孤岛模式下的下垂控制及其PID参数整定 就仅仅一个下垂控制的仿真文件，确实比较简单，但他也有优点，简单实用。 值得作为基础学习！！！！！！！！！！！！！！！！

粒子群算法优化+PID参数优化+simulink版本+matlab源代码

智能优化算法粒子群算法优化PID参数非simulink+matlab源代码

基于遗传算法的simulink/PID参数整定(s函数） 在simulink中搭建仿真模型，并采用遗传算法优化PID控制器参数。 基础学习，详细中文注释，值得参考！！！！！！！！！

PIDSEARCH 从初始控制器 Di 开始搜索设备 G 的 PID 类型控制器，同时基于单元阶跃响应最小化选定的成本函数或参数。 返回的控制器将具有与Di相同的结构。 G 和 Di 都必须是控制工具箱传递函数。 成本函数和参数是： ITAE——时间和绝对误差的积分ISTE——时间与绝对误差乘积平方的积分ISE——平方误差的积分RISE——从系统上升时间开始的平方误差的积分操作系统——响应超调Ts——响应建立时间OSTs——响应超调和稳定时间的乘积UTs——初始控制努力幅度和响应稳定时间的乘积

基于人工鱼群算法的PID参数优化设计 新资料，

比例积分微分（PID）控制器由于其简单性和实用性而成为使用最广泛的控制器之一。 为了设计高质量的PID控制器，提出了一种基于自适应原理和双峰高斯函数的先进烟花算法，通过参数调整来优化PID控制器。 首先，制定了优化性能的综合指标，然后提出了PID控制系统的极值优化方法。 其次，建立了结合AFW的PID参数整定模型。 最后，通过AFW和对比度调整方法，如Ziegler-Nichols方法，Enhanced Fireworks（EFW）算法和粒子群优化（PSO），对5种典型的传递函数进行仿真，以获得最优参数。 仿真结果表明AFW是有效的，是解决不同传递函数的PID控制问题的简便方法。

-注释详细 -利用PSO算法对Kp、Ki和Kd三个系数的寻优 -选择ITAE指标作为适应度函数

遗传算法对数字PID参数整定.docx

针对标准粒子群算法寻优精度不高、易出现早熟收敛等缺陷, 提出一种自适应混沌移民变异粒子群算法IPSO。该算法通过引入基因距离来反映粒子间合作与竞争的隐性知识, 使粒子种群的多样性得到量化, 采取自适应混沌移民变异策略对陷入聚集区域的粒子进行处理, 使之获得继续搜索的能力, 从而防止算法过早陷入局部最优。仿真结果表明, IPSO算法在PID控制器参数寻优问题上具有遗传算法和标准粒子群算法无法比拟的优势。