基于在线自调整参数模糊控制器的研究与应用

提出了一种模糊自整定PID参数的方法,运用MATLAB进行仿真研究表明,该模糊自整定PID控制器既具有PID控制器高精度的优点,又具有模糊控制器快速,适应性强的特点,使被控对象具有良好的动、稳态特性.     

PID参数整定法的仿真

PID调节器的控制品质,主要取决于调节器的参数整定.计算量大是用理论计算方法整定PID调节器参数要解决的难题之一.针对PID调节器参数整定过程中计算复杂、计算量大的问题,提出了一种基于Matlab的调节器参数衰减频率特性整定法.该方法以Matlab为工具,将理论计算与仿真分析结合起来,根据控制要求计算并绘制出控制器整定参数关系曲线,对计算结果进行仿真,分析整定参数在解平面上变化时闭环系统的响应,从而确定出最佳的调节器整定参数.结果表明,对于不同的被控对象参数或不同的整定要求,该方法都能方便地求得最佳的调节器整定参数,使得采用理论计算法整定调节器参数具有了工程实用价值.     

根据系统时间尺度整定自抗扰控制器参数

自抗扰控制器(ADRC)取得了优良的控制效果, 但控制器参数整定比较困难. 本文利用受控系统时间尺度展开ADRC参数整定问题的研究. 首先, 在时间尺度一般定义的基础上, 根据系统单位阶跃响应, 给出了二阶系统的时间尺度计算格式. 然后, 在被控对象受扩展状态器(ESO)补偿作用所得积分器串联系统的时间尺度不变的假设下, 推导了一种基于受控系统时间尺度的ADRC控制器参数整定方法. 最后, 仿真结果表明该方法可行, 为ADRC参数整定提供了方便.     

基于强化学习的参数自整定及优化算法

传统PID控制算法在非线性时滞系统的应用中,存在参数整定及性能优化过程繁琐、控制效果不理想的问题。针对该问题,提出了一种基于强化学习的控制器参数自整定及优化算法。该算法引入系统动态性能指标计算奖励函数,通过学习周期性阶跃响应的经验数据,无需辨识被控对象模型的具体数据,即可实现控制器参数的在线自整定及优化。以水箱液位控制系统为实验对象,对不同类型的PID控制器使用该算法进行参数整定及优化的对比实验。实验结果表明,相比于传统的参数整定方法,所提出的算法能省去繁琐的人工调参过程,有效优化控制器参数,减少被控量的超调量,提升控制器动态响应性能。     

仿人智能控制器的研究及工程应用

介绍了仿人智能控制器的适用范围和基本算法,提出了改进的仿人智能控制器即九点控制器的优化控制策略.通过时工程设计中温度的控制方案设计,比较了九点控制器与PID控制器算法对系统动态性能的影响.九点控制器算法简单、系统响应速度快、参数整定简单,特别适合于无数学模型的控制对象.九点控制器的参数可进一步优化,从而转化为九点五态控制器.     

基于可视化的PI控制器参数整定方法

在控制器优化设计问题的研究中,PI控制器的参数通常采用归一参数法和试凑法来整定,很难得到最优的整定参数.为解决上述问题,提出了一种快速且有效的四维数据可视化算法的PI控制器参数整定方法.采用可视化方法将伯德图图形簇体现在四维可视化幅频特性图和相频特性图里,可直接观察kp,ki与幅频特性和相频特性的关系,并可间接地将幅值裕度和相角裕度表现在频域特性里,通过观察频域特性的变化来达到整定的目的.仿真实例表明,提出的方法适用于低阶或高阶被控对象,得到了满意的效果,为控制器优化设计提供了依据.     

