一种改进的非线性神经元PID控制方法在高压SVC中的应用

以高压静止无功补偿器(Static Var Compensator,SVC)为研究对象,针对传统PID控制器难以对设定值进行有变化的跟踪和对扰动进行抑制的缺陷,提出了一种新的非线性神经元PID控制+二阶微分控制算法以实现公共连接点的电压稳定控制,采用改进的神经元学习算法对控制器的参数进行优化,使得SVC系统的瞬态响应性能和控制性能达到最佳,引入非线性函数消除了系统的超调.实验结果验证了所提出的控制方法能够保证快速、无超调地跟踪电压设定值,具有较强的鲁棒性和适应性,提高了SVC系统的补偿精度.     

固体氧化物燃料电池的自抗扰优化控制方法研究

固体氧化物燃料电池（Solid oxide fuel cell,SOFC）因其多燃料适应性、高效能和无污染等特点而应用广泛。然而,SOFC是一个高度耦合、非线性、多变量和复杂的系统,易受扰动的影响而使系统输出电压不断波动变化。因此,为了降低扰动带来的影响,保证SOFC系统输出电压稳定,提出了一种基于改进萤火虫算法的线性自抗扰控制（Linear active disturbance rejection control,LADRC）方法,将萤火虫算法引入阶梯型惯性权重,并采用随机生成方法替代发光程度低的30%个体,进而优化LADRC参数。仿真结果表明,在电压扰动影响下,通过改进萤火虫算法优化的LADRC控制方法比传统PID控制方法的超调量降低了13.65%,具有良好的控制效果。     

基于RBF神经网络的智能车速度控制系统研究

针对传统PID控制算法在电磁导航智能车速度偏差处理中存在比例、积分、微分参数一经确定,不能在线调整、不具有自适应能力的缺点,提出了将RBF神经元网络控制器及其算法应用到智能车的调速系统中,对传统PID参数整定进行改进。RBF神经网络能够辨识智能车电机的数学模型,可以根据控制效果在线训练和学习,调整网络连接权重值,最终自适应地整定PID三个参数来实现智能车的速度控制。MATLAB仿真测试表明,与传统PID控制算法相比,RBF神经网络PID整定算法在智能车速度控制中具有响应快,超调量小、鲁棒性和适应性强的优点,大大提高了智能车电机控制系统的性能。     

基于改进单神经元PIDR的SVG电压调节器

为了提高传统电压调节器的自适应能力,改善其动态调节效果,提出了一种新的单神经元自适应PID控制器的改进算法,并将其应用于SVC控制系统的电压调节系统中。误差较大时,K取大值,确保系统响应的快速性;误差较小时,K取小值,确保系统渐趋稳定。采用MATLAB的S-函数编写了该控制器算法的M语言程序,并在MATLAB/simulink环境下进行了仿真实验。仿真结果表明,基于改进单神经元自适应PID电压调节器的控制系统响应速度快,调节时间短,超调量小,系统动态性能及稳态性能良好。     

基于ELMAN神经网络PID控制的BLDCM调速系统设计

针对无刷直流电机时变性、非线性、耦合性等特性,设计改进Elman神经网络PID控制算法。改进算法融合分层递阶思想和小生境PSO算法思想,联合优化ELMAN神经网络结构及初始化参数,解决传统控制算法收敛速度慢、易早熟、需人工设置网络结构及初始参数等问题。引入自适应灾变因子提高寻优精度。仿真结果表明,使用改进算法优化PID控制器可使BLCDM调节时间和超调量大幅减小,响应速度加快,具备较好的动态性能和较强的鲁棒性。     

磁粉离合器自调整模糊PID励磁控制技术

针对磁粉离合器应用环境复杂,采用传统的控制算法很难满足系统非线性、变参数的要求等问题,在研究了模糊控制和传统PID控制算法的基础上,提出了一种自调整模糊PID控制算法。该算法兼有模糊控制和PID控制算法的优点,实现了对过程参数的无稳态误差控制,同时具有很好的自适应特性,并且能够克服非线性因素带来的影响,具有较强的鲁棒性。将该算法应用于双轴水冷式磁粉离合器,能够实现在线PID参数的自整定。通过对该控制算法的仿真,并与常规PID控制算法的实验比较,该控制算法响应速度快,负载侧电流稳定时间短、电流超调量小,且控制系统具有很好的自调整能力。     

