基于Lbest PSO和NNs的电液伺服系统输出力PID控制研究

为了实现电液伺服系统输出力的稳定控制,结合局部最优粒子群优化算法和神经网络模型,提出一种PID控制器设计方法。该方法将神经网络模型(NNS)与PID控制器耦合,得到基于神经网络的PID控制器参数整定结构;再采用局部最优粒子群优化算法(Lbest PSO)确定神经网络的权重,从而得到基于局部最优粒子群优化算法和神经网络的PID控制算法;最后将提出的PID控制算法用于控制虚拟的电液伺服加载系统,以进行仿真实验。仿真结果表明,由该PID控制器控制的电液伺服系统的输出力平稳地收敛于给定力,从而提高了系统的稳定性。     

基于BP神经网络的PID控制器在伺服系统中的应用研究

针对经典PID控制的参数不能在线调整的缺陷,提出了一种基于BP神经网络的PID控制算法,利用BP神经网络比较强的学习能力实现了PID控制参数的在线调整和优化,并对其在伺服系统中的应用进行了仿真。仿真结果表明该算法优良,加快了系统响应速度,减少了超调量,适应于非线性系统。     

BP神经网络模型预测控制算法的仿真研究

为克服被控对象参数变化导致控制精度降低的问题,研究了一种BP神经网络模型预测控制算法。借助最小二乘递推算法在线预测系统模型参数,利用BP神经网络在线预测PID参数以控制被控对象。该算法基于模型预测,首先在线性系统中验证其控制效果,然后将非线性问题作线性处理,采用BP神经网络模型预测PID控制器予以实现控制非线性系统。仿真曲线显示BP神经网络PID控制器用于线性系统可达到高精度控制要求;对于非线性系统有自适应及逼近任意函数的能力。仿真研究表明,该算法与传统BP神经网络PID控制器相比,其自适应能力更强,稳定性更好,控制精度更高。     

神经网络预测控制算法及其应用

针对电站中具有大惯性和变参数等特性的主汽温系统，提出了一种神经网络预测控制算法。该方法是用神经网络来实现预测控制算法中的模型预测和优化计算。将这种算法用于主汽温控制的仿真研究表明，该控制方案表现出良好的控制品质并能适应被控对象参数的变化，具有较强的鲁棒性和自适应能力。它明显优于传统的PID控制。     

基于BP神经网络的贴片机运动精度控制

将BP神经网络PID控制方法应用于贴片机运动精度控制器设计;针对传统PID控制器参数难以整定等问题,提出了BP神经网络和PID控制器相结合的方法,该方法既有常规PID控制器结构简单的特点,又有BP神经网络自适应、自学习以及逼近任意函数的能力;首先根据伺服电动机的工作原理建立了电枢控制伺服电动机模型传递函数,在此基础上建立了贴片机单关节轴位置控制器模型传递函数;其次描述了BP神经网络和PID控制器相结合的控制模型,并对具体的控制算法进行了定义;最后利用MATLAB仿真工具对贴片机单关节位置控制进行了仿真;仿真结果表明,结合BP神经网络的PID控制系统提高了系统的稳定性、快速性和动态性能并获得很好的控制效果。     

主动磁悬浮轴承的神经网络自适应稳定性控制

针对主动磁悬浮轴承本质非线性和开环不稳定的系统特征,设计了一种BP神经网络自适应PID控制器。该控制器采用改进的BP神经网络PID控制算法,通过BP神经网络的自学习和权值调整寻找最优的PID参数,克服了常规PID控制参数整定困难的缺陷,实现了系统的自适应控制。通过MATLAB/Simulink环境和S-Function模块建立了主动磁悬浮轴承控制系统模型,并进行了系统仿真实验,结果表明,BP神经网络自适应PID控制系统响应速度更快,具有更好的动态性能和稳态性能。     

基于神经网络的橡胶硫化控制系统

提出一种基于神经网络的橡胶硫化控制方案,通过RBF神经网络辨识对象模型, 并设计了基于BP网络的PID控制算法.仿真结果表明, 该系统能够适应硫化过程的非线性及时变特性.     

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。     

基于BP神经网络的PID控制研究

PID控制算法是工业控制领域中应用广泛的控制算法,但在实际应用中其参数整定问题一直是一个尚未很好解决的难点.为了解决控制参数整定,改善系统性能,利用BP神经网络技术应用到PID控制器中.通过建立三层神经网络模型,在控制过程中按照梯度下降法修正神经网络的权系数,实现PID神经网络的自学习和逼近任意函数的功能,在控制过程中根据变化实时调整PID的三个控制参数,从而进行PID控制参数的在线整定.仿真结果表明,引入了BP神经网络的PID控制系统,提高了动态性能,增强系统稳定性和快速性,并获得更好的控制效果.     

基于微分器与神经网络的PID控制算法研究

在工控系统微分器设计优化问题的研究中,由于在工业生产实践中,传统PID参数整定方法难以得到合理优化的PID参数,传统增量式PID控制存在抗干扰性较差、控制精度不高的问题.针对上述问题,提出了基于跟踪微分器与神经网络的PID控制算法.对跟踪微分器的原理进行了阐述,通过跟踪微分器实现位置信号滤波与速度信号求解;对增量式自适应PID控制算法进行了改进.在上述基础上,构建了基于微分跟踪器与神经网络的PID控制器.对控制算法进行了仿真,仿真结果表明,提出的控制算法具有抗扰动能力强、控制精度高等优点.     

