积分过程的PID控制器智能优化设计

针对积分时滞过程,采用微粒群优化(PSO)算法对比例-积分-微分(PID)控制器的参数进行优化设计.通过将PID控制器的参数设置为群体微粒在参数空间中的位置,模拟群体智能和动物觅食的动态行为来对PID参数寻优,使代表PID控制器参数的微粒逐渐向最优区域移动,获得最佳的PID参数.在优化过程中采用了偏差平方积分(ISE)的优化指标.实例仿真结果表明,基于微粒群算法优化得到的PID控制器不仅响应速度快、超调量小、抗干扰能力强,而且对过程时滞的变化具有较强的鲁棒性.     

PID控制器的优化设计

为使PID控制器同时具有给定值跟踪和抑制干扰两个方面的最佳特性,提出了PID控制器优化设计方法.笔者设计了给定值补偿型I-PD控制器,其结构简单,便于掌握,易于实现,可以实现系统的最优控制,特别适用于串级控制中级数较多的系统.在深入研究反馈型2自由度PID控制器的基础上,增加了前馈补偿器,有效地抑制了扰动,为改善给定值跟踪特性,在前馈位置上增加一个微分负前馈环节,仿真结果表明:该控制器具有抗干扰能力强,实时性好,调节时间短、超调量小等特点,提高了系统的控制性能.     

直线电动机迭代学习控制方法的仿真研究

直线电动机是一种多变量、非线性的控制系统,采用经典的PID控制难以得到满意的控制效果,为此设计一个基于前馈辅助PID控制器的神经网络（PIDNN）控制系统.该控制系统的结构主要由一个反馈和一个前馈构成,反馈是PID控制,为系统提供稳定性;前馈为ILC控制,作为对系统的非线性、未知的动力和扰动的前馈补偿.在Matlab环境下,对所提出的方案进行了仿真实验,并与传统PID进行比较.结果表明,该方案能够有效地提高系统的速度和位置的跟踪性能,并验证了采用智能前馈控制的优势.该系统适合应用于大量重复的运动轨迹系统.     

PMAC控制器中PID调节的应用

介绍了开放式运动控制器PMAC的结构及原理.阐述了PMAC的PID滤波器工作原理以及PID调节,并将此控制器作为实验磨床的数控系统.引入了前馈控制,构成了具有反馈和前馈的复合控制的系统结构,提高了系统的控制精度,实现了"无误差调节",使伺服特性达到刚性强、稳定性好、跟随误差小,进而实现精密加工的目的.通过对一些重要参数的调节,研究了PMAC控制器中PID的调节,获得合理的系统PID参数,达到良好的稳态和动态性能,最终实现跟随误差的最小化,为实现PMAC在精密加工中的应用打下基础.     

火电厂水质调节系统的模糊免疫自适应Smith-PID控制

火电厂水质调节加药系统为大时滞时变被控对象.模糊免疫自适应PID控制和常规Smith控制难以取得令人满意的控制品质.借鉴生物免疫反馈响应过程的调节作用和模糊推理的自适应性,以及Smith预估器可以解决系统时滞性的特点,提出了将模糊免疫自适应PID控制器和Smith预估器组合成复合控制器的控制策略.用模糊免疫P调节器实时整定P1D控制器的比例增益,用模糊控制器在线整定PID控制器的积分时间常数和微分时间常数.仿真研究表明,该控制算法具有调节时间短,系统稳定性强,抗干扰能力强等优点,取得了令人满意的控制效果.     

时变滞后系统的一种自校正模糊控制

普通模糊控制不能对时变滞后系统进行有效控制，甚至使系统失去稳定。分析了其控制品质变差的原因，在W.L.Bialkowski1983年提出的混合模糊PID控制器的基础上，提出了一种具有前馈控制的自校正混合模糊PID控制器，经MATLAB仿真验证，该算法具有良好的控制品质，适应对象参数大范围变化的时滞系统，且易于工程实现。     

