一种基于神经网络的非线性复合PID控制器

针对非线性、不确定对象难以控制的问题,提出了一种基于神经网络的非线性复合PID控制器,该PID控制器采用一次和二次多项式分别构成的非线性函数来模拟PID的比例、积分和微分参数随误差变化的曲线,通过神经网络算法实时调整三个非线性函数的权值系数。将线性的比例、积分、微分运算单元和非线性比例、积分、微分运算单元一共6个运算单元分别融入到隐层神经元中,从而构造了将复合PID控制与神经网络控制融为一体的智能控制器。经过Matlab仿真验证,该控制系统的超调小,调节时间短,精度高,方法可行。因此,该控制器在工业领域具有广泛的应用前景。     

基于GSAGA的模糊PID控制在自动油门系统中的应用研究

针对现代民用飞机非线性和时变的特点,设计了一种用于民机自动油门控制系统的模糊PID控制器;模糊控制器以速度跟踪误差及其微分信号作为输入调节PID控制器的比例、积分及微分参数,进而控制油门开度以调节发动机推力,最终实现对速度的控制;文中进一步采用广义自适应遗传算法(GSAGA)对模糊PID控制器的输出因子进行优化,在着陆模态下采用所设计的优化控制策略与传统模糊PID控制进行了对比仿真,仿真结果显示,在民机自动油门控制系统中基于GSAGA的模糊PID控制器的控制效果优于传统模糊控制方法,仿真结果符合飞行品质指标,控制效果良好。     

一种非线性PID控制算法在温控系统中的应用研究

针对传统PID控制算法参数固定不变、容易引起超调量、不能完全适应温控系统的稳定性要求等问题,文中在温控系统中采用非线性PID控制算法使得其增益参数随控制误差而变化;同时以STM32微控制器为控制核心,通过Pt1000和MAX31865模块采集系统温度,半导体制冷器TEC和H桥逻辑驱动模块实现对系统加热制冷和系统功率的调节,液晶屏显示实时温度和运行状态,具有声光指示功能;上位机软件与下位机系统使用USB串口通信采集当前的系统温度,并进行非线性PID调节。实验结果表明,相较于其他的PID控制算法,如结合Bang-Bang控制的PID、引入微分先行的PID、步进式PID、变积分PID和基于微分器的PID等,非线性PID控制算法的调节效果更优,能够提高控制器的鲁棒性、适应性和系统的抗干扰能力。     

基于蚁群算法的真空烧结炉最优PID温控系统

蚁群算法是一种新型的优化算法,具有收敛速度快、鲁棒性强等优点;针对真空烧结炉大惯性、大滞后性、非线性和时变性等特点,采用常规PID控制难以达到温度的精度控制,论文采用蚁群算法优化PID控制器参数,并给出了真空烧结炉最优PID控制系统设计的方法;该方法以误差绝对值为性能指标,实现了不完全微分PID参数的优化;仿真结果表明,该系统与传统的PID相比,有较好的稳态精度和动态性能,具有一定的科学性和实用性.     

基于改进跟踪微分器与前馈的模糊自适应PID控制

经典PID控制器在工程领域应用广泛,但其快速性和超调量之间不能很好地实现协调控制,且误差信号在经典意义上不可微,导致微分难以被有效利用。基于此,在典型跟踪微分器研究的基础上,采用一种具有良好的动态响应和滤波功能的改进非线性跟踪微分器对输入信号进行快速、无超调跟踪。并结合前馈控制和模糊自适应PID控制提升系统的稳定性和快速性,设计了一种基于改进跟踪微分器与前馈的模糊自适应PID控制器。以移相全桥变换器为控制对象,用经典PID与其进行对比分析。仿真与实验波形分析发现,所提控制器的鲁棒性更高,同时可将调节时间缩短至40%,响应速度也更快。     

一种自调节灰色预测PID控制器

为提高传统PID控制的性能及扩大其适用范围,提出一种结合传统PID控制、灰色预测和全程快速非线性跟踪．微分器的自调节灰色预测PID控制器。利用灰色预测对系统的输出偏差和预测偏差进行合成形成一个综合偏差,用来代替传统PID控制中的实际偏差项。这样控制器既有预测系统未来行为的功能,又能根据预测模型精度自动调节控制器参数,能有效减小预测误差对系统的不利影响。同时用非线性跟踪．微分器代替差分法来提取微分信号,提高了微分信号的品质。仿真结果表明,与传统PID控制器相比,该控制器可获得更为优良的动态性能。     

热工过程时滞对象的NLPID控制

针对火力发电厂热工过程的时滞对象,提出采用NLPID加前馈的控制方法,即利用跟踪-微分器和非线性组合方式来改进经典PID调节器实现复杂系统中被控对象的非线性控制,提高其适应性和鲁棒性.仿真研究表明,文中所采用的控制方案比常规NLPID控制表现出更好的控制品质,在实际应用中有一定的实用价值.     

