单神经元自适应PID控制器的应用

对单神经元自适应PID控制器的控制算法进行了研究；利用Matlab／Simulink对复杂对象进行了闭环仿真，将单神经元自适应PID控制算法与常规PID控制算法进行了比较。结果表明单神经元自适应PID控制算法明显优于常规PID控制算法；将单神经元自适应PID控制器应用到焦炉集气管压力控制系统，集气管压力系统的抗干扰能力得到提高，取得了良好的控制效果。     

改进的单神经元自适应PID控制算法在智能车速度控制系统中的研究与应用

针对单神经元控制算法在电磁导航智能车速度控制中存在加权系数修正时间长、自适应能力差、系统不稳定的缺点,提出了将改进的单神经元自适应PID控制算法应用到智能车的调速系统中。改进的单神经元自适应PID控制算法优化了单神经元自适应PID控制算法中的加权系数学习修正部分,使得权系数在线修正不完全根据神经网络的学习原理,而是参考实际经验制定的,最终自适应地整定PID三个参数来实现智能车的速度控制。Matlab仿真测试表明,与单神经元自适应PID控制算法相比,改进的单神经元自适应PID控制算法在智能车速度控制中具有响应快,超调量小、自适应能力强的优点,大大提高了智能车控制系统的性能。     

焦炉集气管压力控制的一种新方法

针对焦炉集气管压力系统的特点,提出一种基于神经元的自适应PID控制算法;将神经元与PID结合,在线调整PID参数;对单神经元自适应PID控制器进行了研究,并利用Matlab/Simulink进行了仿真,结果表明单神经元自适应PID控制算法明显优于常规PID控制算法;用本文提出的单神经元自适应PID控制器控制焦炉集气管压力,使集气管压力系统的抗干扰能力得到提高,取得了良好的控制效果。     

一种神经网络PID自适应控制及其应用研究

为提高PID控制的自适应性能,提出了一种神经网络PID自适应控制算法.最小资源分配网络(MRAN)是一种可以在线调整隐节点的RBF网络,具有泛化能力强、计算精度高的优点.通过对MRAN的剪裁策略进行改进,使改进的网络具有更加紧凑的结构;把改进的MRAN和PID控制相结合,提出了一种基于动态RBF网络的PID自适应控制策略,并应用到对电站锅炉过热汽温的控制上.仿真结果表明,所提出的控制算法与常规的控制算法相比具有更好的控制品质.     

改进单神经元自适应PID控制器应用于污水处理

结合无需辨识的自适应控制算法,提出一种动态调整增益系数和自适应学习率的改进型单神经元PID控制策略,进一步提高了控制器参数的自校正能力.利用ActiveX技术将改进型单神经元自适应PID控制算法封装在ActiveX控件中,并设计MFC应用程序对污水处理过程溶解氧的控制进行仿真.结果表明,改进型单神经元PID与改进前的单神经元PID控制方法相比,具有更好的自适应性和更强的鲁棒性.     

变论域自适应模糊PID控制系统仿真与应用

由于电液伺服系统具有非线性、时滞性等问题,自适应模糊PID控制方式仍难以精确控制马达转速,故设计了变论域自适应模糊PID控制算法。通过设计合适的伸缩因子,将变论域与自适应模糊PID控制相结合,该算法可以精确控制电磁比例阀的流量进而控制马达的转速。将PID控制、模糊控制、自适应模糊PID控制和变论域自适应模糊PID控制算法进行Matlab仿真,结果表明：变论域自适应模糊PID控制具有响应快、无超调、稳态误差基本为零的特点。通过可编程控制器实现了模糊PID控制与变论域自适应模糊PID控制算法在电液伺服系统中的应用,实验数据表明,变论域自适应模糊PID控制更加精确,符合工业控制要求。     

单神经元自适应PID控制器的研究及MATLAB仿真

在分析传统的PID控制器的基础上,提出了一种单神经元自适应PID控制器,这种控制器,不仅结构简单,且具有较好的适应性和鲁棒性.本文主要讨论了单神经元自适应PID控制器的结构,控制算法,并用MATLAB仿真软件给出了实例仿真,证明了单神经元自适应PID控制器控制效果优于传统的PID控制器.     

增益自调整单神经元自适应PID算法的研究

针对单神经元自适应PID算法对增益K的敏感性,提出了增益K自调整的单神经元自适应PID控制算法。仿真结果表明,这种控制算法具有良好的自适应性和鲁棒性。     

工业锅炉汽包水位先进PID控制研究

锅炉是工业生产中重要的动力设备,在实际运行过程中,基于安全性、稳定性及经济性等方面的考虑,汽包水位须维持在某一期望值附近.以MATLAB为仿真平台,构建汽包水位三冲量控制系统,分别采用常规PID控制器、模糊自适应PID控制器和基于遗传算法的PID控制器.常规PID控制器参数是由人工整定且固定不变的,其控制效果存在进一步提高的空间.模糊自适应PID控制算法能在线整定、优化PID参数,遗传算法能根据模型自动寻找最优PID参数,汽包水位控制系统中常用的先进控制算法.通过比较仿真结果.发现使用先进PID控制算法能有效地加快响应速度、减小超调量、减少调节时间、提高克服扰动的能力.     

