一种新型神经网络智能PID控制器的仿真研究

设计了一种新的神经网络智能PID控制器，用继电器自整定法给出了PID控制器参数的初值，在运行过程中，用神经网络辨识器在线调整PID参数，使过程具有较高的控制品质，同时对PID控制的结构了一定的修改，使之更适用于实际控制。     

神经网络在PID控制器参数优化中的研究

研究PID控制器参数优化问题.工业过程控制要求稳定性,跟踪特性均应实时快速.由于PID控制效果取决于比例、积分和微分3个参数取值,传统PID参数采用试凑方式进行优化,往往费时且难以满足实时控制效果,导致控制精度不高.为了提高PID控制精度,改善系统性能,提出一种神经网络的PID参数优化方法.方法将PID控制器输入作为神经网络输入,最优PID控制性能作为神经网络的输出,通过神经网络的联想记忆能力和自学习适应能力,在控制过程中动态调整PID参数(比例、积分、微分),从而实现PID控制器参数实时优化,获得最佳PID控制效果.仿真结果表明,应用神经网络的PID参数优化方法提高了PID控制精度和系统响应速度,具有较强的自适应性和鲁棒性.     

基于模糊推理的自整定PID控制器

设计了一种新的模糊PID控制器。用基于给定的相角裕度和幅值裕度的方法给出了PID控制器参数的初值。在运行过程中 ,用模糊控制器在线调整PID参数 ,使过程具有较高的控制品质     

基于模糊推理的自整定PID控制器

设计了一种新的模糊PID控制器，用基于给定的相角裕度和幅值裕度的方法给出了PID控制器参数的初值，在运行过程中，用模糊控制器在线调整PID参数，使过程具有较高的控制品质。     

基于RBF神经网络整定的高速公路匝道PID控制器

研究RBF神经网络整定PID控制器的参数,并应用到高速公路入口匝道控制中。首先阐述了入口匝道控制原理,然后建立了高速公路交通流模型,并设计了RBF神经网络整定的高速公路匝道PID控制器,RBF神经网络通过对被控对象Jacobian信息的辨识来动态调节PID控制器的参数,最后用MATLAB软件进行系统仿真。仿真结果表明,该控制器具有优越的动态和稳态性能,用于高速公路入口匝道控制中效果良好。     

一种神经网络分数阶PID控制器的实现

为解决分数阶PID控制器参数难于整定的问题,设计了一种基于神经网络的分数阶PID控制器。通过采用反向传播（ BP）神经网络的参数调节策略,可以实现一种五维参数自学习的PID控制器。将分数阶PID控制器数字化,通过BP算法调节神经网络突触权值,经过调整的神经网络输出作为分数阶PID控制器的参数。经过仿真验证,神经网络分数阶PID控制器比传统PID控制器精度提高6倍且控制更加稳定。     

基于蚁群神经网络的工业自动化PID参数优化

针对常规方法无法获得最优PID控制器参数的缺点,提出一种基于蚁群神经网络的PID控制器参数优化方法（ACO-RBFNN）。ACO-RBFNN将PID控制器的3个参数作为RBF神经网络的输入,系统输出为RBF神经网络期望输出,通过蚁群算法对RBF神经网络的参数进行优化,并通过RBF神经网络构造参数自学习的PID控制器,从而实现PID控制器参数在线优化。仿真实验结果表明,基于ACO-RBFNN的PID控制器可以得到令人满意的控制效果,可以应用于工业自动化控制系统的PID控制器参数优化。     

基于PSO-BP神经网络的临时支架支撑力自适应控制

为了使临时支架的支撑力更好地与矿压相适应,提高支架的支护能力,以双联自移式临时支架为研究对象,提出了基于粒子群优化（PSO）-BP神经网络的临时支架支撑力自适应控制方法。利用PSO算法的全局搜索能力及快速收敛特性对BP神经网络的初始权值进行优化,提高BP神经网络的收敛速度;再通过优化后的BP神经网络实现PID参数在线自调整,构建PSO-BP神经网络优化PID控制器,使临时支架的支撑力更快速、准确地达到预定值,实现临时支架支撑力自适应控制,避免因支护力和顶板压力不匹配而对顶板造成破坏。用单位阶跃信号模拟临时支护支架的期望初撑力进行实验验证,结果表明,与BP神经网络优化PID控制器及传统PID控制器相比,PSO-BP神经网络优化PID控制器可以更快、更准确地达到预期的初撑力,调整时间仅为0.5s且基本不存在超调。根据实际地质条件仿真模拟开挖支护过程中支架受到的顶板压力,研究3种控制器的支撑力自适应控制效果,结果表明,在PSO-BP神经网络优化PID控制器的控制下,系统误差仅为0.02 MPa,误差最小,控制效果最好。     

基于改进遗传算法寻优的神经网络PID控制及应用

根据神经网络PID控制器初值的选取影响系统控制性能的特点,提出了一种基于改进遗传算法寻优的神经网络PID控制方法.即先利用遗传算法对PID控制器参数离线寻优,将求出的参数值作为控制器的比例、积分、微分系数的初值,再进行神经网络PID控制.对一类液位过程的实时控制结果表明采用本方法的控制系统具有较好的稳定性和鲁棒性.     

