主动磁悬浮系统的变论域自适应模糊PID控制

针对主动磁悬浮轴承系统具有强非线性、强耦合、模型不确定等特点,提出了一种变论域自适应模糊PID算法;该方法通过选择合适的伸缩因子,避免了传统模糊PID控制中出现规则爆炸的问题;同时针对传统伸缩因子的函数结构和参数难以确定的特点,设计了基于模糊规则的论域伸缩因子;在SIMULINK环境中对主动磁悬浮轴承系统进行仿真,仿真结果表明,变论域模糊PID算法控制的主动磁悬浮系统具有更好的动静态性能,对外界干扰具有更强的鲁棒性.     

基于感知模糊自适应蚁群算法的非线性PID控制

随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器。由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法,并加入模糊自适应信息素更新机制,用于优化非线性PID控制器的设计方法。通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。     

单相光伏并网逆变系统的模糊PID控制

研究太阳能光伏逆变系统优化控制问题.太阳能作为一种新能源被越来越广泛的应用,太阳能光伏并网逆变系统是一个非线性、时变的系统,传统PID控制很难达到控制系统的性能、精度要求.针对传统PID控制器在控制上的局限性,提出了一种将模糊PID控制代替传统PID控制应用在太阳能系统中的优化控制方法.根据控制对象建立合理的模糊规则表,采用Mamdani模糊算法,建立模糊PID控制器,实现参数的在线优化.在MATLAB软件建立SPWM控制的单相光伏并网逆变系统,通过与传统PID控制器的仿真结果对比,证明模糊PID控制对于光伏逆变系统有更好的控制效果.     

一种新型参数非线性模糊PID控制方法

针对无先验知识的情况下,PID控制器结构和参数难以优化问题,巧妙地将进化规划与PID控制方法相结合,设计了一种直接优化模糊控制器结构和参数的方法。为使待优化的控制器参数较少,以减小计算复杂度,对传统的PID控制器的结构进行了修改,且在控制中不使用量化因子。利用进化规划方法对控制器的结构和参数同时优化,既克服了传统PID参数整定方法依赖于模型和易于限人局部极小的缺点,又避开传统GA方法中不同结构规划基的交叉难实现。实际控制中利用优化后的控制器对系统进行实时控制,算法的运算时间仅为一组规则基的前向计算时间,大大改善了系统的动静态性能,仿真实验证明了文中方法的优点。     

基于ISSA-Fuzzy-PID算法的无刷直流电机调速控制系统

为了使无刷直流电机(BLDCM)从复杂多变的非线性关系中找出最佳PID参数,提出了一种基于改进麻雀算法(ISSA)优化模糊(fuzzy)控制的调速系统。根据BLDCM工作原理及控制方法在MATLAB平台上搭建仿真模型并加入反向学习策略初始化麻雀种群,形成非线性时变控制系统,并将该优化系统与传统PID以及模糊PID(fuzzy-PID)控制系统进行对比分析。仿真结果表明,基于ISSA-Fuzzy-PID的调速控制系统有较快的动态响应,有效增强了BLDCM转速控制的精度和鲁棒性。     

模糊PID控制在电石炉电极控制系统的实现

电石炉电极控制系统是一个非线性的复杂多变的控制系统。传统的PID调节系统在电石炉生产的不同冶炼期调节稳定性差,响应时间慢,降低了生产效率,对生产质量造成了影响。通过剖析传统PID算法调节的局限性和不足,针对电石炉电极电流的非线性,时变性等特点,提出了模糊PID复合控制方法,采用两输入(电极电流偏差及其变化率)三输出(ΔKp、ΔKi、ΔKd)的模糊算法结构,通过专家知识和现场技术经验建立模糊规则,对PID参数(Kp、Ki、Kd)进行在线整定.建立模糊规则是优化PID控制的关键。在不同的冶炼期,通过调整PID参数保证系统的快速响应和稳态性能,弥补了传统PID在非线性、多变系统中的不足,实现了电极的恒电流调节。通过MATLAB/Simulink建立电石炉电极调节系统数学模型,对比传统PID和模糊PID两种方法。仿真结果证明模糊PID复合控制方式在电石炉电极调节系统中具有快速响应和更好的鲁棒性。模糊PID复合控制方式简单易懂,操作方便,快速响应减小了对电网的冲击,优越的鲁棒性延长了电石炉使用寿命,为企业带来利润,易于推广。     

一种新型参数非线性模糊PID控制方法

针对无先验知识的情况下,PID控制器结构和参数难以优化问题,巧妙地将进化规划与PID控制方法相结合,设计了一种直接优化模糊控制器结构和参数的方法.为使待优化的控制器参数较少,以减小计算复杂度,对传统的PID控制器的结构进行了修改,且在控制中不使用量化因子.利用进化规划方法对控制器的结构和参数同时优化,既克服了传统PID参数整定方法依赖于模型和易于限入局部极小的缺点,又避开传统GA方法中不同结构规划基的交叉难实现.实际控制中利用优化后的控制器对系统进行实时控制,算法的运算时间仅为一组规则基的前向计算时间,大大改善了系统的动静态性能,仿真实验证明了文中方法的优点.     

