基于改进递推预测误差神经网络算法的极点配置PID控制方法

针对工业控制中系统模型参数通常未知的特点,利用改进递推预测误差算法为基础的神经网络系统参数辨识方法,设计了极点配置自校正数字PID控制器.相比于基于梯度学习算法的神经网络辨识方法和通常的PID控制器,该方法具有参数辨识结构简单、神经元权值调整可持续且计算速度快、所采用的数字PID控制器鲁棒性强等优点.最后的数值仿真结果验证了本文算法及控制方法的有效性.     

PID-GPC算法在高速列车横向半主动悬挂控制系统中的应用

针对列车悬挂控制系统中控制器设计的复杂性,利用SIMULINK建立了17自由度的列车整车横向振动模型,引入了PID型广义预测（PID-GPC）半主动控制原理和控制策略,将半主动悬挂与被动悬挂在横向加速度、横向位移、横向振动速度以及平稳性上进行比较分析,结果表明,采用PID-GPC半主动悬挂装置能有效抑制车体的横向振动,提高列车的运行平稳性和舒适度。     

两种自适应控制算法在悬挂系统中的应用

为了减小车辆悬挂系统的振动,采用半主动悬挂系统作为对象,并建立了其CARMA模型,提出了自适应控制中的两种算法:最小方差自校正控制算法和极点配置自校正控制算法.前者可使系统输出的方差最小,而后者可使系统的动态特性达到预期的目的.仿真结果表明,车体垂直方向的加速度大大减小,减振的目的也已达到.这两种算法都能减小悬挂系统中的振动,具有一定的实用性.     

双电极气体保护焊系统的鲁棒自适应控制仿真

针对双电极气体保护金属极电弧焊系统,建立了一个双输入双输出的非线性模型,并基于梯度算法和极点配置自校正设计了鲁棒自适应控制器.仿真结果表明,该鲁棒自适应控制器具有良好的控制效果.     

AVR励磁系统主导极点配置PID控制器设计

给出了一种基于改进型主导极点配置的自动电压调节器(automatic voltage regulator,AVR)励磁系统的PID控制器设计方法.首先将对AVR系统的时域指标转化为对主导极点的要求,引入前置滤波器后,运用根轨迹法将后续闭环主导极点配置在复平面期望区域之内,得到满足要求的KP值区间.以一定步长扫描该KP值区间,得到满足期望最大灵敏度指标的KP值子区间.在子区间中选取合适的KP值,利用所给出的解析表达式,得到PID控制器的另外两个参数和前置滤波器参数,实现对AVR系统的动态响应速度和超调量指标的折中处理.仿真结果表明,本方法得出了AVR系统的性能满足期望指标要求,可与典型智能进化算法得出的性能相媲美.     

极点配置自校正PID调节器

PID控制简单 ,稳定性能好 ,可靠性高。但对于复杂的受控对象 ,特别是模型参数未知的慢变化的受控对象采用常规PID控制器 ,不仅PID参数难于选择 ,而且即使PID参数选择好了 ,也因受控对象的参数发生变化而不能获得满意的效果。自校正调节在过程控制中的应用 ,提高了系统的自适应能力 ,使系统调节品质的综合指标有了明显的改进。对于一大类时滞最小相位二阶系统 ,设计了一种基于相消原理极点配置自校正PID调节器 ,对消对象的零极点。该算法先离线根据经验设定b0 、g0 ,然后在线辨识系统参数 ,实现控制。它计算简单 ,收敛快 ,鲁棒性好 ,仿真结果证明其有效性     

基于模糊PID的半主动悬架控制策略研究

针对传统被动悬架平顺性不足的问题，本文研究了基于模糊PID的半主动悬架控制策略。通过CarSim软件建立某C级轿车的整车模型，基于模糊PID控制原理在Simulink中设计控制器并配置相关参数，建立基于滤波白噪声的路面模型，并将其载入CarSim软件。通过在CarSim中设置数据输入、输出仿真端口，将车辆模型运行数据通过S-Function模块发送到Simulink中求解控制信号，再通过S-Function模块施加到CarSim中，形成闭环控制系统，最后进行联合仿真试验验证模糊PID控制算法的有效性。仿真结果表明，配置有模糊PID控制器的半主动悬架明显改善了车辆的平顺性。该研究具有广阔的应用前景。     

