真结果及初步应用表明:该算法在算法收敛性、实时性及控制精度上较传统PID算法及BP网络算法都有较大程度的提高。     

八旋翼动力学建模及RBF神经网络PID控制研究

针对八旋翼飞行器非线性、强耦合、欠驱动、多输入多输出的系统特点,综合八旋翼动力学特性进行数学公式推导,建立数学模型。利用模型解耦八旋翼各通道输入量与输出量之间的关系。提出RBF神经网络自适应PID控制策略,该策略能够根据控制效果在线自适应整定PID参数,具有自主学习和自适应能力。通过matlab搭建八旋翼仿真模型并对其仿真,对比分析RBF神经网络自适应PID和传统PID控制效果。结果表明:前者控制效果明显优于后者,系统快速性、鲁棒性和稳定性得到了很大改善。     

载光电跟踪系统基于遗传算法的模糊控制器优化设计研究

分析了机载光电跟踪系统的构成,并对机载光电跟踪系统的最主要组成部分--陀螺稳定平台框架系统设计了基于GA(遗传算法)的模糊控制器.由于遗传算法可以搜索整个空间,不易陷入局部最优解,不受搜索空间的限制性假设的约束,因此本文通过遗传算法对模糊控制器的控制规则、参数以及量化因子和比例因子进行了优化.在对模糊控制器设计的过程中,为了提高模糊控制的精度并加速遗传算法的收敛速度,还采用了变论域的方法.通过对系统详细的仿真研究,验证了基于GA的模糊控制器设计的良好控制效果.     

高超声速飞行器自抗扰分数阶PID控制器设计(英文)

自抗扰控制器利用跟踪微分器可解决超调量及快速性之间的矛盾,分数阶PID控制器在提高控制品质的同时扩大了被控系统参数的稳定域。结合自抗扰技术及分数阶PID控制器设计了自抗扰分数阶PID控制器,并应用于高超声速飞行器再入姿态控制。仿真结果表明,自抗扰分数阶PID控制器对于高超声速飞行器非线性模型及强外干扰的影响下具有很好的控制效果,并且有较大的稳定域,即针对被控系统参数变化具有更强的鲁棒性。     

基于VGWO算法的风力机二阶积分滑模转矩控制器设计（英文）

提出了一种基于变速灰狼优化算法(Variable speed grey wolf optimization,VGWO)的二阶积分滑模(Sec?ond?order integral sliding mode control,SOISMC)鲁棒控制策略。该策略的目的是实现风力机的最大风能捕获,提高风力机的发电量。首先,根据风力机的不确定性模型,设计了一种收敛速度快、鲁棒性强且能有效抑制抖振的二阶积分滑模转矩控制器,保证了转矩控制器能够有效地跟踪参考转速。其次,考虑到灰狼优化算法(Grey wolf optimization,GWO)具有较强的局部搜索能力和粒子群优化算法(Particle swarm optimization,PSO)具有较快的收敛速度和较强的全局搜索能力,将PSO的速度分量引入GWO中,使改进的VGWO具有较快的收敛速度、较高的求解精度和较强的全局搜索能力。然后,利用VGWO对风力机转矩控制器的参数进行优化。最后,在Simulink/SimPowerSystem平台上进行了仿真,结果表明了该策略在存在外部干扰和模型不确定性情况下的有效性。     

基于改进微粒群算法的无人机姿态控制参数智能整定(英文)

提出了基于改进微粒群算法的无人机姿态控制器参数智能整定方法.标准微粒群算法在搜索后期由于群体缺乏多样性而容易出现收敛停滞现象,为此提出了一种改进的微粒群算法.标准微粒群算法中的微粒速度是根据惯性运动、群体历史最优位置和自身历史最优位置来调节的.改进微粒群算法中的微粒除了保持惯性运动外,仅向当前群体中任意更优个体的状态学习,而且惯性权重系数是随机数.改进方案减少了算法不确定参数,简化了微粒学习机制,且增强了群体多样性.本文构建了无人机姿态控制系统,将改进微粒群算法用于四个控制参数的寻优整定.仿真结果表明,改进微粒群算法比一般微粒群算法具有更强的全局搜索能力,故获得更优的无人机姿态控制参数.     

基于PID控制方法的模糊变增益振动主动控制试验研究

结合模糊控制方法智能化的特点,设计出一种不依赖模型参数且可以自动调节控制器增益的控制算法。该方法以比例、积分和微分(Proportional integral and derivative,PID)控制为基础,根据系统输出及输出变化率自动调节控制器增益,使控制系统具有更强的适应能力。同时针对振动测试信号中含有噪声干扰和直流分量的情况,构造依赖模型部分参数的二阶窗函数,在保证不改变受控模态信号特征的同时有效衰减非受控模态信号干扰及直流分量。建立悬臂梁模型进行试验验证。结果表明,该方法能够使受控系统的振动幅值减小到开环时的5%以下,其效果明显优于普通PID控制。并且,通过引入二阶窗函数,系统在具有非受控模态信号干扰的情况下能够保持有效控制,使算法具有更好的稳定性和鲁棒性。