基于遗传算法的154T电动车牵引励磁PID控制器的设计

讨论了154T电动轮自卸车牵引励磁控制的基本问题;分析了传统PID控制器的不足和基于遗传算法PID控制器的优势;论述了遗传算法的原理、基本问题和实现步骤.研究了电动轮自卸车的牵引特性和牵引励磁控制系统的结构,根据设计,该系统被控对象可简化为二阶系统,而控制器采用基于遗传算法的PID控制.用MATLAB对PID参数整定进行了仿真,以考察利用遗传算法的进化能力优化PID的效果.仿真结果表明,经过遗传算法优化的PID控制器具有较高的精度和较强的适应性,能获得满意的控制效果.     

基于改进遗传算法的移动机器人PID参数优化设计

针对移动机器人位置与速度控制的要求,基于遗传算法对移动机器人PID控制器的参数进行优化设计。采用误差绝对值时间积分性能指标作为参数选择的最小目标函数,利用遗传算法的全局搜索能力,使得在无须先验知识的情况下实现对全局最优解的寻优,以降低PID参数整定的难度,达到总体上提高系统的控制精度和鲁棒性的目的。     

基于遗传算法优化模糊PID的甘蔗收获机切割器控制系统

针对甘蔗收获机切割器无法自动控制入土深度,从而影响收获质量的问题,设计一套甘蔗收获机切割器入土深度自动控制系统。该系统主要包含角度式仿形机构、入土深度检测系统以及液压系统和控制系统。利用基于遗传算法优化的模糊PID控制算法进行入土深度的实时调节,通过Simulink阶跃响应以及带随机干扰的阶跃响应仿真,结果显示：基于遗传算法优化的模糊PID控制算法超调量为4.9%、调节时间为1.535 s,与PID控制算法以及模糊PID控制算法相比均有所改善。室内试验结果表明,基于遗传算法优化的模糊PID控制算法误差在（-0.5,0.5）,误差最小,有效实现了切割器入土深度自动控制。     

基于遗传算法的木材干燥窑PID控制系统

在遗传算法对木材干燥窑控制对象进行系统辨识的基础上，建立一个模型参考自适应PID控制系统。运用遗传算对PID参数进行在线寻优，动态调整PID参数。根据木材干燥基准，产生合理的控制参数，实现了对木材干燥窑对象进行控制的目的。     

基于遗传算法的LQG/LTR航空发动机性能优化

针对飞行控制系统控制器的设计中存在建模误差以及飞行过程中外界干扰的影响,采用LQG/LTR鲁棒控制方法完成某型战斗燃油机控制系统控制器的设计。为了提高战斗机控制精度,解决LQG/LTR鲁棒控制方法中存在的权矩阵Q和R选择困难的局限性,加入遗传算法,进行在线寻优。同时针对不同飞行条件下系统以及系统建模过程中造成的参数不确定性问题分别进行仿真，并与传统PID以及控制效果较好的基于遗传算法的PID控制进行对比仿真。理论研究和系统仿真结果表明,基于遗传算法的LQG/LTR控制系统与基于遗传算法的PID控制相比,不但具有良好的鲁棒性,而且响应快速,控制精度高,满足了战斗机飞行控制的要求。     

基于自适应遗传优化递归神经网络的木工送料平台补偿控制研究

  目的  针对结构较为复杂的并联式多轴联动的新型木工带锯送料平台加工精度较低,控制参数无法优化,有多种不确定因素影响精度等问题。结合遗传算法寻优速度快和递归神经网络具有抑制不确定性因素的优点,设计一种将递归神经网络和自适应遗传算法结合的全局优化的控制策略。  方法  分析送料平台结构和误差产生来源,从而建立了相应的误差源模型;结合自适应遗传算法优化RNN网络参数进而对PID参数进行优化,通过Matlab和Adams联合仿真的方法对该补偿控制策略进行验证,并与传统PID、遗传算法优化PID参数和RNN网络优化PID参数3种补偿控制算法进行对比;分析不同算法下控制参数、送料平台位移与角度变化曲线,并搭建了实际电路和控制器进行实验。  结果  分析仿真结果可知:该控制策略与其他3种控制策略相比,超调量最小,响应最快,大约在0.6 s达到稳定,且其在外部干扰下,更快达到稳定,大约0.3 s达到稳定。经过该控制策略补偿后,Y方向的偏移误差从补偿前6 mm降低至小于3 mm,X方向的偏移误差从6 mm降低到2 mm,倾斜角误差从5.5°减小至3°,平台轨迹曲线大部分曲线段与目标曲线完全重合;传统PID控制时,Y方向的偏移误差为6 mm,X方向的偏移误差6 mm,倾斜角误差5.5°,平台轨迹曲线与目标曲线偏差较大;遗传算法优化PID参数控制时,Y方向的偏移误差从补偿前6 mm降低至小于4.8 mm,X方向的偏移误差从6 mm降低到5 mm,倾斜角误差从5.5°减小至4.5°,平台轨迹曲线部分曲线段与目标曲线重合;RNN网络优化PID参数控制时,Y方向的偏移误差从补偿前6 mm降低至小于4.5 mm,X方向的偏移误差从6 mm降低到4.8 mm,倾斜角误差从5.5°减小至4°,平台轨迹曲线部分曲线段与目标曲线重合。  结论  该方法与其他3种方法相比,响应速度快,超调量小,具有很好的抗干扰性能和较强的鲁棒性,且可有效补偿误差,提高其运动精度,满足驱动要求。      

