网络延时对PID控制系统性能影响的分析

由于网络通讯延时的存在，传统PID控制算法在网络化控制系统中的控制性能将受到影响．使用一种代价函数作为性能评估标准，并通过仿真实验分析了各种网络延时对PID控制性能的影响．利用根轨迹法分析了网络延时和PID参数对控制系统稳定性和控制性能的影响；用NetCon控制器实现了各种网络延时下对一个实验系统的控制．实验结果证明了仿真分析的正确性和有效性．     

基于Kalman算法及神经网络预测的网络流量控制

针对通信网络的传播时延会给基于速率反馈的流量控制带来极大的不利影响，提出了基于Kalman算法的反馈控制和神经网络在线预测补偿相结合的复合控制，对ATM网络的ABR流量进行控制，较好地克服了时延对流量控制的快速性和稳定性所产生的不利影响．仿真研究表明：本方案能使信源的发送速率快速响应网络状态的变化，有效地避免拥塞的发生，并使链路带宽得以充分利用．与PID控制方法相比，信元的丢失率更低、链路的利用率更高以及所需的缓冲容量更小．     

基于ANN逆模型补偿的复合控制系统仿真

为对复杂非线性系统进行辨识建模和实施有效控制，分析了基于神经网络的非线性系统逆模型的辨识和控制原理，研究了基于神经网络的非线性系统逆模型补偿的复合控制方法。基于复合控制思想，时常规PID控制器＋前馈神经网络逆模型补偿的复合控制结构方案进行了仿真。仿真结果表明，基于神经网络的非线性系统逆模型补偿的复合控制结构方案是有效的、相对简单的网络结构，可提高逆模型的泛化能力和非线性系统的控制精度。     

网络化伺服系统控制方法研究

针对网络化伺服电机系统,设计了自抗扰控制和滑模变结构控制算法,在无干扰和加入网络延时两种情况下用MATLAB对控制算法进行仿真。仿真结果表明,与PID控制算法相比,自抗扰控制和滑模变结构控制算法能较好地解决网络延时对伺服系统影响的问题,使伺服系统有较好的跟踪性和鲁棒性。     

机械伺服系统基于模糊神经网络的复合控制

惯性参数大范围变化和低速状态下的非线性摩擦是制约机械伺服系统跟踪性能的主要因素,基于LuGre动态摩擦模型和干扰观测器的补偿控制可以实现非线性摩擦力矩的动态补偿,但状态观测器的设计是基于被控对象的数学模型,当负载惯性参数大范围变化时,上述控制系统性能无法保障,针对上述问题提出一种基于模糊神经网络补偿的状态观测器复合控制,分析了基于模糊神经网络补偿复合控制的理论与实现方法,并以直流电机飞行仿真转台作为被控对象进行了仿真试验,试验结果表明了控制方法的有效性。     

基于小脑模型关节控制器与PID复合的高速公路交通流密度控制

高速公路交通控制系统是一个复杂的非线性时变系统, 传统的匝道控制方法难以取得满意的控制效果. 为此, 本文提出基于小脑模型关节控制器(CMAC)与PID复合的匝道控制方法. 首先建立了二阶宏观动态交通流模型, 然后研究了CMAC与PID复合控制算法, 结合非线性反馈理论, 设计了基于CMAC与PID复合的高速公路交通流密度控制器, 该密度控制问题是一个输出跟踪和扰动抑制问题, 最后采用两个仿真实例对该方法的有效性进行验证. 结果表明, 复合控制具有优越的密度跟踪性能和抑制噪声干扰的能力; 复合控制方法能够有效地消除交通拥挤, 并使主线车流趋于稳定.     