新型智能PID控制的PMLSM调速系统研究

为进一步提高永磁直线电机调速系统的动静态性能,提出将BP神经网络与传统PID控制器相结合,以实现PID参数的最优化自整定。在研究常规BP神经网络的控制算法的基础上,对常规BP算法的学习速率和动量因子不能动态调整带来的缺陷进行分析,提出基于误差变化率的动态调整算法,实现对PID控制器参数的自寻优,并将算法应用于永磁直线电机矢量控制系统速度调节器中。仿真实验结果表明,改进后的基于BP神经网络PID控制算法与传统PI控制器相比,控制系统的动静态性能更优,稳定性更好,解决了由于参数整定困难而导致PID控制器性能不能达到最优化的问题。     

改进PSO-BPNN供水泵站变频恒压PID控制

供水泵站是变频恒压系统，要求保障水压稳定，且在干扰情况下能快速响应并恢复稳定。为提升系统稳定性、高效性，提出一种改进PSO BPNN的PID控制方法。首先构建供水泵站变频恒压控制模型，再基于BPNN实现PID非线性控制，提出一种PSO惯性权重改进策略，以提升PID参数的计算效率，从而更好地满足供水泵站控制需求。实验表明，本文算法响应快速、无超调，且具有稳定的非线性信号跟踪性能。相比BPNN、PSO BPNN的两种PID控制算法，本文算法在恒压实验的调节时间缩短了296%和28%；在干扰实验中，超调量减少了346%和199%，稳定时间缩短了73%和16%。本文算法可提升供水泵站系统的稳定性和高效性。     

遗传优化PID整定算法在阀门定位器中的应用

电气阀门定位器调节阀门开度的PID控制过程容易出现较大的超调,通过自然泄气或增加反作用回调阀位,会对系统的鲁棒性和控制效率产生较大影响。提出一种遗传优化的PID整定算法,基于继电反馈法获得系统PID参数的大致范围,并利用改进遗传算法进行PID参数寻优,使系统接近无超调控制,提高控制精度,缩短调节时间。系统获得PID参数用于控制气动调节阀,超调量可控制在06%,调节时间相比于传统PID算法缩短66%。仿真和实验结果表明,该整定算法能够实现稳、准、快的控制方式,为优化电气阀门定位器的控制策略提供了一种新的思路。     

基于神经网络学习算法和粒子群算法的改进PID控制在高压静止无功补偿器中的应用

以高压静止无功补偿器(static var compensator,SVC)为研究对象,针对传统比例-积分-微分(proportional integral differential,PID)控制器难以对设定值进行有变化的跟踪和对扰动进行抑制的缺陷,提出在传统PID控制器的基础上加入一个2阶微分控制环节以实现公共连接点的电压稳定控制,并采用改进的神经网络粒子群优化算法对控制器的参数进行优化,使得系统瞬态响应性能和控制性能达到最佳。仿真和实验结果验证了所提出的控制方法能够保证快速、无超调的跟踪电压设定值,具有较强的鲁棒性、适应性,提高了SVC系统的补偿精度。     

数字PID调节器的一种改进算法

传统的PID调节器虽然可以兼顾系统的稳态与动态调节品质,但PID参数相互影响,其整定比较繁琐,有时甚至难以保证调节系统的正常工作.对此,在积分分离的PID算法基础上,采用一种根据被调量偏差绝对值变化方向进行积分增益修正的PID控制算法,并应用于火力发电机组控制系统仿真软件开发.结果表明,该算法彻底克服了积分作用引起的过调问题,大大提高了调节器参数的稳定范围,简化了调节器参数整定过程,可用于实际工业过程的自动控制.     

基于改进微粒群算法的PID控制器参数优化设计

介绍了微粒群优化（PSO）算法的基本原理和流程,提出了改进的PSO算法并将其与控制系统优化设计相结合,对传统PID控制器的参数整定进行优化研究,仿真实验结果表明改进PSO方法得到的PID控制器具有快速、无超调的响应特性,获得了满意的控制效果,各项控制性能指标优于传统方法整定得到的PID控制器。     

基于DSP通讯全桥开关电源的研究与设计

针对传统开关电源中损耗较大,超调量较大,动态性能较差等问题,提出了基于DSP的全桥软开关技术。通过Matlab仿真结果表明模糊自适应PID控制算法比传统PID控制算法在超调量、调节时间、动态特性等性能上具有优越性。     

基于自适应模糊算法的无刷直流电机控制系统研究

针对传统的PID控制系统不能随外界变化而调整参数和控制精度不高、鲁棒性差等缺点,提出将自适应模糊PID控制算法应用于无刷直流电机的控制中,运用模糊控制原理对PID参数进行在线调整。仿真及实验结果表明:较之传统的PID控制,自适应模糊PID控制系统响应速度快、鲁棒性强、超调小、精度高,达到了较好的控制效果。     

