基于Backstepping的非线性无人船航向控制算法

针对无人船航向控制系统模型存在模型参数和外界干扰不确定性的特点,提出基于Backstepping思想,由控制舵角输入进而控制航向的自适应航向控制算法。自适应算法进行自我调节,可使无人船实际航向与初始航向偏差减小。用Lyapunov函数验证该控制算法能够使得闭环系统最终有界。将该控制算法与传统PID控制算法和模糊PID控制算法进行航向控制仿真对比分析,该控制算法其超调量更小,系统恢复稳定更快。     

机载光电跟踪系统的模糊自适应控制

为了提高机载光电跟踪伺服控制系统的控制性能,提出了一种基于模糊推理的变论域自适应控制算法.详细论述了稳定跟踪系统的数学模型,并对变论域控制算法的原理进行了详细介绍.采用变论域控制算法能够有效的避免对伸缩因子函数模型和模型参数的选择,同时能够降低系统论域的反复调节,提高系统的收敛速度和控制精度.为了验证控制性能,利用经典PID控制、模糊控制、模糊自适应PID控制三种算法对机载光电稳定跟踪系统进行仿真比较.仿真结果表明模糊自适应PID控制算法和经典PID控制相结合,在保持原有系统精度的前提下,使机载光电跟踪伺服控制系统的动态性能得到了改善,不仅可以满足系统的精度要求,还具有较强的自适应能力和鲁棒性.     

机载光电跟踪系统的模糊自整定PID控制

为了提高机载光电跟踪伺服控制系统的控制性能,提出了一种模糊自整定PID控制算法.该算法将模糊控制和经典PID控制相结合,在保持原有系统精度的前提下,使机载光电跟踪伺服控制系统的动态性能得到了改善.仿真结果表明,该控制算法较之经典PID控制算法具有响应快、超调量小、抗干扰能力强等优点,对机载光电跟踪伺服控制系统具有较好的控制能力.     

双重控制系统的广义预测控制

传统的双重控制方法建立在简单PID算法基础上，其性能受到一定的限制．为此，将广义预测控制算法应用于双重控制系统中，形成基于预测控制的双重控制算法．该算法继承了传统双重控制方法的控制结构和控制思想，采用主、副2个控制器进行控制．其中主控制器采用广义预测控制算法，针对快回路产生快控制作用使系统具有良好的动态特性；副控制器采用PID算法．针对慢回路产生慢控制作用以实现一定的经济指标；同时，副控制器的输出作为前馈量引入主控制器．主、副2个控制器互相协调工作，使系统既具有良好的动态特性，又符合工艺上或经济上的要求．仿真对比结果表明，该算法控制性能优良，具有较强的的抗干扰性和良好的鲁棒性，是一种较好的双重控制系统控制算法．     

非线性动态增量内模控制算法及应用

为了提高非线性工艺对象的控制质量,基于动态增量内部模型提出一种非线性动态增量内模控制算法.其中,动态增量内部模型是利用一阶纯滞后模型建立;动态增量内模控制算法是依据该动态内部模型和传统内模控制算法原理设计.在对该动态增量内模控制系统的稳定性分析的基础上,选择一种具有高度非线性和时变性的生物反应器作为控制对象来检验其控制性能.仿真结果表明:动态增量内模控制算法的控制效果和抗干扰能力等均优于传统PID控制算法和人工神经网络控制等高级控制算法,具有较好的实际控制工程意义.     

基于自适应模糊PID控制的电阻炉温度控制系统

以电阻炉温度控制作为对象,针对温度常规PID控制系统由于温度的非线性、时变性和滞后性等特性,存在超调量较大、调节时间较长等问题,对控制系统采用自适应模糊PID控制算法,使用MATLAB软件的Simulink进行了仿真.由仿真结果知,该自适应模糊PID控制具有良好的控制性能.最后给出了该自适应模糊PID控制系统PLC的实...     

