基于PSO算法的二自由度PID控制器参数优化

根据粒子群优化算法具有在参数空间寻优的特点 ,提出了一种利用粒子群优化算法对二自由度PID控制器参数优化整定的方法.通过对工业被控对象的仿真表明了该方法优于常规参数整定方法,且所设计的控制器具有一定的优越性.     

基于RBF网络的微分先行PID控制器

将微分先行PID控制算法和径向基函数(RBF)神经网络结合,提出基于RBF神经网络的微分先行PID控制器.其微分先行PID控制器直接对被控对象进行闭环控制,实现参数在线自调整.RBF结构神经网络则根据系统的运行状态,利用神经网络的自学习自适应能力调节PID控制器参数的在线自整定,达到误差性能指标最优化.Matlab仿真表明,该控制方案不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好.     

基于复合补偿的航空发动机大延迟系统内模控制

针对某发动机的大延迟控制通道,提出了一种基于前馈-反馈复合补偿的内模PID控制算法,该算法采用前馈的方式在被控量"未变化前"进行"超前补偿",加大提前修正能力,从而提高系统的响应快速性,并减小稳态误差;采用内模控制的思想去整定PID参数,结构简单,在线调整参数少,调整容易,计算机仿真和地面试车结果证明了该方法的有效性。     

基于内模控制的分数阶PID算法的稳瞄控制器

研究了分数阶PID在稳瞄系统的控制效果.为了简化分数阶PID的设计,提出一种基于内模控制的分数阶PID设计方法：利用内模原理构造一个仅含整定参数的内模PID,然后通过增加积分阶次λ与微分阶次μ,从而获得分数阶PID控制器;这3个参数可由截止频率、相位裕度和增益鲁棒性约束确定.Matlab仿真与硬件平台试验证明,该控制器相较利用同样约束条件设计的其他控制器,可以使稳瞄系统取得更好的控制性能.     

一种基于广义最小方差自校正PID的导弹时变模型控制律设计

针对传统PID控制难以保证导弹在大空域飞行中保持良好动态性能的问题,提出一种基于广义最小方差自校正控制律的PID控制算法(GMVST-PID)。该算法在递推估计被控对象参数的基础上,将自校正思想用于PID控制参数的实时在线自整定,提高了导弹时变模型控制系统的稳定性、适应性和鲁棒性。仿真结果表明,GMVST-PID控制器具有较强的抗干扰能力和快速的响应能力。     

航向角BP神经网络自整定PID控制算法仿真

设计了基于BP神经网络的自整定PID控制算法,此控制算法不需要被控对象的数学模型,先由BP神经网络对被控对象进行辨识,给出PID控制所需要的3个参数,再由PID控制算法进行有效的控制,最后用MATLAB对某水下机器人的航向角模型进行了仿真验证。     

基于RBF神经网络的控制器参数优化设计研究

以单输入单输出控制系统为研究对象,为快速完成控制器参数整定及优化,提升系统动态性能和稳态性能,提出了一种基于RBF(Radial Basis Function)神经网络的控制器参数优化方法。利用RBF神经网络的局部逼近能力和自学习能力,构造出控制系统辨识与控制器参数优化双网络结构,实现了对被控对象的在线辨识及增量式不完全微分PID控制器参数的在线迭代,快速完成控制器参数的整定,在保证系统动态特性的同时,大幅提升稳定精度。     

自适应鲁棒PID控制器的设计

具有自适应鲁棒PID控制器的设计,把系统辨识技术引入PID的设计,参数辨识采用序列二次规划(SQP)算法.对于结构确定,参数变化的系统,可通过自适应中的参数辨识环节对系统参数进行在线辨识,由辨识的结果,利用鲁棒PID控制器的设计方法进行PID参数整定,整定的参数应用于PID控制器;当系统模型参数变化超过一定范围时,辨识环节重新对系统进行辨识,再进行参数整定.     

双旋翼系统的PID参数模糊自整定控制器

双旋翼多输入多输出系统TRMS由于非线性和强耦合,难以建立数学模型和控制,故提出PID参数模糊自整定的控制方法.利用MATLAB设计PID参数模糊自整定控制器,并进行了仿真和实际应用.与常规PID控制相比,PID参数模糊自整定控制不需要建立精确的数学模型,还可及时在线调整PID参数,获得了较好的控制效果.     

