基于BP网络的PID整定控制

基于三层BP网络的PID的整定控制器,将输出层神经元输出状态对应于PID控制器的比例、积分、微分参数.先确定输入层和隐含层节点数、给出各层权值初值、选定学习速率和动量因子、学习参数等,再计算采样时刻误差、各层神经元的输入输出、PID控制器输出.通过神经网络的自学习、实现PID控制参数的自适应调整.仿真表明该神经PID控制器在三参数自调整、控制量变化、减小误差等方面具有优势.     

基于并行控制的交流伺服系统控制

针对一般的大口径火箭炮交流伺服系统调控方法难以达到较好性能的问题,提出一种RBF神经网络-单神经元PID自校正控制方法.针对上述算法自适应能力不强的问题,引入一种并行复合控制策略,以RBF神经网络和单神经元PID做并行控制,通过半实物仿真分别对RBF神经网络PID自校正控制器和并行复合控制器的性能进行试验验证.仿真结果表明:采用并行复合控制的火箭炮伺服系统反应速度更快、稳定性更强、精度更高,能够更好地满足火箭炮交流伺服系统的性能指标要求.     

基于RBF网络的微分先行PID控制器

将微分先行PID控制算法和径向基函数(RBF)神经网络结合,提出基于RBF神经网络的微分先行PID控制器.其微分先行PID控制器直接对被控对象进行闭环控制,实现参数在线自调整.RBF结构神经网络则根据系统的运行状态,利用神经网络的自学习自适应能力调节PID控制器参数的在线自整定,达到误差性能指标最优化.Matlab仿真表明,该控制方案不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好.     

人工神经网络在运动控制中的应用

介绍了人工神经元模型与神经网络基本结构。阐述了多层前向网络的工作原理及误差反转（BP）算法,探讨了用于运动控制的单神经元PID控制器的结构与基于BP网络的模糊自适应PID控制,给出了由传统PID控制器,模糊量化处理,系统辨识神经网络NNM和系统控制网络NNC组成的基于BP网络的模糊自适应PID控制器结构,并讨论了人工神经网络在运动控制领域中应用的发展趋势。     

参数自适应教与学优化分数阶PID控制器设计

本文针对分数阶PID控制器调节参数多、人工调参难度较大的问题,提出了参数自适应教与学优化分数阶PID控制器设计方法。分数阶PID控制器参数寻优过程引入种群适应度方差表征种群的“聚集程度”,将影响算法收敛速度和收敛精度的教学因子设计成种群适应度方差的函数,使其在算法迭代过程中根据种群的“聚集程度”自适应调节算法收敛速度。当种群聚集程度高时,提高教学因子取小值的概率,增强种群的多样性;当种群聚集程度低时,提高教学因子取大值的概率,提高算法的收敛速度。通过仿真验证,本文提出的参数自适应分数阶PID控制器控制整数阶系统、分数阶系统均可获得优良的控制效果,与参考文献设计的控制器相比在动态性能上有显著提升,参数自适应分数阶PID控制器较整数阶PID控制器在响应速度上提高69.8%,超调量减少92.6%,稳态误差减小32.4%。     

大时滞过程的自整定PID控制器

大时滞过程的自整定PID控制器,采用基于内模控制策略的继电型PID自整定.通过继电反馈辨识方法获得被控对象模型参数.该控制器由等效扰动信号、被控对象、对象模型、内模控制器、反馈滤波器及参考输入滤波器组成.其仿真结果表明:该方法不仅具有良好的鲁棒性,而且调节快速,参数整定方法简单,适合工程应用.     

模糊控制在单磁铁悬浮系统中的运用

针对常规的基于控制表查询的模糊控制器在动态控制过程不够平滑，而稳态时存在控制死区现象，提出一种论域嵌套和自调整因子规则算法的模糊控制，其在模糊控制策略中引入积分环节，构成Fuzzy—PI（或PID）复合控制。该复合控制策略在大偏差范围内采用模糊控制策略，在小偏差范围内转换为PID控制，由此消除稳态误差。     

基于神经网络的预测控制

基于神经网络的预测控制器由神经单元自适应PID控制器和基于神经网络的Smith预估器组成.预估器对输出进行多步预测,使控制器超前动作以消除时滞对系统的影响.自适应PID控制器通过有监督的Hebb学习算法实现其权值调节,通过权系数的在线调整实现自适应控制.并以仿真试验给予了验证.     

