基于神经网络PID炉温控制系统设计

将BP神经网络控制策略引入炉温控制系统,通过神经网络模拟实现PID控制器参数在线调整。在电阻炉炉温控制系统模型的基础上,详细介绍了神经网络PID控制器的算法,并对经典PID参数选取进行了分析。最后将神经网络PID与经典PID控制效果进行了仿真比较。     

改进型BP神经网络PID控制在自动化 测试装置中的应用研究

针对汽车交流发电机性能自动化测试装置中测试对象特性的多样性及测试环境的多变性：在进行测试条件参数调节的过程中，采用改进型BP神经网络PID控制器，实现PID参数的在线自整定，改善自动化测试装置的动态品质，从而有效提高发电机生产线的生产效率。介绍了改进型BP神经网络控制器的构成和算法实现，利用MATLAB对其在自动化测试装置中发电机速度调节进行了仿真研究，表明了方法的有效性。     

基于神经网络PID炉温控制系统设计

将 BP 神经网络控制策略引入炉温控制系统,通过神经网络模拟实现 PID 控制器参数在线调整.在电阻炉炉温控制系统模型的基础上,详细介绍了神经网络 PID 控制器的算法,并对经典 PID 参数选取进行了分析.最后将神经网络 PID 与经典 PID 控制效果进行了仿真比较.     

基于BP神经网络整定的PID控制及其仿真研究

讨论BP神经网络PID控制,利用BP神经网络的自学习能力实现PID控制参数的在线整定,并使用Matlab软件进行仿真研究.仿真结果表明：基于BP神经网络的PID控制器参数调整简单,具有很高的精度和很强的适应性,可以获得满意的控制效果.     

基于极点配置算法的列车横向半主动悬挂自适应PID控制系统设计

为了使PID控制器具备自适应能力,以适应列车受到外部环境扰动时产生的结构参数变化,使用了增量式数字PID控制器,将PID控制器与极点配置控制算法结合,利用极点配置算法在线实时优化kP,kI,kD参数,设计了自适应极点配置PID控制器,实现了kP,kI,kD参数的自动校正.最后给出基于极点配置自适应PID的高速列车半主动悬挂控制系统的设计方案,利用MATLAB-Simulink搭建仿真平台并进行仿真.仿真结果表明：基于极点配置算法的列车半主动悬挂自适应PID控制系统能够有效降低列车横向振动.     

参数自整定模糊PID控制方法及其在漆包机中的应用

漆包机烘炉系统复杂,传统控制方法效果不佳,在常规PID（proportion-integral-derivative）控制器的基础上,利用模糊控制理论结合PID算法实现参数自整定,解决了常规PID参数设定的不确定性.应用齐格勒-尼克尔斯方法确定了PID控制器参数的初值,再运用模糊控制理论实现对PID控制参数的修正,从而得到满足要求的PID控制器参数.在Matlab环境下对设计控制器进行了仿真研究,结果表明,参数自整定模糊PID控制比常规PID更具良好的控制效果.     

基于DSP他励直流电机模糊PID控制器仿真研究

针对他励直流电机调速系统参数模型的非线性、时变性,常规PID控制器参数离线整定带来的非优化的问题,提出一种基于DSP的模糊PID控制器算法,以电流反馈误差及误差的变化率作为模糊控制器的输入变量,采用参数自整定的模糊PID控制器实现PID参数在线优化。以DSP开发系统作为仿真平台,将他励直流电机传递函数转换为差分方程,构成基于模糊PID控制器的数字闭环他励直流电机仿真系统。利用DSP高速运算能力进行在线仿真,观察常规PID控制器和模糊PID控制器产生的系统输出波形。CCS2.0和MATLAB仿真实验表明：模糊PID控制器基本实现输出无超调,系统阶跃响应的上升时间和调整时间均比常规的PID控制器阶跃响应的小。模糊PID控制器应用于他励直流电机调速系统中,控制性能明显高于基于常规PID的调速系统。     

基于PID神经网络的控制器研究

提出了一种基于PID神经网络的控制方法，给出了控制器的结构形式，分析了网络中采用附加动量项的BP学习算法，并利用MATLAB软件对带时滞的一阶对象进行了仿真，其仿真结果表明，该方法具有响应快，超调小，无静差等特点。     

基于通讯的智能PID参数整定控制系统的仿真开发

开发了一个基于上、下位机通讯的智能PID参数整定控制系统，上位机的算法采用基于BP神经网络的PID参数在线整定，并利用MATLAB来实现，上、下位机的通信以及显示监控部分利用VC来实现，利用VC与MATLAB之间的接口程序来实现下位机的测量数据，PID控制和上位机的智能PID参数整定部分的数据和命令传递，对一个非线性时变系统，作了仿真实验，仿真结果良好，表明本文所采用的方法是可行的，有效的。     

Fuzzy-PID算法在换热站控制中的应用

在换热站温度控制中，由于被控对象具有不确定、非线性、变参数等因素。常规的PID控制难以满足供暖热水温度控制要求，采用模糊PID算法实现对换热站温度的控制，利用模糊推理对PID参数Kp、Ki、Kd进行在线整定。仿真结果表明：该控制器取得了较好的快速性和稳定性。     

多传感器信息融合在焊接质量控制中的应用

利用BP神经网络,将电弧传感器和超声波传感器所获观测信息以及焊接电流、焊接速度、焊缝坡口等焊接参数信息进行有效融合,得到焊缝熔深预测模型.为了对焊缝熔深进行精确控制,结合传统PID控制器与模糊控制器的优点,设计了参数自调整模糊PID控制器,仿真结果表明:建立的焊缝熔深预测模型能够实时、快速、准确地测量得到焊缝熔深信息,在系统性能各方面参数自调整模糊PID控制器相比于传统PID控制器有着显著优势.     