模糊自适应PID控制的研究及应用仿真

传统PID控制器参数的整定是在获取对象数学模型的基础上,根据某一整定规则来确定的,难以适应复杂多变的控制系统。针对其参数整定不良、性能欠佳,对被控过程的适应性差等缺点采用模糊控制与自适应PID控制结合起来,设计了模糊自适应PID控制器。利用模糊推理方法实现对PID参数的在线自整定,进一步完善PID控制器的性能,提高系统的控制精度。仿真结果表明该模糊自适应PID控制器既具有PID控制器高精度的优点,又具有模糊控制器快速、适应性强的特点,使被控对象具有良好的动、稳态特性,有较好的工程应用前景。     

PID调节器参数的继电自整定方法

本文讨论了 PID调节器参数的继电自整定方法,它是利用继电反馈所产生的极限周期振荡来估计被控对象的参数,从而整定 PID参数。文中通过分析对象在继电特性作用下输入输出波形,推导了计算对象参数的公式。实验表明,本文所提出的整定方法简单、可靠,是一种有效的 PID参数自整定方法。     

基于阶跃辨识的PID自整定研究及软件开发

工业过程控制中,一般通过实验试凑法整定控制器参数,这种方法不免带有一定盲目性且瞬态性能指标不够理想;为了让控制器更高效、实用,需要对被控对象模型有精准的辨识,整定出与系统被控对象相吻合的PID控制器参数;以工程应用为出发点,通过深入研究PID自整定技术原理和实际的工程应用,实现了基于阶跃辨识的PID自整定的软件开发,并通过改变对象模型PID参数,验证了该软件系统的稳定性及准确性。     

基于规则与优化方法相结合的PID整定

现有的PID整定方法在水电控制等系统中难以获得令人满意的效果。提出基于规则与优化相结合的PID整定方法 (RO) ,对于模型未知的被控对象 ,首先对其进行辨识 ,得到其参数模型 ,在整定规则的基础上 ,通过优化计算使该PID控制器直接满足一组频域性能指标要求 ,能为某一运行工况提供最佳PID参数 ,改善控制系统的动态品质。     

一种仿人智能控制参数整定方法

研究了仿人智能控制器基本形式中的参数确定问题。针对仿人智能控制器基本形式的参数整定缺乏理论指导、过于依赖专家经验和试凑的缺点,力图得到参数取值的解析指导式,解决了仿人智能控制器基本形式的参数确定的难题。分析仿人智能控制器基本形式参数与对象传递函数参数之间的关系,将对象阶跃响应按时间不同分为5个时间段,求取对象的阶跃响应表达式,确定由对象传递函数参数表示的控制器参数的数学表达式。仿真结果表明,该方法具有良好的控制效果。     

双摆机器人摆杆平衡态任意转换运动控制的实现

双摆机器人两摆杆具有一个自稳定(Down-down)和三个自不稳定(Down-up, up-down, up-up)的平衡状态, 4个平衡状态之间可以构成12个相互转换的运动动作和8个自旋动作. 本文运用基于动觉智能图式的仿人智能控制理论, 设计具有基于特征辨识多控制模态结构的控制器; 采用``类等效'的系统建模方法和改进型遗传算法, 实现双摆机器人模型的精确辨识和其多模态控制器多参数的整定与优化, 并解决了多控制模态之间的平滑切换, 以及从仿真研究到实时控制成功的快速过渡等关键问题. 以(Down-up)向(Up-down)状态的转换为例, 说明了如何实现四个平衡状态之间的任意相互转换的运动控制, 并介绍了仿人智能控制器设计的详细过程. 仿真与实时控制的实例证明了设计理论与方法的有效性.     

基于仿人智能控制的风机调速算法

提出了基于仿人智能控制的风机调速算法。通过对参数的有效设置运用仿人智能控制实现对风机的调速控制，使风机转速能较好的达到设定值，设计并编程实现了基于本文算法的风机调速控制，进行了MATLAB实验仿真，证明了其有效性。     

轧辊偏心的H∞输出反馈鲁棒重复控制

针对轧辊偏心问题,用线性矩阵不等式(LMI)方法设计了用于轧辊偏心补偿控制的H∞输出反馈鲁棒重复控制器,首先引入动态输出反馈来保证闭环系统的鲁棒稳定性,把重复控制器设计问题转化为H∞动态反馈控制器的设计问题,采用变量替换法将非线性矩阵不等式转化为线性矩阵不等式并对其求解进而得到控制器参数.另外在采用上述控制器保证系统鲁棒稳定性的同时,通过在重复控制器中引入一个前向系数进一步改善和提高系统的动态性能与稳态控制精度.理论证明与仿真研究表明当系统对象参数存在摄动时,这种控制器仍能有效地补偿轧辊偏心对产品质量的影响.     

