基于RBF神经网络的PID控制

传统PID的控制参数难以精确整定,且依赖于对象的精确数学模型,适应性较差,对复杂过程不能保证其控制精度。针对工业控制领域中大滞后系统,采用传统PID控制不能获得满意的控制效果,提出基于RBF神经网络的PID控制参数自整定的方法。该方法利用RBF神经网络的自学习、自适应能力自调整系统的控制参数。仿真表明,该方法可实现有效的控制,并且与常规PID相比,具有更好的自适应性和鲁棒性。     

史密斯模糊整定PID控制器的设计及仿真

对传统的史密斯预估器进行改良。针对传统的史密斯控制系统过分依赖被控对象的精确数学模型、以及当预估器与实际对象有差异时控制效果不佳的缺点,提出了史密斯纯滞后补偿和模糊整定PID参数原理相结合的集成控制算法,该算法将该模糊自适应整定PID控制器引入史密斯控制系统中,用模糊控制器取代原系统的控制器;并将该方法用于激光晶体生长系统的控制中,结果表明,该系统同时兼顾了史密斯控制和模糊控制的优点,对纯滞后、参数时变的激光晶体生长系统有很好的控制作用。     

史密斯模糊整定PID控制器的设计及仿真

对传统的史密斯预估器进行改良.针对传统的史密斯控制系统过分依赖被控对象的精确数学模型、以及当预估器与实际对象有差异时控制效果不佳的缺点,提出了史密斯纯滞后补偿和模糊整定PID参数原理相结合的集成控制算法,该算法将该模糊自适应整定PID控制器引入史密斯控制系统中,用模糊控制器取代原系统的控制器;并将该方法用于激光晶体生长系统的直径调节器中,结果表明,该系统同时兼顾了史密斯控制和模糊控制的优点,对纯滞后、参数时变的激光晶体生长系统有很好的控制作用.     

基于RBF神经网络与Smith预估补偿的智能PID控制

针对工业控制中普遍存在的大滞后现象,提出了一种将RBF神经网络算法和Smith预估补偿算法与传统的PID控制器相结合的智能RBF-Smith-PID控制策略。该方法利用RBF神经网络的在线学习、控制参数自整定能力,和Smith预估补偿对纯滞后系统的良好控制,有效地克服了常规PID控制的缺陷,提高了系统的鲁棒性和自适应性,对纯滞后系统起到了良好的控制。     

PID控制在反应釜温度控制中的应用

常规PID的控制,不但其参数难以整定,而且还依赖于对象的精确数学模型,适应性较差,对复杂过程不能保证其控制精度.根据反应釜温度时间滞后具有非线性、强耦合、不确定性过程的控制需要,提出了一种基于BP神经网络的PID控制方法.并介绍了神经网络HD控制器的算法,对经典PID参数选取进行了分析.仿真结果表明,与传统PID算法相比,该控制方法可实现有效的控制,具有实现简单、控制效果好的特点.     

智能PID控制器在工业对象中的应用

针对纯滞后工业对象提出了一种基于RBF网的PID参数自整定的控制方法,采用将LMS算法和梯度法相融合的新型学习算法,并将这种控制方法与Smith预估器相结合应用于纯滞后工业对象。仿真结果表明该方法十分有效。     

ITAE在双容纯时滞系统的研究及仿真

长期以来,纯时滞系统就一直是工业过程控制中的难控制对象.而工业过程控制常用的PID算法对这类控制对象难以取得令人满意的控制效果.针对这种情况,本文以ITAE最佳传递函数为目标函数来设计控制器,对于滞后环节,利用一阶Pade近似式来近似.在MATLAB的环境下对系统进行仿真研究,并与单纯PID控制进行比较.以算例证明在纯时滞系统中,根据ITAE最佳传递函数来设计控制器比PID控制具有更良好的动态性能,而且参数整定方法更简单,鲁棒性更好,适合在工程范围内广泛应用.     

改进蚁群算法优化PID控制器参数及其应用(英文)

绝大多数工业工程控制仍然使用PID控制器,但由于它不易获得精确的数学模型和其非线性时变系统的性质,传统PID控制难以获得良好的控制品质、难以满足精确的控制要求。为了使PID控制器达到理想的控制效果,提出了一种基于改进蚁群算法的PID参数优化整定算法。该算法采用了信息素挥发系数和信息素强度自适应调整机制和动态更新策略,用以加速优化算法的收敛。该算法简单易行,更容易找到全局最优解,优化效率和性能明显提高。仿真实验结果表明,同现有的优化算法整定的结果比较,被控系统的超调量、调整时间等明显减少,动态特性、鲁棒性和稳定性等明显提高,进而验证了所设计算法的可行性和优越性。     

基于RBF神经网络的智能PID控制算法

针对工业中的纯滞后现象提出一种智能控制方法,在常规的PID控制器中引入Smith预估器,对纯滞后时间τ所产生的特性进行预估补偿,同时利用RBF神经网络对PID的参数进行自整定,在一定程度上增强了系统的鲁棒性和稳定性。实验证明,此控制方法对纯滞后工业对象进行控制可以得到良好的效果。     

