变风量空调系统末端的模糊神经网络控制研究

针对目前传统PID控制对模型依赖性强,难以在线调整,对具有非线性和不确定性的变风量(VAV)空调系统的控制动态性能差的特点,提出将模糊神经网络应用于该系统.建立了模糊神经网络控制器,基于变风量空调系统末端装置的数学模型进行了仿真研究.结果表明,该控制策略比传统PID控制更适合于VAV系统,控制系统具有更好的鲁棒性和自适应能力,可以取得更优的动态性能.     

基于模糊RBF神经网络的双电机驱动伺服系统研究

双电机驱动伺服系统中存在齿隙和摩擦等非线性,常规PID控制不能满足其控制要求.针对常规PID控制器参数固定而导致在控制中效果差的缺陷,提出一种基于模糊RBF神经网络整定的PID控制方法.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,可以在线调整得到一组适合于控制对象的PID控制参数.最后在双电机驱动伺服系统中进行仿真试验结果表明所提出的控制策略是有效的.     

混沌粒子群优化的模糊神经PID控制器设计

针对常规PID控制的线性局限性及传统模糊控制和模糊PID控制中积分误差规则难以获取,系统存在稳态误差的问题,提出一类以模糊神经网络和PID神经网络组成的模糊神经PID控制器．以整个神经网络的权值为优化参数,利用基于混沌策略的粒子群全局优化算法离线优化和误差反传算法在线调整相结合的方法获得控制器参数,并设计了混沌优化与粒子群结合的两步方案．仿真结果表明:与传统PID、模糊、模糊PID控制相比,系统的瞬态和稳态性能有了明显提高,且保持了一定的鲁棒性及高跟踪精度．该方法有效地拓展了PID控制的使用范围,并为智能方法与PID控制的结合提供了一种新的参考方案．     

基于模糊神经网络的自适应精确曝气系统设计

基于模糊神经网络理论,将自回归各态历经(ARX)模型与模糊神经网络模型(FNNM)相结合,设计一套具有自适应能力的前馈-反馈精确曝气控制系统,解决目前污水处理曝气过程中冗余曝气能源浪费、溶解氧波动大的问题.以污水厂处理PID控制生物池数据作为训练样本,以模糊神经网络自适应精确曝气模型仿真与传统PID控制比较,发现该系统...     

非线性系统中自调整模糊神经网络控制方法的应用研究

针对难以解决的纯滞后非线性系统控制,提出一种基于自调整模糊神经网络控制的辨识Smith预估方法,采用模糊神经网络与PID控制动态复合,保持了模糊控制较强的鲁棒性和神经网络可以任意逼近非线性系统的能力以及PID调解器消除静态误差的优点.同时利用神经网络进行参数在线辨识以构成Smith预估器,适应了被控对象的实时变化.在热连轧中的仿真结果证明了该方法的有效性.     

锅炉汽包水位模糊RBF自适应控制

针对汽包水位常规的PID控制方式,采用了一种模糊神经网络智能控制器,该控制器结合了模糊控制与神经网络学习能力强的特点,将2种智能控制相结合,在线调整控制器参数,整定出一组优化的控制器参数。仿真结果表明此控制器显著地改善了汽包水位的动态性能和稳定性能。     

在线学习自适应模糊控制器在水轮机调节中的应用

针对水轮发电机组系统具有时变非线性,传统的控制方法很难达到最优控制的特性,提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组运行.模糊控制器的比例因子、模糊推理规则和隶属函数由遗传算法在线寻优.由RBF神经网络进行被控对象的动态特性模型辨识,以评价模糊控制器控制性能.仿真实验表明,控制效果良好,特别在变工况和扰动情况下优于最优PID控制.     

