基于感知模糊自适应蚁群算法的非线性PID控制

随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器。由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法,并加入模糊自适应信息素更新机制,用于优化非线性PID控制器的设计方法。通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。     

改进蚁群PID-神经元解耦的CFB锅炉燃烧系统控制

床温和主汽压都是循环流化床锅炉生产运行中的重要参数,会直接影响机组的安全性和经济性。但由于这两者对象存在非线性、大时延、强耦合等特点,其现场控制效果一直不太理想。本文首先采用自适应神经元将床温和主汽压解耦,再利用具有分工特征的蚁群算法优化参数的PID控制器对两者进行独立控制。采用该算法优化常规PID控制参数,能够实现控制参数的快速寻优。该方案应用于循环流化床锅炉燃烧系统仿真,结果表明能有效实现系统解耦,且具有响应快、超调量小等优点,有效地提高了控制品质。     

基于主从交互式萤火虫群优化算法的船舶航向分数阶PID控制

为了改善船舶航向控制的效果,本文首次运用了分数阶PID控制方法,并提出一种新的主从交互式萤火虫优化算法,以优化控制器参数,使得达到控制性能指标最优的目标。根据船舶动力学模型,以船舶实际参数作实验,实验结果表明经过FA优化的分数阶PID控制器,比PSO算法具有更好的控制性能。通过敏感性分析验证了算法求出的FOPID参数具有鲁棒性,当系统参数大幅度变化时不需要重新设置。证明了经萤火虫算法优化的分数阶PID控制器能够更好地满足船舶航向控制的需求。     

基于蚁群算法的车身振动主动控制研究

针对乘用车车身结构振动抑制问题,采用基于蚁群算法的参数自适应PID控制器,以压电元件为测量和控制元件,进行了振动主动控制仿真和实验研究;首先对白车身结构进行实验模态分析,确定了压电元件的布片位置并确定压电控制的传递关系,然后设计基于蚁群算法的PID参数自适应控制器,制定了控制方案,进行了模拟仿真分析,最后搭建试验平台,以某国产乘用车白车身为被控结构,进行了车身振动主动控制实验;系统仿真和实验结果表明,施加控制时车身的振动幅值较未施加控制时大幅减小,在振动幅值较大的低频区域,其振动幅值明显降低;从而验证了应用基于蚁群算法的参数自适应PID控制技术,不仅可以有效降低车身的振动幅度,而且对传统控制方法控制效果不佳的振动低频区域,控制效果明显。     

雷达天线稳定平台的模糊PID控制设计

针对合成孔径雷达(SAR)清晰成像的特点,为保证雷达天线波束指向稳定,设计了某型机载雷达天线稳定平台;为了消除雷达天线稳定平台控制中存在的非线性及不确定性因素的影响,提出了一种应用于雷达天线稳定平台控制系统的模糊PID控制策略;稳定平台是依据陀螺仪所采集载机的角速度,运用反向运动补偿的原理进行工作;控制策略中,在传统PID控制的基础上引入模糊控制算法,根据跟踪误差信号动态改变PID控制器参数,改善稳定平台的控制效果,完成稳定平台控制器的优化设计;仿真结果表明,优化后的模糊PID控制算法与传统PID控制算法比较,在稳定平台转速控制方面受到的外部干扰影响更小,响应速度更快;因此,基于模糊PID控制算法的雷达天线稳定平台具有更高的稳定性能。     

基于动态布谷鸟搜索算法的PID控制器参数优化

针对传统PID控制器参数优化费时且不能保证获得最佳性能,提出一种基于动态布谷鸟搜索算法的PID控制器参数优化方法。布谷鸟搜索算法(CS)具有参数少、搜索能力强等特点,但是标准布谷鸟搜索算法参数采用固定值,极大地影响了算法的性能,因此提出了动态布谷鸟搜索算法(DCS),DCS算法采用动态参数,算法性能明显改善。仿真试验结果表明基于动态布谷鸟搜索算法的PID控制器具有较好的控制性能指标。     

群智能算法优化SVR预测模型的应用与分析

群体智能是基于生物群体行为规律的智能计算技术,常用以解决参数寻优等问题;作为群体智能的两种典型算法,蚁群算法和粒子群算法应用极为广泛;文章分析了标准蚁群算法和粒子群算法的不足,分别采用改进的蚁群算法和粒子群算法对支持向量机回归模型参数进行优化,并以钕铁硼吸氢阶段合金氢含量预测为例,通过MATLAB对改进后的预测模型进行了仿真验证,最终给出了两种方法优化后,模型的预测效果及性能对比;仿真结果表明,改进的群体智能算法对工艺优化控制有着重要的意义。     

一种三相三线与三相四线自适应电能表的设计

针对合成孔径雷达（SAR）清晰成像的特点,为保证雷达天线波束指向稳定,设计了某型机载雷达天线稳定平台。为了消除雷达天线稳定平台控制中存在的非线性及不确定性因素的影响,提出了一种应用于雷达天线稳定平台控制系统的模糊PID控制策略。稳定平台是依据陀螺仪所采集载机的角速度,运用反向运动补偿的原理进行工作。控制策略中,在传统PID控制的基础上引入模糊控制算法,根据跟踪误差信号动态改变PID控制器参数,改善稳定平台的控制效果,完成稳定平台控制器的优化设计。仿真结果表明,优化后的模糊PID控制算法与传统PID控制算法比较,在稳定平台转速控制方面受到的外部干扰影响更小,响应速度更快。因此,基于模糊PID控制算法的雷达天线稳定平台具有更高的稳定性能。     

基于自适应遗传算法的改进PID参数优化

PID控制的控制性能取决于PID参数的设置,针对传统PID参数整定和优化过程中存在的问题进行了PID控制改进,提出了自适应遗传算法整定和优化PID参数的方法。改进PID控制将系统的综合性能控制区分为不同目标的局部性能控制,采用自适应遗传算法针对不同控制目标进行PID参数寻优,选择、交叉和变异概率的自适应改变在保持种群多样性的同时加快算法收敛。改进的PID控制和遗传算法有效提高了PID参数寻优能力,提高了控制系统的响应能力和稳定性。最后通过发动机怠速转速控制应用表明本算法的可行性和有效性。     

基于Sarsa算法和蚁群优化的监测网络路由控制设计

为了克服已有监测网络路由控制方法所具有的传输路径长和能量消耗高的缺点,设计了一种基于Sarsa算法和蚁群优化算法混合模型的路由控制策略;首先,建立了以MA(Mobile Agent)为基础的路由控制模型,并以访问时间和能耗消耗为基础设计了目标函数,然后,基于改进的蚁群算法设计了一种从数据发送节点到Sink节点的路由设计方法,采用节点之间的距离作为冗余度标准获取合理的下一跳邻居节点集,并采用Sarsa算法来对各路径的信息素进行更新,最后,对基于Sarsa算法和蚁群优化算法混合模型的路由控制算法进行了描述;在NS2环境下进行仿真实验,结果证明文中方法能有效实现网络路由控制,最优路由的获取过程的总仿真时间为300ms,是一种适用于监测网络路由控制的有效方法。 