一种改进的PID参数整定的研究及仿真

传统PID控制由于依赖于对象的数学模型和控制参数难以精确整定,使其很难适应具有非线性系统的控制。针对非线性系统,本文提出了一种结合免疫的思想改进PSO的PID的控制算法,从而解决PID控制的鲁棒性差及受模型限制的问题,并结合了Matlab强大的矩阵计算和系统仿真功能,对文中实例的PID参数进行了优化整定。仿真结果表明,该控制算法有较强的抗干扰和适应参数变化及鲁棒性和自适应性。     

加入PSO算法在蔗糖结晶模糊控制中的应用

在煮糖过程中人为因素对出糖数量和质量都有很大的影响,而蔗糖结晶过程难以建立准确的数学模型使得传统的控制方法无法实现精准控制,在总结经典PID控制和已经实际应用的蔗糖结晶过程模糊控制理论的基础上,提出了采用模糊推理对PID控制器参数进行自整定,加入改进粒子群算法对控制器过程参数进行优化调整,完成融入PSO算法的蔗糖结晶过程模糊控制器的设计,利用每次控制输出反馈自整定来提高控制器性能;通过Matlab软件模拟仿真测试效果表明,该方法增强了系统鲁棒性,可以提高出糖的品质。     

基于RBF神经网络PID的无人动力伞控制

动力伞是一个复杂的非线性动力学对象,难以用精确的数学模型描述。对于这种具有非线性、时变和强耦合特性的综合系统,采用传统PID控制方法不能得到满意的控制效果,因此提出一种基于RBF神经网络的PID控制方法。该方法利用RBF神经网络的自学习、自适应能力自调整系统的控制参数,从而实现对PID控制器各参数的优化整定。在Mat-lab软件中的仿真结果表明,该方法可实现对动力伞有效的控制,并且与传统PID相比,具有更短的调节时间,更好的稳定性、自适应性和鲁棒性。     

广义最小方差自校正重置PID控制器及其在压力系统中的应用研究

针对压力系统的纯延迟、大惯性、非线性、时变等特点,本文将重置控制和以广义最小方差为性能指标的自校正PID控制相结合,提出一种广义最小方差自校正重置PID控制方法。该方法首先根据被控对象的数学模型,以广义最小方差为目标设计广义最小方差控制器,通过选择该控制器的分母多项式,求解Diophantine方程,得到具有PID结构形式的广义最小方差控制器,再在该控制器的积分项中引入重置控制,构成广义最小方差重置PID控制;对于模型未知或参数慢时变的被控对象,通过采用带遗忘因子的递推最小二乘法构建系统的自适应机制,增强控制系统的自适应能力和鲁棒性。最后,将该控制方法应用于压力容器的恒值控制中,获得了比较满意的控制效果。     

三容器液位系统Smith预估器设计及其仿真

三容器液位控制系统具有典型的滞后特性,用常规的PID控制难以达到精确的控制效果.本文首先给出了该系统的数学模型, 并应用Smith预估补偿算法进行控制,最后在C Builder中进行了仿真.仿真结果表明Smith预估补偿控制与常规的PID控制相比,具有调节时间短、超调量小、鲁棒性好等优点.     

基于灰色预测PID球磨机负荷控制

为改善球磨机的负荷PID控制系统,提出了基于灰色预测PID控制的球磨机负荷控制方案。方案融合了灰色预测、常规PID控制这两者的设计思想;并将灰色预测在线应用,用其预测结果代替被控对象测量值进行控制运算。仿真结果表明,与传统的反馈方法相比,使用灰色预测PID控制器可得到更为优良的动态性能,具有鲁棒性好、跟踪快速等优点。     

基于遗传算法优化的跳汰机排料系统PID控制仿真

针对传统PID控制方法应用于跳汰机排料系统时难以获得最优控制参数、控制效果差的问题,提出一种基于遗传算法的PID控制参数优化方法,介绍了基于遗传算法优化的PID控制结构、参数优化方法及步骤,并以某矿井跳汰机排料系统为例,对基于该方法的PID控制器的控制性能进行了仿真研究。仿真结果表明,该方法能够实现PID控制参数的在线优化,收敛速度快,具有较强的鲁棒性;基于该方法的PID控制器具有良好的动、静态性能,无超调现象,控制精度高。     

基于蚁群算法的航空发动机PID参数优化

提出一种基于蚁群算法的PID参数优化控制算法,对航空发动机的双变量解耦控制方法进行了研究.蚁群算法采用分布式并行计算机制,易于与PID控制方法结合,优化后的控制器克服了传统的PID控制参数不易整定的缺点,且控制器结构简单规范、动态和静态性能良好,具有较强的鲁棒性.仿真结果表明该控制系统实现了解耦控制,对航空发动机模型参数在大范围内的变化均有良好的控制效果.     

炮管俯仰系统建模及油液污染影响控制仿真

非平衡炮管俯仰系统控制的关键是如何克服变化非平衡力矩、油液污染造成内部参数改变等扰动的影响。为实现其高精度控制,给出了一种基于模糊PID理论设计的控制器,采用集中参数法建立各组件数学模型并联立得到系统整体模型,进而搭建Matlab/Simulink仿真模型,应用传统PID控制器与模糊PID控制器进行驱动腔的控制。对比仿真结果表明,模糊PID控制可有效提高系统控制精度至0.1mil,且响应速度得到了一定改善。证实了PID控制结构简单却不能在线调整参数,模糊PID控制因具有较强的鲁棒性而容易获得更好的控制效果。