PID参数先进整定方法综述

PID控制是过程控制中应用最广泛的控制方法.文中综述了PID参数先进整定方法 及近年来在此方面得到的最新研究成果,并对将来的发展进行了展望.  

一种基于Canny理论的自适应边缘检测方法

基于Canny算子，提出了一种Canny自适应的边缘检测方法。Canny自适应算法在保持了Canny算子原有的定位准确，单边响应和信噪比高等优点的基础上，提高了Canny算子在提取图像边缘细节信息和抑制假边缘噪声方面的性能。Canny自适应算法将整幅图像分割为若干子图像，并根据各子图像的边缘梯度信息，结合全局边缘梯度特征信息自适应地生成动态阈值，提高了边缘检测的自动化程度，在实际的应用中获得了很好的效果。通过数学分析和试验结果证明了Canny自适应算法是一种有效的边缘检测改善方法。  

一种新的变步长LMS自适应滤波算法

传统LMS算法的优点是计算简单、易于实现，缺点是收敛速度慢，如果为加快收敛速度而增大步长因子μ，则会导致大的稳态误差，甚至引起算法发散。固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文通过建立步长因子μ与误差信号之间的非线性函数关系，得出一种新的变步长自适应滤波算法（SVSLMS）。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。即在计算量增加不多的前提下，能同时获得较快的收敛、跟踪速度和较小的稳态误差。  

一种改进的自适应逃逸微粒群算法及实验分析

分析了变异操作对微粒群算法(particle swarmoptimization,简称PSO)的影响,针对收敛速度慢、容易陷入局部极小等缺点,结合生物界中物种发现生存密度过大时会自动分家迁移的习性,给出了一种自适应逃逸微粒群算法,并证明了它依概率收敛到全局最优解.算法中的逃逸行为是一种简化的确定变异操作.当微粒飞行速度过小时,通过逃逸运动使微粒能够有效地进行全局和局部搜索,减弱了随机变异操作带来的不稳定性.典型复杂函数优化的仿真结果表明,该算法不仅具有更快的收敛速度,而且能更有效地进行全局搜索.  

空间机器人系统的自适应控制

对于载体姿态可控的空间机器人系统，本文给出了一种笛卡空间自适应控制算法，当系统的动力学参数未知时，该算法可以保证对手端期望位置轨迹的渐近跟踪，并且不需要测量关节加速度。应用文中算法对二杆平面空间机器人系统进行仿真研究。证实了算法的有效性。  

一种改进的中值滤波算法

通常 ,大部分自然图像中同时存在颗粒噪声和高斯噪声 ,而单纯地用中值滤波算法或均值滤波难以同时尽可能地消除混合噪声。针对这一问题 ,L ee和 Kassam提出了一种改进的均值滤波算法 Modified Trim med Mean(MTM) ,虽然 MTM算法的滤波效果相对于传统的平滑算法已有了很大的改善 ,但是 MTM的滤噪能力在很大程度上受到了阈值的限制。在分析 MTM算法和传统平滑算法结构特点的基础上提出了一种改进的自适应中值滤波算法。该算法对含有混合噪声的图像上每一点的 N× N区域应用自适应算子。对于不同的图像区域 ,算子也相应地有所不同 ,其中算子中的权值选取依赖于区域的灰度中值 ,且当某点的灰度越接近灰度中值 ,其权值就相应地越大。实践证明 ,新算法的处理结果优于传统的滤波算法和 MTM滤波 ,且没有阈值限制  

单神经元自适应PID控制器及其应用

研究了单神经元自适应PID控制器,阐述了该控制器的特点、控制律、适用对象及工程整定方法,在和利时公司的SmartPro系统平台上开发出单神经元自适应PID控制器,进行了单神经元自适应PID控制器的典型一、二阶对象闭环仿真,最终将单神经元自适应PID控制器应用于制药厂发酵罐温度控制回路中。单神经元控制器具有可调参数少、易于整定、控制输出平稳、鲁棒性强的独特优点,适用于大滞后且要求平稳控制输出的工业过程。  

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。  

基于BP神经网络的自适应控制

本文利用ＢＰ神经网络对被控对象进行在线辨识和控制。为实现自适应控制，本文对ｓｐｅｃｉａｌｉｓｅｄ ｌｅａｒｎｉｎｇ算法进行了改进，在此基础上，本文还提出了一种基于ＢＰ网络的自适应ＰＩＤ控制器。  

2维Otsu自适应阈值的快速算法

Otsu自适应阈值法作为图像阈值分割的经典算法，在图像处理领域得到了广泛的应用，在其基础上发展起来的2维Otsu阈值法却因为计算时间长而制约了其应用。针对2维Otsu自适应阈值方法计算复杂度高的缺点，通过改变2维直方图上的区域划分，将2维阈值转换为1维阈值，从而提高了2维自适应阈值算法的计算速度。实验结果表明，该算法的计算时间远远小于原始2维Otsu算法，分割效果和原始算法基本一致。