基于BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．     

基于神经网络的LCL型并网逆变器控制策略

针对光伏并网逆变器系统动态响应缓慢、传统PID控制并网电流跟踪效果差的问题,提出BP神经网络结合PID的控制方法。取单相LCL型并网逆变器为研究对象,分析单相LCL型并网逆变器电路结构以及BP神经网络模型,通过采用具有动量更新的反向传播BP学习算法加快误差性能函数收敛,实时快速地输出合适的PID参数,以提高系统响应速度。最后构建Matlab模型进行仿真,仿真结果表明,相较于传统PID控制器,BP结合PID的控制策略能更好地完成对并网电流跟踪,且速度更快、稳态误差更小,验证了该方法的有效性。     

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.     

混沌天牛须算法在分数阶PID参数优化中的应用

针对分数阶PID控制器参数整定的复杂性问题,提出了一种基于混沌天牛须算法的分数阶PID控制器参数整定方法。首先,利用天牛须算法的寻优机制,进行不断的迭代寻优,寻找最适合受控系统的分数阶PID参数。同时,在原始天牛须算法中引入了混沌扰动机制,根据Logistic映射公式对天牛个体的位置进行随机扰动,增强全局搜索效果。为了验证所提出的混沌天牛须算法的优越性,将混沌天牛须算法与天牛须算法、粒子群算法对分数阶PID控制器参数分别进行寻优,最后进行仿真实验,结果表明混沌天牛须算法具有更好的寻优性能。     

基于粒子群优化的神经网络PID控制器在供热系统的研究

集中供热系统是一个具有时滞性、非线性、大惯性等特点的复杂控制系统,传统PID控制无法达到令人满意的效果,还造成一定的资源浪费。BP神经网络PID控制器尽管在一定程度上改善了PID控制器的性能,但是BP神经网络自身仍有一些缺陷。为了能够提高供热系统的稳定性,进而实现合理用热,采用粒子群算法(PSO)优化BP神经网络PID控制器的权值。设计PSO-BP-PID控制器后,借助MATLAB仿真平台,获得传统PID控制、BP-PID控制以及PSO-BP-PID控制的仿真系统响应曲线图,根据曲线对比得出系统性能的改进情况。     

积分过程PID控制器参数的新型优化整定方法

针对积分时滞过程,结合菌群优化（BSFO）算法和控制系统优化设计策略,提出了一种新的PID控制器参数优化整定方法.通过将PID控制器的参数设置为群体细菌在参数空间的位置,将时间乘以绝对误差的积分（ITAE）作为细菌对环境的适应度函数,并模拟细菌群体觅食的动态行为来实现对PID控制器参数的寻优.实例仿真结果表明,菌群优化算法能够实现对PID控制器参数的有效整定,并在稳定时间、超调量、鲁棒性和抗干扰性等方面具有满意的综合性能.在大量仿真结果的基础上,给出了一个积分时滞对象的PID控制器参数整定经验公式.     

基于改进PSO的励磁系统非线性PID控制研究

针对线性PID控制器在励磁控制系统中难以取得满意控制效果的缺点,在分析了PID控制器增益参数和偏差信号之间的非线性函数关系的基础上,根据控制量与误差信号之间的调节规律,构造出一种非线性PID控制器。因为粒子群算法具有对整个参数空间进行高效并行搜索的特点,通过引入交叉因子的改进PSO算法来寻优非线性PID控制器各增益参数。仿真结果表明非线性PID控制器能够有效地改善机端电压的控制精度,并且具有良好的动态品质。     

基于神经网络的PID自整定光伏并网逆变器仿真

固定PI参数控制算法的逆变器在确定参数时需要建立准确的系统模型,针对带非线性可变负载情况下电压波动性大且动态响应速度迟缓的问题,设计具有3层BP神经网络的控制器,在输出误差的反向传播阶段,根据PID模型,利用梯度下降法找到最合适的PID参数,并进行PID调节;通过在线学习的方式,应对负载变化带来的不利影响,加快系统响应。使用Matlab进行仿真实验,将该算法与PI控制进行对比,稳态误差以及突加负载误差均小于后者。实验结果表明,该控制器在变化负载的情况下具有良好的适应性,有较好的稳定性,并且具有无需调试PID参数的优点,可以满足光伏并网的需要。     

一种改进的足球机器人PID调节器设计

在分析增量式数字PID基本算法的基础上,讨论了PID调节器参数对控制性能的影响及PID调节器控制参数的整定,并利用具有积分分离和消除设定值变化冲击的PID控制算法来实现具有最佳组合的PID控制.仿真实验结果表明,经该方法整定出的参数使该控制器获得了良好的控制效果.