基于改进积分分离PID的LED电源控制系统设计与仿真

以电压反馈脉宽调制(PWM)控制模式的数字控制双管正激型LED开关电源为控制对象,设计合理的补偿算法。首先建立开关电源的功率部分模型并对该系统设计了数字PID补偿算法,通过闭环系统仿真分析传统PID算法存在的不足;然后针对数字PID算法存在的超调量过大的问题,以积分分离PID算法为基础,通过建立比例、微分两个增益系数与输入误差之间的函数,设计一种改进的积分分离PID算法;最后在Simulink中进行系统级别的仿真,对分别采用两种补偿算法的系统输出特性进行比较。结果表明:采用改进型积分分离PID算法可以在不改变稳定性以及调节时间的基础上减小超调量,取得更好的控制性能。     

改进蝗虫优化算法 在模糊神经网络PID控制中的研究

传统模糊神经PID控制算法易出现网络参数调整不合适导致控制效果差的问题。本文提出一种改进蝗虫算法优化下的模糊神经网络PID控制算法。首先针对传统蝗虫算法粒子多样性不足的问题引入Levy随机飞行策略,其次引入非线性缩减因子和模拟退火算法来改善算法寻优能力以及跳出局部最优解的能力,然后将改进的蝗虫算法与模糊神经PID结合来优化神经网络超参数以及实现控制参数自整定,最后由仿真结果验证所提出的改进蝗虫算法优化模糊神经网络PID算法的优越性和可靠性。     

基于强化学习的艾灸机器人温度控制策略研究

针对传统PID控制算法在艾灸机器人温度控制中存在参数辨识复杂、适应性差等问题,将强化学习引入到艾灸机器人温控领域中,提出了一种改进强化学习算法。首先,通过多物理场仿真软件和神经网络联合搭建智能体离线训练仿真环境,以解决智能体在线训练效率低下的问题;然后,提出一种结合奖励引导和余弦退火策略的改进强化学习算法,提高算法的收敛性和成功率;最后,将仿真环境训练后的模型迁移到真实环境进行实验验证。实验结果表明,温度超调量为0.2℃,稳态温度保持在43.1℃±0.4℃内,改进后的强化学习算法相比于传统PID控制算法的温度控制能力更好。     

基于模糊粒子群PID算法的温控系统研究

针对电容器热压机温度控制系统存在滞后大、非线性的问题,分析了电容器热压机温度控制系统的原理,建立了温度控制系统的数学模型。通过对传统PID控制算法、粒子群算法和模糊控制算法的研究,提出了一种将模糊粒子群PID算法应用于温度控制系统的方案。用MATLAB对温控系统进行仿真,得出采用传统PID控制算法的温控系统的调节时间和超调量分别为66s和58.173%,而采用模糊粒子群PID算法的温控系统的调节时间和超调量为分别是34s和6.295%。研究结果表明,基于模糊粒子群PID算法的电容器热压机温度控制系统在调节时间、超调量和抗干扰能力等方面均优于传统PID控制算法。     

FOPID-GPC算法在电厂过热蒸汽温度控制中的应用

为了克服在过热蒸汽温度控制中对象参数变化对控制效果的影响,将分数阶PID(FOPID)控制与广义预测控制(GPC)算法相结合,构成了分数阶PID型FOPID广义预测控制(FOPID-GPC)算法。该算法的参数设置与传统的整数阶PID广义预测控制算法的参数设置具有一定的相似性,并增加了积分阶数和微分阶数2个可调参数,该参数的取值对控制系统的性能具有很大的影响。仿真结果表明,FOPID-GPC算法使控制系统具有超调量小、调节时间短、能够快速跟踪系统变化的特点,提高了控制系统动态性能,能够较好地将蒸汽温度控制在设定值附近。     

一种滑模无差拍PMSM矢量控制策略研究

针对传统比例积分微分(PID)控制下的永磁同步电机(PMSM)矢量控制系统存在抗干扰能力弱、控制精度不足等问题,设计了一种滑模无差拍复合控制策略取代PID控制。电流环调节器采用基于无差拍控制原理的电流预测算法,提高电流环控制性能。速度环调节器引入基于趋近律的滑模变结构控制算法,提高系统鲁棒性。实验结果表明所提策略具有更好的动态性能和鲁棒性,有实际意义。