神经网络模糊PID控制器在直接矩控制中的应用

介绍了一种模糊自整定PID参数控制器的设计方法,并提出利用神经网络训练PID参数的基值。对常规PID控制和神经网络模糊PID控制系统作了对比研究,仿真实验结果表明新方法既保证了系统的稳态精度,又保证了系统的快速响应和坚韧性。将该方法用于直接转矩控制系统中,取得了远远优于常规PID调节器的控制效果。     

基于模糊RBF神经网络的永磁同步电机位置控制

针对比例-积分-微分(PID)控制器参数固定而引起永磁同步电机位置伺服系统控制效果不佳问题,设计了基于平滑切换的模糊PI控制和径向基函数(RBF)神经网络PID控制的位置控制器。暂态时,采用模糊PI控制;稳态时,采用RBF神经网络PID控制,两者中间采用模糊PI-RBF神经网络PID复合控制。该位置控制器既结合了模糊PI控制和RBF神经网络PID控制的优点又克服了各自的缺点。仿真结果表明,当永磁同步电机受到外部扰动时,采用模糊RBF神经网络控制器的永磁同步电机位置系统具有良好的动态性能,能够实现快速响应,做到精确定位,而且当负载变化时具有很强的抗干扰性。     

基于BP神经网络的改进增量式PID暖通控制器设计

为了克服传统PID控制在暖通空调系统应用中超调量大、控制精度低的缺陷,提出了一种基于BP神经网络的PID控制器设计方法.利用BP神经网络具有很强的学习能力、任意逼近非线性能力、自适应性和鲁棒性等特点,将BP神经网络与PID控制结合,实现了PID的3个控制参数的在线自整定.仿真结果表明,该方法可以显著改善系统的动态性能和控制精度,实现了PID控制参数的在线动态调整,避免了由于系统模型和结构参数变化导致的控制效果不稳定.     

分数阶PID控制器在自动电压调节系统中的应用

常规的PID控制器在应用于某些复杂系统时,效果可能达不到预期的精度要求,而分数阶多了两个参数,在控制的灵活性以及准确性上都有了较大的改善。主要讨论了分数阶PID控制器在自动电压调节系统中的作用。将分数阶PID控制器与传统的整数阶PID控制器进行了对比,结果表明,分数阶PID控制器具有优于传统PID控制器的性能。     

大流量液压系统的油温控制

针对某大型液压系统的油温恒定需求,分析系统发热的数学模型和油液温度变化的滞后特性,提出一套运用比例水阀连续调节板式换热器冷却水量的大型液压系统油温控制方法.在Matlab/Simulink仿真环境中,比较分析使用常规PID和参数自整定模糊PID算法的油温控制特性.仿真结果表明,模糊PID控制器具有不依赖系统模型、响应快、控制精度高的优点,且易于PLC实现.将模糊PID控制方案应用于实际系统中,实验结果表明,参数自整定模糊PID控制器能够克服油温的大时滞、非线性变化,使得油液温度有效控制在45±1 ℃;参数自整定模糊PID控制器的响应速度、控制精度均优于常规PID,适合应用于大流量液压系统的油温控制.     

水轮机组调节的模糊控制算法研究

从提高模糊控制精度出发．提出了一种混合参数自调整模糊PID控制器结构,融合了常规PID控制器和模糊控制的优点．控制器主要包括了常规PlD控制器、增益调整型模糊控制器和直接控制型模糊控制器3个部分,能根据对象参数的变化合理地调整控制器的参数．叙述了混合参数自调整模糊PID控制器各部分的功能和参数的选择．针对水轮机组控制的仿真实验表明了该控制策略的有效性,与常规PID控制器的对比结果表明该控制算法能够提高系统的响应速度和鲁棒性．     

基于FPGA的数字PID控制器研究

用常规的方法在FPGA上实现PID控制器,要消耗大量的乘法器、加法器和存储器,FPGA的硬件资源不能被合理地利用,而且能耗高。研究在FPGA上采用直接DA(DA-Ⅰ)及改进的DA(DA-Ⅱ)算法,实现数字PID控制器。DA-Ⅰ算法用的加法器、LUT单元和延时模块等,较常规方法要节省许多硬件资源;DA-Ⅱ算法,能进一步减少各单元模块的使用,并应用两级流水线技术,降低能耗。通过对DA-Ⅰ和DA-Ⅱ两种算法实现的PID控制器的比较,在硬件资源、处理速度、复杂程度和能耗等方面,探讨了改进后的PID控制器的性能。     

