基于遗传神经网络的自适应PID控制器的设计

提出了一种基于遗传算法和神经网络的自适应PID控制器的设计方法。该控制器主要由三个部分组成:利用遗传算法优化PID参数,和RBF神经网络结合,对被控对象逼近,搜索出一组准优的初始参数;RBF神经网络完成对被控对象Jacobian信息辨识;基于单神经元的自适应PID控制器,在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能。仿真结果表明,控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程。     

基于动态递归网络PID自适应控制器设计

本文分析了改进的ELMAN网络的结构,并讨论了神经网络的学习算法,针对BP算法的缺陷,提出了用遗传算法修正网络权值的学习算法.本文不仅将采用遗传算法进行训练的改进ELMAN网络应用于电阻炉加热系统的建模,而且针对该系统的特点提出了一种带预测模型的神经网络PID自适应控制器,并最后将该控制器应用于电阻炉温度控制,取得了良好的控制效果.     

遗传算法的自适应PID控制器的应用

针对工业过程中常见的二阶延迟系统的PID参数整定问题,提出了基于实数编码遗传算法的自适应参数整定方法.该方法利用遗传算法可快速全局寻优的特点,通过对控制器参数进行实数编码,将性能指标构成相应的适应度函数,采用自适应变异概率,反复进行遗传操作获得整定控制器的最佳参数.仿真结果表明所提出的整定方法效果显著,且控制器具有良好的抗干扰能力.     

四种先进PID控制方法及性能比较

针对常规PID参数固定,使得应用范围受到限制的问题,研究四种先进PID控制方法。在常规PID基础上,分别引入模糊技术、Vague技术以及遗传算法,提出Fuzzy—PID、Vague—PID、GA—Fuzzy—PID、GA—Vague—PID控制方法并对其控制性能进行比较。在介绍常规PID的基础上,引入智能技术,在线实时调整PID的三个参数,即自适应PID。利用模糊控制对被控对象模型精度要求不高且鲁棒性高、解耦性强的优点,构成Fuzzy—PID;基于Vague集相似度量的近似推理更符合实际,易于得到控制量,便于工程实践,构成Vague—PID;利用遗传算法（Genetic Algorithms,简写成GA）实现对模糊控制规则的整定,构成GA—Fuzzy-PID、GA—Vague－PID。给出上述四种自适应PID设计方法,并从理论上进行分析比较,指出各自优缺点。仿真结果表明：上述自适应PID较常规PID上升时间短、响应速度快;引入GA整定后的GA—Fuzzy-PID、GA－Vague—PID分别比未引入GA的Fuzzy－PID、Vague－PID上升时间短、响应速度快。     

基于动态递归网络的PID自适应控制器的设计与应用

本文分析了改进的ELMAN网络的结构,并讨论了神经网络的学习算法,针对BP算法的缺陷,提出了用遗传算法修正网络权值的学习算法。本文不仅将采用遗传算法进行训练的改进ELMAN网络应用于汽车磷化加热系统的建模,而且针对该系统的特点提出了一种带预测模型的神经网络PID自适应控制器,并最后将该控制器应用于磷化温度控制,取得了良好的控制效果。     

模糊自适应PID控制器

提出了一种模糊自适应ＰＩＤ（ＦＡＰＩＤ）控制器及其设计方法，并导出了ＦＡＰＩＤ闭环控制系统稳定的充要条件。ＦＡＰＩＤ控制器的设计分为相对独立的两步进行，设计方法简单，便于工程应用。仿真结果表明，与ＰＩＤ控制系统比较，ＦＡＰＩＤ控制系统鲁棒性大为提高，超调量大大减小，动态抗扰能力增强，较好地解决了快速性与小超调之间的矛盾。     

基于自适应遗传算法的改进PID参数优化

PID参数设置是决定PID控制性能的关键,为了获取较优的PID控制效果,提出了自适应遗传算法整定和优化PID参数的方法;首先将系统的综合性能控制区分为不同目标的局部性能控制,针对局部目标采用不同的目标函数;之后采用自适应选择、交叉和变异概率对不同控制目标进行PID参数寻优,自适应遗传算法在保持种群多样性的同时能够加快算法收敛;最后通过发动机怠速转速控制应用表明本算法的可行性和有效性:改进的PID控制和遗传算法有效提高了PID参数寻优能力,提高了控制系统的响应能力和稳定性.     

