PID自适应控制

提出将ＰＩＤ继电自整定与神经网络相结合，共同完成ＰＩＤ自适应控制，以一个两层线性网络构造ＰＩＤ控制器，由ＰＩＤ继电自整定法获取的ＰＩＤ参数值做适当地修正后作为网络权的初值，实现对系统的在线控制。     

AtLoop PID自整定软件包的开发与应用

分析了ＰＩＤ控制应用现状和开发工程化的ＰＩＤ自整定软件包的必要性，论述了所研制的ＡｔＬｏｏｐ ＰＩＤ自整定软件包的设计思想和技术关键，并对该软件包的通用性设计和工程化做了介绍，最后列举了在大庆石化总厂５万吨丙烯腈等装置上的应用成果。     

基于频域辨识的自整定PID控制器

提出了一种引入继电反馈的自整定ＰＩＤ控制器,在线测出过程对象两点的频率特性,辨识出二阶纯滞后的模型,基于相位,幅值裕度整定出ＰＩＤ参数。还介绍了该方法适应范围,仿真实验及仿真结果。     

Fuzzy-PID控制起动机性能测试系统的研究

针对起动机性能测试系统,设计由标准ＰＩＤ控制器和模糊自整定机构组成的模糊自整定ＰＩＤ控制器和其模糊自整定机构通过调整参数ａ来在线整定ＰＩＤ参数以求控制的快速必和鲁棒性,实际运行结果表明起动机性能测试系统检测精度高,快速性好,可靠同,已稳定运行于复杂环境的电机生产线上。     

基于工程整定法的模糊PID

在ＰＩＤ工程整定法的基础上，提出了一种基于模糊规则的模糊ＰＩＤ复合控制算法，算法首先根据扩充临界比例法等工程ＰＩＤ整定的方法将ＰＩＤ公式简化，然后通过模糊控制规则和模糊推理确定一张模糊控制表，在时实控制中通过对模糊控制表的查询，在线调节ＩＰＤ控制参数，液压电梯 实验和仿真结果表明，本文提出了的控制算法具有算法简单，控制品质优良等特点。     

多变量PID控制器的在线自整定

本文研究具有ＰＩＤ结构反馈控制器的多变量控制系统的参数自整定，提出了具有校正因子的多变换ＰＩＤ控制算法及在线自动调整校正因子的专家自整定方法，将该方法用于火电单元机组负荷控制系统自整定仿真研究，结果表明系统具有好的完整性和鲁棒性。     

用继电自整定实现模糊PID智能控制

从提高控制器的智能化水平出发，文中提出了模糊PID自适应控制与继电自整定相结合构成PID双模智能控制器的方法。即用继电自整定法整定出PID控制的初始参数，然后切换到模糊PID自适应控制，完成模糊PID智能控制。将该算法应用于一温控系统中，得到了令人满意的效果。     

基于幅值裕度和相位裕度的自整定PID控制器

提出一种简单而有效的基于频域辩识的自整定ＰＩＤ控制器。系统首先引入继电反馈,在线测出过程对象两点的频率特性,从而辩识出二阶加纯滞后的模型;然后基于相位裕度和幅值裕度,整定出ＰＩＤ参数。仿真结果表明了该控制器的有效性。     

基于BP神经网络的PID参数自整定的船舶操纵控制器研究

船舶操纵的模型参数具有非线性、慢时变特性。船舶操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用ＢＰ神经网络实现ＰＩＤ参数自整定的控制方法。此法能根据船舶动态特性的变化,自动重新整定ＰＩＤ参数,从而改善了操纵性能和鲁棒性。     

基于给定的相角裕度和幅值裕度的PID参数自整定新方法

给出一种新的基于给定相角裕度和幅值裕度的ＰＩＤ参数自整定方法ＳＰＡＭ法．该方法可独立整定ＰＩＤ调节器所有参数．仿真结果表明ＳＰＡＭ法明显优于其它整定方法     

一种新型神经网络智能PID控制器的仿真研究

设计了一种新的神经网络智能PID控制器，用继电器自整定法给出了PID控制器参数的初值，在运行过程中，用神经网络辨识器在线调整PID参数，使过程具有较高的控制品质，同时对PID控制的结构了一定的修改，使之更适用于实际控制。     