模糊-PID控制器在空调温度控制中的应用

该文首先利用计算机仿真软件中的优化工具箱对常规PID控制器中的比例、积分和微分参数进行优化，并且针对中央空调温度控制系统非线性、大滞后的特点，设计了在规则上可调整的模糊控制器，该模糊控制器通过α因子自调整和Ku的自寻优，达到适应和跟踪系统参数变化的目的；而后采用模糊逻辑工具箱和MATLAB函数相结合，方便地实现空调温度控制系统的计算机仿真。仿真结果表明，这种控制方式控制效果优于常规PID控制，有效地改善了系统的动态性能、稳态精度和鲁棒性。     

矿用自卸车主动油气悬架非线性控制方法研究

为了对矿用自卸车主动油气悬架进行有效控制,分析了其油气弹簧的刚度力与阻尼力的非线性特性,进而建立了两自由度油气悬架的非线性力学模型。应用微分几何线性化理论,经过恰当的坐标变换和反馈控制,实现非线性系统的精确线性化,而后对其设计使用线性PID控制研究;根据选定的控制目标及输出变量,通过制定相应的模糊控制规则表,设计模糊PID控制器,对悬架系统使用模糊PID控制研究。仿真结果表明,与被动悬架相比,精确线性化后的PID控制悬架以及模糊PID控制悬架均能显著提高车辆的平顺性和操稳性,使悬架的动态性能趋于稳定;另外,与模糊PID控制相比,线性化PID控制对于改善车辆行驶平顺性优势更加明显。     

基于PID神经网络的后非线性盲源分离算法

PID神经网络是一种新型的前向神经元网络，它的隐层单元包含比例（P）、积分（1）、微分（D）元，各层神经元个数、连接方式、连接权初值均按PID控制规律的基本原则确定。本文研究了一种新的后非线性盲源分离算法，用最大熵值方法推导了PID神经网络算法的后非线性分离学习公式，该算法可用于线性或后非线性的混叠信号。对输入2个混叠信号时，用单个PI神经网络分离；对输入3个混叠信号时，用单个PID神经网络分离；对输入更多的混叠信号时，可采用多个独立的PID神经网络来分离。仿真结果验证了单个PID神经网络算法，能分离线性或后非线性混叠信号。     

Event-triggered adaptive tracking control for nonlinear systems with input saturation and unknown control directions

This article is concerned with event-triggered adaptive tracking control design of strict-feedback nonlinear systems, which are subject to input saturation and unknown control directions. In the design procedure, a smooth nonlinear function is employed to approximate the saturation function so that the controller can be designed under the framework of backstepping. The Nussbaum gain technique is employed to address the issue of the unknown control directions. A predetermined time convergent performance function and a nonlinear mapping technique are introduced to guarantee that the tracking error can converge in the predetermined time with a fast convergence rate and a high accuracy. Then the event-triggered adaptive prescribed performance tracking control strategy is proposed, which not only ensures the boundedness of all the closed-loop signals and the convergence of tracking error but also reduces the communication burden from the controller to the actuator. At last, the simulation study further tests the availability of the proposed control strategy.     

基于弹性能量函数的非线性不确定系统控制方法

针对非线性不确定系统的控制问题,提出一种基于弹性能量函数的扰动观测方法和弹性跟踪控制方法.该方法以弹性能量函数为核心,将其分别应用于扰动观测器、虚拟跟踪指令以及弹性跟踪控制器的设计.该控制方法的突出优势是只根据误差来消除误差,不涉及误差的微分运算,控制器增益参数完全根据积分步长来整定.理论研究表明,所提出的弹性跟踪控制方法不仅可从理论上保证各级子控制器的稳定性,有效解决高阶SISO非线性不确定系统的控制问题,而且可有效避免反步控制方法出现的微分爆炸问题.此外,每个子控制器只有一个由积分步长即可整定的增益参数,因而控制器结构简单、计算量较小.仿真结果表明:所提出的控制方法不仅具有快的响应速度、高的控制精度以及强的抗扰动能力,而且不依赖于被控对象模型,在非线性不确定系统控制领域具有广泛的应用前景.     

具有未知输入增益的非线性系统的跟踪控制

针对具有未知输入增益的非线性系统, 提出了一种可实现系统输出跟踪控制的自适应控制方法. 通过在backstepping设计中引入一种新的Nausbaum增益, 按该方法设计的控制器可以在系统输入增益未知的情况下实现系统输出的渐近跟踪.     

H∞ decentralized fuzzy model reference tracking controldesign for nonlinear interconnected systems

In general, due to the interactions among subsystems, it is difficult to design an H_∞ decentralized controller for nonlinear interconnected systems. The model reference tracking control problem of nonlinear interconnected systems is studied via H_∞ decentralized fuzzy control method. First, the nonlinear interconnected system is represented by an equivalent Takagi-Sugeno type fuzzy model. A state feedback decentralized fuzzy control scheme is developed to override the external disturbances such that the H∞ model reference tracking performance is achieved. Furthermore, the stability of the nonlinear interconnected systems is also guaranteed. If states are not all available, a decentralized fuzzy observer is proposed to estimate the states of each subsystem for decentralized control. Consequently, a fuzzy observer-based state feedback decentralized fuzzy controller is proposed to solve the H_∞ tracking control design problem for nonlinear interconnected systems. The problem of H _∞ decentralized fuzzy tracking control design for nonlinear interconnected systems is characterized in terms of solving an eigenvalue problem (EVP). The EVP can be solved very efficiently using convex optimization techniques. Finally, simulation examples are given to illustrate the tracking performance of the proposed methods     

