基于灰色预测PID球磨机负荷控制

为改善球磨机的负荷PID控制系统,提出了基于灰色预测PID控制的球磨机负荷控制方案。方案融合了灰色预测、常规PID控制这两者的设计思想;并将灰色预测在线应用,用其预测结果代替被控对象测量值进行控制运算。仿真结果表明,与传统的反馈方法相比,使用灰色预测PID控制器可得到更为优良的动态性能,具有鲁棒性好、跟踪快速等优点。     

灰色预测神经网络PID控制研究

由于火电厂过热汽温控制系统的大惯性、大迟延和时变等特性,传统的串级PID控制方法不能适应负荷变化,因而难以取得满意的控制效果。因灰色预测具有少数据、贫信息且运算量小的优点,将灰色预测控制及神经网络相结合,提出了基于灰色预测的神经网络PID控制策略。仿真研究表明,该策略的控制效果优于常规的PID控制,能适应对象参数的变化并表现出良好的控制品质,具有较强的鲁棒性和自适应能力。     

基于灰色预测的大时滞过程的控制研究

针对传统PID控制对大时滞过程控制效果不佳的情况,采用基于GM(1,1)灰色模型对被控对象系统行为进行预测,并用等维新息、提高原始数据列的光滑度和改变初始条件三者结合的方法对该模型进行改进,得到一个改进的GM(1,1)模型.同时以GM(1,1)模型的发展系数a作为决定预测步长的依据,将其与传统PID结合,组成灰色预测控制系统对大时滞过程进行控制.仿真结果表明,与传统PID控制相比,该方法具有较强的适应性和鲁棒性,控制性能也得到了较明显的改善.     

火电厂球磨机非线性自适应控制

建立了球磨机特征模型,分析了运行调节需求,设计了以给煤量非线性自适应PID控制为主体,多种控制方式相结合的球磨机控制系统。该系统由磨风量控制、磨给煤量控制和风煤协调控制三部分构成,合理组合了非线性自适应PID控制、解耦控制、比值控制和仿人控制算法优势。工程应用表明,该控制系统能够解决球磨机运行优化和控制优化的双重问题,控制系统鲁棒性强,具有工况自适应能力。     

磨矿过程基础回路优化控制方法

以磨矿过程基础回路重要工艺参数——旋流器给矿浓度控制为研究对象,针对无模型自适应控制(MFAC)的参数自适应性差的问题,引入模糊控制,提出了模糊MFAC方法,给出了该方法的理论推导步骤,设计了模糊MFAC控制器。将模糊MFAC方法、基本MFAC方法和PID方法进行对比仿真实验,结果表明,模糊MFAC方法能够快速跟踪期望值,具有更小的超调量和跟踪误差,且抗干扰能力强。     

基于灰色预测模糊PID算法的空调房间温度控制

针对中央空调系统房间温度控制系统的大惯性、纯滞后和时变性特点,设计了将等维新息灰色预测控制与模糊自整定PID相结合的新型控制器,建立中央空调房间温度控制系统的数学模型,介绍灰色预测模糊PID控制器结构,并对该控制方案进行了数字仿真。仿真结果表明,该控制器比PID控制器、模糊PID控制器有更多优越性,调节迅速,超调小,有更好的动、静态性能,具有一定的可行性。     

基于改进的PSO算法的球磨机PID神经网络控制系统

球磨机制粉系统是一个复杂的多变量系统,具有强耦合、非线性、大迟延、慢时变等特点,很难建立精确的数学模型,采用常规的控制策略难以获得满意的控制效果。针对上述问题,在对球磨机制粉系统动态特性进行分析的基础上,提出了一种不依赖于被控对象数学模型的多变量PID神经网络解耦控制策略;为进一步提高控制器性能,利用一种改进的PSO算法对PID神经网络的权值初值进行离线优化训练,然后采用BP算法对权值进行在线调整,避免网络陷入局部极小值,保证了系统不会出现大的超调和震荡。仿真结果表明,该策略可以保证球磨机控制系统有大范围的鲁棒性和适应性,能较好地解决球磨机制粉系统的耦合性、时变性等问题,具有优良的解耦机制和控制品质。     

改进灰色预测PID及EPS试验台扭矩加载系统控制

针对EPS试验台扭矩加载系统具有被控对象惯性较大,采样周期较短,电机响应频率不够等特点,提出一种基于强化缓冲算子的改进灰色预测PID控制算法,采用优化背景值和初始条件的改进GM(1,1)模型作为预测模型,并将强化缓冲算子引入改进的灰色预测PID控制系统,提高预测模型的预测精度,克服了被控对象惯性大,采样周期短,响应频率不够,反馈不及时,该方法具有很强的适应性和鲁棒性;通过对EPS试验台扭矩加载系统对象的仿真,以及在EPS试验台的实验表明,与经典PID控制、常规的灰色预测PID控制相比,该方法对于抑制扭矩输出过冲以及减小扭矩输出波动都具有显著地效果,具有更高的控制精度和更好的动态性能。     