基于快速反射镜的自适应控制算法研究

捕获、跟踪和瞄准(ATP)系统是进行高速大容量激光通信的核心,在长距离激光通信中大气等外界扰动产生的光斑抖动严重影响了激光通信终端间的精确对准,大大降低了通信链路的稳定性和通信质量.为抑制光斑抖动造成的影响,提高对目标的跟踪精度,提出一种改进的快速反射镜(FSM)控制方法.分析了自适应控制和常规比例-积分-微分(PID)控制的特点,并论述了结合两种算法进行复合控制的优势,根据李雅普诺夫(Lyapunov)理论提出参考模型自适应PID控制算法,并对常规PID和参考模型自适应PID复合控制算法进行仿真分析和对实际光斑抖动的闭环跟踪实验.实验结果显示:自适应PID控制器获得的超调为2％,上升时间为3 ms,跟踪精度优于2μrad,全面优于常规PID控制算法.与传统PID控制相比,文中提出的控制算法对抑制光斑抖动具有更好的控制效果.     

PID-DMC算法及其在液位控制系统中的应用

提出了一种新的带PID校正环节的DMC算法，论述了其原理并将其应用于实际液位控制系统，实现了系统在模型失配明显的情况下对二阶液位对象的有效控制。由于控制阀的非线性特性使得本实验中的液位对象具有时滞弱非线性特性，常规DMC算法控制存在明显的模型失配问题并影响了系统的控制性能。为此在常规DMC算法中引入PID环节，从而得到了一种新的PID—DMC算法。实验结果表明该算法能有效改善系统在模型失配情况下的控制性能，且算法简单易行，在线计算量小。     

神经网络PID在PLC系统控制中的应用研究

针对传统的PID算法由于难以给出精确的数学模型,使得系统参数设定困难,同时系统控制效果上存在一定的缺陷,造成系统安全性和可靠性降低,系统控制质量不高。为了解决传统的PID算法所带来的问题,提出了基于模糊神经网络的PID算法,将PID算法、模糊控制算法以及神经网络算法相结合,形成了一种智能控制算法。将算法应用在PLC控制系统中,实验表明算法有效的实现了PID参数的自整定,并且提高了控制质量,具有一定的实际应用推广价值。     

改进Smith控制与RBF单神经元PID的换热器控制系统

为了高效控制工质出口温度,维持换热器稳定运行,针对Smith预估控制算法及径向基函数(RBF)神经网络辨识单神经元比例-积分-微分(PID)控制算法特点,提出了Smith控制算法和RBF神经网络辨识单神经元PID相结合的控制策略,对Smith控制算法在结构上进行了改进,以提高RBF神经网络辨识单神经元PID控制的抗干扰能力,减少Smith控制算法对模型的依赖程度.仿真分析表明:应用于换热器工质出口温度控制系统,改进算法控制性能显著优于其它控制方法,抗干扰能力得到了大幅提高.     

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。     

基于神经模糊PID控制的四旋翼飞行器算法

四旋翼飞行器在执行任务时经常会出现稳定姿态精度低,抵抗干扰能力差等问题,提出一种神经模糊PID控制算法来调整原有模糊PID控制的模糊规则和隶属度函数,将设计的神经模糊PID控制算法与建立的四旋翼飞行器动力学模型相结合.为了验证神经模糊PID控制器的有效性,将传统PID、模糊PID控制算法作为对比算法,同时给定人为干扰因素.经过Matlab/Simulink仿真实验表明:在神经模糊PID控制下的四旋翼飞行器,具有较好的响应速度,稳态精度及更好的抗干扰能力,控制效果均优于对比算法.     

深度确定性策略梯度与模糊PID的协同温度控制

针对现有温度控制系统控温时间长、误差大的问题, 本文提出了一种基于深度确定性策略梯度(DDPG)和模糊自整定PID的协同温度控制. 首先, 模糊PID在控制大滞后系统时, 控制器不能立刻对产生的干扰起抑制作用, 且无法保证大滞后系统的稳定性等问题, 本文建立了模糊PID和DDPG算法相结合的温度控制模型, 该模型将模糊PID作为主控制器, DDPG算法作为辅助控制, 利用双控制器模型实现温度协同控制. 接着, 利用遗传算法对模糊PID的隶属函数和模糊规则进行寻优, 获得模型参数最优解. 最后, 在仿真实验中验证所提方法的有效性. 仿真实验结果表明, 本文提出的算法可有效减少噪声干扰, 减小控制系统的响应时间、误差和超调量.     

非线性离散系统的自适应PID控制器

针对非线性离散系统设计了利用TSK(Takagi Sugeno Kang)模糊模型的自适应PID控制器。利用模糊模型预测控制信号误差,通过控制信号误差自适应PID控制器参数。比较系统输出和模糊模型输出自适应模糊模型的参数。该方法可以弥补系统参数的模糊性、数学模型的模型误差和系统参数的变化。非线性离散系统的仿真实验验证了所设计的自适应PID控制器对非线性离散系统控制的有效性。     

基于复合前馈模糊PID的位置伺服系统研究

在现代伺服控制系统中,PID控制在响应速度和位置跟踪精度方面存在不足。针对此种不足,提出了一种基于复合前馈模糊PID的控制算法。同时,使用该算法建立了控制系统的数学模型和策略,并使用Matlab和TMS320F28379D控制器搭建了系统仿真模型进行实验验证。实验结果表明,该复合模糊控制算法具有快速响应、准确、无超调等特性,满足机器人等伺服控制场合需要。