复杂底层过程控制中基于仿人智能的融合策略

针对复杂过程难于数学建模实施范式PID控制,探讨了一种基于仿人智能的融合控制策略。指出了传统PID控制的局限性,归纳了复杂过程控制存在的问题与控制论特性,基于多模态的仿人智能控制,提出了融合控制策略,给出了针对不确定性复杂过程的融合控制算法。以辊道窑温度控制为例,分别采用PID与基于仿人智能融合的优化控制策略进行了仿真研究,验证了优化控制策略的优秀控制品质。仿真结果表明,提出的基于多模态优化控制策略是有效的。     

PID控制与仿人智能控制比较研究

讨论了传统的ＰＩＤ控制与仿人智能控制算法、特点及其基本结构，并作了对比仿真实验。实验结果表明，智能控制对于对象的参数变化及外界干扰具有较强的鲁棒性和适应能力。     

基于蚁群算法的模糊比例积分微分参数优化

传统的PID(比例积分微分)控制采用线性组合方案,难于协调快速性和稳态特性之间的矛盾,蚁群算法是一种新型的仿生优化算法,将蚁群算法和模糊PID控制算法相结合,利用蚁群算法全局寻优能力来优化模糊PID控制器的三个参数,仿真实验表明,该PID控制器具有较好的动态性能.     

恒压供水泵站节能系统的仿人智能控制策略

针对供水泵站存在的供水不稳定与能耗大的问题,探讨了恒压供水泵站节能系统的仿人智能控制策略。总结了供水系统的控制论特性,讨论了变频调速节能的原理,研究了系统的控制策略,基于仿人智能控制策略,构造了恒压供水系统的控制算法。在Matlab环境下,借助Simulink工具箱搭建系统仿真模型的实验显示,该控制算法有较强的鲁棒性和良好的动、静态控制品质。研究结果表明,所提出控制策略对恒压供水泵站节能系统是可行与有效的。     

基于滑模的运载器主动段俯仰通道姿控系统设计

与传统比例-积分-微分（PID）控制方法相比，滑模控制（SMC）方法可以比较容易地将不确定性纳入控制器设计中，从而增强系统的鲁棒性。探索了SMC技术在运载器主动段姿态控制中的工程应用，首先通过分析基于趋近律的SMC系统，提出了降低不连续切换项系数的需求，然后研究了基于干扰上界的SMC方法。三通道小偏差仿真结果验证了两种方法的控制效果，表明第2种控制器的鲁棒性更好，稳态误差小，同时发动机喷管摆角需求较小。     

基于数字PID控制的鱼雷深度模拟系统研究

为了提高鱼雷半实物仿真试验中深度模拟设备的响应速度和控制精度等性能指标,开发了一种基于PC104产品的动态数字比例-积分-微分（PID）控制系统。该系统在结构上采用上、下位机的模式,利用串口进行通信;在控制算法上,针对PID控制存在的积分饱和、抗干扰和动态过程加速等问题,设计了相应的控制修正算法,确保了系统的控制速度和精度。通过对鱼雷半实物仿真试验数据分析可知,所得到性能指标满足实际要求。     

舰载火箭炮消摇摆稳定系统控制器设计

舰载火箭炮以舰船为射击平台，会受到风、浪、流等各种因素的综合作用。舰船的摇摆影响了射击线的稳定，采用常规的PID控制往往不能达到理想的消摇摆稳定效果。系统采用Elang—Bang控制、Fuzzy控制和PID控制相结合的智能模糊控制，其中Bang—Bang控制用于改善系统的快速性，Fuzzy控制有利于改善系统的动态性能，PID控制改善系统的动态特性和消除稳态误差。陆上及海上实验表明，系统达到了规定的动、静态技术指标。     

基于干扰观测器的级联气动肌肉肘关节滑模控制

肘关节的设计和控制是仿人手臂的研究重点。为了得到肘关节的模型,首先搭建测试平台对单根气动肌肉进行静态建模,再建立级联式肘关节的名义模型,采用最小二乘参数辨识得到模型的参数。基于Luenberger干扰观测器设计了滑模控制律。分别采用PID控制、滑模控制和基于干扰观测器的滑模控制对肘关节位置跟踪进行仿真和实验,在仿人手臂末端夹持半瓶矿泉水作为负载和外界不确定性干扰,测试3种控制算法的性能。仿真和实验结果表明,基于干扰观测器的滑模控制位置跟踪精度和鲁棒性均优于滑模控制和PID控制。     

鱼雷PMBLDCM在线智能PID控制器建模与仿真

针对应用于新型鱼雷武器中的永磁无刷直流电机（PMBLDCM）转矩脉动较大引起的噪声和振动等问题,设计了离线训练与在线训练相结合的智能比例积分微分（PID）控制器。首先,通过分析被控对象负载扰动大的特点,利用人工神经网络建立了自校正调节器,将其与传统的PID控制器相结合,通过在线调节PID参数以达到最优的控制效果;其次,在Simulink中搭建了在线智能PID控制系统模型并进行了仿真试验。仿真结果表明,在线智能PID控制器具有较好的适应性和鲁棒性,系统具有良好的动态响应性能。     