时滞不稳定过程PID控制器直接设计法

直接在时域上设计时滞不稳定过程比例积分微分（PID）控制器。采取双回路三环节的控制结构,目标是优化两个时域指标-阻尼系数和积分增益。然后,合并三个环节得到设定值加权PID控制器。仿真表明该方法是有效的,具有好的鲁棒稳定性和性能。     

改进型粒子群算法磁致伸缩作动器的跟踪控制

在低频条件下,以磁致伸缩作动器线性模型为基础,设计了PID及前馈PID控制器。针对固定参数控制器自适应能力较弱的现状,提出用粒子群（ PSO）算法对固定参数控制器进行优化。针对标准PSO算法存在早熟收敛、后期迭代易陷入局部最优的不足,进一步提出了一种可动态调整惯性权重及遗传变异的改进型粒子群（ IPSO）优化算法,并将该算法与前馈PID相结合应用于磁致伸缩作动器的位置跟踪控制。仿真结果表明：针对指令阶跃信号,相对传统PID及前馈PID控制,改进型PSO前馈PID控制具有控制精度高,位置跟踪效果好及抗干扰能力强的特点。     

带预测模型的神经网络PID控制器

在研究PID控制和神经网络的基础上提出了一种带预测模型的神经网络PID控制器,该控制器是一种3层前向神经网络,它适用于工业过程中觉的慢时变大时滞控制系统以及控制对象具体模型难以确定的控制系统,该系统能在调整PID控制器的3个参数Kp,Kd,Ki,再经PID调节器产生最优的控制作用于被控对象,采用该控制器对模型参数缓变的系统进行仿真,结果表明该器具有良好的自学能力,能获得较好的控制效果。     

基于启发式学习算法的空间柔性机械臂神经网络控制

针对非线性强耦合的空间漂浮基柔性机器人,提出了一种启发式学习算法的神经网络的前馈控制策略。首先通过拉格朗日法和假设模态方法建立了漂浮基柔性空间机器人的动力学模型,然后采用两个神经网络及一个PID控制器来构建前馈在线学习控制系统,其中一个神经网络充当前馈控制器,另一个神经网络通过学习逆动态模型来为前馈控制器提供在线学习参数,而PID控制器主要作为辅助补偿控制器。该控制策略不是在PID控制器的指导下进行学习,且无需预先的离线学习,因而学习精度更高,且减少了对学习样本选择不当的影响,采用固定中心参数,而扩展宽度采用启发式关系确定,网络权值采用改进的最优准则算法进行调整的算法来实现快速学习能力,具有较好的实时性。仿真结果证明了所提方案的有效性。     

基于LMI的随动系统PID控制下的多指标相容性

针对PID控制下的随动系统,把PID调节器的设计问题转化为不完全状态反馈问题,以线性矩阵不等式(LM I)和双线性矩阵不等式(BM I)为工具,研究了系统PID控制可稳的判据,可稳时系统的最大衰减度,与给定稳态误差系数和稳态输出方差相容的最大衰减度,与给定稳态误差系数、控制器增益约束和稳态输出方差相容的最大衰减度。给出了求解与给定指标相容的衰减度的求解算法,并通过算例说明了文中算法的有效性。     

预期动态法在四水箱液位控制中的应用

针对实际生产中常见的双输入双输出过程,基于单位反馈闭环控制结构,根据前馈补偿的思想设计全解耦控制器矩阵,结合二自由度PID/PI预期动态法（DDE）鲁棒性强的特性,设计PID/PI解耦控制方案。同时,对于实际中常见的加性和乘性不确定性干扰,分析了控制系统保证鲁棒稳定性的充要条件,给出了基于谱半径判据的判定方法。本文借助英国Feedback 33-040s Coupled Tanks四水箱实验装置,对四水箱液位实时控制设计PI解耦控制器方案。实验结果表明：该方案能够使系统各路输出响应之间实现有效解耦,可对水箱液位进行有效控制,显著地提高了多变量关联系统的控制性能。     

一种6-PRRS并联机器人的神经网络控制

针对6-PRRS并联机器人控制系统的非线性、耦合等特性,设计了神经网络控制器.此控制器采用分散控制策略,利用复合正交神经网络来消除并联机器人控制系统非线性、耦合的影响,学习系统的不确定信息作为前馈补偿使系统跟踪误差快速收敛,并采用PID作为反馈控制保证系统的稳定性,从而实现6-PRRS并联机器人的快速、稳定轨迹跟踪.该控制器以离散的形式进行设计,结构简单、易于工程实现.     

