自适应PI主动队列管理算法

主动队列管理是一个非常活跃的研究领域,相对于丢尾算法,AQM(active queue management)能够提供更短的平均队列延迟和更高的带宽利用率.虽然PI(proporrional integral)主动队列管理算法的性能优于RED(random early detection)算法,但是PI算法的收敛速度比较慢.以PI算法为基础提出了一种自适应PI算法API(adaptive proportional integral).API通过实时测量链路的报文丢失率,获得当前的负载信息,然后动态设置PI算法中的有关参数.通过ns-2模拟表明,相对于PI及其改进算法PIP(proportional integral based series compensation and position feedback compensation),API具有更快的收敛速度和更小的队列抖动.  

基于改进BP神经网络的PID控制方法研究

针对最速下降法收敛速度慢和易陷入局部极小的缺点，提出一种新型的基于改进BP神经网络的PID控制方法，该方法将神经网络和PID控制策略相结合，既具有神经网络自学习、自适应及逼近任意函数的能力。又具有常规PID控制器结构简单的特点。该控制器的算法采用Fletcher—Reeves共轭梯度法，它可以避免网络陷入局部极小点，同时加快网络的训练速度。并用这种改进的共轭梯度法对神经网络PID控制器参数实现在线修正。最后给出了在Matlab平台上的实现算法。仿真结果表明该控制方法是有效的。  

有源电力滤波器的比例递推积分控制

在采用有源电力滤波器消除谐波中,由于滤波器的检测精度、指令电流计算延时和输出滤波器的相移等因素的影响,滤波效果不是很理想.提出了应用于并联型有源滤波器的比例递推积分控制算法,比例系数和积分系数由模糊推理在线整定.该算法能有效地提高系统的动态和稳态性能,可适应于单相、三相三线制、三相四线制非线性负载电流波形畸变的抑制.实验结果证明了所提出的控制算法的有效性.  

一种消除PSD背景光干扰的新方法

光电位置敏感探测器(PSD)已应用到非接触式高精度动态位移测量中。但在实际应用中经常受到背景光的干扰,直接影响到测量系统的精度和可靠性。根据PSD的工作原理,分析了杂光下的输出信号与杂光的非线性关系。提出采用比例积分微分(PID)控制激光二极管的驱动电源来消除PSD背景光补偿方法,并设计了硬件补偿电路,实验结果和实际应用均表明:该方法能有效地消除背景光的干扰,可大大增加PSD的实用性。  

模糊自整定PID温度控制系统的建模与仿真

针对炒茶机的加热控制系统跟踪设定的温度值滞后、自动调节加热装置实时性差的问题，设计一种模糊自整定比例积分微分(PID)参数控制器。采用PID控制和模糊控制算法相结合的方法，实现模糊控制对PID参数的调整。利用Matlab在Simulink中建立模型，并对该控制器进行仿真分析。结果表明，模糊PID自整定控制器的超调量 ≈1%，稳态误差es=0。该方法可提高温度控制系统的性能。  

直流无刷电机位置跟踪伺服系统设计与仿真

为了设计高精度的直流无刷电机伺服控制系统,性能优良的位置跟踪控制器是其重要保障.基于直流无刷电机的工作原理.运用Matlab模糊工具箱建立其自动位置跟踪控制系统的计算机仿真模型,系统的电流和速度环采用Pl控制,结合PID控制和模糊控制设计了系统位置环的模糊PID控制器.数字仿真结果表明,模糊PID控制的动静态特性优于传统单一的PID控制,对设计性能优良的直流无刷电机控制器具有借鉴意义.  

基于模糊PID的随动系统优化设计与仿真

该文介绍了模糊控制,PID（比例-积分-微分）控制,以及两者柔性相结合的模糊逻辑在线整定PID（比例-积分-微分）控制原理;结合目标系统的特点,将该方法应用于随动扫描系统以进行优化设计,并利用simulink对优化后的系统进行目标跟踪和抗干扰仿真,分析仿真所得到的输入输出曲线和PID参数变化曲线,结果表明系统的随动灵敏度和抗干扰能力得到了明显改善,继而设计了实现该方法的原理电路,完成了系统的优化设计,同时通过仿真试验进一步分析了模糊PID的内部工作机理,奠定了理论创新的基础.  

比例积分型广义预测控制系统的稳定性分析

广义预测控制(GPC)系统的闭环稳定性一直是控制理论分析的难点．本文通过对预测控制系统闭环特征多项式的研究,证明了一步预测比例积分型GPC系统的闭环稳定性;同时,利用根轨迹法分析了控制参数与闭环极点的关系,明确了比例积分型GPC中参数的物理意义．通过一个数值仿真例子,从频域分析的角度说明了比例积分型GPC较普通GPC的优越性．  

改进遗传算法在PID优化中的应用

现有的比例积分微分(PID)优化设计算法难以兼顾系统对快速性、稳定性和鲁棒性的要求。为此，提出一种改进的Pareto遗传算法。该算法采用新的拥挤距离计算算法，改进非支配性的比较算法，引入双重精英机制，提高进化效率和解的质量，并且解的多样性好。将该算法应用于PID多目标优化设计，仿真结果表明，决策者可根据当前工作需求在所得的Pareto解集中选择最优的满意解。  

改进粒子群优化算法在PID参数整定中的研究

针对粒子群优化算法(PSO)容易出现早熟收敛的问题,提出一种改进的粒子群优化算法(IMPSO)。该算法通过引入粒子群聚合度和变异的思想,能很好避免早熟,提高粒子全局搜索能力。将此改进的粒子群优化算法用于PID控制器的参数整定,具有操作简单,寻优快速等优点。