基于RBF神经网络PID控制的无线网络时延控制研究

针对不确定时延影响无线网络控制系统的控制性能、常规PID控制策略无法满足网络控制要求的问题,提出了一种基于RBF神经网络PID控制的无线网络时延控制方案。采用Matlab/Simulink的TrueTime工具箱建立了无线网络时延控制系统仿真模型,介绍了模型中网络模块、执行器模块、控制器模块的设计及RBF神经网络整定PID控制器参数的实现原理。仿真结果表明,与常规PID控制策略相比,RBF神经网络PID控制策略能够在一定程度上降低不确定时延对无线网络控制系统的影响,从而提高无线网络控制系统的稳定性。     

超磁致伸缩执行器的P-模糊PID控制

在微加工领域应用超致伸缩材料的研究中,为提高超磁致伸缩执行器控制系统的定位精度,根据压磁方程和超磁滞伸缩执行器的动力学特性建立了执行器的数学模型,为加快系统响应速度,提出了将模糊理论及PID理论相结合的控制方案,利用MATLAB模糊逻辑工具箱设计了P-模糊PID控制器.在simulink图形仿真环境下,利用P-模糊PID控制方法和常规PID控制方法进行控制实验.经仿真比较和分析,采用P-模糊PID控制方法优于常规PID控制方法,并且P-模糊PID控制下的系统响应迅速,无超调,调节精度高,可为设计提供参考.     

数字式电子调速器的研究

简述了电子调速器的产生和发展、优点以及应用的领域,电子调速器的四个组成部分：控制器、执行器、执行器驱动机构和传感器,各个组成部分的作用,不同调速系统采用的不同的执行器和传感器;分述了不同的控制策略：PID控制、模糊控制、模糊PID控制和模糊自适应PID控制,以及对调速系统的调速性能和稳定性的提高;不同系统采用的不同的建模和仿真方法,提出了现阶段电子调速技术存在的几个问题：控制算法的选择、控制器的处理能力和执行器的精度;今后发展的方向：引入智能控制算法、多CPU结构体系的采用、控制器的抗干扰以及专用执行器和传感器的开发和扩展更广阔的应用领域.     

基于Matlab的网络控制系统模糊控制算法应用研究

介绍了网络控制系统的基本概念,利用Matlab建立了一个网络控制系统仿真平台,实现了对网络控制系统的实时仿真,并重点对控制器的算法进行了研究,给出了模糊PID控制器与PID控制器的仿真结果对比.结果证明,模糊PID可以很好地应用于网络控制.     

非线性无线网络控制系统的切换模糊控制

无线网络控制系统解决了一些特殊场合不便于线缆铺设的问题.从控制系统角度减小无线网络中随机延时对系统性能的影响,成为近年来研究的难点和热点之一.针对一类被控对象为非线性系统的无线网络控制系统中产生了随机延时,提出一种切换模糊控制方法.首先基于T-S模糊模型将对象线性化,设计求解不同延时下的最优状态反馈模糊控制器,再用网络传输延时作为切换信号,将闭环控制系统转化为一个切换模糊控制模型,通过切换模糊控制,实现对整体非线性系统的逼近与控制.最后通过实例验证了所提出方法的有效性.     

具有时延的网络控制系统控制器设计

针对一类存在随机时延的网络控制系统,传感器采用时间驱动,控制器和执行器采用事件驱动,提出了一种新的具有随机时延的网络控制系统的建模方法-离散模糊T-S模型,在此模型的基础上应用并行分布补偿（PDC）原理设计了模糊控制器。应用Lyapunov定理和线性矩阵不等式（LMI）方法,研究了系统的稳定性问题,给出基于LMI的状态反馈模糊控制器的设计方法。通过仿真实例验证控制方法能够保证系统稳定。     

基于T S模糊控制器的网络控制系统仿真研究

为了研究网络控制系统不同的控制算法对系统的影响,利用Matlab中Simulink模块和TrueTime工具箱搭建网络控制系统的模型,当网络控制系统存在一定时延时,分别搭建采用PID控制器的网络控制系统的模型和采用T S模糊控制器的网络控制系统的模型,仿真分析系统的输出曲线,结果表明：采用T S模糊控制器的系统输出曲线超调量小,调节时间短,很快达到稳定,说明基于T S模糊模型的控制算法能够补偿时延,提高系统的稳定性。     

基于广义预测控制算法(GPC)的网络闭环控制系统研究

网络控制系统中普遍存在的传输延时严重影响了系统的控制性能。针对这个问题,本文介绍了一个控制器由事件驱动、传感器和执行器由时间驱动的分布式系统模型。控制器采用了GPC控制算法,执行器节点设置控制增量缓冲区,以此来保证在网络存在随机时延情况下输出的控制量均为最优或者次最优,系统仍有良好的控制性能。     

基于PLC的模糊PID控制系统的研究

研究了采用离线计算形成模糊查询表，从而在PLC(可编程序控制器)控制系统在线查表实现模糊PID控制的方法，提出了解决模糊PID控制动作频繁造成系统损害的带死区的模糊PID控制算法；这种PLC通用模糊PID控制器可作为控制系统的一部分，也可用于控制过程分析、仿真和开发模糊控制PID系统的工具。     

模糊PID控制在温度控制系统的应用

对工业上一些温度控制系统不能采用传统的PID控制器的原因进行了分析,并通过MATLAB仿真进行说明。然后重点论述了模糊PID控制在温度控制系统中应用,并设计了模糊PID控制器。最后针对同一对象采用模糊PID控制进行了仿真,并和前面的PID仿真相比较,分析控制性能。     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