采用遗传优化自适应模糊PID控制球杆系统

为解决球杆系统动态、静态性能不高的问题,提出了遗传算法优化自适应模糊PID控制器的控制方法.该模型在拉格朗日方程建立球杆系统数学模型的基础上,采用遗传算法优化模糊控制规则、隶属函数和自适应PID参数.在GBB1004系统中建立了遗传算法优化后的自适应模糊PID控制器以及控制模型,并对该控制器进行实验验证.实验结果证明了遗传算法优化后的模糊控制器有效地减小了系统的超调量,缩短了系统的调节时间,能够较好地控制球杆系统.     

遗传算法在汽车巡航控制系统中的应用

针对汽车巡航控制系统的强非线性和不确定性,提出了一种基于遗传算法的模糊PID汽车巡航控制方法。结合遗传算法和模糊PID控制各自的优点,分别用遗传算法优化模糊PID控制系统的模糊控制规则、用模糊推理在线整定PID控制参数。仿真结果表明,基于遗传算法的模糊PID控制方案使巡航系统具有更快的响应速度和适应参数变化的能力,它是一种非常有效的控制策略,能够达到较好的控制效果。     

模糊自适应PID算法在磁悬浮实时控制系统中的应用研究

针对磁悬浮系统的复杂非线性及模型不确定的特点,采用模糊PID算法对其进行控制,以满足系统对动态性能和静态性能的要求;结合PID实时控制中的经验,建立合理的模糊规则,模糊推理机构根据不同的偏差e、偏差变化率ec对PID参数Kp、Ki和Kd进行自校正;在磁悬浮实验装置中进行实时控制实验,通过与常规PID控制效果的比较来验证模糊PID控制器的性能;在系统输入存在正弦扰动时,模糊PID控制器使系统响应过程中的振荡幅度得到明显减小,干扰对控制效果的影响被减弱;实验证明,模糊PID控制器具有较强的鲁棒性和抗干扰能力,对于磁悬浮这种非线性系统具有良好的控制效果。     

机器人全局PID模糊滑模跟踪控制与仿真研究

为解决机器人跟踪控制过程中采用PID控制算法会出现抖动和误差的问题,提出了一种机器人全局PID模糊滑模跟踪控制算法.通过将PID滑模控制和模糊控制相结合,设计了全局PID模糊滑模控制;基于模糊规则,对滑模控制增益进行自适应调整,从而消除建模误差和干扰,削弱了控制时产生的抖振,在线调整控制器参数和估计误差,并通过积分来消除外界干扰,因此提高了控制精度.仿真结果表明,与常规的PID算法相比,该方法在处理控制抖动和消除误差以及干扰方面具有极高的鲁棒性.     

模糊控制规则优化方法研究

模糊控制规则的选择是模糊控制器设计的关键问题之一,在现有应用遗传算法优化模糊控制规则的方法进行研究的基础上,以模糊控制规则的完整性和一致性为出发点,提出了一种用遗传算法来优化模糊控制规则的改进算法,具体给出了遗传算法设计中的各种函数和算子的确定,并将优化过的规则用于设计模糊控制器,进行仿真研究,取得了令人满意的效果。     

基于改进模糊神经网络的PID参数自整定

针对传统PID整定控制效果差且单纯神经网络整定存在参数学习和调整困难等问题,提出了一种基于改进模糊神经网络的PID参数整定方法。在该方法中,PID控制器的控制参数采用基于Mamdani模型的模糊神经网络进行自适应整定,模糊神经网络参数采用混沌遗传算法离线粗调和BP算法在线细调的方式进行学习和调整,仿真结果表明该整定策略动态响应快、误差控制精度高且网络中各节点及参数物理意义明确。最后分别从模糊规则数的变化及适应度函数的选取两方面提出两种优化方案,仿真结果表明增加模糊规则数或采用不同的适应度函数都有利于进一步减小控制误差。     

Sugeno fuzzy PID tuning,by genetic-neutral for AVR in electrical power generation

We report a novel design method for determining the optimal proportional-integral-derivative (PID) controller parameters of an automatic voltage regulator (AVR) system, using a combined genetic algorithm (GA), radial basis function neural network (RBF-NN) and Sugeno fuzzy logic approaches. GA and a RBF-NN with a Sugeno fuzzy logic are proposed to design a PID controller for an AVR system (GNFPID). The problem for obtaining the optimal AVR and PID controller parameters is formulated as an optimization problem and RBF-NN tuned by GA is applied to solve the optimization problem. Whereas, optimal PID gains obtained by the proposed RBF tuning by genetic algorithm for various operating conditions are used to develop the rule base of the Sugeno fuzzy system and design fuzzy PID controller of the AVR system to improve the system's response (∼0.005 s). The proposed approach has superior features, including easy implementation, stable convergence characteristic, good computational efficiency and this algorithm effectively searches for a high-quality solution and improve the transient response of the AVR system (7E−06). Numerical simulation results demonstrate that this is faster and has much less computational cost as compared with the real-code genetic algorithm (RGA) and Sugeno fuzzy logic. The proposed method is indeed more efficient and robust in improving the step response of an AVR system.     

