PID参数模糊自整定控制在液位控制系统中的应用

针对液位控制过程中存在的大滞后、时变、非线性的特点,提出了PID参数模糊自整定控制算法。运用阶跃响应测试对双容水箱液位系统建立数学模型选取恰当的隶属度函数和PID控制规则,设计PID参数模糊自整定控制器。最后,利用MATLAB工具对PID参数模糊自整定控制算法和传统PID控制算法进行仿真比较。仿真结果表明,与传统PID控制算法相比,PID参数模糊自整定控制算法具有超调小、调整时间短等特点。     

模糊参数自整定PID控制器的设计与仿真研究

为实现PID参数的自动整定,在PID控制和模糊控制的基础上,设计了一种用于晶体生长炉温度控制系统的模糊参数自整定PID控制器,该控制器基于PID参数的优化规律,利用模糊控制规则对PID参数进行在线的自动整定.与常规PID温控系统比较,该控制器的系统超调量明显减小,控制系统的动静态性能均得到改善,升温速度和目标温度控制精度达到了设计指标,系统仿真验证了该设计的有效性与实用价值.     

基于自适应遗传算法的DFB激光器模糊PID温控系统

针对传统的PID控制算法很难准确控制DFB激光器温度的问题,提出并设计了一种基于模糊PID控制和自适应遗传算法的新型DFB温度控制系统.该控制系统由硬件和软件两部分构成,在硬件设备上以单片机作为控制系统的处理器,以铂电阻和热电冷却器分别作为控制系统的敏感器和执行器;在控制算法上利用自适应遗传算法来优化模糊PID的自整定规则.结果表明,该系统能够实现DFB激光器在5~65℃温度范围内的有效控制,控制误差和超调量分别低于0.002 3℃和10%,具有较好的应用前景.     

基于参数自整定的模糊智能供水策略

针对一次性整定的PID参数难以保证供水控制系统的控制效果始终处于优化状态的问题,提出了一种基于参数自整定的模糊智能供水策略。采用该策略系统一旦偏离正常状态,在系统性能超过容许范围时,自动启动PID参数的整定过程进行在线参数模糊自整定,按照整定后的PID参数系统自动切换到正常工作状态。重新整定的PID参数可使供水系统达到更好的控制品质。仿真实验表明:实时修改控制器的参数可以保证控制系统具有优良的控制品质。     

PID控制的参数模糊自整定方法

针对一般PID控制算法在线调整PID的三个参数难度较大的问题,研究了PID控制的参数模糊自整定方法,即根据偏差和偏差变化率与PID三个参数的模糊关系,进行参数模糊自整定,该方法具有通用性和适应性强,参数容易整定,控制效果好等特点。并应用在WK－1型温度控制系统上,进行了实时控制实验,取得了很好的控制效果。     

PID控制的参数模糊自整定方法

针对一般PID控制算法在线调整PID的三个参数难度较大的问题,研究了PID控制的参数模糊自整定方法,即根据偏差和偏差变化率与PID三个参数的模糊关系,进行参数模糊自整定.该方法具有通用性和适应性强,参数容易整定,控制效果好等特点.并应用在WK-1型温度控制系统上,进行了实时控制实验,取得了很好的控制效果.     

基于改进量子遗传算法的超声电机模糊PID控制

针对超声电机非线性、时变性的特点,设计了模糊自整定PID控制器,并利用量子遗传算法对模糊自整定PID控制器参数进行优化,以提高系统的动态性能和适应性.针对传统量子遗传算法的不足,对编码方式、种群初始化、量子旋转门、量子变异以及增加量子灾变5个方面进行改进.仿真结果表明:改进量子遗传算法改善了传统量子遗传算法容易产生种群早熟的问题,提高了算法收敛性能.同时,基于改进量子遗传算法的模糊自整定PID控制器与经典的模糊自整定PID控制器相比,明显提高了超声电机系统的动态和稳态性能.     

基于遗传算法的可调因子模糊PID控制器的设计

传统的PID控制算法简单、易于实现,但对于非线性、不确定性的控制对象,控制效果并不理想。本文将不依赖于被控对象的数学模型,适应能力好的模糊控制和常规PID控制相结合,并对模糊算法中对系统性能有重要影响的量化因子用遗传算法进行优化,提出一种基于遗传算法的可调因子模糊PID控制器。仿真结果表明该控制器具有良好的动态性能和静态性能。     

基于自整定模糊PID算法的浓缩工艺温度控制研究

针对药浓缩工艺的温度变化过程,以蒸发室内温度为被控对象,建立温度控制数学模型.在模糊自整定控制算法基础上,引入了专家系统,提出一种专家自整定模糊PID控制算法,通过对调节阀的控制,实现对温度参数的精确控制.分别对常规PID算法、模糊控制PID算法、以及加入专家系统的智能模糊PID控制算法进行仿真分析和实验比对.实验结果表明,提出的自整定模糊PID控制算法,较常规PID控制算法,具有稳定性高、响应快、超调量小的特点.     