基于模糊神经网络的温度控制系统设计

实验室温度控制系统要求精度高,并且具有非线性、大惯性及数学模型难建立等特性,这使得用常规PID控制器以及一般模糊控制器无法很好地满足系统要求,而本文在一般模糊控制器的基础上,融合神经网络技术,设计出模糊神经网络控制器,它既有模糊控制鲁棒性好、动态响应好、上升时间快、超调小的优点,又具有神经网络的在线自学习能力,可以实现温度的智能控制,在实际应用中取得良好的效果。     

无线传感器网络中基于领导者的拥塞控制算法

针对无线传感器网络存在的拥塞问题,设计一种基于领导者的拥塞控制算法.利用分布式动态系统的理论对拥塞问题进行建模,并证明了所提出的算法能够保证所有节点的发送速率收敛到可用的最小带宽,同时利用Lyapunov函数证明了所提出的算法在变拓扑网络结构下的有效性.仿真实验表明,基于领导者的拥塞控制算法能够很好地抑制无线传感器网络中的拥塞现象,保证较高的吞吐量和较低的网络延时,提高整个网络的服务质量.     

无线传感器网络中基于最小速率的拥塞控制算法

针对无线传感器网络的拥塞问题,设计了一种基于最小速率的拥塞控制算法。利用分布式动态系统的理论对拥塞问题进行了建模,并证明了该算法能够保证所有节点的发送速率收敛到可用的最小带宽。利用李亚普诺函数证明了算法在变拓扑网络结构下的有效性。NS仿真结果表明,这种最小速率算法能够很好地抑制无线传感器网络中的拥塞现象,保证了较高的吞吐量和较低的网络延时,提高了整个网络的服务质量。     

无线自组网拥塞PID算法稳定性研究

主动队列管理比例积分微分(PID) 算法的稳定性是实现其拥塞控制的基础。目前的PID设计及优化大多基于经验,往往得到一些孤立的整定结果,缺乏稳定区域的理论分析。针对Ad Hoc网络的多跳、时滞特点,分析了PID算法在时延无线网络中的稳定性,在不同的微分系数下,分别给出了大时延系统PID算法的稳定区域,与传统的工程整定比较,提供了时滞对象的PID稳定理论依据,为整定PID参数带来便利。通过Matlab和NS2仿真,验证了稳定区域的结论及优越性。     

大时滞网络自适应主动队列管理新算法

针对PID控制器无法严格处理主动队列管理（AQM）中的大时滞情况,且不能随着变化的网络环境在线调节参数,提出了一种基于增益自适应Smith预估控制和模糊控制的大时滞网络的自适应PID主动队列管理（GAS-FPID）算法。引入增益自适应Smith预估控制器实现滞后补偿,模糊控制器来实现PID参数动态网络环境的在线调整;NS2仿真表明,所提出算法能克服滞后的影响,能快速的适应动态网络环境,具有很好的稳定性和鲁棒性。     

基于模糊RBF神经网络的PID及其应用

针对传统的PID控制器参数固定而导致在控制中效果差的问题,提出一种基于模糊RBF神经网络智能PID控制器的设计方法。该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制与RBF神经网络相结合以在线调整PID控制器参数,整定出一组适合于控制对象的kp, ki, kd参数。将算法运用到电机控制系统的PID参数寻优中,仿真结果表明基于此算法设计的PID控制器改善了电机控制系统的动态性能和稳定性。     

城市路网交通分散协调控制

针对城市路网交通系统规模大和非线性、不确定性强等特点，利用模糊神经网络设计了一种新的实时分散协调控制算法．把城市区域和市内快速公路作为一个路网大系统，子系统为路网中的各个交叉口；每个子系统都有一个模糊神经网络控制器，该控制器根据它自己和相邻子系统的交通流信息来动态管理相序及绿灯时间．控制器由3个模块组成：相序选择模块、绿灯判断模块和相位切换模块．控制器的控制目标是保持快速公路主线密度均衡和区域内各车辆平均延误时间最短．仿真研究表明，该算法能有效处理各种路网交通环境．     

火电厂锅炉主汽温控制策略的比较研究

锅炉的主汽温被控对象是一个大惯性、大迟延、非线性且对象变化的系统,常用的汽温控制系统有串级PID控制和基于BP神经网络的PID控制。串级PID控制一般能将主汽温控制在允许的范围内;基于BP神经网络的PID控制将神经网络所具有的自学习能力与PID控制器的鲁棒性相结合,能实现对非线性、大时滞系统模型的控制。对这两种策略在不同负荷下进行了实验仿真,该结果对当前电厂的经济性和安全性有一定参考价值。     

无刷直流电机的模糊神经网络控制设计

在无刷直流电机(BLDCM)的控制上,传统PID等控制方法存在或多或少的不足.在模糊PID控制的基础上提出了一种模糊神经网络PI控制器的设计方法.该方法结合了模糊逻辑与神经网络,使得模糊控制器模拟了人的控制功能,不仅对环境变化有较强的适应能力,还拥有自学习能力.相比模糊PID控制,其具有计算量小、稳定性强等特点.对BLDCM进行建模与分析;在BLDCM数学模型的基础上,分别设计模糊PID控制器和模糊神经网络PI控制器;对设计的控制器进行仿真验证并分析.实验结果表明,模糊神经网络PI控制具有跟踪性能好、超调小、响应快、脉动小等优点,其动静态特性均优于模糊PID控制.