一种新型神经网络智能PID控制器的仿真研究

设计了一种新的神经网络智能PID控制器,用继电器自整定法给出了PID控制器参数的初值,在运行过程中,用神经网络辨识器在线调整PID参数,使过程具有较高的控制品质,同时对PID控制的结构做了一定的修改,使之更适用于实际控制。     

A novel optimal PID controller autotuning design based on the SLP algorithm

A novel optimal proportional integral derivative (PID) autotuning controller design based on a new algorithm approach, the “swarm learning process” (SLP) algorithm, is proposed. It improves the convergence and performance of the autotuning PID parameter by applying the swarm and learning algorithm concepts. Its convergence is verified by two methods, global convergence and characteristic convergence. In the case of global convergence, the convergence rule of a random search algorithm is employed to judge, and Markov chain modelling is used to analyse. The superiority of the proposed method, in terms of characteristic convergence and performance, is verified through the simulation based on the automatic voltage regulator and direct current motor control system. Verification is performed by comparing the results of the proposed model with those of other algorithms, that is, the ant colony optimization with a new constrained Nelder–Mead algorithm, the genetic algorithm (GA), the particle swarm optimization (PSO) algorithm, and a neural network (NN). According to the global convergence analysis, the proposed method satisfies the convergence rule of the random search algorithm. With respect to the characteristic convergence and performance, the proposed method provides a better response than the GA, the PSO, and the NN for both control systems.     

Asymmetric relay autotuning – Practical features for industrial use

The relay autotuner provides a simple way of finding PID controller parameters. Even though relay autotuning is much investigated in the literature, the practical aspects are not that well-documented. In this paper an asymmetric relay autotuner with features such as a startup procedure and adaptive relay amplitudes is proposed. Parameter choices and handling of noise, disturbances, start in non-steady state and other possible error sources are discussed. The autotuner is implemented and tested on an industrial air handling unit to show its use in practice. The experiments show good results, and prove that the proposed simple autotuner is well-suited for industrial use. But the experiments also enlighten possible error sources and remaining problems.     

Autotuning process controller with improved load disturbance rejection

This paper presents an autotuning process controller aimed at providing efficient rejection of load disturbances in a class of situations that are quite typical in process control, and not easy to treat with most standard autotuning controllers, especially when not only the duration of the load disturbance response, but also the peak deviation of the controlled variable is an issue. The regulator structure is not fixed a priori; this is a peculiarity with respect to the main research stream on autotuning regulators, that refers essentially to fixed-structure (PID) regulators. Both simulation and laboratory examples are reported, to show the advantages of the proposed autotuning controller.     

基于模糊RBF神经网络的PID及其应用

针对传统的PID控制器参数固定而导致在控制中效果差的问题,提出一种基于模糊RBF神经网络智能PID控制器的设计方法。该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制与RBF神经网络相结合以在线调整PID控制器参数,整定出一组适合于控制对象的kp, ki, kd参数。将算法运用到电机控制系统的PID参数寻优中,仿真结果表明基于此算法设计的PID控制器改善了电机控制系统的动态性能和稳定性。     

基于神经网络与PID控制的挠性结构的混合控制研究

利用CMAC神经网络与PID控制算法，提出了一种针对飞行器挠性结构振动的混合控制方法．首先在给出系统动力学方程的基础上，利用CMAC神经网络的具体特点，给出了神经网络算法；进而将PID控制算法引入控制系统，形成了一种混合控制方法，该方法具有CMAC神经网络与PID控制算法两者的优点．最后针对复杂的飞行器挠性结构振动问题进行了实例仿真，说明了算法的有效性．     

神经网络PID在温度控制系统中的研究与仿真

本文提出一种基于BP神经网络的新型智能PID控制方法和一些BP神经网络的基本概念。同传统的PID控制相比较．神经网络智能PID控制有许多优点。把BP神经网络的PID控制方法应用到工业领域的温度控制系统中，仿真结果表明：这种控制方法具有较高控制精度和较强的适应性以及良好的控制效果。     

基于神经网络的恒温控制系统的研究与设计

由于恒温控制的数学模型很难建立,针对这一难题提出了基于神经网络的PID控制器,侧重介绍了BP神经网络PID控制器算法的基本知识以及控制器的设计原理,通过实验仿真证明了神经网络PID控制器的控制效果比传统的PID控制在静态特性和动态特性方面都有所提高,而且具有较好的鲁棒性,该控制器在工业控制中将会发挥越来越大的作用.     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。