一种云自适应粒子群优化的PID控制器设计与应用

针对PID控制器应用于实际的自动电压调节器(AVR)系统,为了有效地寻找AVR系统的最佳PID控制器参数,提出一种基于改进的云自适应粒子群算法的PID参数优化策略。通过建立粒子群优化的PID控制器参数模型,在控制过程中将PID参数(比例、积分、微分)作为粒子群中的粒子,采用控制误差绝对值时间积分函数作为优化目标,在控制过程中动态调整PID的三个控制参数,从而进行PID控制参数的实时优化。仿真结果表明,该PID控制器可以获得较好的控制性能指标,进而改善AVR系统的瞬时响应特性,具有一定的实用价值。     

基于串行通信的在线遗传算法PID优化控制系统设计

遗传算法是一种模拟自然进化的简单而且高效的优化组合方法。文中采用一种基于AT89C52单片机、在系统上位机采用遗传算法并通过串口通信方式来自动对下位机PID参数优化和控制的方法,有效节约了成本,充分利用了上位机的系统资源,并为操作提供了方便,最后实验证明了该系统的有效性。     

卡尔曼滤波融合遗传PID控制算法在提高播种精度中的应用

为提高排种器的排种精度,在传统气吸式排种盘转速控制的基础上,设计了一套卡尔曼滤波融合遗传PID控制算法,通过PID控制算法实现排种盘电机转速的闭环控制,通过卡尔曼滤波算法滤除排种盘在转动过程中因振动和外界干扰等原因产生的噪声,并采用遗传算法快速准确的寻找PID控制过程中的最优控制参数.为验证算法的有效性,假设输入信号为单位阶跃信号,并在噪声大小为0.002和0.1的情况下分别进行了实验.在噪声为0.002时,传统PID控制响应波动值可达到1.5,遗传PID控制响应波动值最大仅为1.2;加入卡尔曼滤波后,传统PID控制输出响应趋于稳定的时间约为0.2 s,遗传PID控制的输出响应趋于稳定的时间约为0.08 s;同理,将噪声增大为0.1后,采用相同的实验方案进行实验,最终实验说明了卡尔曼滤波融合遗传PID控制算法在提高排种盘电机转速稳定性中的有效性.     

基于改进PID控制的永磁同步电机转速仿真研究

为了提高永磁同步电机转速跟踪精度,设计了基于粒子群算法优化的PID控制系统。创建了永磁同步电机驱动控制系统流程图,定义了电机模型的内环和外环控制回路的传递函数。设计了分数阶PID控制方法,采用广义粒子群算法优化分数阶PID控制方法,设计出永磁同步电机改进PID控制方法。采用MATLAB对电机转速用改进PID控制方法输出误差进行仿真,与传统PID控制方法进行对比。仿真结果表明,与传统PID控制方法相比,采用改进PID控制方法,永磁同步电机转速跟踪误差较小,在面对外界突发波形干扰情形下,能够快速调整控制系统的响应速度。所设计的改进PID控制方法,能够提高永磁同步电机转速跟踪精度。     

农用多旋翼飞行器串级分数阶PID控制

为提高农用无人机动态性能,基于传统串级整数阶PID控制算法,提出一种串级分数阶PID控制算法。以四旋翼无人机为研究对象建模,并利用遗传算法对串级整数阶PID和串级分数阶PID参数进行整定,得到最优控制后采用MATLAB/SimuLink仿真分析,〖JP2〗证明串级分数阶PID控制效果优于串级整数阶PID。以四旋翼无人机实物为对象进行试验,测试结果表明,串级分数阶PID比串级整数阶PID的调节时间缩短了0.24 s,总体性能更优,表明仿真结论可靠。研究结果表明,串级分数阶PID控制算法可用于农用无人机的飞行控制。     

基于模糊PID的变量施用颗粒肥控制算法的研究

研究了模糊PID方法在精准农业变量施肥过程中的应用,阐述了模糊PID控制算法的原理。为验证该方法,搭建了以智能处理器为核心的试验平台。结果表明,该算法能够对施肥进行精确控制且有很好的鲁棒性。     

无人机三轴稳定云台的模糊PID控制

以无人机三轴稳定云台的内框作为研究对象,将自适应卡尔曼滤波算法与模糊PID控制算法相结合,提出了一种基于自适应卡尔曼滤波的模糊PID控制算法.经过Matlab仿真实验表明,相对于经典PID控制算法和模糊PID控制算法而言,该算法在无人机三轴稳定云台的控制上,不仅响应速度快、精度高,而且对控制干扰噪声和测量噪声也起到了较好的抑制作用.     

基于人工智能的温室环境控制算法

温室环境控制系统的最大特点是控制对象的精确数学模型很难建立。文章将常规PID控制算法与现代控制理论相结合,对常规PID算法进行改进,得到新型MPT控制算法,并加入模糊控制算法规则,在误差大时,运用模糊算法进行调节,以彻底消除PID饱和积分现象,当误差较小时,采用改进后的PID算法控制输出。同时加入了自适应调节规则和自整定专家系统,建立了基于人工智能的温室环境控制算法。将此算法应用于温室环境控制。系统具有无超调和控制精度高等特点。