模糊自适应PID控制在高精度光电跟踪伺服系统中的应用

光电跟踪伺服系统在运行时不可避免地会受到摩擦力、机械谐振等非线性和不确定因素的影响,运用常规PID控制往往不能解决跟踪的快速性和稳定精度之间的矛盾。将模糊自适应PID控制应用于系统控制器设计中,在模糊推理的基础上,根据不同时刻的误差和误差变化率对PID控制器参数进行在线自整定,充分发挥了模糊控制和PID控制在系统动、静态性能上的互补性,而且不需要建立被控对象的精确数学模型。进行了实物仿真和跟踪实验,实验结果表明,该设计方法很好地满足了系统对快速性、平稳性以及稳定精度的要求,有效地增强了系统的鲁棒性。     

基于 RBF 神经网络的滚仰式导引头控制系统设计

为保证滚仰式捷联导引头的稳定控制,提出了一种基于 RBF 神经网络整定的 PID 控制策略,用于导引头稳定回路校正环节。根据滚仰式捷联导引头的运动学与动力学关系,结合导引头稳定回路校正环节采用的 RBF 神经网络 PID 控制算法,建立了滚仰式捷联导引头稳定与跟踪一体化仿真模型;仿真结果表明：滚仰式捷联导引头稳定回路采用 RBF 神经网络整定的 PID 控制器后,其动态性能优于传统 PID 控制器,建立的仿真模型能够对机动目标实现快速稳定跟踪,在工程应用中可提供有益参考。     

挖掘机器人电液比例位置自调整模糊PID 控制技术研究

针对挖掘机器人工作装置液压系统存在滞后、不确定性和非线性,不能实现有效精确控制的问题,设计一种基于模糊PID的电液比例位置自调整控制策略。介绍了电液比例位置控制系统组成和自调整模糊PID控制器原理,建立了控制规则表,采用中点向下融合法进行模糊推理和去模糊化处理。仿真与实验验证结果表明:该控制方法具有很好的鲁棒性,控制效果满足技术要求。     

模糊PID在某导弹触发引信测试系统中的应用

文中在PID控制器的基础上。以误差和误差变化率为输入，利用模糊推理的方法实现了PID参数的在线自动整定。并且在MATLAB下对某导弹触发引信测试系统稳态精度和抗干扰性方面进行了研究，仿真结果表明。参数自整定模糊PID控制优于常规PID控制。具有良好的稳态精度和自适应能力，使系统抗干扰能力提高了20％左右。     

PID专家控制器在温控系统中的应用

以单片机为核心的制袋机温度控制系统采用了基于专家智能与PID相结合的专家控制器,利用专家系统知识库输出修正PID参数以改变PID控制方式.据对象特性设计了99条控制规则,并将各种规则的调整方法及调整参数存于控制器.用改进积分法控制温度波动以达到最佳PID控制效果.     

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。     

高超声速飞行器自抗扰PID姿态控制

针对高超声速飞行器模型非线性、气动参数变化剧烈的特点,运用自抗扰技术中的跟踪微分器,设计了自抗扰PID控制器,实现了对高超声速飞行器俯仰通道的姿态控制。仿真结果表明,通过两个跟踪微分器构造的自抗扰PID控制器对于高超声速飞行器这样复杂的模型有很好的控制能力,并且有很好的滤波性能和鲁棒性。     

基于BP网络的PID整定控制

基于三层BP网络的PID的整定控制器,将输出层神经元输出状态对应于PID控制器的比例、积分、微分参数.先确定输入层和隐含层节点数、给出各层权值初值、选定学习速率和动量因子、学习参数等,再计算采样时刻误差、各层神经元的输入输出、PID控制器输出.通过神经网络的自学习、实现PID控制参数的自适应调整.仿真表明该神经PID控制器在三参数自调整、控制量变化、减小误差等方面具有优势.     

软质管线收卷机构PI D控制研究

为使软质管线收卷机构在受到负载力矩扰动的情况下收卷机构的控制系统拥有良好的瞬态与稳态性能,采用PID控制器对控制系统进行调整。用传递函数的方法建立控制系统的模型并采用根轨迹法对PID控制器参数进行分析优化。同时用Simulink建模的方法建立控制系统的模型并采用正交试验法则对PID控制器参数进行优化;计算结果表明：传递函数建模根轨迹法分析的优化结果与Simulink建模正交试验法分析的优化结果比较吻合,传递函数模型与Simulink模型得到相互印证。根轨迹分析法的结果为正交试验法的分析提供了初始的水平数取值范围。正交试验法的分析结果为进一步试验分析指明了方向。两种优化方法的综合运用使PID控制器参数的优化效果得到提高。     

基于Simulink的位置正馈振动主动控制

基于Simulink的振动主动控制,用Simulink框图设计位置正馈补偿滤波器.将实际模型置于仿真系统进行半实物仿真控制.通过位置测量、对位控制,将受控结构位置正馈至控制器,再将控制器位置正馈给控制结构,控制其振动.并以交互界面修改滤波器参数,在Simulink中,通过定义封装模块实现计算机与数据采卡的通信.     

基于RBF神经网络整定的PID控制器设计

对工业控制领域中非线性系统,采用传统PID控制不能获得满意的控制效果。采用基于梯度下降算法优化RBF神经网络,构建其模型,进而编写M语言程序。以整定PID控制器的参数,使系统输出近似跟踪输入。该方法只需给出粗略的PID控制参数,系统的性能依靠神经网络寻优调整,从而可有效地解决经典PID控制方法中控制参数整定困难的问题,且可克服由PID控制参数整定不准给系统带来的不良影响。