导读:本文包含了比例积分算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,比例,积分,微分,闭环,模糊,混沌。
比例积分算法论文文献综述
汤伟,王帅,王玲利[1]（2018）在《基于遗传模糊免疫算法的比例-积分-微分参数整定优化》一文中研究指出针对工业过程中的比例-积分-微分(proportional integral differential,PID)参数整定较难的问题,在分析模糊免疫算法的基础上,提出了一种遗传模糊免疫算法,用于在线整定PID参数。该算法用免疫反馈机理在线调整比例系数,模糊算法在线整定积分系数和微分系数。同时,该算法引用具有全局寻优特性的遗传算法优化免疫参数,克服了免疫参数选取不当而导致系统超调量较大、响应速度过慢的问题。针对工业过程中的无时滞过程、一阶惯性加时滞过程、二阶惯性加时滞过程、高阶系统过程,将该算法用于PID参数整定优化,并与模糊免疫算法、免疫PID算法、常规PID算法整定结果进行对比分析。仿真实验结果表明,遗传模糊免疫算法整定出的PID参数具有超调量小、调节时间短、抗干扰性强、鲁棒性强等优点,取得了较好的控制效果。(本文来源于《科学技术与工程》期刊2018年31期）
薛生辉,曲俊海,王永宏,张红梅,师永平[2]（2018）在《比例-积分控制加广义预测控制算法及其应用》一文中研究指出针对比例–积分(proportional-integral, PI)控制因不能预测未来输出而提前改变控制量使其用于光电稳定伺服系统时往往响应剧烈的问题,研究了光电稳定伺服系统的广义预测控制(generalized predictive control, GPC).首先通过证明受控自回归积分滑动平均(controlled auto-regressive integral moving-average, CARIMA)模型的直接递推预测与Diophantine方程预测等价,提出了预测较快的模型等价预测GPC算法,其预测复杂度比原GPC降低了一个阶次.其次通过对PI和GPC的特点进行分析,综合考虑两者的优缺点,提出了一种新型的基于PI增量和GPC增量加权的比例积分控制加广义预测控制(proportional-integral control plus generalized predictive control, PI+GPC)算法,实现了基于历史、当前和未来偏差计算控制量,并给出了算法设计流程和参数选取规则.最后通过仿真并在某光电稳定伺服平台上验证后得出, PI+GPC和PI相比稳定精度有所提高,且平稳性和快速性大为改善.(本文来源于《控制理论与应用》期刊2018年09期）
于兰英,陈建强[3]（2018）在《基于改进鸡群算法的比例-积分-微分参数整定》一文中研究指出比例-积分-微分(PID)参数整定一直是控制工程研究的热点。利用传统的方法整定参数得到的系统性能往往较差,为解决PID参数整定问题,提高系统性能,提出一种基于改进鸡群算法(CSO)的PID参数整定方法。改进鸡群算法的目的是提高鸡群算法的收敛速度与精度,增强算法跳出局部最优的能力,4个标准测试函数的测试结果验证了改进的有效性。利用改进鸡群算法对4类典型工业过程的PID参数进行整定,以时间乘绝对误差积分函数(ITAE)为优化目标。Matlab仿真结果表明:通过改进鸡群算法整定PID参数得到的系统性能比传统的Z-N参数整定法以及Matlab遗传算法(GA)工具箱参数整定得到的系统性能有很大的提高。(本文来源于《科学技术与工程》期刊2018年16期）