基于蝙蝠算法的PID控制参数优化技术与仿真研究

PID参数整定是PID控制中的一个重要环节,传统的PID参数整定方法已经不能完全适用。为提高PID参数优化精度,解决传统PID参数整定时产生的误差较大问题,将蝙蝠算法引入控制系统中优化PID控制参数。通过MATLAB仿真,比较蝙蝠算法、粒子群优化算法和增量式PID控制算法对控制参数优化的性能。实验结果表明：在函数寻优测试中,与遗传算法、粒子群优化算法相比,蝙蝠算法能防止陷入局部最优,使种群更加稳定并达到更好的收敛速度和寻优精度;在PID控制参数优化中,与粒子群优化算法、增量式PID控制算法相比,蝙蝠算法优化PID控制参数的实际输出曲线最贴近理论输出曲线,稳定性更好。     

ACS algorithm-based adaptive fuzzy PID controller and its application to CIP-Ⅰ intelligent leg

Based on the ant colony system(ACS)algorithm and fuzzy logic control,a new design method for optimal fuzzy PID controller was proposed.In this method,the ACS algorithm was used to optimize the input/output scaling factors of fuzzy PID controller to generate the optimal fuzzy control rules and optimal real-time control action on a given controlled object.The designed controller,called the Fuzzy-ACS PID controller,was used to control the CIP-I intelligent leg.The simulation experiments demonstrate that this controller has good control performance.Compared with other three optimal PID controllers designed respectively by using the differential evolution algorithm,the real-coded genetic algorithm,and the simulated annealing,it was verified that the Fuzzy-ACS PID controller has better control performance.Furthermore,the simulation results also verify that the proposed ACS algorithm has quick convergence speed,small solution variation,good dynamic convergence behavior,and high computation efficiency in searching for the optimal input/output scaling factors.     

基于模糊加权论证方法的模糊神经网络

在‘Mamdani'论证方法的基础上提出改进的模糊加权推理方法.模糊神经网络是以改进模糊加权论证方法为基础发展起来的.网络加权和成员函数最优化的相互匹配在应用发展规则系统的条件下进行.模糊规则可根据网络加权而获得,网络模型的有效性和最优化程度可以由仿真实验检验.     

基于f1-f2推理的模糊PID控制器

模糊控制理论及应用近年来已成为控制领域中的一个研究热点,软件模糊控制由于其结构简单,成本低,易于调整规则等优点而越来越成为应用得最为广泛的一种模糊控制方法。本文提出了模糊控制器的一种新的ｆ１－ｆ２ 推理方法,改进了模糊控制器的性能,并由此设计了模糊ＰＩＤ控制器． 以工业电炉为控制对象,进行了模糊控制方法的计算机仿真,仿真结果也证实了此控制器的有效性．     

基于合作式协同进化算法的神经网络优化

针对一般遗传算法优化神经网络存在的不足，提出合作式协同进化遗传算法实现神经网络结构和权值同步优化方法．首先，结合合作式协同进化遗传算法本身特性和神经网络特点，给出种群分割方法；其次，为了实现结构和权值的同步优化，提出一种新的混合编码方法，并根据该混合编码方法设计新的交叉和变异算子；然后，根据编码结构、代表个体和合作团体之间的关系，提出一种新的结构优化方法；再次，给出进化过程所需代表个体选择、适应度构造方法等．最后，通过双螺旋线问题验证本文算法的有效性．     

基于模糊遗传算法的PID自整定研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种基于遗传算法与模糊理论相结合的PID自整定算法。在加热炉温度控制中,用该算法进行PID参数优化,实验表明,控制器的控制精度、温度变化平稳性等指标均得到了改善,能够较好地解决工业过程中控制参数优化的问题.     

一种基于粗糙集和模糊推理的生活方式病检查模型

为了实现从大量的医学数据中获取有效的知识并形成规则和做出正确的推理,提出了一种基于粗糙集和距离型模糊推理进行生活方式病检查的模型.采用改进的依赖度属性约简算法研究属性约简,去掉不必要属性,减小规则库规模,提高粗糙集知识发现方法在医疗健康数据上的分类效率和准确性.采用距离型模糊推理方法匹配知识库中已有规则,计算规则和给定事实的距离进行推理检查,构建距离型模糊推理的检查系统.通过实验数据描述了知识库的构建过程,并验证了模型的有效性.     

用遗传算法对模糊量的隶属函数进行优化

在模糊控制器设计中，模糊规则的确定以及模糊变量隶属函数的选取都是非常重要的，隶属函数的形状、模糊划分的覆盖范围对模糊推理有很大影响，实际设计时隶属函数的确定往往需要反复试凑．文章目的是解决在控制规则已知的情况下语言变量最佳覆盖范围，及隶属函数优化．采用遗传算法对各模糊变量的隶属函数进行二进制编码和优化计算，可以得到隶属函数覆盖范围的最优划分．结果表明这种方法可以求得全局最优。     

用遗传算法对模糊量的隶属函数进行优化

在模糊控制器设计中,模糊规则的确定以及模糊变量隶属函数的选取都是非常重要的,隶属函数的形状、模糊划分的覆盖范围对模糊推理有很大影响,实际设计时隶属函数的确定往往需要反复试凑.文章目的是解决在控制规则已知的情况下语言变量最佳覆盖范围,及隶属函数优化.采用遗传算法对各模糊变量的隶属函数进行二进制编码和优化计算,可以得到隶属函数覆盖范围的最优划分.结果表明这种方法可以求得全局最优.     

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．     

基于输出误差预测的模糊预测PID控制及应用

针对实际工业过程中普遍存在的非线性特性,采用T-S模糊模型来描述复杂的非线性系统.利用模糊聚类算法在线竞争学习模糊规则的输入区域中心,并按预先规定的规则之间的重叠度在线确定每条规则的输入区域半径,而模糊规则结论中的参数则由递推最小二乘(RLS)算法得到,得到的模糊局部线性化模型作为每个时刻的受控自回归积分滑动平均(CARIMA)模型.结合广义预测控制(GPC)的思想和有限脉冲响应滤波器,提出了一类新型的模糊预测PID控制器的实现方法,解决了一般预测PID控制器设计当中对系统模型阶次的限制问题.仿真算例说明了该方法的有效性和实用性.