激光光路控制电磁作动器的模糊PID控制特性分析

为了实时控制激光切割中激光焦点与辅助气体中轴线的相对位置,提出了一种模糊PID控制的电磁作动永磁复位式3自由度电磁作动器。介绍了电磁作动器结构,建立了相应系统数学模型。采用模糊PID控制算法以仿真与实验相结合的方式研究了电磁作动器的控制特性,并在PID控制器参数完全相同情况下,与传统PID控制算法的控制特性进行对比分析。仿真与实验结果表明：在x轴方向,与传统PID控制算法位置响应时间相比,仿真位置响应时间变化不大,实验位置响应时间减少1.50 s;在y轴方向,与传统PID控制算法位置响应时间相比,仿真位置响应时间减少0.48 s,实验位置响应时间减少1.88 s. 经过对模糊PID控制器参数的进一步优化,作动平台在x轴方向响应时间可达0.10 s. 与传统PID控制器相比,模糊PID控制器响应时间更短、响应速度更快。     

非线性PID控制在导弹电动舵机系统中的应用

运用非线性控制理论设计了一种电动舵机系统的非线性PID控制器.主要用于提高导弹在飞行过程中电动舵机系统在存在外部干扰时的性能.对电动舵机进行了分类,分别建立了其对应的数学模型并进行了仿真.仿真结果表明,与传统的PID控制相比,该控制算法具有较好的动态性能,且在外部扰动情况下具有较强的鲁棒性.     

倾斜控制系统的FUZZY控制

该控制方案舍去传统的校正环节,不用传统的PID控制,而用FUZZY控制设计反坦克导弹倾斜控制系统,给出了FUZZY控制表求取规则和控制表。实验结果表明FUZZY控制效果较传统的PDI控制效果好。     

基于模糊PID控制的AGV控制

为提高自动导引小车(automatic guided vehicle,AGV)运动控制效率,建立了AGV的3维模型和运动模型,通过Matlab/Simulink对AGV的运动模型进行仿真分析.分别使用PID控制、模糊控制和模糊PID控制方法对AGV的运动进行仿真,得到3种控制方式的响应时间和控制效果,并从行走距离和响应时间进行分析.仿真结果表明:建立的Simulink模型真实可靠,模糊PID控制效果比模糊控制和常规PID控制效果更好,可为AGV的控制研究提供参考.     

基于改进型BP神经网络的PID控制算法

针对传统的PID控制算法很难获得比较理想的控制效果的问题,提出一种基于BP神经网络的自适应PID控制算法。根据BP神经网络的结构和特点,介绍了改进型BP神经网络算法描述及PID控制器的结构,并通过实例进行仿真分析。结果表明,改进型BP神经网络PID控制器具有良好的控制效果,降低超调量,抗干扰性强和增强系统的鲁棒性,优于常规PID控制器。     

基于模糊神经网络PID的串级温度控制系统研究

为解决传统PID 控制存在控制效果不够理想、性能欠佳和很难满足系统精度要求的问题,提出基于模糊 神经网络的自适应PID 控制算法对系统进行控制。采用Labview 构建模糊神经PID 控制器,对环控引气系统温度进 行动态控制,进行仿真研究,并将此控制策略与经典PID 控制进行仿真比较。结果表明：基于模糊神经网络的PID 控制算法在系统的超调量和调节时间上都小于经典PID,能提高系统的快速性和准确性,改善系统特性。     

人工神经网络在运动控制中的应用

介绍了人工神经元模型与神经网络基本结构。阐述了多层前向网络的工作原理及误差反转（BP）算法,探讨了用于运动控制的单神经元PID控制器的结构与基于BP网络的模糊自适应PID控制,给出了由传统PID控制器,模糊量化处理,系统辨识神经网络NNM和系统控制网络NNC组成的基于BP网络的模糊自适应PID控制器结构,并讨论了人工神经网络在运动控制领域中应用的发展趋势。     

稳压器压力控制系统灰色预测PI D控制方法研究

将灰色预测理论与常规PID控制结合,对灰色预测PID控制在稳压器压力控制系统中的应用进行了研究,在传统压力控制系统的反馈回路中添加了灰色预测控制器,该控制器以灰色GM（1,1）模型为基础,用被控量的灰色预测值替代当前测量值进行超前控制;仿真分析结果表明：基于灰色预测控制算法设计的稳压器压力控制系统性能优于常规PID控制;系统的控制品质得到了改善。     

基于智能PID的鱼雷控制算法探讨

鱼雷姿态控制是鱼雷自主推进控制的基础,而常规姿态PID控制方式存在响应慢、精度低、超调量高的缺点,对于鱼雷的稳定跟踪是不利的。本文引入智能PID控制的方式,设计了一种用于鱼雷姿态控制的PID控制器,该控制器综合了智能比例、积分分离和单神经元控制方法,实现了鱼雷姿态的智能控制。仿真研究表明,该算法简单且易于实现,响应快、超调量小并有较高的控制精度和较强的稳定性。     

常用温度控制法的对比

常用温度控制包括常规PID、模糊、神经网络、Fuzzy-PID、神经网络PID、模糊神经网络、遗传PID及广义预测等控制方法.常规PID控制易于建立线性温度控制系统被控对象模型.模糊控制基于规则库,并以绝对或增量形式给出控制决策.神经网络控制采用数理模型模拟生物神经细胞结构,并用简单处理单元连接成复杂网络;Fuzzy-PID为线性控制,且结合模糊与PID控制优点.并给出了各方法的控制特性、功能及主要应用场合.