具有速度调节机制的船舶事件触发编队控制

针对实际海洋环境下, 欠驱动水面船舶(USV)编队控制任务中存在控制输入频繁抖振、模型结构未知和航行速度难以控制等问题, 本文提出一种具有速度调节性能的事件触发编队控制算法. 首先, 该算法采用径向基神经网络(RBF–NN)对模型结构不确定进行逼近. 同时, 为了减少控制输入频繁抖振和通信信道占用次数, 设计了一种满足控制器与神经网络权重估计器同步触发的事件触发机制. 其次, 针对现有领导–跟随方法中存在的领导船速度信息不可知、跟随船速度不可控的问题, 设计了一种自适应速度调节器, 使跟随船在不需要领导船速度信息的情况下实时地调节航行速度. 利用李雅普诺夫稳定性理论证明了所提控制算法满足半全局一致最终有界收敛. 最后, 通过仿真实验验证了所提出算法的有效性.     

ODE–热方程级联系统的事件触发控制

本文针对常微分方程(ODE)耦合偏微分方程(PDE)建模的分布式参数多智能体系统进行研究, 针对一致性同步问题, 提出了事件触发的网络化ODE–热方程级联系统多智能体一致性边界交互协议. 本文考虑的热方程左边界为Neumann边界条件, 并且与ODE系统耦合, 右边界为绝热边界条件. 假设网络化多智能体系统的连接方式为全联通有向拓扑图, 给出ODE–热方程级联系统的多智能体的一致性控制协议. 另外针对现有数字式控制器, 设计了事件触发的一致性控制协议, 并利用李雅普诺夫函数验证了在事件触发条件下ODE–热方程级联系统的稳定性. 最后给出了由5个ODE–热方程级联的多智能体系统的仿真结果, 验证了事件触发控制器的有效性.     

基于蚁群神经网络的工业自动化PID参数优化

针对常规方法无法获得最优PID控制器参数的缺点,提出一种基于蚁群神经网络的PID控制器参数优化方法（ACO-RBFNN）。ACO-RBFNN将PID控制器的3个参数作为RBF神经网络的输入,系统输出为RBF神经网络期望输出,通过蚁群算法对RBF神经网络的参数进行优化,并通过RBF神经网络构造参数自学习的PID控制器,从而实现PID控制器参数在线优化。仿真实验结果表明,基于ACO-RBFNN的PID控制器可以得到令人满意的控制效果,可以应用于工业自动化控制系统的PID控制器参数优化。     

深度确定性策略梯度与模糊PID的协同温度控制

针对现有温度控制系统控温时间长、误差大的问题, 本文提出了一种基于深度确定性策略梯度(DDPG)和模糊自整定PID的协同温度控制. 首先, 模糊PID在控制大滞后系统时, 控制器不能立刻对产生的干扰起抑制作用, 且无法保证大滞后系统的稳定性等问题, 本文建立了模糊PID和DDPG算法相结合的温度控制模型, 该模型将模糊PID作为主控制器, DDPG算法作为辅助控制, 利用双控制器模型实现温度协同控制. 接着, 利用遗传算法对模糊PID的隶属函数和模糊规则进行寻优, 获得模型参数最优解. 最后, 在仿真实验中验证所提方法的有效性. 仿真实验结果表明, 本文提出的算法可有效减少噪声干扰, 减小控制系统的响应时间、误差和超调量.     

一种RBF神经网络自适应PID控制器在超临界温度系统的应用研究

将传统PID控制器参数优化和径向基函数（RBF）神经网络结合,提出了基于RBF神经网络的PID控制器。将该控制器用于某超临界电厂温度系统中,由RBF网络对温度控制系统进行在线辨识,建立其在线参考模型并为PID控制器提供信息,控制器通过在线的自学习不断进行适应性控制,从而实现参数在线自调整,优化误差性能指标。MATLAB仿真结果表明,控制器对超临界温度系统有较好的控制效果,不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好。     

基于RBF神经网络的PID控制参数整定

针对传统PID控制器的缺陷,本文提出了一种基于RBF算法的PID控制器,利用RBF算法局部计算简单、非线性映射能力强的特点,实现对PID控制器参数的寻优整定,并利用MATLAB软件对系统进行仿真。仿真结果表明此方法对PID控制器的参数有很好的控制效果。     

基于模糊RBF神经网络的PID及其应用

针对传统的PID控制器参数固定而导致在控制中效果差的问题,提出一种基于模糊RBF神经网络智能PID控制器的设计方法。该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制与RBF神经网络相结合以在线调整PID控制器参数,整定出一组适合于控制对象的kp, ki, kd参数。将算法运用到电机控制系统的PID参数寻优中,仿真结果表明基于此算法设计的PID控制器改善了电机控制系统的动态性能和稳定性。     

基于可变学习率BP算法的空调控制系统的研究

通过分析控制器参数学习率和控制器性能之间的关系,设计一种基于可变学习速率反向传播算法VLRBP和模糊神经元网络的变频空调控制系统.该系统不仅可以通过反传误差信号训练控制器参数,而且可以根据网络的当前状态朝最优化方向调整控制器参数的学习率.实验结果表明,该控制系统不仅比传统的空调PID控制器和模糊控制器具有更好的控制性能,而且相比基于标准BP算法和动量BP算法的模糊神经网络控制系统,也具有更快的收敛速度和更好的控制精确度.     

