基于微粒群算法的灰色预测PID控制器

针对大滞后系统，提出一种基于微粒群算法的灰色预测PID控制算法．采用灰色预测模型GMC（1，2）预测时滞系统的输出并用微粒群算法优化PID控制器的参数．这种控制方法不需要精确的数学模型，在线估计参数少，计算简单．仿真结果表明该方法的有效性．     

MIMO系统的MPSO-PID型神经网络解耦控制研究

针对多输入多输出系统(MIMO系统)多变量、非线性、强耦合的特点,提出采用改进粒子群优化算法(MPSO)对PID型神经网络的权值进行优化的方法,实现对MIMO系统的解耦控制.其中,与基本PSO算法相比,MPSO算法后期仍能保持种群的多样性和较大的搜索空间;PID型神经网络是一种3层前向神经网络,网络各层神经元个数、连接方式、连接权值的初值都是按PID控制规律确定的.通过仿真分析,该方法有很好的控制品质:跟踪快、鲁棒性强、解耦效果好,为实际应用中强耦合系统控制方法的改进提供了理论依据.     

基于混沌微粒群的矫直机伺服系统控制

对矫直机伺服压下系统控制方法进行了研究,为了解决PID控制策略难以达到最优状态,且易出现较强的振荡和较大超调量等问题,作者在微粒群算法（PSO）的基础上,引入了混沌算法的优化思想,形成了一种新的混沌－PSO优化算法,并应用在PID控制器的参数优化上。通过MATLAB对新算法进行仿真,仿真结果表明,该优化算法对输入信号的动态响应快,系统超调量和调节时间减少,并且系统的抗干扰性及跟随性都有所提高,具有良好的控制效果,为矫直机的压下系统控制提供了一种有效可行的新型控制策略。     

TISO-OEAR模型的分解递推最小二乘辨识方法

针对输出误差模型参数估计过程中的计算量较大的问题,提出了基于分解的两输入单输出（TISO）输出误差自回归模型（OEAR）的分解递推最小二乘（DRLS）算法．基本的思想是分解TISO系统为3个子系统,并通过递推最小二乘分别辨识每个子系统．DRLS算法是解决大规模系统的计算量大和复杂辨识模型的辨识难题的一种有效的方法．最后通过仿真实例验证和分析了所提出算法的有效性与优越性,并对两种算法的特点进行了总结．     

智能PID控制器优化仿真研究

研究PID控制器优化问题,现代工业控制过程中,由于许多被控对象受到于扰因素影响,具有高度非线性和不确定性,常规PID控制精度低,提出一种遗传算法、粒子群算法和RBF神经网络相融合的PID控制器设计方法(GA-PSO-RBF).首先采用遗传算法选择PID控制参数初始值,然后采用粒子群算法优化RBF神经网络参数,采用优后的RBF神经网络辨识控制对象的输出对输入的变化灵敏度,最后采用单神经元对PID控制器进行在线性调整,得到理想的控制效果.仿真结果表明,GA-PSO-RBF神经网络PID控制器的超调量小,响应速度快,提高了系统的控制精度.     

基于ESO的动态解耦方法及其应用仿真*

针对多变量系统控制中的耦合问题,提出了一种基于扩张状态观测器（ESO）的动态解耦方法。该方法将系统输入变量间的耦合作用、被控对象参数时变和外界干扰视为一个总的扰动,用ESO估计该总扰动并反馈到控制器进行补偿,从而实现动态解耦;对解耦后的每个子系统,分别设计出了基于误差最小二乘指标的神经元自适应PID（NAPID）控制器。该方法简化了解耦过程,放松了对系统模型的要求,计算量小、鲁棒性强。最后用该法对蒸馏塔进行控制仿真,仿真时使用混沌优化方法对ESO的参数进行了离线优化,并给出了与模糊PID解耦控制方法对比的     

基于非线性静态反馈解耦的三容系统PI控制

三容系统实验台是模拟多容器流程系统的多输入多输出、时变、强耦合、非线性的实验系统。采用一种基于非线性静态反馈的解耦方法进行三容实验系统的液位控制,当系统满足一定的务件时,可以寻找到一个输出与等效新输入之间的线性微分方程关系,然后再选择合适的状态反馈形式即可使该非线性系统解耦。经解耦,三容系统可分解为两个相互独立的单输入单输出线性子系统,对每个这样的子系统可以采用PI控制。给出了应用的实验结果和与没有使用解耦的PI控制方法的比较：     

