带钢卷取机跑偏电液伺服系统PID控制器的设计

针对带钢连续轧制过程中的带钢跑偏问题,文章提出了一种带钢卷取机跑偏电液伺服系统PID控制器的设计方案。在介绍带钢卷取机跑偏电液伺服系统的基础上,通过静态计算,建立了该系统的数学模型;根据带钢卷取机跑偏电液伺服系统的开环传递函数及不同的控制量组合,分别设计了比例控制器、比例积分控制器和比例微分控制器,并采用Matlab软件仿真并分析了各控制器作用下系统的阶跃响应性能,根据各时域响应指标评定并确定了PID控制器的参数值。由PID控制器作用下系统的阶跃响应波形及系统开、闭环波德图得出,该PID控制器超调小、调节时间短、响应快、性能稳定;对带钢卷取机跑偏电液伺服系统的稳态误差进行分析后得出,该系统的稳态误差为零,由此证明了该PID控制器的有效性和正确性。     

带钢跑偏电液伺服控制系统的PID控制器设计

为了对带钢卷取机的跑偏进行控制,建立带钢卷取机电液伺服跑偏控制系统的数学模型,并用MATLAB软件对此系统的时域性能指标进行分析。对系统采用常规PID控制器和模糊自适应PID控制器设计,使系统性能达到设计要求。对两种方法进行仿真,表明模糊自适应PID比常规PID控制系统有更好的动态性能和稳态特性。     

基于模糊控制的带钢跑偏电液伺服系统研究

针对带钢跑偏电液伺服控制系统响应速度慢、超调量大、易受外界干扰等问题,将普通PID控制系统改进为模糊PID自整定控制系统,实现对此系统的高精度控制。首先建立带钢跑偏电液伺服控制系统的数学模型,并以该数学模型为基础,以AMESim/Simulink软件为平台,建立普通PID和模糊PID控制两组联合仿真模型,根据联合仿真得出系统的动态响应曲线、误差曲线和带钢运动过程中偏离中心线曲线。仿真结果表明,模糊PID控制不但大大提高了系统的响应速度、稳定性和抗干扰性,而且带钢最大偏移量得到极大地改善。经改进的系统可以为企业提供一定的理论依据,提高企业经济效益,具有很高的实用价值和很好的应用前景。     

自适应模糊PID 控制在压射控制系统中的应用

压铸机工作环境恶劣,干扰较多,使参数发生较大变化,影响系统的稳定性,传统的PID线性控制在被控对象发生变化时,控制特性也随即发生变化。针对这个缺点,采用自适应模糊PID控制技术,并利用模糊控制的智能非线性特点来弥补PID控制器,从而对电液比例阀进行良好的控制,使系统达到一个最优的控制状态。通过实验仿真可知自适应模糊PID控制方法的可行性。     

基于模型跟随的神经网络PID飞行控制律设计

为了抑制飞行控制系统的外部扰动和建模误差,应用模型跟随自适应神经网络PID控制方法,进行飞行控制律设计。首先使用RBF神经网络进行飞行系统模型辨识,在线学习系统正向输入输出特性,辨识对象的Jacobian信息;然后应用BP神经网络实时在线调整PID参数,设计自适应神经网络PID控制器,控制飞行状态变量跟随模型输出;最后以F-8飞机纵向飞行控制系统为研究对象进行控制仿真。仿真结果表明,设计的控制器具有很强的自适应和抗干扰能力。     

小机车新型试验电源自适应模糊PID控制系统仿真研究

针对小机车传统试验电源系统存在的电压稳定性能差、响应速度慢的问题,提出了一种自适应模糊PID控制的小机车新型试验电源系统。对自适应模糊PID控制器的设计和建模,以及仿真的效果进行了详细的阐述,并进行了系统的鲁棒性分析。同时还将自适应模糊PID控制和传统PID控制进行了对比研究,证明了自适应模糊PID控制的小机车试验电源系统有电压稳定性能好、响应速度快的良好电气特性。     

BP神经网络在永磁同步电机中的应用

永磁同步电机是一个多变量、非线性、强耦合的系统,传统PID速度控制效果不理想.在分析永磁同步电机数学模型的基础上,采用改进型BP神经网络与传统PID控制相结合作为速度控制器,应用于永磁同步电机调速系统中.在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制,实现了电机速度的自适应控制.仿真结果表明:应用这种新型控制方式的永磁同步电机调速系统具有良好的动态性能和稳态精度.     