级联触发策略下非结构化道路的自主卡车队列控制

本文针对非结构化道路上自主卡车队列系统的控制问题进行研究, 设计一种基于级联触发的控制器,有效提高复杂工况下的卡车队列系统性能. 首先, 建立不依赖于道路结构的纵–横耦合卡车队列系统模型, 该模型涉及复杂环境下车辆存在故障(包括执行器、传感器的失效故障以及随机网络故障)影响. 其次, 为降低燃油消耗, 设计了基于自触发和事件触发的级联触发控制器, 并利用李雅普诺夫方法证明了系统的闭环稳定性. 此外, 通过对系统Zeno行为的分析量化, 得到了触发时间间隔的下界值, 保证了算法的实际应用性. 本文为了实现卡车系统队列稳定性控制目标, 进一步给出了控制器设计限制条件. 最后, 仿真结果表明, 所提出的控制方法不但能保证单车渐近稳定以及队列稳定, 还能有效减少执行器更新频率, 提高燃油经济性.     

基于RBF神经网络钢包烘烤装置的节能优化

以唐山钢铁股份有限公司第一、二钢轧厂的蓄热式钢包烘烤装置为控制对象,将基于RBF神经网络的PID控制方法与双交叉限幅方法结合引入到蓄热式钢包烘烤装置的温度控制中,实现了蓄热式钢包烘烤装置温度控制的节能优化。通过在Matlab环境下将RBF神经网络PID控制和传统的PID控制方法进行仿真研究,得出了最佳PID参数,将PID最佳参数应用到双交叉限幅控制方法中。仿真结果表明:基于RBF神经网络PID控制方法较传统的PID控制方法与双交叉限幅方法结合,其PID控制器快速性好,自适应力强,有更好的控制效果。并将该控制系统成功应用到唐山钢铁股份有限公司第一、二钢轧厂的蓄热式钢包烘烤装置温度控制中,在保证质量和产量的基础上,节省了混合煤气消耗量,使其节能32%。     

非线性系统的PID控制器的研究与设计

研究工业过程控制,非线性系统难以建立其精确的数学模型,常规PID算法难以实现其控制.对此,将神经网络算法和PID算法结合起来,为提高性能和响应速度,设计了针对非线性系统的自适应PID控制器,PID控制器采用单神经元来实现自适应调整.分别采用了三种学习算法来实现单神经元PID控制器参数的调整,即基于二次型性能指标的学习算法、基于BP神经网络辨识的学习算法和基于RBF神经网络辨识的学习算法.三种算法的仿真结果表明,都实现了PID控制器的自适应调整的目的,实现对非线性系统的有效控制,证明三种方案的可行性.     

基于GPC的自适应温控PID的设计与仿真

温度控制是具有大时滞特性的控制对象,当工况发生变化时,固定取值PID控制器难以实现理想的控制效果。基于广义预测控制的自适应PID控制器通过最小二乘法对系统进行辨识,将Diophantine方程的递推解与PID参数相对应,实现PID参数的自适应。MATLAB仿真和Automation Studio仿真实验表明,以基于广义预测控制的PID控制器代替固定取值的PID控制器来控制温度对象,在稳定性和实时跟踪等方面都能取得良好的控制效果。     

基于数据驱动的气动柔性关节Takagi–Sugeno模糊系统建模与预测控制

针对气动柔性关节动态特性复杂、难以实现高精度控制的问题,提出一种基于Takagi–Sugeno (T–S)模糊系统的预测控制方法.首先,应用MBGD–RDA算法对T–S模糊系统进行离线训练,该算法结合了机器学习中的小批量梯度下降算法、正则化、Droprule和AdaBound算法.其次,基于模糊集相似性度量方法,对训练得到的T–S模糊系统的模糊集进行剪枝,对模糊规则进行合并,简化T–S模糊系统结构.最后,设计了基于T–S模糊系统的单层神经网络预测控制器. T–S模糊系统参数和预测控制器参数均能实现在线更新,且基于李雅普诺夫理论的稳定性分析保证了系统的稳定性.仿真结果验证了基于数据驱动的T–S模糊系统的高精度预测性能,且结构简化后的T–S模糊系统在规则数减少的情况下仍能维持较高的预测精度.实际实验中,所提控制方法最大跟踪误差小于3°,而传统的模糊逻辑控制器最大跟踪误差大于5°,这表明所提控制算法显著提升了对柔性关节的跟踪控制精度.     