基于风驱动优化算法WDO的PID参数优化

鉴于PID控制器的优越性,其在工业控制领域中的引用越来越广泛。PID控制器的性能主要在于其参数优化设计,PID参数优化问题一直是研究热点。为了解决PID参数优化问题,提出了一种基于自然启发的风驱动优化算法（WDO）的PID优化控制方法,该算法以PID三个参量为控制对象,以误差绝对值和控制输入平方项的时间积分作为优化目标,经过迭代寻优计算得到系统最优控制量。通过计算机仿真,并与遗传算法和粒子群算法PID参数优化相比,结果表明：该算法提高了系统的控制精度、响应速度和鲁棒性,为控制系统PID参数整定提供了参考。     

基于人群搜索算法的PID控制器参数优化

关于PID控制器在工业控制领域应用优化问题,PID参数优化成为工业自动化研究的热点.PID参数优化对于系统的稳定性、可靠性和快速响应等特性有着重要的意义.为了改善和优化PID控制器性能,提出一种人群搜索算法(SOA),以PID三个参量为搜寻队伍,以误差绝对值和控制输入平方项的时间积分作为优化目标,经过迭代寻优计算得到系统最优控制量.通过对比遗传算法和粒子群算法PID参数优化,仿真结果表明,改进算法提高了系统的控制精度,系统响应速度快,鲁棒性好,为控制系统PID参数整定提供了参考.     

微粒群算法在PID参数优化中的应用

微粒群算法是近年来兴起的一种智能优化算法,PID控制是当前工控领域运用最为广泛的一种控制方案,PID控制的效果与其三个参数息息相关,参数的设置与选取直接影响到控制系统的性能,本文基于MATLAB GUI设计出了可视化的仿真平台,利用PSO算法针对炼钢炉铁水温度控制系统PID控制器参数优化进行仿真研究,并和其它几种方案的控制效果进行比较,得出PSO算法应用于PID参数整定的可行性、有效性和优越性。     

Optimal PID Controller Autotuning Design for MIMO Nonlinear Systems Based on the Adaptive SLP Algorithm

In this paper, an adaptive swarm learning process (SLP) algorithm for designing the optimal proportional integral and derivative (PID) parameter for a multiple-input multiple-output (MIMO) control system is proposed. The SLP algorithm is proposed to improve the performance and convergence of PID parameter autotuning by applying the swarm algorithm and the learning process. The adaptive SLP algorithm improves the stability, performance and robustness of the traditional SLP algorithm to apply it to a MIMO control system. It can update the online weights of the SLP algorithm caused by the errors in the settling time, rise time and overshoot of the system based on a stable learning rate. The gradient descent is applied to update the weights. The stable learning rate is verified based on the Lyapunov stability theorem. Additionally, simulations are performed to verify the superiority of the algorithm in terms of performance and robustness. Results that compare the adaptive SLP algorithm with the traditional SLP, a neural network (NN), the genetic algorithm (GA), the particle swarm and optimization (PSO) algorithm and the kidney-inspired algorithm (KIA) based on a two-wheel inverted pendulum system are presented. With respect to performance and robustness, the adaptive SLP algorithm provides a better response than the traditional SLP, NN, GA, PSO and KIA.

     

Adaptive neural network control for a class of MIMO nonlinear systems with disturbances in discrete-time

In this paper, adaptive neural network (NN) control is investigated for a class of multiinput and multioutput (MIMO) nonlinear systems with unknown bounded disturbances in discrete-time domain. The MIMO system under study consists of several subsystems with each subsystem in strict feedback form. The inputs of the MIMO system are in triangular form. First, through a coordinate transformation, the MIMO system is transformed into a sequential decrease cascade form (SDCF). Then, by using high-order neural networks (HONN) as emulators of the desired controls, an effective neural network control scheme with adaptation laws is developed. Through embedded backstepping, stability of the closed-loop system is proved based on Lyapunov synthesis. The output tracking errors are guaranteed to converge to a residue whose size is adjustable. Simulation results show the effectiveness of the proposed control scheme.     

永磁同步电机PID参数优化研究

研究永磁同步电机优化控制问题,永磁同步电机具有强耦合和强非线性特性的特点,应用环境一般较为复杂且常常存在各种干扰使电机系统稳定性差,针对传统PID控制方式很难满足电机系统要求,控制效果差,超调大。为提高控制精度,提出一种改进的PID控制方法。将PID控制器的参数作为粒子群中的粒子,系统控制精度作为粒子的寻优目标,通过粒子搜索找到最优PID控制参数,从而对电机进行精确的控制。仿真结果表明,粒子群算法的PID控制器提高了永磁同步电机系统控制精度,为永磁同步电机优化设计提供了科学依据。     

