智能PID参数自整定技术在伺服系统中的应用

针对常规PID控制参数整定困难,且受时变、非线性等因素影响而不能达到预期控制效果的实际情况,提出了RBF网络动态辨识的BP神经网络PID参数自整定算法.此算法可实现PID控制参数的在线自整定和优化;同时,将算法应用于伺服控制系统中,以VC++6.0和Matlab为开发和仿真工具,对动态辨识神经网络智能PID参数自整定方法进行仿真研究.仿真结果表明,控制算法鲁棒性强、响应速度快,可用于控制参数时变的非线性系统.     

基于PLC的矿井排水系统的模糊-PID设计

针对水泵系统具有非线型、大时滞的特点,将参数自整定模糊PID控制算法应用于水泵系统,利用模糊逻辑进行在线参数自整定的Fuzzy-PID控制.通过对PID参数进行在线自动调整,实现水泵系统自动控制.仿真结果和实际应用表明:采用参数自整定的Fuzzy PID控制,系统具有较强的鲁棒性和良好的稳定性.     

羰基合成模式评价装置温控器的算法研究

以羰基合成模式评价装置的温度控制系统为研究对象,针对加热系统存在的惯性、纯延迟、非线性、热耦合等特性,提出将模糊控制、PID控制及纯滞后控制算法有机地结合起来实现加热系统的模糊自整定PID参数的Smith预估控制策略,以实现温度的高精度控制.并运用MATLAB对研究结果进行了仿真,结果表明该控制策略自适应能力、控制品质和鲁棒性明显优于常规Smith预估控制.     

水下推进器控制系统设计

水下推进器控制系统是复杂、非线性、时变、耦合且对控制策略要求很高的控制系统,常规PID控制很难满足控制要求.针对水下螺旋桨型推进器控制系统提出了一种经改进的模糊PID参数自适应整定控制方式,并利用MATLAB/Simulink软件平台进行了建模与仿真.仿真结果表明,模糊PID参数自适应整定控制的控制效果明显优于常规PID控制和单纯的模糊自适应控制方式.经比较和分析得知,所提出的控制算法具有良好的鲁棒性和实时性,从而验证了改进控制算法的可行性和有效性.     

参数自整定PID控制器设计与仿真

对于工业控制领域中的系统普遍存在非线性、时变的特点,采用传统PID作为控制器很难获得满意的控制效果,而神经网络具有任意非线性逼近能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制。设计了基于BP网络整定PID参数的控制器,该控制算法只需粗略给出PID参数便可以根据系统性能自动寻优调整。利用MATLAB软件得到的仿真结果表明,该控制策略可以达到满意的控制效果,且具有很强的鲁棒性和自适应能力。     

基于最优Oustaloup的分数阶PID参数整定

目前工程控制中大部分系统采用传统PID控制,由于分数阶PID继承了传统PID的优点,并且具有更好的控制品质及更强的鲁棒性,因此针对分数阶微积分的高精度数字实现及分数阶PID控制器在工程复杂系统中的实际应用,提出一种新的分数阶微积分高精度数字实现算法-最优Oustaloup数字实现,并建立控制系统的仿真模型,利用框图式模型结合最优ITAE性能指标来整定分数阶PID的参数。通过实例仿真验证,该方法能进一步优化控制器参数,提高控制精度及获得更好的控制效果,便于非线性系统及复杂系统的分数阶PID参数整定。     

非线性系统的蚁群优化预测PID控制

针对非线性、时变及大惯性系统的控制问题,提出了一种基于蚁群算法的预测PID控制算法。该算法以神经网络作为预测模型,将预测控制和PID控制相结合,并用蚁群算法在线优化控制器参数,其中以常规的Ziegler-N ichols方法整定的控制器参数为基础,选取蚁群优化变量的动态搜索区间。该算法考虑了控制能量受限情况下,非线性系统的预测控制问题。计算机仿真结果表明,该非线性控制方案具有较好的鲁棒性,相对传统PID控制策略还表现出了良好的动态性能,能够满足对再热汽温对象的控制要求。     

基于最优预测的神经元模糊自整定PID控制

针对工业过程中普遍存在的时滞、非线性、对象参数时变等特性，提出了一种基于最优预测的神经元模糊自整定PID控制算法。该算法利用最优预测克服时滞，利用神经元学习功能和模糊控制调节神经元增益克服系统的非线性和时变问题。仿真结果表明，该控制算法鲁棒性强、响应速度快，具有工业控制应用价值。     