基于改进遗传算法的PID参数寻优与控制器设计

相比传统的调节方法,遗传算法具有更好的鲁棒性、最优性,能较好的实现参数的自动化调节。对标准遗传算法（SGA）进行了分析、研究,并在SGA的基础上进行了改进。改进的遗传算法从提高全局搜索性能和加快收敛速度出发,提出了改进的选择算子、交叉算子和变异算子,仿真结果表明,改进的遗传算法的全局搜索性能和收敛速度远远优于标准遗传算法。     

信息意义下Vague集的相似度量

从信息熵的角度出发,提出了一种新的度量Vague集之间相似度量的计算方法,并对其性质进行讨论。通过与现有方法的比较,阐明该方法具有较强的分辨力。用例子说明Vague集之间相似度量在模式识别中的应用。     

一类三元数组表示的Vague集间的相似度量

给出Vague集间相似度量公式的公理化定义,提出一类基于三元数组表示的Vague间相似度量,应用实例表明这类公式是实用的。     

关于Vague集间相似度量的缺陷及修补

在Vague集中,Vague集间相似度量的应用是最广泛的,但遗憾的是这些公式中的大多数是有缺陷的。用分段函数的方法试图修补这些公式,使得这些公式中的大多数能够继续使用。给出一个新的Vague集间的加权相似度量公式,该公式更具合理性。     

一种基于遗传算法的非线性PID控制器

基于PID控制器各增益参数与偏差信号之间呈现非线性关系,拟合各参数的非线性函数可分别对控制器的P／I／D各部分实施单独调节的思想,提出根据控制与误差之间的调节规律,给定一组增益参数的非线性函数,并采用遗传算法来优化和构造此非线性PID调节器．典型系统的仿真结果表明,该控制器可在一定程度上兼顾系统的动态和静态性能．     

一种基于Vague集相似度量推理的控制器设计

针对模糊变量隶属值难以确定、描述信息单一这一问题,将区间值模糊集引入控制领域。在Vague集相似度量推理基础上,设计了一种模糊控制器。为了应用Vague集相似度量推理方法,给出了一种清晰量的区间值模糊化方法。说明了该类模糊控制器设计过程,给出Matlab仿真控制效果。仿真结果表明,该控制器隶属函数值较易确定,设计过程简化,模糊化过程偏差小,有很好的应用价值。     

多准则模糊决策的区间值Vague集方法

区间值（i-v）模糊集合和Vague集是不精确知识表达的两种新理论。他们已被广泛地应用于决策系统中对不确定决策数据的描述。因此在Vague集基础上给出i-v Vague集的相关概念及性质,并将实数型Vague集群决策上的记分函数方法扩展到i-v Vague集上,提出新的记分函数,并用实例比较改进的记分函数与各种记分函数方法的优劣性。     

基于蚁群算法的PID控制参数优化

蚁群算法是近几年优化领域中新出现的一种仿生进化算法,该算法采用的分布式并行计算机制特别适用于组合优化问题（COP）的求解。在简要介绍蚁群算法的基础上,针对PID控制参数整定问题提出了一种基于蚁群算法的PID参数优化策略,并给出了该算法的具体实现步骤。仿真试验结果表明同传统的Ziegler-Nichols（ZN）法、遗传算法优化整定的结果进行比较,系统单位阶跃响应的超调量σ分别减少了51.5％和22％和调整时间ts分别减少了61.4％和67.5％,动态和稳态性能进一步改善,进而验证了该方法的可行性和有效性。     

粗糙Vague集(值)相似性度量的一种新方法

对粗糙集和Vague集的概念、知识表示方法进行了讨论,把粗糙集和Vague集进行了融合,描述了粗糙Vague集概念,给出粗糙Vague值的相关概念及其相似性度量的一种新方法,研究了粗糙Vague集的相关性质及其相似性度量的方法。