变论域自适应模糊PID控制系统仿真与应用

由于电液伺服系统具有非线性、时滞性等问题,自适应模糊PID控制方式仍难以精确控制马达转速,故设计了变论域自适应模糊PID控制算法。通过设计合适的伸缩因子,将变论域与自适应模糊PID控制相结合,该算法可以精确控制电磁比例阀的流量进而控制马达的转速。将PID控制、模糊控制、自适应模糊PID控制和变论域自适应模糊PID控制算法进行Matlab仿真,结果表明：变论域自适应模糊PID控制具有响应快、无超调、稳态误差基本为零的特点。通过可编程控制器实现了模糊PID控制与变论域自适应模糊PID控制算法在电液伺服系统中的应用,实验数据表明,变论域自适应模糊PID控制更加精确,符合工业控制要求。     

主动磁悬浮轴承的神经网络自适应稳定性控制

针对主动磁悬浮轴承本质非线性和开环不稳定的系统特征,设计了一种BP神经网络自适应PID控制器。该控制器采用改进的BP神经网络PID控制算法,通过BP神经网络的自学习和权值调整寻找最优的PID参数,克服了常规PID控制参数整定困难的缺陷,实现了系统的自适应控制。通过MATLAB/Simulink环境和S-Function模块建立了主动磁悬浮轴承控制系统模型,并进行了系统仿真实验,结果表明,BP神经网络自适应PID控制系统响应速度更快,具有更好的动态性能和稳态性能。     

清洗机器人自适应PID控制研究

对于清洗机器人这样一个复杂的非线性、时变系统,常规PID控制方法难以达到满意的控制效果.提出了一种BP神经网络与常规PID(比例、积分、微分)控制相结合的智能控制方法,利用辨识网络逼近被控系统获得BP神经网络学习所需梯度信息,从而实现PID控制参数的在线调整,以适应控制系统的动态变化.对系统辨识模型进行了正弦输入下的逼近仿真;在对建立的运动学模型经离散化处理,得到其传递函数的基础上,对控制系统进行的角阶跃输入响应进行了对比仿真分析.仿真结果表明,辨识模型能很好的逼近被控对象,基于BP神经网络的自适应PID控制方法在解决清洗机器人控制问题时,提高了控制的响应时效,增强了系统的稳定性,获得了比传统PID控制更好的控制品质.     

基于BP神经网络PID控制的BLDCM调速系统

在分析无刷直流电机(BLDCM)数学模型的基础上,采用改进型BP神经网络与传统PID相结合作为速度控制器,应用于无刷直流电机调速系统中。在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制。仿真研究表明,应用这种新型控制方式的无刷直流电机调速系统具有良好的动态性能和稳态精度。     

基于动态递归神经网络的自适应PID控制

提出一种基于动态递归神经网络的自适应PID控制方案,该控制系统由神经网络辨识器和神经网络控制器组成。辨识器采用单隐层的动态递归神经网络,网络结构为2-4-1;辨识算法为动态BP算法;控制器采用两层线性结构的神经网络,输入为系统偏差及其一阶、二阶微分,因此具有增量型PID控制结构。应用该控制系统对一非线性时变系统进行仿真研究,仿真结果表明该控制方案不仅具有良好的跟踪特性,而且对系统参数变化具有较强的鲁棒性。     