基于RBF网络自整定PID控制的改进算法

针对工业过程控制中存在的非线性,时变性以及各种不确定性,在已有的RBF网络整定PID控制的基础上,提出了一种改进的整定控制算法。先用RBF神经网络在线辨识被控对象离散模型,得到对象关于控制器输出的Jacobian信息,然后用Levenberg-Marquardt算法代替传统的梯度法对PID参数进行整定,得到改进的整定控制算法。通过对锅炉汽包水位控制系统的仿真研究,验证了算法的有效性和优越性。该控制算法提高了控制系统的快速性、鲁棒性,有一定的实用推广价值。     

SR电机模糊自整定PID控制器设计与仿真

针对开关磁阻电机的非线性、时变和强耦合性,提出了模糊自整定PID的调速控制策略.在分析SR电机非线性数学模型的基础上,将速度偏差和偏差变化率作为控制器输入,PID的三个控制参数为输出.利用模糊规则对PID参数进行在线修改,实现PID参数的自动最佳调整.通过将MATLAB中的Fuzzy Toolbox和SIMULINK有机结合,实现了基于模糊自整定PID控制器的开关磁阻电机调速系统仿真,并进行了传统PID控制与模糊自整定PID控制的仿真比较.结果表明:模糊自整定PID控制器能够明显改善系统的调速性能,具有较强的鲁棒性,并且计算量少,易于实现,便于工程应用.     

基于蚁群算法的航空发动机PID参数优化

提出一种基于蚁群算法的PID参数优化控制算法,对航空发动机的双变量解耦控制方法进行了研究.蚁群算法采用分布式并行计算机制,易于与PID控制方法结合,优化后的控制器克服了传统的PID控制参数不易整定的缺点,且控制器结构简单规范、动态和静态性能良好,具有较强的鲁棒性.仿真结果表明该控制系统实现了解耦控制,对航空发动机模型参数在大范围内的变化均有良好的控制效果.     

一种非线性PID控制算法的仿真研究

研究PID控制系统优化问题,工业控制被控对象均具有非线性、时变和大时滞性,引起系统的品质性能差,传统的线性控制难以达到所要求精度。为了提高系统控制精度,利用PID控制器各增益参数与偏差信号间的非线性关系,提出一种非线性PID控制算法。首先将PID参数转化为优化问题,然后采用粒子群算法的全局、并行搜索能力对非线性控制参数进行求解,得到一组最优的PID控制参数。仿真结果表明,相对于传统线性PID控制,非线性PID控制器超调小,调节时间短,并提高了控制精度,有效解决了传统PID难以准确控制非线性对象的难题。     

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。     

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。     

基于遗传算法的锅炉水温PID控制寻优

遗传算法相比传统调节方法具有更好的鲁棒性和最优性。结合锅炉动态水温单回路控制系统的PID参数整定与优化问题,采用遗传算法对其参数进行优化。仿真结果表明,这种优化算法加快了收敛速度,有效提高了系统的全局稳定性,增强了PID控制器的鲁棒性。     

基于蚁群算法的真空烧结炉最优PID温控系统

蚁群算法是一种新型的优化算法,具有收敛速度快、鲁棒性强等优点;针对真空烧结炉大惯性、大滞后性、非线性和时变性等特点,采用常规PID控制难以达到温度的精度控制,论文采用蚁群算法优化PID控制器参数,并给出了真空烧结炉最优PID控制系统设计的方法;该方法以误差绝对值为性能指标,实现了不完全微分PID参数的优化;仿真结果表明,该系统与传统的PID相比,有较好的稳态精度和动态性能,具有一定的科学性和实用性.     

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。     

基于Smith预估的模糊PID主动队列管理算法研究

为解决网络拥塞控制系统中由于网络大时滞对主动队列管理算法产生不利影响的问题,提出了一种基于Smith预估的模糊PID主动队列管理算法.该算法将Smith预估控制与模糊控制相结合,利用Smith预估器补偿网络时滞,同时运用模糊控制在一定程度上克服了传统Smith预估器对模型结构与参数的精确性过于敏感、鲁棒性差的缺点,使主动队列管理算法控制性能有明显提高.仿真实验结果表明,该算法在大时滞的网络环境下能很好地将路由器队列长度收敛于期望值,并能适应突发流和非弹性业务流的干扰,适用于动态变化的网络环境.