用IGA优化的直流电机的仿人智能控制

讨论了当前足球机器人运动控制系统的控制算法对足球机器人运动性能的影响。在分析了足球机器人运动控制系统组成和电机数学模型的基础上,对足球机器人运动控制器采用多模态控制的仿人智能控制(Human-Simulated Intelligent Control,HSIC)算法,利用改进的遗传算法(Improved Genetic Algorithm,IGA)对仿人智能控制器参数进行优化。通过与目前普遍采用的常规PID控制器作对比实验,表明采用IGA参数整定后的HSIC控制器对电机具有更好的控制品质,并改善了足球机器人的运动性能。     

预测控制偏差区间的一种工程化处理方法

将被控变量的约束区间分为大小两种偏差区,并设计了调整偏差区大小的参数.当被控变量位于大偏差区时,连续调整控制率使控制作用加强,以便被控变量尽快回到小偏差区,从而加快控制系统的调节过程.控制作用从小偏差区过渡到大偏差时是连续变化的,避免了控制作用的跳变,消除了在大小偏差区交界处的震荡现象.仿真结果表明,在模型存在不确定性情况下,该工程化处理方法可使控制系统的动态性能明显改善.     

基于时间尺度的Boost变换器自抗扰控制

以Boost变换器的控制策略为研究对象,将自抗扰控制技术应用到Boost变换器的控制策略中,使被控系统不但具有良好的动态特性,而且对参数变化具有较强的鲁棒性.同时针对自抗扰控制参数难以整定的特点,介绍了自抗扰控制的参数整定基本原则,对Boost变换器进行自抗扰控制仿真,并和PID控制进行对比.最后,用时间尺度概念对Boost变换器的自抗扰控制进行参数整定.仿真结果验证了该方法确实可行.     

基于D分解的分数阶PID控制器的图形化参数整定

针对二自由度分数阶PID控制器设计的参数多,结构复杂等复杂问题,提出了一种基于D分解法和主导极点配置的新型参数整定方法。其基本原理首先基于动态响应指标约束进行主导极点配置,在确保闭环系统的响应特性良好的条件下确定系统超调量和调节时间,由此经过转换得到未知参数之间的函数关系。其次,使用D分解法,将未知参数在不影响的控制性能的条件下由多减少,再由相关参数取得系统性能稳定的参数域中优化,最后以差分进化算法为导向,以两种方法取得的相关约束条件为指标取得最优控制器参数,在确保所选极点的优势下使所设计的控制器达到理想的控制性能。最终,将所设计的控制器通过应用在整数阶和分数阶被控对象上,使用仿真验证新方法的鲁棒性和快速性,同时也表现了新方法的有效性和实用性。     

一种基于神经网络的数据驱动参数整定法

针对难以建立较准确数学模型的非线性被控对象,提出了一种基于神经网络的数据驱动控制器参数整定法.其设计思想是结合虚拟目标值和神经网络,跳过被控对象,直接得到控制器.此外,利用李亚普诺夫理论证明了神经网络的学习速率在一定范围内可以保证控制器的跟踪误差收敛,并且利用虚拟参考反馈整定(VRFT)算法中的滤波器,结合泰勒展开式,进一步验证了闭环控制系统的稳定性.仿真表明,该方法具有计算负担小,采用数据量少,调节参数方便,强跟踪性等优点.     

基于粒子群优化的一类模糊控制器设计

针对一般模糊控制器存在稳态性能与动态性能之间的矛盾,提出一种参数自整定模糊控制器.该控制器结构简单,算法简便,具有良好的动态特性,能有效消除静态偏差,且有一定的鲁棒性.为避免模糊控制器设计中参数调试的复杂性,获得最佳的控制性能,应用改进的自适应粒子群优化算法对模糊控制器参数进行优化设计.通过典型的被控对象的仿真研究,验证了所提出算法的有效性和适应性以及所设计控制器的优越性.