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。     

航空发动机的CMAC与PID并行控制

提出了一种基于CMAC神经网络与PID并行控制方法，利用传统的PID控制器实现反馈控制．保证系统的稳定性．并抑制扰动；利用CMAC神经网络控制器实现前馈控制．保证系统的控制精度和响应速度。将该算法应用到航空发动机控制中．结果表明．与单纯PID控制算法相比，该算法增强了系统的控制精度，提高了系统的响应速度．并具有较好的抗干扰能力。     

航空弹药PID 自适应控制系统设计

针对某航空弹药飞行特点,在采用传统的 PID 控制器设计方法的基础上,引入一种自适应控制系统方案。该方案采用合理的自适应律,对稳定回路的反馈控制参数进行在线调整,使系统的动态性能和稳态精度满足设计要求。数学仿真表明,在简化模型基础上设计的 PID 自适应控制器,可以应用于非线性复杂弹体的制导与控制系统中。     

浅谈航空发动机的飞行试验台

飞行试验台的由来 航空发动机被称为“飞机的心脏”,是飞机系统中最重要和最复杂的设备,在其研制生产出来后要进行大量试验方能最终实际使用。     

神经网络二自由度PID控制器设计

针对飞行器平尾舵机伺服系统比例校正控制的不足,设计了神经网络二自由度PID控制器.将该控制器应用于舵机伺服系统并进行了SIMULINK仿真,结果表明神经网络二自由度PID控制器具有较好的快速性、自适应能力和抗干扰能力,改善了该型飞机平尾舵机伺服系统的动态性能.     

基于BP遗传算法的PID控制器参数设计

传统的PID控制器在控制系统中应用广泛，它的参数设计是一个广泛研究的课题。基于遗传算法的控制器虽能求取全局解，但是收敛速度慢，而基于神经网络的控制器结构简单、可塑性强，但是容易陷入局部解。文中结合两者优点，提出采用遗传算法的BP神经网络PID参数设计的方法，以达到整体优化的目的。     

基于遗传算法的优化PID控制器设计

提出了一种基于遗传算法优化整定ＰＩＤ控制器的新方法，该方法首先将ＰＩＤ参数整定转化为求解一优化问题，进而应用遗传算法求出优化问题的解。给出了设计实例，并应用所提出的方法对导弹控制系统进行优化设计。     

基于神经网络自适应调整PID控制器的设计

对神经网络自适应调整PID控制器的设计方法进行了探讨，采用神经网络在线辨识系统的输出，再对PID控制的参数进行在线调节，达到良好的控制效果。     

俄联盟航空发动机科研生产联合体发展低成本弹用涡扇发动机

俄罗斯联盟航空发动机科研生产联合体和其它几个研究机构已经研制出了一种用于战术巡航导弹的新型涡扇发动机。据俄罗斯媒体称,R125—300发动机的研制始于1994年,目前演示器模型已经制造出来并进行了试验,飞行试验正在计划之中。     

基于RBF神经网络整定的PID控制器设计

对工业控制领域中非线性系统,采用传统PID控制不能获得满意的控制效果。采用基于梯度下降算法优化RBF神经网络,构建其模型,进而编写M语言程序。以整定PID控制器的参数,使系统输出近似跟踪输入。该方法只需给出粗略的PID控制参数,系统的性能依靠神经网络寻优调整,从而可有效地解决经典PID控制方法中控制参数整定困难的问题,且可克服由PID控制参数整定不准给系统带来的不良影响。     

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.     

高超声速飞行器高阶纵向模型的控制器设计和性能分析仿真

采用高阶模型,对于给定的纵向飞行模型,考察其在巡航飞行状态下,升降副翼偏转的纵向分量出现小扰动时的时间响应,并通过极点配置方法,使用三重PID控制器分别优化它的稳定性、收敛速度和其他飞行性能指标,并对此控制器的效率和适用条件进行了讨论,通过数学仿真证明控制器能得到较好的控制效果和适应性.     

基于QFT 的直升机全包线姿态控制器设计

针对飞行包线上对象数学模型的大范围变化所带来的系统不确定问题,提出基于定量反馈理论（quantitative feedback theory,QFT）的直升机全包线姿态控制器设计方案。讨论了运用QFT设计多输入多输出（multiple—input multiple-output,MIMO）系统控制器的原理及一般设计过程,并采用该理论设计UH-60直升机在6种飞行状态下的全包线姿态控制器。结果证明：QFT能够解决由于模型参数不确定性所造成的控制系统鲁棒性问题,而且具有较强的工程应用价值。     

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.     

基于改进型BP神经网络的PID控制算法

针对传统的PID控制算法很难获得比较理想的控制效果的问题,提出一种基于BP神经网络的自适应PID控制算法。根据BP神经网络的结构和特点,介绍了改进型BP神经网络算法描述及PID控制器的结构,并通过实例进行仿真分析。结果表明,改进型BP神经网络PID控制器具有良好的控制效果,降低超调量,抗干扰性强和增强系统的鲁棒性,优于常规PID控制器。     

基于模糊神经网络PID的串级温度控制系统研究

为解决传统PID 控制存在控制效果不够理想、性能欠佳和很难满足系统精度要求的问题,提出基于模糊 神经网络的自适应PID 控制算法对系统进行控制。采用Labview 构建模糊神经PID 控制器,对环控引气系统温度进 行动态控制,进行仿真研究,并将此控制策略与经典PID 控制进行仿真比较。结果表明：基于模糊神经网络的PID 控制算法在系统的超调量和调节时间上都小于经典PID,能提高系统的快速性和准确性,改善系统特性。     

基于粒子群优化的伺服系统比例积分微分控制器设计方法

给出了 一种基于粒子群优化（PSO)算法的火炮伺服系统比例积分微分（PID)控制器优 化设计方法。定义了 ー个综合考虑火炮调转时间、上升时间、超调量、系统静态误差、等速跟踪误差 和正弦跟踪误差等动静态性能的指标函数,在给定的控制器参数空间进行组合优化搜索,可迅速求 得使性能指标优化函数极小化的ー组PID控制器参数。仿真結果表明该方法有效。     

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.