无人水下航行器PID神经网络解耦控制

通过无人水下航行器动力学分析和运动建模,将系统解耦为航向、横滚、纵向三通道控制系统。为了消除解耦过程中存在的问题,采用PID神经网络控制算法来实现三自由度的独立控制。仿真结果表明,该控制方法不仅减少了计算时间,提高了响应速度,而且具有超调量小、稳态精度高等控制品质,对无人水下航行器的实际应用具有一定意义。     

基于模糊PID解耦的球磨机控制系统仿真研究

提出了一种基于模糊PID解耦的球磨机控制系统.在该种控制系统中,先采用两个模糊PID进行动态解耦,再用两个PID控制器对解耦后的对象进行闭环控制.Matlab语言仿真表明,该解耦控制系统具有良好的解耦性能、控制特性和鲁棒适应性.     

基于迭代学习控制原理的流浆箱控制系统设计

流浆箱的作用和特点要求其控制系统必须同时具有良好的解耦能力和自适应能力,将迭代学习控制算法和PID控制规律结合用于流浆箱控制不仅能够实现解耦控制,而且使系统具有较强的自适应能力和可移植性.所设计的控制系统采用比例型学习规律给出了有效的控制流程和学习因子更新流程,仿真实验证明该系统具有良好的控制效果.     

基于动态径向基函数神经网络的多变量解耦控制

为提高工业控制领域中多变量、非线性、强耦合系统的解耦能力和动态特性，基于聚类结合算法和神经网络原理，提出了一种改进的基于动态径向基函数（RBF）神经网络的多变量解耦控制方法.采用聚类结合算法优化动态RBF神经网络，更好地描述了控制对象的动态行为，获得了PID参数在线调整信息，实现了多变量非线性系统的解耦控制.仿真结果表明，与基于常规RBF神经网络的PID控制方法相比，该方法具有更高的控制精度、更快的系统响应以及更好的适应性和鲁棒性，是解决多变量、非线性和强耦合问题的一种简便、有效的控制算法.     

PID型广义预测控制算法在EPA中的应用

在分析PID算法和广义预测控制算法(GPC)的基础上,将广义预测控制算法的性能指标构造成PID形式,并推导了改进的PID型广义预测控制算法(PIDGPC).通过工业实时以太网(EPA)实验装置的模型仿真,在时域内分析了PID型广义预测控制算法控制器的参数选择对控制性能的影响,说明了PID型广义预测控制算法比基本广义预测控制算法具有更好的控制性能,将会有较好的工程应用前景.     

球磨机制粉系统的多变量解耦PID控制

中储式钢球磨煤机制粉系统具有多变量、强耦合、大惯性等特点,使用常规的PID控制回路进行控制无法取得理想效果.针对这种情况,提出了一种解耦PID控制策略.该方案在PID回路中加入解耦补偿器,以实现对多变量的解耦控制.仿真试验表明,该策略有效地解决了多变量的耦合问题,取得了较好的控制效果.     

基于神经网络的除氧器水位解耦控制

基于神经网络的PID控制,针对电厂除氧器被控对象的耦合特性,提出了一种比例、积分和微分参数在线自整定的神经网络PID控制算法,结合神经元补偿解耦网络,用来消除除氧器水位与凝泵出口压力之间的耦合影响,实现对除氧器水位系统的解耦控制。仿真结果表明控制系统基本消除了耦合变量之间的耦合作用,消除了系统输出的稳态误差,大大改善了系统的调节品质。     

焦炉集气管压力系统的非线性PID控制

对于多变量耦合且存在时变性的焦炉集气管压力系统,提出了一种非线性PID的控制方法。采用对角阵解耦方法来进行解耦控制,对于解耦后的单输入单输出系统采用非线性PID控制算法,设置不同的PID调节参数,来应对不同的操作工况,使系统快速脱离高压或低压等不稳定状态。仿真结果表明,该控制策略不仅解决了焦炉集气管压力系统之间的耦合问题,也提高了系统对复杂多变的工况的适应性和鲁棒性,可以保证焦炉集气管压力稳定在现场工艺要求的范围内。     

单神经元PID算法在轧机液压辊缝控制中的应用

提出了将单神经元PID算法应用到轧机液压辊缝控制系统中,并将它与常规PID控制算法的应用效果进行对比.仿真结果表明:单神经元PID控制算法在该系统中控制精度更优,抗干扰能力更强.     