H型精密运动平台交叉耦合模糊PID同步控制

针对双直线电机驱动的H型精密运动平台由于永磁直线同步电机参数变化和扰动等不确定因素致使两边的运动不同步问题,提出一种交叉耦合模糊PID控制方法.在单轴中采用模糊PID控制作为位置控制器,速度控制器用普通的PI控制,以保证单轴跟踪精度;双轴间引入交叉耦合控制方法,消除双电机之间存在的机械耦合,进而减小了双轴间的位置同步误差.结果表明,将交叉耦合与模糊PID相结合的控制方法能够使H型精密运动平台的同步误差收敛于零,并且使系统具有较好的跟踪性能与鲁棒性.     

基于粒子群优化的PID伺服控制器设计

针对耦合和非线性永磁同步电机（PMSM）控制器优化设计的难题,提出了基于粒子群优化（PSO）算法的比例、积分和微分(PID)控制器的优化设计方法.结合PSO的基本原理和PMSM伺服系统的控制策略,给出了优化PID控制器设计的步骤.考虑到综合评价系统的各项性能指标,在优化过程中引入了新的模糊汉明距离的评价策略.同时对遗传算法（GA）和PSO算法优化结果进行对比研究.仿真和实验结果表明,该方法能搜寻到最优或次最优的参数空间,并能取得比GA更好的空间解.优化得到的PID控制器速度响应快、超调量小,有效地提高了伺服系统的动态性能.     

A Proposal of Adaptive PID Controller Based on Reinforcement Learning

Aimed at the lack of self-tuning PID parameters in conventional PID controllers, the structure and learning algorithm of an adaptive PID controller based on reinforcement learning were proposed. Actor-Critic learning was used to tune PID parameters in an adaptive way by taking advantage of the model-free and on-line learning properties of reinforcement learning effectively. In order to reduce the demand of storage space and to improve the learning efficiency, a single RBF neural network was used to approximate the policy function of Actor and the value function of Critic simultaneously. The inputs of RBF network are the system error, as well as the first and the second-order differences of error. The Actor can realize the mapping from the system state to PID parameters, while the Critic evaluates the outputs of the Actor and produces TD error. Based on TD error performance index and gradient descent method, the updating rules of RBF kernel function and network weights were given. Simulation results show that the proposed controller is efficient for complex nonlinear systems and it is perfectly adaptable and strongly robust, which is better than that of a conventional PID controller.     

钢管捆自动成形系统电液比例控制研究

为了满足钢管生产过程中对钢管捆成形和包装的需要，对钢管捆自动成形电液比例系统进行了模糊比例-积分-微分(PID)控制研究.基于该系统的组成和工作原理，分析了双缸管排水平定位和竖直定位堆放控制问题，给出了管排竖直定位堆放误差的补偿算法.采用专家智能控制与模糊PID控制技术相结合，得到了具有二级结构的模糊PID控制策略，并对实际系统设计了相应的模糊PID控制器.系统控制结果表明，模糊PID控制器能修正各控制参数，提高了系统控制的自适应性和鲁棒性.与常规的PID控制器相比较，该控制器具有更好的系统运行性能.     

基于H_∞控制的多变量系统PID控制器设计

研究了基于环路成形Ｈ∞控制的多变量系统ＰＩＤ控制器设计。为了能方便地在实际工程中实现复杂的控制，提出了采用多变量ＰＩＤ控制器逼近所得高阶控制器的方法，并给出了如何选择影响闭环系统性能的预补偿器方法。这种设计方法的主要特点是，只通过调整反映闭环系统的鲁棒稳定性与时域性能的一个设计参数，便可以得到ＰＩＤ控制器。仿真结果表明，所得的多变量ＰＩＤ控制器具有较好的鲁棒稳定性和鲁棒性能。