李万莉,李宁[4]（2017）在《基于变速积分PID控制算法的电液比例加载系统研究》一文中研究指出电液比例加载系统是电液控制中非常典型的一种控制系统。通过分析静力加载试验机电液比例加载系统对积分环节的要求,针对常规PID控制算法快速响应时易超调,容易对加载试件造成永久损伤,以及常规PID控制方法对加载不同刚度的测试试件的适应性较差的问题,应用线性函数的特性,设计了变速积分PID控制中的积分系数函数。通过变化的积分项来矫正系统参数在一定范围内对控制稳定性的不良影响。通过AMESim软件对系统进行物理建模,通过Simulink软件对系统进行数学建模,并进行联合仿真验证理论分析的可行性。将算法运用到实际的加载试验机中得到了实验数据,验证理论分析的正确性。(本文来源于《流体传动与控制》期刊2017年06期）
赵海军,李敏,李明东,蒲斌[5]（2015）在《基于比例积分控制器的分布式动态带宽分配算法》一文中研究指出针对公平、有效分配地理上呈分布式的控制系统带宽的问题,提出了一种分布式的动态带宽分配算法。首先把这种带宽分配问题构建为一个凸优化问题,使全部控制系统的效用最大化;再采用分布式带宽分配算法思想,使得控制系统基于网络反馈的拥塞信息改变其采样周期,得到可利用的最大采样速率或最大传输速率;然后把控制系统和链路之间的相互作用建模为一个时延动态系统,并采用比例积分(PI)控制器作为链路队列控制器来实现算法。仿真结果表明,所提带宽分配算法不仅能够使全部设备的传输速率在10 s内收敛到全部设备均等共享的链路带宽值;同时对于PI控制器来说,其队列稳定在期望设置点50个数据包左右,而且能够准确、稳定地跟踪输入信号,使全部控制系统的性能最大化。(本文来源于《计算机应用》期刊2015年03期）
王磊,杜晓强,宋永端[6]（2014）在《用于飞轮储能单元的神经元自适应比例-积分-微分控制算法》一文中研究指出提出了种应用于飞轮储能系统的神经元自适应比例?积分?微分(proportional integral differential,PID)控制算法。该算法基于传统的双闭环调速系统与神经网络理论,实现对飞轮驱动电机的控制,使飞轮驱动电机能够根据系统要求,驱动飞轮储能单元储存或释放能量。运用李亚普诺夫稳定性理论证明了该控制算法的稳定性和有效性,并给出了其稳定性条件。经过仿真验证,该算法可以有效地实现对飞轮储能单元的充放电控制,其控制参数可以随着系统的运行自适应调节,飞轮储能单元的控制精度和鲁棒性也有所提高。(本文来源于《电网技术》期刊2014年01期）
唐红雨,陈迅[7]（2009）在《基于蚁群算法的模糊比例积分微分参数优化》一文中研究指出传统的PID(比例积分微分)控制采用线性组合方案,难于协调快速性和稳态特性之间的矛盾,蚁群算法是一种新型的仿生优化算法,将蚁群算法和模糊PID控制算法相结合,利用蚁群算法全局寻优能力来优化模糊PID控制器的叁个参数,仿真实验表明,该PID控制器具有较好的动态性能。(本文来源于《探测与控制学报》期刊2009年01期）
罗鸣,牛玉刚,王行愚,孙培林[8]（2008）在《一种基于模糊-比例积分双模控制的主动队列管理算法》一文中研究指出通过将模糊推理方法和PI算法相结合,提出了一种新的主动队列管理(AQM)算法——基于模糊-比例积分(Fuzzy-PI)的双模态控制主动队列管理算法——Fuzzy-PI AQM算法。该算法的基本思想是当偏差很大时,使用模糊逻辑控制,当偏差小于某一阈值时,则切换到PI控制,从而将模糊逻辑控制的鲁棒性强和收敛速度快的特点与PI控制稳态性能好的特点有机地结合起来,实现对网络拥塞的有效控制。而且,由于在设计模糊控制器时采用了合成推理的查表法,极大地提高了模糊控制的实时效果,节省内存空间,优化了路由器的控制性能。仿真结果表明:Fuzzy-PIAQM算法的性能优于传统的PI算法,对队列控制能力强,鲁棒性好,能很好地抵抗突发性业务的干扰,更适合工作在瞬息万变的动态网络环境中。(本文来源于《华东理工大学学报(自然科学版)》期刊2008年01期）
