一种云模型PID控制器参数整定优化算法

为了解决PID控制器参数整定过程中的优化和复杂性问题,增强PID控制器参数整定的自适应性,结合差异演化算法和粒子群算法,提出一种带有差异演化变异算子的粒子群混合优化算法,利用一维云模型映射器将人的控制经验通过语言原子转换为控制规则器,设计具有自适应功能的云模型控制器;将该优化算法应用于一维云模型PID控制器参数整定与优化,并与传统方法进行仿真比较.结果表明,基于带有差异演化变异算子的粒子群混合优化算法的智能控制器具有简单易行、控制性能良好、自适应性和鲁棒性强的特点,可为云模型控制器参数设计提供参考.     

TS-PID算法的直流伺服控制系统

针对传统的PID无法使得直流电机达到精确的控制效果,本文将TS模糊控制方法与PID控制器相结合并将其应用于直流电机的位置伺服控制系统当中.建立了直流电机的模型,根据TS模糊控制规则,在Matlab仿真环境中建立了基于TS-PID算法的直流电机的仿真模型,将控制系统的参数带入仿真模型中并进行实验仿真.通过与传统PID控制算法相比较.仿真实验结果表明:TS-PID控制的直流伺服控制系统在单位阶跃输入下上升时间降低了17.23%,调节时间缩短了29.32%,稳态误差减少了0.12%.系统具有较好的动态性能、较强的抗干扰能力和较快的跟踪速度.     

沥青碳纤维恒升温速率云智能控制仿真研究

沥青碳纤维升温过程受比热容及散热环境影响,具有非线性,大时滞的特点.为实现对该系统升温速率的恒定控制,保证沥青碳纤维物料特性,提出一种新型二维云智能控制算法.该算法基于云模型控制规则的不确定性推理,用期望值Ex、熵En和超熵He表征定性概念,充分考虑系统的模糊性和随机性,建立了以温度变化率和温度作为主要参数的二维云控制模型.通过升温速度控制规则和温度控制规则得到相应云滴,软与后得到控制输出.仿真结果表明,该控制器能够在20s内将温度变化率控制在士0.005℃/s的范围之内,并能够消除传统PID控制中无法解决的积累误差问题.     

基于灰色预估PID控制的过热汽温控制

针对火电厂过热蒸汽温度被控对象具有大惯性,大迟延的特性,提出了一种基于灰色预估算法的PID控制策略.利用灰色预估算法能够有效地辨识出系统不确定部分的模型、估计出系统扰动参数,并对PID控制进行补偿.仿真结果研究表明:与传统的PID控制策略相比,在各种扰动情况下,新的控制策略不仅具有常规PID控制的特性,并且具有更高的控...     

单神经元PID算法在大滞后系统中的应用

根据传统PID算法在工业控制系统中的特点,考虑具有大滞后的温度控制系统,提出了一种单神经元积分分离PID改进算法,采用大滞后被控对象数学模型为例,对基于单神经元积分分离PID改进算法的控制过程进行了仿真研究.仿真结果表明,该改进算法在大滞后系统中具有自适应性强、控制精度高和控制效果好等优点.     

模糊PID算法的火箭弹舵机控制方法研究

针对火箭弹飞行控制精度低的问题,基于PID控制理论,设计适用于火箭弹舵机的模糊PID控制算法.利用MATLAB模糊控制工具箱进行在线仿真,研究模糊PID算法对火箭弹舵机控制系统精度的影响.仿真结果表明,与传统PID控制相比,采用模糊PID算法的控制系统,响应精度高,控制效果好,具有较强的抗干扰能力.     

圆柱零件加工用直线电机模糊自适应PID控制及建模

旨在提高直线电机传统PID控制方法在运行中的动静态特性、稳定性,基于模糊自适应PID控制方法,提出了直线电机模糊自适应PID控制模型.采用Mamdani推理法和加权平均法,完成了模糊自适应PID控制规则的建立.应用Simulink软件建立了直线电机模糊自适应PID控制整体模型,并对该模型进行了仿真.仿真结果表明:模糊自适应PID控制的速度响应超调量较传统PID控制小,显著优于传统PID控制;在加入扰动后,模糊自适应PID控制模型的波动范围为0.9~1.1m·s-1;直线电机模糊自适应PID控制具有运行过程平稳,适应性强,良好的动、静态特性等优点.     

基于在线鲁棒LSSVM的自适应PID算法

为了解决在线最小支持向量机在每个采样周期更新模型带来计算量大的问题,提出了在线鲁棒最小二乘支持向量机(LSSVM)的自适应PID控制算法.通过2步加权策略提高LSSVM的鲁棒性,把样本预测误差与过程先验知识相结合给出控制模型复杂度准则,有效地提高了模型的精度、速度以及稀疏性;结合预测控制思想,把在线鲁棒LSSVM算法用于PID非线性控制.仿真结果表明:鲁棒Huber函数与ε-不敏感函数相结合的鲁棒代价函数,能够有效地对系统局部非线性区域进行建模,随系统工作点变化而自适应地辨识,不仅有较高的控制精度,而且具有较强的鲁棒性和建模速度,能够适应时变参数对象的控制.     

基于粒子群算法的烧结炉系统辨识及神经网络控制

烧结炉在加热过程中,模型参数易发生变化,而传统的PID控制很难达到理想的控制效果.本文运用粒子群优化算法辨识烧结炉的数学模型,针对烧结炉惯性大、时变、大滞后等特点,采用基于RBF神经网络的监督控制,将PID控制与神将网络控制相结合.当温度或模型参数发生较大变化时,PID控制起主要作用,神经网络起调节作用,补偿PID控制的不足.MATLAB软件仿真结果说明,该方法能够提高烧结炉的控制精度,具有一定的实用性.     

广义预测控制(GPC)在间歇式染色机温度控制中的仿真研究

传统间歇式染色机温度控制大多采用PID算法,存在控制精度差,鲁棒性差等缺点. GPC算法鲁棒性好,控制效果佳,但存在着实时计算量大的缺点.利用多项式插值算法对 GPC算法进行简化,并针对染色机模型进行了仿真研究,结果表明该算法具有鲁棒性高,控制效果好和在线计算量少的优点.