直线电机伺服系统的无模型自适应控制

针对直线电机对扰动和系统参数变化的敏感性和由于摩擦力和推力脉动使系统具有明显的非线性特性,设计了基于C-SPACE实时仿真系统的无模型控制器,用Matlab/Simulink搭建了控制算法,并进行了硬件在回路仿真,采用基于紧格式线性化方法的无模型自适应控制方法,对应用C-SPACE实时仿真系统进行了算法分析。此外,对无模型控制算法和常规PID算法进行了分析比较,实验结果表明,无模型自适应控制算法在控制直线电机时的控制效果都要优于PID控制,比PID算法更为简洁化。     

基于径向基函数神经网络PID与模型预测控制的车辆轨迹跟踪控制

为提高无人驾驶车辆的稳定性和鲁棒性,提出一种基于径向基函数神经网络自适应比例积分微分（RBFNN?PID）算法和模型预测控制（MPC）算法相结合的车辆轨迹跟踪控制方法. 基于自适应RBFNN?PID算法、MPC算法以及车辆动力学模型,建立智能车辆纵向速度控制和横向控制的仿真模型并将其结合起来. 在此基础上,以横向MPC控制和LQR?PID控制算法为基准,验证所提出的控制方法在轨迹跟踪方面的优越性. 仿真结果表明,新方法比对照组具有更高的精度. 最后,对新控制方法的硬件在环验证表明,该轨迹跟踪控制算法在轨迹跟踪精度和稳定性方面具有一定的有效性和先进性.     

液压四足机器人的自适应模糊PID控制

为提高液压四足机器人的控制性能和足端轨迹跟踪效果,将自适应模糊PID算法用于机器人腿关节控制,并对PID参数进行实时增量调节.建立阀控非对称缸系统的数学模型,分析其伸出和缩回运动时由非线性、参数时变等因素导致的控制问题,利用AMESim-Simulink联合仿真模型对算法的控制效果进行了仿真,并在单腿试验平台上进行了实物样机测试.结果表明:自适应模糊PID算法的控制效果在减小调节时间、抑制干扰等方面相比常规PID有较大改善.该控制算法提高了机器人的动态跟踪性能,易于工程应用,有利于机器人的运动控制.     

应用模糊预测控制实现主汽温控制

火电厂主汽温被控对象具有大迟延、非线性时变的特性,且在实际运行中存在诸多可测与不可测的扰动。将模糊建模技术与预测控制算法相结合,提出了一种模糊自适应预测控制算法。算法采用计算量较少的单值MAC形式,因此有效地降低了系统设计与实现的复杂性,提高了系统的实时性;单值MAC系统本身含有积分特性,使得采用该算法的模糊预测控制在鲁棒性、动态性能方面皆优于常规PID控制。仿真结果表明,该算法具有较强的负荷适应性。     

基于神经元的自适应预测PID控制

提出了一种采用神经元的自适应预测PID控制方案。神经元具有很强的自学习和自适应能力 ,它可根据系统的误差并通过一定的学习算法来不断修正控制器的参数 ,使控制器能够适应受控对象结构参数以及环境的变化。因此采用单神经元构成自适应PID控制器 ,将神经元与PID控制结合 ,对PID参数进行在线寻优、自校正 ,使PID控制能有效地对付一些较复杂非线性被控对象 ,特别是难于用传统方法建模的被控对象。同时为了提高系统的快速跟踪和抗干扰能力 ,采用了动态自适应神经元 (APE)对非线性系统进行预测 ,即用神经元建立起非线性系统的预测模型 ,预测系统的未来输出 ,从而提高了控制系统的控制品质。同时详细介绍了该控制系统的自适应控制算法。仿真结果表明 ,这种自适应控制方案切实可行 ,其控制品质明显优于常规PID控制 ,且具有较强的鲁棒性 ,达到了良好的控制效果。     

智能烤烟房的温湿度控制系统设计

设计了一种智能烤烟房温湿度控制系统.结合积分分离PID控制、模糊自适应控制等理论研究,提出了对温湿度采用积分分离PID和模糊控制相结合的控制算法.利用Matlab对不同的控制算法进行了仿真实验,结果证明该算法提高了传统PID算法的适应能力和控制精度.     

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.     

模糊PID同步发电机励磁控制器的设计

同步发电机励磁控制系统,是同步发电机控制系统的重要组成部分,它的性能对同步发电机系统的供电质量及其运行的可靠性和稳定性有着直接影响.将传统PID控制和模糊控制技术相结合,设计一种参数自适应的模糊PID励磁控制算法用于三相同步发电机的励磁控制.经过现场试验及结果分析,此种算法具有良好的励磁调节特性,是值得推广的一种算法.     