智能车辆路径跟踪控制方法

为了提高智能车辆路径跟踪控制器的可靠性和控制精度,提出一种基于误差动力学模型的路径跟踪控制方法.基于车辆运动学模型和动力学模型建立系统误差动力学模型,并在此基础上推导出车辆路径跟踪控制的稳态控制律,利用李雅普诺夫稳定性理论验证稳态控制律的正确性.为了减小外部干扰对控制性能的影响,提高控制器的可靠性,进一步设计基于车辆侧向位移误差的瞬态控制律,并利用李雅普诺夫稳定性理论验证闭环系统的稳定性.稳态控制律和瞬态控制律构成了非线性的路径跟踪控制器.通过与车辆路径跟踪常用的线性控制器和非线性控制器对比验证所提出控制方法的有效性,线性控制器选用LQR控制器,非线性控制器选用Stanley控制器.仿真结果表明,与LQR控制器相比,所提出控制方法的路径跟踪控制精度、抗干扰性和可靠性更好.与Stanley控制器相比,所提出控制方法具有更好的路径跟踪控制精度和控制收敛速度,且在大曲率路径跟踪过程中具有更好的可靠性.     

基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应控制

针对三自由度全驱动船舶存在模型不确定和未知外部环境扰动的情况,设计出一种基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应神经网络控制方法.该方法综合考虑船舶位置和速度误差之间关系设计递归滑模面,引入神经网络对船舶模型不确定部分进行逼近,设计带σ-修正泄露项的自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,并应用一种非线性增益函数构造动态面控制律,选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快、精度高,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

Output feedback tracking control for lower‐triangular nonlinear time‐delay systems with asymmetric input saturation

In this paper, the problem of output feedback tracking control is investigated for lower‐triangular nonlinear time‐delay systems in the presence of asymmetric input saturation. A novel design program based on a dynamic high gain design approach is proposed to construct an output feedback tracking controller. The innovation here is that the problem of constructing tracking controller can be transformed into the problem of constructing two dynamic equations, with one being utilized to deal with the nonlinear terms and the other one being applied to analyze the influence of asymmetric input saturation. It is proved by an appropriate Lyapunov‐Krasovskii functional that the proposed tracking controller subject to saturation can ensure that all the signals of the closed‐loop system are globally bounded and the tracking error is prescribed sufficiently small when time is long enough. A practical example is given to illustrate the effectiveness of the proposed method.     

Fast terminal sliding‐mode finite‐time tracking control with differential evolution optimization algorithm using integral chain differentiator in uncertain nonlinear systems

This paper presents a fast terminal sliding‐mode tracking control for a class of uncertain nonlinear systems with unknown parameters and system states combined with time‐varying disturbances. Fast terminal sliding‐mode finite‐time tracking systems based on differential evolution algorithms incorporate an integral chain differentiator (ICD) to feedback systems for the estimation of the unknown system states. The differential evolution optimization algorithm using ICD is also applied to a tracking controller, which provides unknown parametric estimation in the limitation of unknown system states for trajectory tracking. The ICD in the tracking systems strengthens the tracking controller robustness for the disturbances by filtering noises. As a powerful finite‐time control effort, the fast terminal sliding‐mode tracking control guarantees that all tracking errors rapidly converge to the origin. The effectiveness of the proposed approach is verified via simulations, and the results exhibit high‐precision output tracking performance in uncertain nonlinear systems.     

Desired Compensation Adaptive Repetitive Control of Electrical‐Optical Gyro‐Stabilized Platform with High‐Precision Disturbance Compensation

In this paper, the influences of unknown disturbances are first analyzed, and the structural properties of the disturbances are given. By appropriately applying Fourier series approximation, a novel continuously differentiable nonlinear friction model is synthesized by modifying the traditional piecewise continuous LuGre model, then a desired compensation version of the proposed adaptive repetitive controller is developed for precise tracking control of servo systems to compensate for spatial periodic disturbance and random disturbance. To further reduce noise sensitivity and improve tracking accuracy, the desired compensation robust control term is also constructed to effectively attenuate the effect of approximation errors, and thus a theoretically asymptotic tracking performance is achieved by the proposed controller, which is very important for the high accuracy tracking control of servo systems. Extensive comparative experimental results are obtained to verify the high‐performance nature of the proposed control strategies.     

遗传小脑神经网络在液位控制中的应用

针对非线性液位控制问题,提出了一种采用遗传小脑模型神经网络（CMAC）的学习控制方法;该控制器采用遗传算法作为CMAC神经网络的学习算法,给出了具体的控制结构和算法;仿真结果表明,该控制器具有良好的处理非线性以及跟踪连续变化信号的能力,并对时变外负载干扰具有明显的抑制作用,而且新型控制器能使用较高的学习速率,学习速度快,适于在线学习控制。