共查询到20条相似文献,搜索用时 922 毫秒
1.
2.
结合传统PID的控制原理,介绍一种参数自调整的PID模糊控制器。开发了一套能在线调整PID参数的模糊控制方法的软件,并分别将它和传统的PID控制器作用到数字随动系统中。对二者的控制结果进行了比较。实验结果表明,参数自调整PID模糊控制器使系统稳态性能优良,并能提高控制精度。 相似文献
3.
在使用轮式助行机器人辅助行走和康复训练过程中,机器人运动控制的稳定性和轨迹跟踪的准确性是人机交互的重要研究内容。本文将强化学习中的深度确定性策略梯度(DDPG)算法与比例积分微分(PID)控制器相结合,提出了一种轮式助行机器人轨迹跟踪方法。首先,对轮式助行机器人底盘的运动学模型进行了分析。其次,介绍了强化学习中的DDPG算法与PID控制器相结合的自适应PID控制器的实现原理和控制结构。最后进行了仿真实验。实验结果表明,与传统PID控制器相比,基于DDPG算法的PID控制器能在机器人系统跟踪期望轨迹时自适应调整参数,使机器人始终按照期望轨迹运动。同时,得益于强化学习的试错机制,控制器具有较强的抗干扰能力。 相似文献
4.
5.
6.
一种参数自调整PID模糊控制器 总被引:3,自引:0,他引:3
结合传统PID控制原理,提出一种新型模糊控制器结构,即PID模糊控制器。为提高PID控制器性能,设计能在线调整PID参数的模糊控制方法。仿真结果表明,自调整参数PID型模糊控制器使系统在暂态响应及稳态性能方面性能优良。 相似文献
7.
8.
为解决分数阶PID控制器参数难于整定的问题,设计了一种基于神经网络的分数阶PID控制器。通过采用反向传播( BP)神经网络的参数调节策略,可以实现一种五维参数自学习的PID控制器。将分数阶PID控制器数字化,通过BP算法调节神经网络突触权值,经过调整的神经网络输出作为分数阶PID控制器的参数。经过仿真验证,神经网络分数阶PID控制器比传统PID控制器精度提高6倍且控制更加稳定。 相似文献
9.
混合粒子群算法优化分数阶PID控制参数研究 总被引:6,自引:1,他引:5
分数阶比例-积分-微分(PID)控制器是一种把PID控制器的整数阶次推广到分数的比例、积分、微分控制器,它比传统的PID控制器更能精确地控制复杂的被控系统.而参数的取值对控制效果的好坏起着决定性作用,为此提出了一种混合粒子群算法BFA-PSO优化参数值.该算法将具有趋化、繁殖和驱散特点的细菌觅食算法和参数少,易于优化的粒子群算法相结合来计算出精确的分数阶PID控制器的参数值.通过对传统PID控制器和分数阶PID控制器参数优化的实验仿真,结果表明基于该算法的分数阶PID控制不仅无超调量、收敛速度快,而且鲁棒性强、收敛精度高,可用于控制不同的对象和过程. 相似文献
10.
二阶自抗扰控制器的参数简化 总被引:5,自引:0,他引:5
为了克服PID控制器自身具有的缺陷,在PID的基础上提出了自抗扰控制器(ADRC)。该控制器由跟踪微分器、扩张状态观测器和非线性状态误差反馈三部分组成,其控制效果优于经典PID控制器,但是参数众多、调节复杂。通过线性简化和参数整合建立简化的线性自抗扰控制器。MATLAB仿真表明,简化的线性自抗扰控制器参数调节过程大大简化,而控制性能并未受到明显影响。 相似文献
11.
针对传统PID控制器无法在线自整定参数的不足,提出了一种基于执行器一评估器(Actor-Critic,AC)学习的自适应PID控制器结构与学习算法.该控制器利用AC学习实现PID参数的自适应整定,采用一个径向基函数网络同时对Actor的策略函数和Critic的值函数进行逼近.径向基函数网络的输入为系统误差、误差的一次差分和二次差分,Actor实现系统状态到PID参数的映射,Critic则对Actor的输出进行评判并且生成时序差分(temporaldifference,TD)误差信号.基于AC学习的体系结构和TD误差性能指标,给出了控制器设计的步骤流程图.两个仿真实验表明:与传统的PID控制器相比,基于AC学习的PID控制器在响应速度和自适应能力方面要优于传统PID控制器. 相似文献
12.
基于模糊推理的自整定PID控制器 总被引:6,自引:0,他引:6
设计了一种新的模糊PID控制器,用基于给定的相角裕度和幅值裕度的方法给出了PID控制器参数的初值,在运行过程中,用模糊控制器在线调整PID参数,使过程具有较高的控制品质。 相似文献
13.
针对传统固定翼无人机PID控制器比例、积分和微分参数调节控制精度低,响应速度慢,难以得到最优线性PID参数组合等问题。本文利用蚁群算法寻优搜索对传统PID控制器进行改进,本文将PID参数寻优过程转化为多约束条件组合优化问题,并通过蚁群算法针对PID参数整定多次迭代来进行搜索最优数值路径来更加快速,精确的优化PID线性组合参数值,提高对固定翼的精确PID参数控制。 相似文献
14.
设计了一种新的模糊PID控制器。用GPM法整定出PID控制器参数的初始值。在运行过程中,用模糊控制器在线调整PID参数。针对高阶过程进行仿真,结果表明,本文算法有较快的响应速度。 相似文献
15.
PID控制器参数优化一直是自动控制领域研究的热点问题.由于自动控制过程中被控对象具有非线性、时变不确定性等特点,传统的PID控制多采用试凑方式进行优化,往往费时而且难以满足控制的实时要求,导致控制精度不高.为了解决PID控制器参数优化问题,改善系统性能,提出一种基于免疫遗传算法的PID参数优化方法.该方法将PID控制器参数作为抗原,最优参数作为抗体,通过免疫算法的记忆细胞和抗体浓度调节机制,在控制过程中动态调整PID控制参数,从而实现PID控制器参数实时优,最后将该参数优化方法应用于实际的自动控制系统.实验应用研究表明,相对于传统参数优化方法,该方法在处理非线性和时变系统时,减少了超调小,响应速度提高,改善了系统性能,系统稳定性增强,控制精度相应提高,更能适应实际的自动控制系统需要. 相似文献
16.
17.
随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器。由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法,并加入模糊自适应信息素更新机制,用于优化非线性PID控制器的设计方法。通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。 相似文献
18.
分析了非线性PID控制器各部分参数对于误差的理想变化过程,构造出一种非线性PID控制器;整定参数较多时,传统的参数优化方法容易产生振荡和较大的超调量,在分析量子粒子群算法(QPSO)的基础上,引入了随机选择最优个体的思想,提出使用改进的量子粒子群算法(GQPSO)优化非线性PID控制器参数。将改进量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较。最后,通过典型传递函数实例,分别使用Z-N、PSO、QPSO方法和改进的量子粒子群算法进行了PID控制器参数优化设计,并对结果进行了分析。 相似文献
19.
20.
针对迭代学习遗传算法(ILGA)对PID控制器参数进行整定时要求系统初态等于理想初态的问题,采用在迭代前对实际初态自学习逼近理想初态的方法,放松了迭代学习遗传算法的应用条件,并具有迭代学习次数少,整定PID控制器的最佳控制参数快的特点.简化了控制器的设计过程。给出仿真算例显示了该方法在PID控制器参数自动寻优上的有效性。 相似文献