导引头预定回路单神经元PID控制研究

为提高导引头预定回路的动态性能,提出一种基于Hebb规则的改进单神经元PID控制算法。首先,将传统PID控制与单神经元学习规则相结合,从而实现了参数的在线调节,获得了更好的动态性能;其次,选择误差平方作为优化指标,并在负梯度搜索算法中引入惯性项,设计了基于Hebb规则的改进单神经元PID控制算法。仿真结果表明,改进的控制算法在快速性方面优于常规的单神经元PID控制,并且有较好的鲁棒性和抗干扰性。     

基于神经元的倒立摆双闭环PID控制

研究了神经元PID控制器的设计,通过对控制对象的模拟设计,简化了控制器及控制系统的设计过程.在此基础上,提出一种将神经元PID与常规PID相结合的控制方法,并给出了系统参数的整定方法,降低了参数调整的复杂程度,且有效的解决了其它方法中出现权值修正错误的问题[1].最后,将其应用于单输入多输出系统--倒立摆的稳定.仿真实验及实际系统实验表明,文中提出的控制方法实时性好,鲁棒性强,适于实际应用.     

火箭炮射向的智能风速修正测控系统

为了减小风对火箭炮命中率的影响，设计了一种火箭炮射向的智能风速修正测控系统。该系统由风速检测和智能控制两部分组成。风速检测是在风杯风速仪的基础上利用光电传感器进行检测，光电传感器排列成半圆形阵列，机械装置指针的不同指向，使光电传感器阵列输出不同的电压信号。智能控制部分采用灰色预测算法对测量结果进行智能处理以及灰色预测，借助PID控制算法对火箭炮瞄准系统进行延时控制，修正了火箭弹在横风作用情况下的落点偏差，并使火箭炮发射系统的瞄准修正时间大大缩短，改善火箭炮发射系统的性能。     

PID专家控制器在温控系统中的应用

以单片机为核心的制袋机温度控制系统采用了基于专家智能与PID相结合的专家控制器,利用专家系统知识库输出修正PID参数以改变PID控制方式.据对象特性设计了99条控制规则,并将各种规则的调整方法及调整参数存于控制器.用改进积分法控制温度波动以达到最佳PID控制效果.     

共轴双驱型开闭比调节装置控制系统

针对风洞试验段搓板机构存在的"动板"错动困难、定位精度不高、重复性较差和不利于人员现场检查动板错动情况等问题,研制一种通用运动自动控制器+交流伺服系统的控制系统。按照技术指标和要求,控制系统将驱动电机更新为交流伺服电机,位置控制采用UMAC的速度/加速度前馈PID控制算法、同步控制采用交叉耦合同步策略。结果表明:该系统稳定可靠,正反向定位精度优于0.5 mm,同组中2台电机的同步效果良好,达到设计指标要求,并已成功应用于风洞试验段的流场调试。     

边界层风洞控制系统

边界层风洞控制系统采用IPC完成直流电机调速装置、迎角机构和转盘机构、交流伺服驱动装置的自动控制.通过测量风洞试验段内流场的动压,校正温度后,实时计算实际风速值,并与给定风速值相比较,用PID调节风速实现闭环控制.可编程控制器发送指令,采集调速装置状态和控制器件应答信号,处理电机控制系统开关量信号并与计算机系统交换信息.     

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。     

基于模糊控制的智能风力发电机机舱控制

基于模糊控制的智能风力发电机机舱控制系统,主机采用单片机模糊控制器80C552.其一并行口将系统输出给LED数码管,另一并口输出给功率放大器.系统通过中央处理单片机调整系数,并结合控制表,当风速或风向偏离设定值时,风力发电机自动停机并脱离电网.当传感器检测到信息在设定值时,系统将会比较本次与上次信息,得出风速和风向的误差值,进行模糊控制.     

基于灰预测模糊PID的随动系统负载模拟器力矩控制研究

为了抑制多余力矩的幅值,提高随动系统负载模拟器加载力矩的控制精度,提出了一种基于灰预测模糊PID的力矩控制器。由灰模型根据力矩传感器测量数值序列的变化趋势,预测加载力矩的未来数值,并以此预测值作为力矩控制器的运算依据。力矩控制器在大误差时采用Bang-Bang控制,小误差时采用模糊PID控制;同时引入伸缩因子,根据误差大小动态调整输入变量的论域,以增强模糊控制器的控制能力。仿真分析和实验结果表明,与传统的PID控制相比,所提出的控制策略能够将多余力矩的幅值进一步削弱接近1/2,可以用于随动系统的动态力矩加载控制。     

基于模糊神经网络的非线性系统辨识

基于神经网络的预测控制器由神经单元自适应PID控制器和基于神经网络的Smith预估器组成.预估器对输出进行多步预测,使控制器超前动作以消除时滞对系统的影响.自适应PID控制器通过有监督的Hebb学习算法实现其权值的调节,同时通过权系数的在线调整实现自适应控制,提高自适应能力.