数据注入攻击下ICPS的自适应事件触发弹性控制

为使工业信息物理系统(ICPS)抵御数据注入攻击, 本文研究了事件触发弹性控制策略, 采用自适应事件触发以减少通信资源, 构建攻击估计器以降低攻击对系统性能的影响. 通过H∞渐近稳定性准则推导估计器参数, 采用Lyapunov-Krasovskii函数推导事件触发、数据注入攻击、网络延迟和弹性控制器之间的定量关系. 以二自由度质量–弹簧–阻尼串联系统为被控对象, MATLAB仿真验证基于自适应事件触发的ICPS在数据注入攻击下的系统性能,结果表明所采取策略能保证系统的稳定性, 并有效减少通信资源.     

基于模糊PID的无线智能温控系统设计

模糊PID电阻炉温度系统是基于CC1110处理器。它包括电源、操作算法,温度检测、对应的PC和输出控制开关值等等。计算机将参数偏差和偏差变化作为输入,PID控制器的参数ΔKp,ΔKi,ΔKd作为输出。子程序实现相应的事件来完成区位、区位的判断。主程序实现温度控制函数通过调用无线单片机发送信号到带电装置。     

料筒温度RBF神经网络PID控制器设计及仿真

针对PID控制器具有参数整定不良、性能欠佳、温度控制精度较低,无法满足当今高精密挤出成型加工需要的问题,设计了一种基于RBF神经网络的PID控制器,该控制器将神经网络能无限地逼近非线性系统、运算量小、收敛快的优点和PID控制技术有机地结合起来,获得较高的温度控制精度。仿真结果表明,神经网络PID控制器能有效地缩短过渡过程时间,具有很好的稳定性和快速响应性,比普通PID控制具有更好的控制效果,可改善料筒温控系统的动、静态性能。     

PID控制器改进方法研究

分析了常规PID(比例—积分—微分)控制特点,针对其在非线性控制中存在的问题,基于参数自整定和控制器误差组合方式,分别设计了参数自整定模糊PID控制器、参数自整定RBF神经网络PID控制器和非线性自抗扰PD控制器.并进行了实验验证,实验结果表明,从参数自整定和控制器误差组合角度出发,所采用的控制策略可使非线性系统具有较好的动态特性、鲁棒性和自适应能力.     

冻干试验机温度自适应模糊PID算法研究

将模糊控制理论应用于冻干试验机的温度控制系统中,有助于提高温度响应曲线的跟随性及加快反应时间,从而可以提高温度的控制精度。通过PID控制与参数自适应模糊PID控制的对比的MATLAB仿真实验,获得了调节时间有明显改善的参数自适应模糊PID控制器算法;对真空冷冻试验机系统的近似模型进行了定量分析,并结合实践经验,给出了模型的数学表达式。应用新研制的控制器算法,对具有非线性、大滞后特征的冻干试验机温度系统具有很好的控制作用,弥补了传统的PID控制的不足。     

RBF-PID串级控制在加热炉温度系统中的应用研究

针对工业生产中加热炉物料出口温度的非线性、时变性、大滞后性等特点,无法建立精确的数学模型,并且为提高该系统控制的可靠性和安全性,达到精确控制。提出一种基于RBF(Radial Basis Function)神经网络的PID串级控制器,即先用建立的三层RBF神经网络在线辨识得到梯度信息,再用梯度信息在线整定PID控制的三个参数,最后将整定的PID控制物料出口温度-炉膛温度串级系统的主回路。仿真结果表明,RBF-PID串级控制较传统P I D串级控制有较强的鲁棒性,提高了控制品质,获得了更好的控制效果。     

城市固废焚烧过程烟气含氧量自适应预测控制

在城市固体废弃物焚烧(Municipal solid waste incineration, MSWI)过程中,烟气含氧量是影响焚烧效果的重要工艺参数.由于固废焚烧过程的复杂性,在实际应用过程中,难以实现烟气含氧量的有效控制.面向城市固废焚烧过程烟气含氧量控制的实际需求,提出一种基于数据驱动的烟气含氧量自适应预测控制方法.首先,采用自适应模糊C均值(Fuzzy C-means, FCM)算法辅助确定径向基函数(Radial basis function, RBF)神经网络隐含层神经元个数及初始中心,建立基于FCM算法的径向基函数神经网络预测模型,并在控制过程中通过自适应更新策略在线调节预测模型参数;然后,利用梯度下降算法求解控制律,并基于李雅普诺夫理论分析了所提控制方法的稳定性;最后,基于城市固废焚烧厂实际数据,验证了所提控制方法的有效性.