自适应遗传PID控制算法在球杆系统中的应用

设计基于遗传算法的自适应PID控制器，建立球杆系统机械部分模型、角度模型和电机模型，得到整个球杆系统的数学模型；通过在线整定控制器参数，提高球杆系统的控制性能。仿真实验结果证明了自适应遗传PID控制效果良好，适应能力较强，具有算法简单、参数整定容易等。     

基于改进Elman网络的自适应预测函数控制

基于改进Elman网络的自适应预测函数控制算法，使用网络作被控对象的预测模型，按实际输入输出数据建立对象的网络预测模型(NPM)．当预测误差大于规定值时，在线修正对象数据NPM权值，使其准确反映对象的动态特性，将预测误差控制在规定范围．以电液伺服舵机为对象仿真，选择合适网络结构、权值初值和学习速率，自动修正网络权值以适应变化的被控对象，实现了快变过程的鲁棒控制．     

小型涵道风扇式无人机自适应预测控制律设计

针对预测控制在模型不确定和非渐进稳定系统中的应用问题,结合预测控制和简单自适应控制方法,分内外回路设计了一种改进的小型涵道风扇式无人机姿态预测控制律。仿真结果显示,被控无人机姿态可快速跟随指令输出,各控制通道的耦合作用被消除,在被控对象模型的参数发生变化时,DMC(dynamic matrixcontrol)预测控制器依然有效。该控制方法具有较强的鲁棒性。     

基于遗传算法的一类碟形飞行器的控制研究

为了改善传统PID控制器的控制效果，简要介绍了自适应在线遗传算法整定PID参数的控制方法,并将其应用于一类碟形飞行器的纵向控制系统中，仿真结果表明，采用自适应在线遗传算法整定的PID控制器具有良好的控制品质。     

鱼雷PMBLDCM在线智能PID控制器建模与仿真

针对应用于新型鱼雷武器中的永磁无刷直流电机（PMBLDCM）转矩脉动较大引起的噪声和振动等问题,设计了离线训练与在线训练相结合的智能比例积分微分（PID）控制器。首先,通过分析被控对象负载扰动大的特点,利用人工神经网络建立了自校正调节器,将其与传统的PID控制器相结合,通过在线调节PID参数以达到最优的控制效果;其次,在Simulink中搭建了在线智能PID控制系统模型并进行了仿真试验。仿真结果表明,在线智能PID控制器具有较好的适应性和鲁棒性,系统具有良好的动态响应性能。     

基于全部参数自适应Smith预估补偿的永磁同步电机滑模前馈控制及扰动抑制

在永磁同步电机控制系统中,逆变器的延迟效应会降低系统的跟踪性能和稳定裕度。引入Smith预估补偿器可以补偿延迟环节对系统性能的影响,但Smith预估补偿器要求延迟时间和被控对象模型参数已知,这不符合实际情况。为此提出时变模型自适应预估方法,分别对延迟时间和被控对象模型参数进行自适应估计,实现Smith预估补偿器的全参数自适应。设计基于位置输出超前值预测和扰动抑制的滑模前馈控制器,与全参数自适应Smith预估补偿控制相结合,确保控制系统的全局稳定,降低系统对参数不确定的敏感性,并提高系统的抗扰性。仿真结果表明,与传统及多种改进的Smith预估补偿方法相比,该方法有着更高的跟踪精度,即使在非理想条件下,对参数不确定依然具有较强的鲁棒性,对随机扰动依然具有较强的干扰抑制能力。     

CMAC神经网络在电动伺服摩擦补偿中的应用

基于CMAC神经网络的电动伺服摩擦补偿控制器用微分方程描述被控对象并建立其模型.控制器以系统动态误差作为CMAC的输入,用CMAC的输出与系统总输入之差调整权重.学习中,CMAC初始状态权重值为0,将误差期望值与系统当前误差量化后作为地址输入CMAC.计算CMAC的输出,然后与控制器输出相加得到系统总控制输入并进行控制.实验表明经在线学习补偿被控对象的非线性,使系统具有较强的自适应和鲁棒性.     

极点配置多模型预测函数控制在制导炸弹控制系统中的应用

针对非线性系统,结合多模型预测控制和极点配置预测函数控制,提出了极点配置多模型预测函数控制方法,并将这种方法应用到制导炸弹控制系统中去。仿真结果表明,当被控对象参数变化时,这种方法具有较强的自适应能力,比常规的控制方法具有更好的控制效果。     

航空发动机自适应神经网络PID控制

普通PID控制器以其简单、实用、易于实现，在经典控制中倍受青睐。对于像航空发动机这样复杂的非线性系统，基于对象精确数学模型的PID控制方法的自适应性较差，难以适应具有非线性、时变不确定性的被控对象。神经网络的建立为这种问题的解决奠定了基础。文中针对航空发动机难于建立精确数学模型的特点．采用了航空发动机自适应神经网络PID参数控制方案，仿真结果表明自适应神经网络PID控制不仅不依赖于精确的对象模型．而且具有满意的动、静态性能。     

基于神经网络与自适应控制的自动驾驶仪设计

针对弹体作为制导系统控制对象的时变非线性特点,应用间接神经网络模型参考自适应控制理论,采用两个BP网络设计了导弹自动驾驶仪,其中一个用来对系统动态特性进行辨识,并利用辨识得到的信息,采用控制网络对系统进行控制.对所设计的自动驾驶仪进行了系统仿真,结果表明,被控弹体很好的跟踪了参考模型的输出.