IPSO—BP算法在半主动悬架控制中的应用

为了改善半主动悬架的性能,提出采用改进的粒子群优化(improved particle swarm optimization,IPSO)-向后传播(back propagation,BP)算法作为半主动悬架自适应控制,该算法将标准粒子群算法进行改进,用以改善粒子群全局收敛性和收敛速度,并将改进后的IPSO算法作为BP神经网络的学习算法,用于半主动悬架的自适应控制.自适应控制器采用了双神经网络单元结构,一个作为输入端的控制器,根据路面输入调节半主动悬架阻尼值,另一个作为半主动悬架的辨识器,并进行在线识别.通过该控制器进行半主动悬架自适应控制数值仿真,结果表明,基于该算法的控制器明显改善了汽车的舒适性和平顺性,使得车身的垂向加速度比粒子群优化(particle swarm optimization,PSO)-BP半主动悬架的降低了21.73%,提高了汽车悬架的性能.     

极点配置自校正PID调节器

PID控制简单，稳定性能好，可靠性高，但对于复杂的受控对象，特别是模型参数未知的慢变化的受控对象采用常规PID控制器，不仅PID参数难于选择，而且即使PID参数选择好了，也因受控对象的参数发生变化而不能获得满意的效果，自校正调节在过程控制中的应用，提高了系统的自适应能力，使系统调节品质的综合指标有了明显的改进，对于一大类时滞最小相位二阶系统，设计了一种基于相消原理极点配置自校正PID调节器，对消对象的零极点，该算法先离线根据经验设定b0,g0，然后在线辨识系统参数，实现控制，它计算简单，收敛快，鲁棒性好，仿真结果证明其有效性。     

一种云模型PID控制器参数整定优化算法

为了解决PID控制器参数整定过程中的优化和复杂性问题,增强PID控制器参数整定的自适应性,结合差异演化算法和粒子群算法,提出一种带有差异演化变异算子的粒子群混合优化算法,利用一维云模型映射器将人的控制经验通过语言原子转换为控制规则器,设计具有自适应功能的云模型控制器;将该优化算法应用于一维云模型PID控制器参数整定与优化,并与传统方法进行仿真比较.结果表明,基于带有差异演化变异算子的粒子群混合优化算法的智能控制器具有简单易行、控制性能良好、自适应性和鲁棒性强的特点,可为云模型控制器参数设计提供参考.     

车辆半主动座椅悬架滑模变结构控制

针对三自由度的车辆座椅悬架模型,以近似天棚阻尼系统为参考模型,运用滑模变结构方法设计了半主动座椅悬架的滑模控制器.首先将实际被控系统和参考模型间的广义误差动力学引入渐近稳定的滑动模态中;采用极点配置法确定滑模切换面的参数,根据滑模控制理论推出滑模面上的等效控制力,再选择等速趋近律确定实时控制阻尼力.仿真结果表明在时域和频域中,该滑模控制器性能较稳定,较被动及PID控制的座椅悬架系统其减振效果得到明显改善,具有较好的鲁棒性和跟踪性能.     

Neuron PI control for semi-active suspension system of tracked vehicle

A neuron proportion integration (PI) control strategy for semi-active suspension system of tracked vehicle was proposed based on its unique structure and the multiple and complex environment of the driving traffic. An adaptive genetic algorithm is used to optimize the parameters of the neuron PI controller. The simulation result of the neuron PI control for semi-active suspension system of tracked vehicle indicates that the vertical amplitude, pitch angle and vertical acceleration of the vehicle are well controlled. The root mean square (RMS) of the vertical amplitude decreases by 37.2%, and 45.2% for the pitch angle, 38.6% for the vertical acceleration. The research of neuron PI control experiment for the semi-active suspension system of the tracked vehicle model mining in benthal indicates that the RMS of the weight acceleration vibrating along the vertical direction decreases by 29.5%, the power spectral density resonance peak of the acceleration of the car body decreases by 23.8%.     