牛培峰,张君,关新平[9]（2007）在《基于遗传算法的混沌系统二自由度比例-积分-微分控制研究》一文中研究指出二自由度比例-积分-微分(PID)控制算法简单、实用,但将其应用于复杂非线性系统控制时参数整定困难.运用改进的遗传算法进行二自由度PID控制器参数优化,参数优化的收敛速度快、准确,将其应用于Chen氏混沌系统和同步电动机混沌系统的控制中,仿真研究收到良好的控制效果.(本文来源于《物理学报》期刊2007年07期）
牛培峰,张君,关新平[10]（2007）在《基于遗传算法的统一混沌系统比例-积分-微分神经网络解耦控制研究》一文中研究指出提出了采用改进的遗传算法优化比例-积分-微分(PID)神经网络解耦控制器的连接权值,从而实现PID控制器参数的优化及非线性多变量系统的解耦控制.改进的遗传算法优于基本遗传算法,它使寻优过程中的计算量减少,计算效率提高,收敛速度加快.将优化后的PID神经网络解耦控制器应用于统一混沌系统的控制中,仿真实验收到良好的控制效果,证明了PID控制器应用于统一混沌系统控制的有效性.(本文来源于《物理学报》期刊2007年05期）
比例积分算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对比例–积分(proportional-integral, PI)控制因不能预测未来输出而提前改变控制量使其用于光电稳定伺服系统时往往响应剧烈的问题,研究了光电稳定伺服系统的广义预测控制(generalized predictive control, GPC).首先通过证明受控自回归积分滑动平均(controlled auto-regressive integral moving-average, CARIMA)模型的直接递推预测与Diophantine方程预测等价,提出了预测较快的模型等价预测GPC算法,其预测复杂度比原GPC降低了一个阶次.其次通过对PI和GPC的特点进行分析,综合考虑两者的优缺点,提出了一种新型的基于PI增量和GPC增量加权的比例积分控制加广义预测控制(proportional-integral control plus generalized predictive control, PI+GPC)算法,实现了基于历史、当前和未来偏差计算控制量,并给出了算法设计流程和参数选取规则.最后通过仿真并在某光电稳定伺服平台上验证后得出, PI+GPC和PI相比稳定精度有所提高,且平稳性和快速性大为改善.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
比例积分算法论文参考文献
[1].汤伟,王帅,王玲利.基于遗传模糊免疫算法的比例-积分-微分参数整定优化[J].科学技术与工程.2018
[2].薛生辉,曲俊海,王永宏,张红梅,师永平.比例-积分控制加广义预测控制算法及其应用[J].控制理论与应用.2018
[3].于兰英,陈建强.基于改进鸡群算法的比例-积分-微分参数整定[J].科学技术与工程.2018
[4].李万莉,李宁.基于变速积分PID控制算法的电液比例加载系统研究[J].流体传动与控制.2017
[5].赵海军,李敏,李明东,蒲斌.基于比例积分控制器的分布式动态带宽分配算法[J].计算机应用.2015
[6].王磊,杜晓强,宋永端.用于飞轮储能单元的神经元自适应比例-积分-微分控制算法[J].电网技术.2014
[7].唐红雨,陈迅.基于蚁群算法的模糊比例积分微分参数优化[J].探测与控制学报.2009
[8].罗鸣,牛玉刚,王行愚,孙培林.一种基于模糊-比例积分双模控制的主动队列管理算法[J].华东理工大学学报(自然科学版).2008
[9].牛培峰,张君,关新平.基于遗传算法的混沌系统二自由度比例-积分-微分控制研究[J].物理学报.2007
[10].牛培峰,张君,关新平.基于遗传算法的统一混沌系统比例-积分-微分神经网络解耦控制研究[J].物理学报.2007
论文知识图