轻武器伺服跟踪系统的干扰补偿控制

为提高轻武器伺服跟踪系统的位置跟踪精度,提出一种基于干扰观测器的CMAC-PD复合控制方法。将摩擦、电机力矩波动和模型参数不确定性等影响系统性能的因素视为干扰,采用一种新型的干扰观测器对其进行估计并加以补偿。在此基础上,提出一种基于CMAC与PD的复合控制方法。对比仿真实验表明,基于干扰观测器的CMAC-PD复合控制能更有效地抑制干扰对轻武器伺服跟踪系统动态性能的影响,进而使系统获得更高的跟踪精度。     

基于PID控制的遗传神经网络在焦炉温度控制中的应用研究

以某焦化厂焦炉温度控制系统的开发为背景，提出了一种基于遗传算法的CMAC(小脑模型关联控制器)与PID复合控制方法来优化焦炉对象的温度控制．用遗传算法优化PID控制器的初始参数，然后再结合CMAC网络进行控制．针对焦炉生产过程的简化模型，在Matlab中对这种控制方法进行了仿真．仿真研究表明该方法应用于焦炉控制是可行的．     

基于ACR9000控制器的自动光学检测平台设计 

针对自动光学检测(AOI)平台运行过程中的定位精度控制问题,提出了一种基于速度和加速度前馈控制与PID反馈控制的复合控制算法,该算法对输入量进行跟踪补偿控制以消除系统稳态误差,用于提高AOI平台定位精度;基于开放式的数控系统设计方法设计了AOI平台;在Matlab/Simulink环境下,构建了基于该复合控制算法的定位精度控制仿真模型,仿真结果验证了复合控制算法的有效性;将该复合控制算法作为ACR9000控制器的控制算法,并基于ACR9000控制器进行AOI平台实验研究;应用该AOI平台进行了印刷电路板(PCB)检测实验,实验结果表明文中复合控制算法能够提高AOI平台定位精度,AOI平台的定位精度满足印刷电路板检测要求,可以将该AOI平台用于印刷电路板检测。     

基于RBF网络自整定PID控制的应用研究

经典PID的控制参数难以精确整定，且依赖于对象的数学模型，故自适应性较差，很难适应具有非线性、时变不确定性的被控对象，控制精度难以保证。该文对纯滞后工业对象提出了一种基于RBF神经网络PID参数自整定的控制方法，采用将RLS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PID控制器相结合应用于纯滞后工业对象中，克服了不确定性对控制对象性能的不利影响，解决了传统PID控制鲁棒性差，及需要预先知道受控对象精确数学模型的问题。仿真结果表明了该方法的鲁棒性和跟踪性能均优于传统PID控制方法。     

一类诱导时滞网络控制系统自抗扰控制器设计

针对一类具有网络时滞小于采样周期的网络控制系统提出网络控制的主要问题是网络通信系统模型的不确定性导致控制性能不佳;针对这一问题,采用基于无模型的自抗扰算法,将网络环节和被控对象一同视为控制对象,将网络时滞作为被控对象的不确定性因素,利用扩张状态观测器对不确定性因素进行实时观测估计;Matlab/TrueTime网络控制实验表明:自抗扰控制方法能够有效地减小网络诱导时滞对控制系统的影响。     

智能网络化模糊控制系统的设计与研究

为了解决不确定性变化的网络时延对工业过程控制非线性系统性能影响的问题,将模糊控制与网络化控制思想相结合,设计了一种智能网络化模糊控制器。根据网络时延和远程被控对象的特性在线调整量化因子和比例因子,并对控制规则自动调整和完善,使得网络化控制的动静态特性趋于最优。     

基于改进的PSO算法的球磨机PID神经网络控制系统

球磨机制粉系统是一个复杂的多变量系统,具有强耦合、非线性、大迟延、慢时变等特点,很难建立精确的数学模型,采用常规的控制策略难以获得满意的控制效果。针对上述问题,在对球磨机制粉系统动态特性进行分析的基础上,提出了一种不依赖于被控对象数学模型的多变量PID神经网络解耦控制策略;为进一步提高控制器性能,利用一种改进的PSO算法对PID神经网络的权值初值进行离线优化训练,然后采用BP算法对权值进行在线调整,避免网络陷入局部极小值,保证了系统不会出现大的超调和震荡。仿真结果表明,该策略可以保证球磨机控制系统有大范围的鲁棒性和适应性,能较好地解决球磨机制粉系统的耦合性、时变性等问题,具有优良的解耦机制和控制品质。     