基于协同进化算法的水轮机模糊PID调速器研究

针对水轮机调速器常规PID控制不能根据系统的动态过程自动调整控制参数的问题,提出一种改进的基于协同进化遗传算法的模糊自适应PID控制算法,该方法采用协同进化遗传算法同时优化模糊PID控制的模糊规则和PID整定公式中的3个比例因子,通过模糊推理的方法求解PID参数的变化量,对PID参数进行自动整定,为了避免优化得到的模糊规则之间发生跳变,在目标函数中引入一光滑因子。仿真表明,该控制算法具有良好的静态和动态性能。     

PID结构广义预测控制算法的仿真及分析

为了使智能车转弯平滑,提出了一种具有PID结构的广义预测控制算法.利用PID控制与广义预测控制规律的相似性,通过改变一般预测控制中的目标函数,确立了广义预测控制算法的递推关系.并对其进行了仿真,结果表明：舵机通过路径检测传感器采集到当前路径信息做出转弯响应,可以预测出下一时刻的转向控制信息.在干扰信号的作用下,对于不同的路径信息,目标函数中增量u的输出曲线稳定,时间明显缩短,在7s后出现周期性变化,使得舵机的预测输出轨迹接近给定输入轨迹,实现了对PID参数自动整定和优化.     

模糊PID算法在网络控制系统中的应用

在网络控制系统中,传统PID控制方法的参数的非线性增加了对其参数的调整难度。搭建了基于模糊PID控制的网络化控制系统平台,对模糊自适应PID控制算法在网络化控制系统中的参数整定进行了研究,确定了变量隶属函数。在Matlab环境下利用TrueTime工具箱和fuzzy模糊控制模块对传统PID控制算法和模糊自适应PID控制算法进行了仿真比较,结果表明模糊PID控制算法明显地改善了控制系统的动态性能,并且此方法易于实现,便于工程应用。     

一种新颖的模糊自适应PID控制器的设计

在传统数字PID控制的基础上,结合模糊控制,提出了一种基于模糊规则的模糊自适应PID控制算法,该算法通过模糊控制规则和模糊推理确定模糊控制表,在实时控制中通过对模糊控制表的查询,在线调整PID控制参数。研究结果表明,与数字PID控制器相比,该控制算法具有简单、鲁棒性强和动态品质优良等特点。     

基于神经元的自适应预测PID控制

提出了一种采用神经元的自适应预测PID控制方案。神经元具有很强的自学习和自适应能力，它可根据系统的误差并通过一定的学习算法来不断修正控制器的参数，使控制器能够适应受控对象结构的参数以及环境的变化。因此采用单神经元构成自适应PID控制器，将神经元与PID控制结合，对PID参数进行在线寻优、自校正，使PID控制能有效地对付一些较复杂非线性被控对象，特别是难于用传统方法建模的被控对象。同时为了提高系统的快速跟踪和抗干扰能力，采用动态自适应神经元（APE）对非线性系统进行预测，即用神经元建立起非线性系统的预测模型，预测系统的未来输出，从而提高了控制系统的控制品质。同时详细介绍了该控制系统的自适应控制算法。仿真结果表明，这种自适应控制方案切实可行，其控制品质明显优于常规PID控制，且具有较强的鲁棒性，达到了良好的控制效果。     

直驱式永磁同步风电系统变桨距控制算法研究

以直驱式永磁同步风电系统为研究对象,在各部分数学模型的基础上,建立了整个风电系统的模型。基于此模型,考虑到风电机组非线性强、转动惯量大导致变桨距控制困难的问题,提出了基于模糊自适应PID和模糊前馈结合的变桨距控制算法并对该算法进行了仿真。仿真结果表明,当风速高于额定风速时,该控制算法能有效地控制风电机组的输出。最后在相同风速条件下比较了该控制算法与模糊控制算法、传统的PID控制算法的控制效果。比较结果表明,当风速高于额定风速时,虽然3种控制算法均能控制风电机组的输出,但是与模糊控制算法和传统的PID控制算法相比,本文提出的算法具有更好的稳定性和动态特性。