粒子群算法在PID控制器参数整定中的研究与应用

针对自动化控制系统中PID控制器参数整定困难的问题,提出了基于粒子群算法的PID控制器的设计方法,给出了具体的实验架构。采用系统参数鉴定的方式得到直流伺服发电机的传递函数,并利用粒子群算法搜寻PID参数。实验采用MATLAB仿真证明了该方法的可行性和优越性。所得到模拟结果跟遗传算法搜索PID参数的结果做比较,结果显示用粒子群算法调整PID参数所得到的运算时间比用遗传算法的运算时间要短。     

Distributed H_∞ PID Feedback for Improving Consensus Performance of Arbitrary-delayed Multi-agent System

The H∞ proportional-integral-differential(PID) feedback for arbitrary-order delayed multi-agent system is investigated to improve the system performance. The closed-loop multi-input multi-output(MIMO) control framework with the distributed PID controller is firstly described for the multi-agent system in a unified way. Then, by using the matrix theory, the prescribed H∞performance criterion of the multi-agent system is shown to be equivalent to several independent H∞ performance constraints of the single-input single-output(SISO) subsystem with respect to the eigenvalues of the Laplacian matrix. Subsequently, for each subsystem,the set of the PID controllers satisfying the required H∞ performance constraint is analytically characterized based on the extended Hermite-Biehler theorem. Finally, the three-dimensional set of the decentralized H∞ PID control parameters is derived by finding the intersection of the H∞ PID regions for all the decomposed subsystems. The simulation results reveal the effectiveness of the proposed method.     

基于灰色粒子群神经网络的航天器参量预测

针对航天器精确预测与健康管理的需求,将粒子群算法、灰色理论与神经网络的优势相结合,提出了一种灰色粒子群神经网络组合参量预测方法,实现了灰色模型、粒子群算法、神经网络模型的优势互补.针对某卫星南帆板输出电流参量的预测实例,采用总平均绝对误差、总平均绝对百分比误差、总均方根误差3个预测结果评价指标,对灰色粒子群神经网络模型、粒子群神经网络模型、灰色模型和残差修正灰色模型的预测结果进行了比较,结果证明灰色粒子群神经网络模型的预测精度较高,在航天器参量预测领域具有很好的应用前景.     

An adaptive fuzzy design for fault-tolerant control of MIMO nonlinear uncertain systems

This paper presents a novel control method for accommodating actuator faults in a class of multiple-input multiple-output (MIMO) nonlinear uncertain systems.The designed control scheme can tolerate both the time-varying lock-in-place and loss of effectiveness actuator faults.In each subsystem of the considered MIMO system,the controller is obtained from a backstepping procedure;an adaptive fuzzy approximator with minimal learning parameterization is employed to approximate the package of unknown nonlinear functions in each design step.Additional control effort is taken to deal with the approximation error and external disturbance together.It is proven that the closed-loop stability and desired tracking performance can be guaranteed by the proposed control scheme.An example is used to show the effectiveness of the designed controller.     

基于RandW-SecPSO的四旋翼飞行器分数阶PID控制器参数优化

为了提高四旋翼飞行器姿态控制的控制性能,将分数阶PID控制器运用到四旋翼飞行器的控制系统中.提出了一种带随机权重平均值的二阶粒子群算法(RandW-SecPSO)去优化分数阶PID控制器的参数.将随机权重平均值与二阶粒子群算法相结合,对粒子群进行二阶初始化,同时加入随机权重用以平衡全局搜索能力和局部开发能力,这样提高了算法的收敛精度,并将其与PID控制器进行仿真分析.通过搭建仿真平台,验证了该算法的可行性.仿真结果表明:RandW-SecPSO算法在优化四旋翼飞行器分数阶控制器的参数上要好于粒子群算法(PSO),与PSO算法相比调节时间缩短了0.7s,上升时间减少了0.2s,超调量减小了8％,具有收敛速度快、超调量小、稳定性好等优点.总之RandW-SecPSO算法优化分数阶PID动态响应特性比PID要好很多.     

改进粒子群算法的PID神经网络解耦控制

综合减摇控制系统存在非线性、多变量、强耦合等因素,会导致减摇系统达不到最佳控制状态。利用粒子群算法具有对整个空间进行高效搜索以及PID神经网络的自适应特点,提出一种改进粒子群算法,以解决粒子群算法中存在算法精度不高、粒子易陷入局部极小值等问题,并提高PID神经网络训练速度和训练精度,便于参数寻优。仿真结果表明,改进的粒子群算法具有一定优越性,将其运用到综合减摇控制系统解耦控制器设计中,能够有效地减小船舶横摇,达到较好的控制效果。