基于复合正交神经网络的灰色PID控制

结合传统反馈控制方法和灰色预测控制的预测控制器已在控制系统中获得了成功的应用。由于复合正交神经网络具有学习算法简单、收敛速度快,有逼近线性或非线性函数的优良特性。与灰色预测方法相比,神经网络预测精度高,且误差可控,如果把神经网络作为灰色预测器,建立一种灰色预测控制,那么就会在控制系统中获得良好的控制性能。为此,提出一种结合传统的PID控制和神经网络灰色预测补偿的灰色PID控制器,可对系统进行在线灰色估计和控制,由复合正交神经网络对不确定部分建立的灰色预测模型,可根据系统的参数变化来自动调节预测补偿值,使系统响应具有适应性。仿真结果表明,与传统的PID控制方法相比,该控制器可获得更为优良的动态性能和鲁棒性。     

一类非线性大滞后系统自适应积分滑模控制

针对一类非线性大滞后系统, 基于伪偏导数概念的动态线性化非线性系统模型, 利用离散时间预测器技术, 实现了系统原始表达式中滞后环节的隐性表达, 并结合离散积分滑模控制(discrete integral sliding mode control, DISMC)方法, 提出了一种新的无模型自适应离散积分滑模控制(model-free adaptive discrete integral sliding mode control, MFA-DISMC)方案. 该方法的主要特点是控制器设计仅取决于被控对象的输入和输出测量数据. 通过理论分析证明了算法的稳定性, 仿真研究表明, 相比于无模型自适应控制(model-free adaptive control, MFAC)、Smith预估控制、改进的MFAC控制以及比例–积分–微分(proportional-integral-derivative, PID) 控制方法, 本文方法具有更快的响应速度和更强的鲁棒性. 最后, 通过双容水箱液位控制系统的实验研究, 验证了所提出方法的有效性.     

液压舵机伺服系统灰色预测模糊PID控制

研究灰色预测模糊PID控制在液压舵机伺服系统中的应用问题。由于液压舵机伺服系统具有典型非线性和不确定性,传统的PID控制很难满足控制要求。为解决这一问题,提出了灰色预测模糊PID控制方法。在SimuIink中搭建液压舵机伺服系统的模型并进行仿真,灰色预测模糊PID控制无超调,调节时间为0．008s,消除干扰使系统再次达到稳定的时间为0．045s。结果表明：灰色预测模糊PID控制与传统PID控制、模糊PID控制相比,能有效加快系统的控制速度,缩短调节时间,提高控制精度,具有较强的抗干扰能力。     

基于灰色模型的自抗扰控制在负荷控制中的应用研究

火电厂钢球磨煤机的负荷对象具有大滞后、慢时变、强非线性等复杂特性,采用常规控制方法难以获得满意的控制效果,文章提出了基于灰色预测模型的自抗扰负荷控制方法,它把灰色预测模型与自抗扰控制结合起来,在常规的自抗扰控制中加入灰色预测模型的控制方法,并且控制系统的参数采用自适应遗传算法进行优化;仿真结果表明这种控制方法系统响应快、超调小、鲁棒性好、抗干扰能力强,可以有效解决大滞后、非线性及适应性等问题。     

基于PID参数整定的无模型自适应控制器参数整定方法

本文针对一阶线性时不变(FOLTI)系统, 将常用的比例–积分–微分(PID)控制器参数整定方法推广到无模型自适应控制(MFAC)参数整定中, 利用PID控制参数整定方法整定直接型MFAC方案的伪梯度初值, 以期改变MFAC控制律初始参数的试凑式选取, 提升MFAC应用的方便性和可接受性. 通过仿真, 验证了所提伪梯度初值整定方法的有效性, 并对比了FOLTI系统的系统参数和系统结构发生变化后, 应用MFAC与PID控制的性能差异.     

