Эффективная настройка параметров регулятора пропорциональности-интегральности-дифференцирования (PID) всегда была сложной задачей в области управляющей инженерии. В этой статье представлено улучшенное алгоритм оптимизации бизоньей караваи (EHO), разработанный для решения этой проблемы. Для улучшения разнообразия популяции и усиления глобальной поисковой способности улучшенный алгоритм использует суперлатинские кубические выборки и начальную инициализацию обратного обучения адаптивных линз. Кроме того, в исследовательской стадии внедряется адаптивный механизм возмущения для оптимизации обновления положения. Для проверки производительности EHO он был протестирован с использованием функций CEC2022 на четырех виды классических или передовых интеллектуальных алгоритмов. Кроме того, его эффективность была оценена посредством применения настройки PID к различным типам систем. Также было произведено сравнение EHO с другими пятью видами алгоритмов и классическим методом Циглера-Никольса. Анализ кривых сходимости, переходной характеристики, коробчатой диаграммы и радиальной диаграммы показывает, что EHO превосходит аналогичные методы по точности, скорости сходимости и стабильности. На последнем этапе эффективность алгоритма была оценена путем настройки параметров каскадного PID-регулятора для слежения за траекторией квадрокоптера. Результаты симуляции показали, что использование EHO для оптимизации системы приводит к значительно более низким абсолютным ошибкам времени по каналам положения (x, y, z) в течение 80 секунд: 59,979, 22,162 и 0,017 соответственно. Эти значения значительно меньше, чем у оригинального алгоритма оптимизации бизоньей караваи и метода ручной настройки параметров.

PID controllers;Parameter tuning;Hippopotamus optimization;Latin hypercube sampling;Adaptive lens reverse learning;Adaptive perturbation mechanism