自适应模糊PID控制器在跟踪器瞄准线稳定系统中的应用

针对陀螺惯性平台上的跟踪器瞄准线稳定系统中非线性不确定因素对稳定精度的影响, 设计了一种自适应模糊PID复合控制策略. 提出了改进的自适应调整因子和学习算法进行控制参数和规则的在线修正; 采用PID控制克服模糊控制固有的精度盲区. 实验结果表明该方法在一定测量噪声和速度敏感范围内, 能有效地隔离载体扰动,保证跟踪器对目标的准确瞄准, 具有动态响应快、稳定精度高、自适应抗干扰鲁棒性强等特点.     

基于改进QPSO算法的电动汽车模糊控制器参数优化

目前电动汽车常以无刷直流电机（BLDCM）作为驱动器,但BLDCM调速控制系统中模糊控制器的量化因子和比例因子采用传统方法,自调节能力弱,针对该问题提出一种改进QPSO算法（AMF-QPSO）实现对量化因子和比例因子的自适应调节。AMF-QPSO算法以收缩—扩张系数（contraction expansion,CE）控制方式为研究重点,提出粒子活性概念,并以其作为反馈量实现动态自适应调节CE系数; 同时,为防止种群高度聚集,采用精英群体随机交叉学习机制,对部分活性低的精英粒子进行扰动,增强种群后期多样性。最后,通过LabVIEW实验平台,以具体案例验证AMF-QPSO算法性能。实验结果表明,AMF-QPSO优化的模糊PID控制器具有比标准模糊PID控制器和QPSO优化的模糊PID控制器更好的控制性和自适应性。     

自适应神经模糊推理结合PID控制的并联机器人控制方法

针对6自由度液压驱动并联机器人的精确控制问题,提出一种结合自适应神经模糊推理系统(ANFIS)和比例积分微分(PID)控制的机器人控制方法。首先,利用浮动坐标系描述法(FFRF)来模拟机器人柔性组件,并构建并联机器人的拉格朗日动力学模型。然后,根据模糊推理中的模糊规则来自适应调整PID控制器参数。最后,利用神经自适应学习算法使模糊逻辑能计算隶属度函数参数,从而使模糊推理系统能追踪给定的输入和输出数据。将该控制器与传统PID控制器、模糊PID控制器进行比较,结果表明,ANFIS自整定PID控制器大大减小了末端器位移误差,能很好的控制并联机器人末端机械手的运动。     

基于协同进化算法的TS模糊模型设计

提出一种基于协同进化算法的TS模糊模型设计方法．该方法由以下两步组成：（1）采用模糊聚类算法辨识初始的模糊模型；（2）利用协同进化算法对所获得的初始模糊模型进行结构和参数的优化．协同进化算法由两类种群组成：规则前件种群和隶属函数参数种群；其适应度函数同时考虑模型的精确性和解释性，采用两种群合作计算的策略；为提高模型的解释性，在协同进化算法中利用基于相似性的模型简化方法对模型进行约简．最后，利用该方法对Mackey-Glass系统进行辨识，仿真结果验证了方法的有效性．     

A novel design of high-sensitive fuzzy PID controller

A hybrid model is designed by combining the genetic algorithm (GA), radial basis function neural network (RBF-NN) and Sugeno fuzzy logic to determine the optimal parameters of a proportional-integral-derivative (PID) controller. Our approach used the rule base of the Sugeno fuzzy system and fuzzy PID controller of the automatic voltage regulator (AVR) to improve the system sensitive response. The rule base is developed by proposing a feature extraction for genetic neural fuzzy PID controller through integrating the GA with radial basis function neural network. The GNFPID controller is found to possess excellent features of easy implementation, stable convergence characteristic, good computational efficiency and high-quality solution. Our simulation provides high sensitive response (∼0.005 s) of an AVR system compared to the real-code genetic algorithm (RGA), a linear-quadratic regulator (LQR) method and GA. We assert that GNFPID is highly efficient and robust in improving the sensitive response of an AVR system.     

基于模糊PID的整平机姿态控制算法设计与实现

针对目前国内的整平机整平精度低、抗干扰能力弱、动态响应时间长等问题,对整平机姿态控制算法进行了研究,比较并分析了PID控制和模糊控制的优缺点,设计了基于模糊PID的整平机姿态控制算法。在Matlab/Simulink仿真环境下,选定了合适的隶属度函数、模糊推理法和解模糊法,调试得出了使系统达到最优控制效果的模糊规则库。以STM32F407为处理器实现了该算法,在整平机实验平台上进行了姿态控制实验。结果表明模糊PID控制算法能够使整平机平地铲在扰动下保持良好的控制效果,控制精度和响应速度较常规PID有了大幅提升,在农业和建筑业平地系统中具有很强的应用价值。