基于免疫克隆算法的倒立摆控制参数优化

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (35): 179-182.

基于免疫克隆算法的倒立摆控制参数优化

徐立芳,王科俊,莫宏伟

哈尔滨工程大学自动化学院，哈尔滨 150001

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-11 发布日期:2007-12-11
通讯作者: 徐立芳

Pendulum control parameters optimization based on immune clone algorithm

XU Li-fang,WANG Ke-jun,MO Hong-wei

Automation College，Harbin Engineering University，Harbin 150001，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-11 Published:2007-12-11
Contact: XU Li-fang

摘要/Abstract

摘要： 基于免疫克隆选择原理，针对单级倒立摆PID控制数学模型，设计了一种新的PID参数优化算法——免疫克隆算法。选用简单遗传算法、克隆选择算法与其进行比较研究，通过MATLAB仿真实验，观察该算法搜索结果稳定性好，算法收敛性强。通过Simulink仿真实验，进一步研究3种算法最优目标函数下的PID控制参数的实际控制效果，采用免疫克隆算法优化的控制参数，系统控制响应可以获得良好的实时性、稳定性、控制精度，效果优于其它2种算法。

关键词: 免疫克隆算法, PID控制, 参数优化

Abstract: Pointing to the model of single order pendulum PID control，a new kind of PID parameters optimizing algorithm—Immune Clone Algorithm（ICA） is designed in the paper.It is based on the principle of immune clone slection.It is compared with simple genetic algorithm，clone selection algorithm.It is simulated by Matlab.The results show that the presented algorithm has good performance on stability of searching results，and also the good performance of covergence.By simulation of simulink，it studies the real control effect of PID control parameters optimized by the three algorithm.The results show that the system can get better performance on stability，control precision for system response than the other two algorithms.

Key words: Immune Clone Algorithm（ICA）, PID control, parameters optimization

徐立芳,王科俊,莫宏伟. 基于免疫克隆算法的倒立摆控制参数优化[J]. 计算机工程与应用, 2007, 43(35): 179-182.

XU Li-fang,WANG Ke-jun,MO Hong-wei. Pendulum control parameters optimization based on immune clone algorithm[J]. Computer Engineering and Applications, 2007, 43(35): 179-182.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[3]	张琳，汪廷华，周慧颖. 基于群智能算法的SVR参数优化研究进展[J]. 计算机工程与应用, 2021, 57(16): 50-64.
[4]	巫光福，陈颖. 花授粉算法研究与应用综述[J]. 计算机工程与应用, 2021, 57(15): 30-41.
[5]	胡春阳，姜平，周根荣. 改进蚁群算法在AGV路径规划中的应用[J]. 计算机工程与应用, 2020, 56(8): 270-278.
[6]	李道全，王雪，于波，黄泰铭. 基于一维卷积神经网络的网络流量分类方法[J]. 计算机工程与应用, 2020, 56(3): 94-99.
[7]	梁华刚，张志伟，王亚茹. 自适应Gabor卷积核编码网络的表情识别方法[J]. 计算机工程与应用, 2020, 56(10): 149-156.
[8]	殷春武. 执行器故障时变系统的PID迭代容错控制[J]. 计算机工程与应用, 2019, 55(3): 266-270.
[9]	王丽婷，张金鑫，张金华. 乌鸦搜索算法在SVM参数优化中的应用[J]. 计算机工程与应用, 2019, 55(21): 214-219.
[10]	邓辉，罗倩，王岩. 基于IMF能量矩和Bayes-LSSVM的滚动轴承诊断[J]. 计算机工程与应用, 2019, 55(17): 156-161.
[11]	李婕1，李昊2，赵新蕖1. 免疫遗传算法的混合动力汽车多目标优化[J]. 计算机工程与应用, 2018, 54(4): 237-243.
[12]	库硕，丁达理，黄长强，王杰，周欢. 基于自适应模糊PID的UCAV姿态控制[J]. 计算机工程与应用, 2018, 54(20): 223-229.
[13]	陈大鹏1，2，张九根1，2，梁星1，2. 基于解析法的变风量空调解耦优化控制[J]. 计算机工程与应用, 2018, 54(18): 235-241.
[14]	温博文，董文瀚，解武杰，马骏. 基于改进网格搜索算法的随机森林参数优化[J]. 计算机工程与应用, 2018, 54(10): 154-157.
[15]	丁胜1，2，3，张进2，3，李波2. 改进的MEA进行特征选择及SVM参数同步优化[J]. 计算机工程与应用, 2017, 53(8): 120-125.