神经网络模糊PID技术在光伏系统MPPT控制器中的应用

针对传统光伏系统MPPT控制算法的局限性及无法自适应外部复杂情况等诸多问题,提出一类以神经网络、模糊控制器以及PID控制器组成的神经网络模糊PID控制器。利用光照幅度、环境温度等参数的离线训练后的权值作为整个三层前馈神经网络的优化参数;通过预测最大功率点与实际的工作电压进行比较,运用模糊推理对PID相关参数进行最佳调整。仿真结果表明：与传统PID控制器、模糊控制器相比,本系统能增强消除系统误差能力,稳态性能有了明显提高,同时可获得更高的控制精度。     

An iterative learning method for realizing accurate dynamic feedforward control of an industrial hybrid robot

Feedforward control based on an accurate dynamic model is an effective approach to reduce the dynamic effect of the robot and improve its performance. However, due to the complicated work environment with considerable uncertainty, it is difficult to obtain a high-precision dynamic model of the robot, which severely deteriorates the achievable control performance. This paper proposes an iterative learning method to accurately design the industrial feedforward controller and compensate for the external uncertain dynamic load of the robot. Based on a standard dynamic model, a complete linear feedforward controller is presented.An iterative design strategy is given to iteratively update the feedforward controller by combining the Moore-Penrose Inverse and the PID learning rate. Experiments are carried out on a 5-DOF industrial hybrid robot to validate the effectiveness of the proposed iterative learning method. The experiment results illustrate that the industrial feedforward controller can rapidly converge to the optimal controller and significantly improve the servo performance by using the proposed method. This paper provides an effective method for applying iterative learning control to an unopened industrial control system. It is very useful for the practical control of hybrid robots in industrial field.     

基于DSP他励直流电机模糊PID控制器仿真研究

针对他励直流电机调速系统参数模型的非线性、时变性,常规PID控制器参数离线整定带来的非优化的问题,提出一种基于DSP的模糊PID控制器算法,以电流反馈误差及误差的变化率作为模糊控制器的输入变量,采用参数自整定的模糊PID控制器实现PID参数在线优化。以DSP开发系统作为仿真平台,将他励直流电机传递函数转换为差分方程,构成基于模糊PID控制器的数字闭环他励直流电机仿真系统。利用DSP高速运算能力进行在线仿真,观察常规PID控制器和模糊PID控制器产生的系统输出波形。CCS2.0和MATLAB仿真实验表明：模糊PID控制器基本实现输出无超调,系统阶跃响应的上升时间和调整时间均比常规的PID控制器阶跃响应的小。模糊PID控制器应用于他励直流电机调速系统中,控制性能明显高于基于常规PID的调速系统。     

一种积分过程PID自整定方法

针对积分加滞后过程,提出了一种设定值加权的PID控制器参数自整定方法,并且针对该方法定义了一种鲁棒性能指标.首先引入一种内部反馈结构, 利用内部反馈结构中的比例控制器将积分过程转换为广义稳定过程,这就使得普通PID控制器设计方法可以在积分过程中得以应用.利用该方法并基于该鲁棒指标设计的控制器一方面克服了传统PID控制方法在控制积分过程时存在的结构上的缺陷,同时又提高了系统的鲁棒性和控制性能,仿真结果也表明基于本方法整定的控制器的控制效果要优于其它方法.     

基于小波神经网络的永磁同步直线电机自适应逆控制

针对永磁同步直线电机(PMLSM)受推力波动等干扰,采用反馈误差学习法,利用小波神经网络在线得到PMLSM的逆模型,避免了求取PMLSM的Jacobian信息,结合PID反馈控制,实现了PMLSM的小波神经网络自适应逆控制.仿真结果表明,与PID控制以及复合前馈PID控制方法相比,所提出的方法有效提高了PMLSM系统的跟踪性与鲁棒性.