自适应人工神经网络电机控制器设计

提出了一种自适应人工神经网络无刷直流电动机(BLDCM)转速控制器设计方法;针对传统PID调节器难以应对系统超调和短时振荡等问题,提出了一种结合人工神经网络和传统PID控制的新方法;首先建立了(BLDCM)的本体数学模型,在此基础上描述了将人工神经网络和PID控制相结合的模型,并对具体的控制算法进行了定义;最后,使用Matlab仿真工具对BLDCM控制实例进行了仿真;实验结果表明,结合人工神经网络和PID控制器的新控制方法具有响应快、鲁棒性强以及控制精度高等优点,很好地抑制了超调和振荡。     

3RPS/UPS并联机器人神经网络观测器反演控制

为了增强4D互动立体游戏仿真模拟平台的刚度和运动性能，将带冗余结构的3RPS/UPS并联机器人应用其中。首先对其结构进行介绍及逆运动学分析，然后针对传统PID控制在控制精度方面的不足，提出了一种基于神经网络观测器的反演控制方法。最后利用MATLAB对其进行建模以及系统仿真实验，并与传统PID控制以及一般的RBF神经网络自适应控制进行对比。由仿真结果可以看出，根据RBF神经网络观测器估计系统状态值，并应用反演控制理论设计控制器，能实现很好的状态观测，从而实现无需速度信号的位置跟踪。该方法也能够在一定程度上提高精度，且其整体控制效果优于传统PID控制器，相比于一般的RBF神经网络自适应控制也有了一定的改进。     

基于模糊神经网络PID的舵机控制系统

针对某型号导弹中舵机控制系统进行优化研究。对于具有非线性、时变特性的复杂系统,在分析传统PID控制算法和模糊神经网络控制算法的基础上,提出一种经过改进的模糊神经网络PID控制器。通过采用自组织学习阶段和有教师学习阶段的分阶段学习方式,提高网络的学习效率。建立直流无刷舵机控制系统的数学模型,利用MATLAB进行仿真分析。实验结果表明,所设计的控制器对阶跃响应更加迅速,基本无超调,对舵偏角指令执行准确,相位移动更小。     

气动油压伺服系统的智能PID控制研究

针对经典的基于对象精确模型的PID控制方法自适应性差,难以适应具有非线性、时变不确定性的被控对象,提出了一种基于RBF神经网络的、结构简单的PID自适应控制方法。将该智能PID控制应用于气动油压伺服系统中,实验结果表明:具有自学习和自适应能力的RBF网络PID控制方法,能够适应被控对象在较大范围内的变化,具有较强的鲁棒性,其控制品质明显优于常规PID控制方法,将其应用于气动油压伺服系统是可行的。     

基于模糊自整定PID的连续退火炉温度控制系统

在冷轧带钢连续退火过程中加热温度的控制是确保产品性能合格的重要保证,带钢连续退火炉具有非线性、大滞后性、多干扰等特性,采用传统的PID控制已经不能满足现代控制要求,为使得控制系统具有更高的稳态精度和更快的动态响应,本文采用PID控制和模糊控制相结合的控制方法.通过仿真,得到了不错的控制效果,验证的本文提出方法的优点.同时,本文采用InTouch组态软件设计了对应的监控系统,并采用VB.net设计开发了数据查询和分析系统,实现了良好的人机交互.     

基于模糊神经网络PID算法的电阻炉温控系统

由于电阻炉温控系统是一个大惯性、大滞后、时变、且非线性的系统,采用传统PID控制不能解决系统的非线性、时变和PID参数的在线整定难等问题,为此提出一种控制算法—模糊神经网络PID算法。可根据电阻炉的温度的偏差及其变化率实时对PID的3个参数进行优化,达到具有最佳组合的PID控制,从而实现PID控制的自适应和智能化性能。使用MatLab的simulink仿真,通过传统PID与模糊神经网络PID阶跃响应曲线的比较,表明系统采用模糊神经网络PID算法具有更好的动、静态特性和自适应性,对突加的外部的扰动具有良好的抗干扰能力,具有实用价值。