基于微分跟踪器的共轴反桨无人机串级TD-PID控制算法

针对传统PID控制算法对共轴反桨无人机的欠驱动、强耦合非线性系统控制效果不理想的问题,提出基于微分跟踪器的串级TD-PID控制算法,以提高无人机飞行稳定性. 设计共轴反桨无人机飞行系统,针对无人机的姿态控制提出基于微分跟踪器的串级TD-PID控制算法：外环为传统PID算法,内环使用2个微分跟踪器,通过串级控制改善系统动态性能. 在Matlab/Simulink中搭建控制系统的仿真模型进行仿真试验. 仿真结果表明：相较于传统串级PID控制算法,所提控制算法超调量更小,系统稳定性有较大提高. 对比串级TD-PID控制算法与串级PID控制算法控制效果的飞行试验结果表明：所提控制算法能有效减少系统超调量,提升系统稳定性和抗干扰能力.     

基于CMAC和PID的非线性耦合系统解耦控制研究

为了实现多变量非线性耦合系统的解耦控制,提出了一种基于CMAC与PID的复杂关联自适应解耦控制策略,并给出了详细算法。该控制策略采用PID控制器和CMAC控制器共同构成一个复合控制器,多个复合控制器通过多输入多输出线性神经网络,实施对复杂非线性耦合对象的控制作用。由于神经网络的自适应特性,可使得耦合系统逼近参考模型,实现解耦控制。仿真结果表明,该控制策略实现了耦合系统的解耦控制,并且具有较强的抗干扰能力和鲁棒性。因此采用此控制策略能够实现多变量非线性耦合系统的解耦控制。     

计及供热的发电机组AGC优化控制研究

为解决供热抽汽改造导致的发电机组热电耦合及非线性问题,提高系统自动发电控制(AGC)跟随能力,提出了用于解耦控制的前馈补偿解耦算法,并对解耦后的电功率控制回路设计了基于模糊算法的模糊比例-积分-微分(PID)控制器。仿真结果表明,利用前馈解耦算法与模糊算法相结合的方案有较好的解耦效果,并能有效优化AGC跟踪能力,提高系统控制性能。     

球磨机单神经元自适应PID解耦控制系统仿真

针对球磨机制粉系统的多变量、强耦合、非线性和时变性等特点,提出了球磨机自适应神经元PID解耦的控制方法.将静态解耦逆矩阵与球磨机对象串接,以解除球磨机多变量之间的耦合,再采用两个单神经元自适应PID控制器对解耦后的两变量对象进行闭环控制.仿真结果表明,该控制法相比常规的PID解耦控制法有更好的控制品质,跟踪快、鲁棒性强、解耦好,可较好地解决球磨机系统的时变性、耦合性等问题.     

基于WINCC和PLC的预测PID控制仿真及实现

针对电阻加热水冷却实验室解耦控制装置系统的强耦合性,常规的PID不能得到很好的控制效果,介绍一种基于递推最小二乘法在线辨识系统模型的广义预测、PID串级控制．通过内环PID作用将一个慢性系统变成一个动态性能比较好的控制对象,再通过外环预测控制的优化功能,增强系统的适应能力和对耦合干扰的抗干扰性．通过MATLAB仿真,验证预测PID控制算法的可行性．针对仿真不能准确描述控制对象本身的情况,又通过WINCC脚本的预测控制编程与西门子PLC中的PID算法结合,实现预测PID的串级控制．试验结果表明,预测PID较PID控制对时变控制对象具有比较好的适应能力,对耦合系统的干扰具有优于常规PID的稳定性能．     

多输入多输出系统的神经网络PID解耦控制器

基于神经网络的ＰＩＤ控制,提出了一种可用于有耦合的多输入多输出系统的比例、积分和微分参数在线自整定的神经网络ＰＩＤ解耦控制器,可以实现对多变量系统的角耦控制,仿真结果表明系统具有很好的动态及稳态性能。     

DRNN神经网络的电加热炉解耦控制

基于DRNN神经网络参数自学习的PID原理对电加热炉进行解耦控制。给出了网络的结构和算法,分析了时变对象的特点,并对电加热炉时变系统进行了仿真。仿真结果表明:DRNN神经网络对多变量强耦合时变对象具有良好的解耦性能和自学习控制特性。     

汽包锅炉燃烧的PID型神经网络解耦控制系统仿真研究

介绍了汽包锅炉燃烧控制系统的控制任务、物理量间关系、原则性控制方案、传统控制方法,以及解耦控制方法的发展,引入了PID型神经网络控制系统的结构、学习算法、初始权值参数选取.MATLAB仿真结果表明,该控制系统对多变量强耦合时变的锅炉燃烧控制对象具有良好的解耦性能和自学习控制特性.     

球磨机制粉系统的多变量解耦PID控制

中储式钢球磨煤机制粉系统具有多变量、强耦合、大惯性等特点,使用常规的PID控制回路进行控制无法取得理想效果。针对这种情况,提出了一种解耦PID控制策略。该方案在PID回路中加入解耦补偿器,以实现对多变量的解耦控制。仿真试验表明,该策略有效地解决了多变量的耦合问题,取得了较好的控制效果。