模糊推理自整定PID控制器

设计了一种新的模糊PID控制器,用基于给定的相角裕度和幅值裕度的方法给出了PID控制参数的初值。在运行过程中,用模糊控制器在线调整PID参数,使过程具有较高的控制品质。     

神经网络PID工业温度控制系统研究

本文介绍了一种神经网络PID控制器,并将它与传统PID控制器、模糊控制器和神经网络控制器进行比较。神经网络PID控制器综合了PID控制器和神经网络控制器的优点并弥补了它们各自的不足之处。通过上述各种控制器在工业温度控制系统的仿真研究表明,神经网络PID控制器具有超调小,过度时间短,控制精度高的优点,对大滞后的温度控制系统有很好的控制效果。     

基于逆系统方法的综放工作面控制系统的模糊控制器

对逆系统方法作为反馈线性化方法及其非线性本质进行深入的研究后,认知到逆系统方法建立的模糊控制器是一种变增益的非线性控制器,它与PID控制器有许多相似之处,进而设计出模糊PID复合控制器。模糊PID控制器在综放工作面中的应用的关键是模糊控制器的各个参数的整定。因此,我们用传统的方法首先设计一个PID控制器,在稳定时使模糊PID控制器的参数与PID控制器的对应参数相等,逐步调节、修改各个参数,从而可以得出模糊PID控制器的参数,模糊PID控制器在煤矿综放工作面上运用的结果令人满意。     

模糊自适应控制器的设计及其仿真

提出了一种参数自适应模糊PID控制器,将模糊控制器和PID控制器结合在一起,利用模糊逻辑控制,并把MATLAB中的Fuzzy Toolbox和SIMULINK有机结合起来,实现了PID控制器参数在线自调整.进一步完善了PID控制器的性能,提高了系统的控制精度.仿真结果表明:该控制器明显改善了控制系统的动态性能,参数自适应模糊PID控制器能使系统达到满意的控制效果,对进一步应用研究具有很好的参考价值.     

胎面生产线辅线速度链模糊自适应PID控制

针对常规PID控制在胎面挤出联动生产线辅线速度链整定中,参数整定不尽人意的问题,设计出一种基于模糊控制理论的自适应PID控制器。通过建立模糊控制规则和进行模糊推理来确定PID的参数,实现对辅线速度的调节。利用Matlab的模糊逻辑控制工具箱对算法进行仿真,仿真结果表明,该控制器与常规PID控制器相比,具有调节时间短、超调量小、跟踪调节性能好、鲁棒性等优点。实践证明,这种模糊自适应PID控制器比常规的PID控制器具有更好的控制特性。     

模糊PID控制器设计及MATLAB仿真

将模糊控制器和PID控制器结合在一起,构造了一个模糊PID控制器,利用模糊推理的方法调整PID控制器的参数,并利用MATLAB的SUMLINK工具箱,对系统进行仿真,仿真结果表明模糊PID控制器能使系统达到满意的控制效果.     

基于改进Oustaloup滤波器的分数阶PID控制器简化设计

针对分数阶微积分算子的直接和间接近似化方法所表现出来的形式复杂、运算量大的问题,对Oustaloup滤波器的结构进行改进,对常规分数阶PID控制器进行了简化设计,并采用自适应遗传算法对控制器的参数进行整定.选取两种代表性分数阶系统,在模型处于两种典型状态下,对简化型分数阶PID控制器、常规分数阶PID控制器和整数阶PID控制器的控制性能进行仿真实验对比.结果表明,在控制器性能基本相同的情况下,通过该方法设计的简化型分数阶PID控制器性具有结构简单,耗时量小的优点,提高了工程可实现性.     

大滞后系统控制中专家-模糊PID方法的应用

为解决大滞后系统控制难度大的问题,设计了专家-模糊自适应PID控制器,这种控制器既具有模糊PID控制器高精度、稳定性、鲁棒性高的优点,又具有专家控制器进入稳定状态快的特点。对双容大滞后系统控制的仿真实验结果表明,该方法在动态性能上均优于单独采用模糊自适应PID方法,并且能够较快地进入稳定状态。     

用于电阻炉的单神经元PID控制器的设计及仿真

本文对传统电阻炉PID控制器的不足之处进行了分析,阐述了单神经元PID控制算法的优点。介绍了基于有监督hebb学习算法,并结合实际控制经验而设计的单神经元控制器。分析了单神经元控制器中各个参数的意义与取值原则,并用Matlab软件对单神经元控制器在阶跃输入信号的情况下进行了仿真。仿真内容有：连接权值、k值变化对系统的影响及选取方法;单神经元PID控制器与常规PID控制器的抗干扰能力和调节性能对比。仿真结果证明,该单神经元控制器具有很好的参数自整定能力,且抗干扰能力强,超调量小,其各方面的控制效果均优于常规PID控制器。用于电阻炉温度控制系统的单神经元控制器较之传统的PID控制器能取得更好的控制效果。     

Developments of fuzzy PID controllers

Abstract: This paper describes the development and tuning methods for a novel self-organizing fuzzy proportional integral derivative (PID) controller. Before applying fuzzy logic, the PID gains are tuned using a conventional tuning method. At supervisory level, fuzzy logic readjusts the PID gains online. In the first tuning method, fuzzy logic at the supervisory level readjusts the three PID gains during the system operation. In the second tuning method, fuzzy logic only readjusts the proportional PID gain, and the corresponding integral and derivative gains are readjusted using the Ziegler–Nichols tuning method while the system is in operation. For the compositional rule of inferences in the fuzzy PID and the self-organizing fuzzy PID schemes two new approaches are introduced: the min implication function with the mean of maxima defuzzification method, and the max-product implication function with the centre of gravity defuzzification method. The fuzzy PID controller, the self-organizing fuzzy PID controller and the PID controller are all applied to a non-linear revolute-joint robot arm for step input and path tracking experiments using computer simulation. For the step input and path tracking experiments, the novel self-organizing fuzzy PID controller produces a better output response than the fuzzy PID controller; and in turn both controllers exhibit better process output than the PID controller.