小型电加热反应器温度的模糊自适应整定PID控制

小型电加热反应器系统具有较大的纯滞后、惯性滞后、非线性和时变特性,参数固定不变的普通PID控制器难以进行精确温控.通过把操作人员积累的PID参数整定经验知识总结成模糊规则,利用模糊逻辑推理进行在线实时整定,设计了电加热反应器温度模糊自适应整定PID控制算法.通过Matlab与组态软件"组态王"KINGVIEW的动态数据交换,在Matlalb上编程实现了模糊自适应整定PID控制算法.进行了一般情况下和具有较强非线性和时变特性情况下温度控制实验,实验结果表明,模糊自适应整定PID控制取得了比普通PID更好的控制结果,模糊自适应整定PID控制对过程非线性和时变特性具有更强的适应性.     

基于模糊自适应PID的无轴传动控制系统研究

研究模糊自适应PID控制算法对无轴传动控制系统的影响,并对控制电机转速同步精度应用不同PID算法进行比较。采用主从电机同步控制策略,并利用Matlab开发了完整的以永磁伺服电机为执行机构的仿真系统。调节控制环参数,得出控制系统的仿真曲线。通过对仿真曲线的分析,比较传统PID和模糊自适应PID算法对转速同步精度的影响,最后指出模糊自适应PID控制算法的控制效果及优越性。     

基于响应特性匹配的自适应PID控制

推导出基于响应特性匹配的自适应ＰＩＤ控制算法，并给出自适应３参数ＰＩＤ和５参数ＰＩＤ的仿真结果。结果表明：自适应５参数ＰＩＤ明显优于３参数ＰＩＤ，而且在基于响应特性匹配的工作方式下，容易实现３参数及５参数ＰＩＤ控制以及其他控制律的自适应控制。     

直流无刷电机智能控制系统研究

阐述直流无刷电机工作原理,分析直流无刷电机的数学模型;介绍模糊控制理论与神经网络控制理论,提出模糊自适应PID控制策略;在MATLAB环境下,分别使用反电动势建模法建立直流无刷电机控制系统的模型,并对各个模型进行仿真分析。然后利用BP神经网络控制策略,模糊自适应PID控制策略改进速度控制器中的常规PID算法,进行仿真,并将所得结果进行对比。从对比结果可以得出模糊自适应PID控制策略更适合直流无刷电机的控制。     

水轮机调节系统的模糊神经网络控制*

将模糊神经网络与自适应控制相结合,设计出一种能对水轮机调节系统进行有效控制的基于模糊神经网络的自适应PID控制算法.对改进后的调节系统特性进行测试和仿真,并与常规的水轮机进行比较,验证了模糊神经网络控制方案的可行性.仿真结果表明,该算法实现了调节系统的在线自适应调整,更精确反映调节系统的动态变化过程.与其他方法相比,该算法具有更快的响应速度和更好的控制效果.     

基于遗传优化和模糊推理PID及MATLAB仿真

本文提出一种基于遗传优化和模糊推理相结合的自适应模糊PID控制算法,算法由遗传算法和模糊推理两部分构成,分别用于离线优化和在线优化。仿真结果表明,这种自适应PID控制器的性能,比仅用遗传算法优化的PID控制器更好,并且抗干扰能力更强。     

基于模糊径向基函数神经网络的PID控制算法仿真研究

在传统的PID控制算法基础上,提出了一种基于模糊RBF神经网络的PID控制算法。该算法将RBF神经网络学习能力强与模糊理论的推理能力强的特点结合起来,在线调整比例、积分、微分三个控制参数,仿真结果表明,该算法的控制品质优于常规PID控制,具有较强的自适应能力和鲁棒性。     

基于四旋翼无人机的粒子群PID控制研究

针对四旋翼无人机PID控制中,凭借经验知识和仿真调试来选取比例、积分、微分等参数时存在盲目性的问题,提出了利用改进后的粒子群算法对PID控制器进行优化的方法。采用自适应惯性权重的方法对粒子群进行优化能够避免在刚开始就陷入局部最优的困境,同时选用ITAE准则作为改进粒子群算法的适应度,以此达到更好的控制效果。通过MATLAB/Simulink搭建模型并仿真,证明了自适应粒子群PID比传统的PID响应更快,超调量接近于0,达到稳定的时间更短;在遇到干扰信号时粒子群PID算法恢复稳定的时间较PID减少了0.15s。     

基于自适应遗传算法的PID参数优化仿真研究

针对现有PID调节器的整定方法和遗传算法优化参数存在的问题，提出了一种自适应遗传算法用于PID参数寻优的方案。该算法采用了变群体规模和自动改变交叉概率、变异概率的措施，能提高算法的执行效率，收敛性较好，而且不易陷入局部最优解。以过热汽温控制系统为例，分别采用了简单遗传算法和改进遗传算法，对串级控制系统的PID参数寻优，仿真结果表明改进后的遗传算法具有较强的执行效率和很好寻优效果。     

PID增益基于神经模糊网络的预测控制

提出一种基于二次逼近模型的PID增益预测的控制，并阐述了该系统的结构，算法和应用特点，通过二次逼近建模的方法，提高了建模的处速度和实际逼近精度以及较强的动态补偿能力。运用这种模型的预测和传统的PID相结合，使控制系统具有增益自适应能力和较好的鲁棒性。通过仿真实例对该方法的特点和性能进行了验证。