基于BP网络的智能灰色预测在时滞系统中的应用

基于灰色理论与神经网络相结合能改进预测精度的思想,本文将神经网络与灰色预测PID控制器相结合,利用神经网络来在线调节PID控制器参数以适应模型时变的要求。论述了其原理并将其应用于实际双容水箱液位控制系统,以克服模型不确定性带来的不利影响,从而实现对二阶液位对象的有效控制。通过MATLAB进行了算法的验证和仿真,并利用xPC技术进行了实时控制,结果表明此改进算法比常规PID控制具有更好的效果。     

一种基于灰色系统理论的控制系统参数辨识算法的仿真研究

灰色预测补偿是一种对灰色系统进行白化的算法,该算法需要的信息少、计算量小。它可以克服常规PID控制存在超调的缺点。根据灰色PID控制算法,对系统不确定部分建立灰色模型,进行灰色预测补偿。通过仿真研究,该算法具有较强的鲁棒性,可以提高控制质量,减小控制系统的误差。     

基于Expert-PID算法的矿山球磨机物联网控制系统的设计

针对矿山球磨机采用手动控制呈现出的工人劳动强度大、易受主观因素缺点,或者采用传统PID控制矿浆浓度中出现的稳定性差、波动大、精度低等落后状况,提出设计开发基于Expert-PID算法的矿山球磨机物联网控制系统;文中首先构建了一个五元组的球磨机的模型BallMill=,设计出包含感知层、汇聚层、操作层、应用层等四层物联网测控系统宏观结构,进而介绍了传统PID算法与Expert-PID算法详细内容,重点论述了矿山球磨机Expert-PID算法物联网控制系统的原理结构与专家调控规则;通过企业应用实践与对比实验表明,该系统采用Expert-PID算法比传统的PID算法具备更好的鲁棒性、稳定性与可靠性。     

基于灰色预测PID的风光互补发电机控制研究

为了能够提高风光互补发电机控制的效果,深入地研究了灰色预测PID在风光互补发电机控制中的应用.构造了风光互补发电机的数学模型;剖析了灰色预测的基本原理.针对风光互补发电机控制的实际情况,将灰色预测PID技术引入到风光互补发电机的控制中,提出了风光互补发电机灰色预测PID控制系统,并且提出了相应的算法流程;分别利用灰色预测PID控制技术、模糊PID控制技术和传统PID控制技术对风光互补发电机进行控制仿真研究,仿真结果表明灰色预测PID技术可以获得较好的控制效果.     

基于坐标补偿的自动泊车系统无模型自适应控制

针对自动泊车系统,提出了无模型自适应控制(Model-free adaptive control, MFAC)方案.控制方案的设计仅利用泊车系统的前轮转角输入数据和车身角输出数据,不包含车辆模型信息.因此,针对不同车型的自动泊车系统,该方案均能实现无模型自适应控制.为了改善期望轨迹的坐标跟踪误差,进一步提出基于坐标补偿的无模型自适应控制方案,该方案由控制算法、参数估计算法、参数重置算法和坐标补偿算法构成.针对不同车型不同泊车速度的仿真结果表明,基于坐标补偿的MFAC方案和原型MFAC方案均能较好地完成自动泊车过程,且基于坐标补偿的MFAC方案相比原型MFAC方案和PID控制方案,在轨迹坐标和车身角等方面均具有更小的跟踪误差和更快的响应速度.     

灰色预测模糊自适应PID控制的城轨列车智能驾驶系统研究

为提高城轨列车驾驶系统的智能化程度，将灰色预测控制与模糊自适应PID控制技术相结合，应用到城轨列车驾驶系统中。在对城轨列车驾驶系统进行需求分析的基础上，针对其对各种性能指标的要求，提出了基于灰色预测模糊自适应PID控制的城轨列车智能驾驶系统的设计方案。将灰色预测控制与模糊自适应控制应用到经典PID控制中，设计出了系统的智能控制器，有效满足了城轨列车在运行时对跟踪误差、准点率、停车误差、舒适度和节能性等多个性能指标的要求。仿真结果表明：采用灰色预测模糊自适应PID算法的控制系统具有良好的控制精度且系统的智能化程度得到了相应的提升。     

车辆弯道保持系统的无模型自适应控制方法研究

车辆弯道保持控制在实现车辆的智能控制中具有重要的作用,其运动过程受车载、路况、车体运动状态、环境变化等诸多因素影响,这使得基于模型的控制方法很难达到期望控制效果,无法获得良好的控制性能。针对车辆弯道保持控制和传统模型控制的特点,采用无模型自适应控制方法(Model-Free Adaptive Control,简称MFAC)对车辆的弯道保持控制进行研究,通过分析车辆运动状态,构建车辆动态目标位置模型,基于MFAC实现车辆弯道保持控制器的设计。仿真结果验证,较需人工整定的PID方法,采用MFAC控制方法对车辆弯道保持系统进行轨迹跟踪控制,能够获得更好的控制性能,泛化能力更强,参数调节难度更低。