火电厂锅炉主汽温控制策略的比较研究

锅炉的主汽温被控对象是一个大惯性、大迟延、非线性且对象变化的系统,常用的汽温控制系统有串级PID控制和基于BP神经网络的PID控制。串级PID控制一般能将主汽温控制在允许的范围内;基于BP神经网络的PID控制将神经网络所具有的自学习能力与PID控制器的鲁棒性相结合,能实现对非线性、大时滞系统模型的控制。对这两种策略在不同负荷下进行了实验仿真,该结果对当前电厂的经济性和安全性有一定参考价值。     

网络流量系统的有限拍控制

应用控制理论方法讨论了ATM网络的ABR通信中基于速率反馈的流量控制问题.针对网络的传播时延提出了有限拍控制策略,使系统的响应在有限拍的时间内严格地到达稳态,从而使信源发送速率快速响应网络状态的变化,较好地克服了时延对流量控制快速性和稳定性的影响.该方法能有效地避免拥塞发生,同时降低信元丢失率,且结构简单.仿真结果验证了此算法的有效性.     

PID和Fuzzy控制相结合的分段复合控制

采用常规PID控制很难实现对大滞后、非线性等难以建立精确数学模型的被控对象的良好控制.为了解决这一难题,该文针对一个非线性二阶系统设计出PID和模糊控制相结合的分段复合控制器,该控制器不需要被控对象的精确数学模型.由于在整个控制过程中的不同阶段采用不同的控制方式,既继承了常规PID控制无静差、静态稳定性好的特点,同时又兼有模糊控制适应能力强、动态性能好的优势.通过MATLAB仿真实验表明,该分段复合控制器能够满足二阶非线性被控对象的控制要求,并取得了良好的控制效果.     

基于改进的神经元PID的网络化控制系统

为了解决网络诱导时延给网络化控制系统(Networked Control Systems,NCSs)带来的不利影响,在分析Ethernet时延特性的基础上,提出了一种不依赖于网络诱导时延精确数学模型的改进的神经元PID控制器。该控制器利用单神经元实现自适应PID控制,利用神经元良好的学习能力克服网络化控制系统中不确定的网络诱导时延的影响。改进的神经元PID控制器根据有限的时延信息动态调整用于计算控制输出量的参数,该控制器还利用一种在线调整规则对神经元的比例系数进行在线更新,并针对Ethernet这类网络进行了仿真研究。仿真结果表明,所提出的方法能有效提高控制系统的性能。     

复杂高阶对象的预测PID控制

针对复杂高阶对象提出了一种基于数值最优模型降阶方法,并基于这种降阶模型设计了预测PID控制器,将此控制器应用于原始模型能够得到很好地控制效果。数值最优模型降阶算法使高阶对象能近似为一阶加时滞对象或二阶加时滞对象,通过模型阶跃响应和Bode图对比,降阶模型曲线很好地逼近原始模型曲线。预测PID对大时滞对象有着很好地控制效果,模型降阶使得预测PID很好地控制复杂高阶对象,且其结构简单,可调参数少的特点。     

无线传感器和执行器网络控制系统设计与仿真

无线传感器和执行器网络通过无线网络(ZigBee)将传感器和执行器与控制器相连,完成分布式传感和执行任务。针对无线网络传输和被控对象延时的不良影响,首先详细介绍了基于TrueTime 2.0的无线网络控制系统在Windows 7和Matlab R2010b环境下的搭建,给出了系统的仿真模型。对控制器节点分别采用常规PID控制和模糊PID控制算法进行仿真研究。仿真结果表明,对于存在延时环节的无线网络控制系统,模糊PID控制可以取得较好的控制效果,系统鲁棒性较强。该研究对物联网智能家居系统的设计具有一定参考价值。