基于模糊PID控制器的1/2整车半主动悬架仿真研究

通过抽象简化建立1/2整车半主动悬架数学模型,并在MATLAB软件中搭建仿真模型;计算出被动悬架的簧载质量、速度及其变化率,并作为主动悬架控制的输出量。半主动悬架采用模糊PID复合控制器,用模糊控制策略对PID控制器在给定的参数范围内进行在线实时调整。研究结果表明:采用模糊PID复合控制器的半主动悬架在不同车速阶段,对改善整车的总体性能有明显作用,车身垂直加速度、车身俯仰角加速度、前后悬架动行程改善明显,提升了整车在不同车速范围内的乘坐舒适性和操纵稳定性。     

神经网络模糊PID控制器在直接矩控制中的应用

介绍了一种模糊自整定PID参数控制器的设计方法,并提出利用神经网络训练PID参数的基值。对常规PID控制和神经网络模糊PID控制系统作了对比研究,仿真实验结果表明新方法既保证了系统的稳态精度,又保证了系统的快速响应和坚韧性。将该方法用于直接转矩控制系统中,取得了远远优于常规PID调节器的控制效果。     

基于神经元的自适应预测PID控制

提出了一种采用神经元的自适应预测PID控制方案。神经元具有很强的自学习和自适应能力 ,它可根据系统的误差并通过一定的学习算法来不断修正控制器的参数 ,使控制器能够适应受控对象结构参数以及环境的变化。因此采用单神经元构成自适应PID控制器 ,将神经元与PID控制结合 ,对PID参数进行在线寻优、自校正 ,使PID控制能有效地对付一些较复杂非线性被控对象 ,特别是难于用传统方法建模的被控对象。同时为了提高系统的快速跟踪和抗干扰能力 ,采用了动态自适应神经元 (APE)对非线性系统进行预测 ,即用神经元建立起非线性系统的预测模型 ,预测系统的未来输出 ,从而提高了控制系统的控制品质。同时详细介绍了该控制系统的自适应控制算法。仿真结果表明 ,这种自适应控制方案切实可行 ,其控制品质明显优于常规PID控制 ,且具有较强的鲁棒性 ,达到了良好的控制效果。     

基于模糊PID控制器的麦弗逊悬架联合仿真研究

通过实验测出磁流变阻尼器在不同电流作用下的力与速度关系的阻尼系数特征数据,并将所得阻尼数据导入麦弗逊悬架多体动力学模型;计算簧载质量速度及其变化率作为主动悬架控制的输出量;半主动悬架采用模糊PID复合控制器,用模糊控制策略对PID控制器在给定的参数范围内进行在线实时调整;在MATLAB中搭建悬架系统联合仿真模型。仿真计算结果表明:在各不同车速阶段,采用模糊PID复合控制器均对改善悬架的总体性能有明显作用;且车身垂直加速度、悬架动行程及车轮侧向滑移量在低频阶段改善突出,提升了整车在不同车速范围内的乘坐舒适性与操作稳定性。     

磁流变阻尼器驱动的智能车辆悬挂控制及实验

针对由新型的磁流变阻尼器驱动的智能车辆悬挂设计要求,提出了一种基于天棚阻尼律实现不对称阻尼特性的半主动控制方案,能有效地抑制驱动电流的“开-关”冲击特性和磁流变阻尼器滞环特性产生的不良影响.将该控制器与四分之一车辆模型相结合,在变幅度谐波、平滑脉冲和随机信号激励下,对该半主动控制器的性能进行了仿真分析,并通过设计的硬件在环测试系统进行了系统的实验研究.结果验证了所提出的智能车辆悬挂设计能理想地实现车辆驾乘舒适性、与路面可靠接触、悬挂空间等多目标悬挂性能,以及对簧载质量变化的鲁棒特性.     

基于遗传算法的无刷直流电机的PID控制

无刷直流电机（BLDCM）是一种多变量和非线性的控制系统,文中提出了一种使用遗传算法优化的PID控制器,并用于无刷直流电机的控制中。系统使用电流和转速双闭环控制,速度环采用PID控制器进行控制,PID参数通过遗传算法进行离线优化。通过仿真分析,系统较好地实现了给定速度的跟踪,具有控制灵活、适应性强等优点,同时又具有较高的控制精度和较好的鲁棒性。