主动磁悬浮系统的变论域自适应模糊PID控制

针对主动磁悬浮轴承系统具有强非线性、强耦合、模型不确定等特点,提出了一种变论域自适应模糊PID算法;该方法通过选择合适的伸缩因子,避免了传统模糊PID控制中出现规则爆炸的问题;同时针对传统伸缩因子的函数结构和参数难以确定的特点,设计了基于模糊规则的论域伸缩因子;在SIMULINK环境中对主动磁悬浮轴承系统进行仿真,仿真结果表明,变论域模糊PID算法控制的主动磁悬浮系统具有更好的动静态性能,对外界干扰具有更强的鲁棒性.     

一种神经形态马赫数PID自适应控制器研究

本文从自适应控制和优化学习算法的角度出发，将传统的PID控制和神经网络BP算法相结合，构造了具有自适应、自学习功能的神经形态PID自适应马赫数控制器(NNCPID)。通过对网络控制模型的训练、学习和系统仿真，验证了该NNCPID控制器在改善马赫数控制性能、提高系统实时性、鲁棒性等方面，具有很大的优越性。     

车辆主动悬架的BP神经网络自适应PID控制

提出了一种主动悬架的基于BP神经网络的自适应PID控制方法,并借助于1/4主动悬架物理模型,探讨了该控制技术在车身主动减振方面的控制问题.以白噪声模拟路面输入,对车辆主动悬架系统进行计算机仿真研究.将BP神经网络PID主动悬架、PID主动悬架和被动恳架的车身加速度、悬架动挠度及车轮动位移三项指标的均方根值进行了对比分析.仿真结果表明,具有BP神经网络PID控制器的主动悬架控制效果明显优于PID主动悬架和被动悬架,可大大减少路面对车身的振动冲击,能显著地提高车辆行驶平顺性和乘坐舒适性,且鲁棒性好.     

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.     

纸浆浓度控制系统的仿真研究

研究纸浆浓度控制问题,针对纸浆浓度控制系统存在的大滞后、非线性和时变性等特点,常规的PID控制器很难达到理想的控制效果。为了改善纸浆浓度控制系统性能,提出了BP神经网络和将神经网络与PID控制规律融为一体的PID神经网络(PIDNN)两种控制方案。通过对纸浆浓度模型辨识和控制问题的分析,应用BP和PIDNN进行了仿真比较研究。结果表明,BP和PIDNN仿真效果都比较理想,但BP网络结构复杂,参数难以调整;用PIDNN方法既具有常规PID控制器结构简单、参数物理意义明确的优点,又具有神经网络自学习、自适应之能力,满足实时控制的要求,对于复杂系统是一种实用而简便的控制方法。     

基于BP神经网络的矿井提升机自校正容错PID控制

针对矿井提升机系统故障时动态性能难以用传统的解析方法获得的问题,提出了一种基于BP神经网络的矿井提升机自校正容错PID控制方法。该方法通过BP神经网络在线学习跟踪提升机系统的动态特性来预测系统输出值,并应用自适应控制中的自校正PID构建容错控制器,实现提升机系统故障下的稳定容错控制。仿真结果表明,该方法在提升机系统故障情况下能迅速跟踪系统故障状态,在线调整PID参数,快速恢复系统性能。     

BP神经网络模型预测控制算法的仿真研究

为克服被控对象参数变化导致控制精度降低的问题,研究了一种BP神经网络模型预测控制算法。借助最小二乘递推算法在线预测系统模型参数,利用BP神经网络在线预测PID参数以控制被控对象。该算法基于模型预测,首先在线性系统中验证其控制效果,然后将非线性问题作线性处理,采用BP神经网络模型预测PID控制器予以实现控制非线性系统。仿真曲线显示BP神经网络PID控制器用于线性系统可达到高精度控制要求;对于非线性系统有自适应及逼近任意函数的能力。仿真研究表明,该算法与传统BP神经网络PID控制器相比,其自适应能力更强,稳定性更好,控制精度更高。     

挖掘机提升系统神经网络PID控制的研究

建立了280-B挖掘机提升系统的数学模型;针对该系统动态特性的非线性和时变性因素,提出了一种基于BP神经网络的PID控制器的设计方案,该控制器既有经典PID控制算法的特点,又有神经网络良好的自适应和抗干扰能力。Matlab仿真结果表明,基于BP神经网络的PID控制器具有较高的精度和较强的适应性,可以获得满意的控制效果。     

基于模型跟随的神经网络PID飞行控制律设计

为了抑制飞行控制系统的外部扰动和建模误差,应用模型跟随自适应神经网络PID控制方法,进行飞行控制律设计。首先使用RBF神经网络进行飞行系统模型辨识,在线学习系统正向输入输出特性,辨识对象的Jacobian信息;然后应用BP神经网络实时在线调整PID参数,设计自适应神经网络PID控制器,控制飞行状态变量跟随模型输出;最后以F-8飞机纵向飞行控制系统为研究对象进行控制仿真。仿真结果表明,设计的控制器具有很强的自适应和抗干扰能力。     

基于BP的PID算法在磁轴承控制系统中研究

磁悬浮轴承数学模型复杂，常规PID很难达到预期控制效果。本文综合常规PID及BP网络的优点，设计出一种基于BP网络的PID自调整算法控制器。仿真结果表明：使用该算法的PID控制器，可在线获得最优的比例、积分及微分参数值，使整个系统得到最优化配置。     

基于变论域模糊PID算法的张力控制

张力控制在工业中应用十分广泛,其核心是保持张力的恒定。目前恒张力控制主要采用的算法有分段PID和模糊PID,但是这两种方法控制稳定性差。在常规模糊控制的基础上,引入了变论域的思想并设计了伸缩因子基于函数类型的变论域模糊控制器,以此对执行机构为磁粉制动器的张力系统进行控制。通过建立系统模型对常规模糊控制PID算法和变论域模糊控制PID算法进行了仿真对比,仿真结果表明采用变论域模糊PID算法进行系统控制时具有超调小,响应速度快的优点。     

四旋翼飞行器的建模及控制算法仿真

以四旋翼飞行器为研究对象。为实现对飞行器的稳定控制,首先建立了数学模型和动力学模型,又在此基础上设计了PID控制器和模糊PID控制器,通过模拟仿真判断两种控制算法是否能对四旋翼飞行器进行稳定控制。模型的搭建与仿真实验都基于Matlab/Simulink平台,仿真结果验证了模型建立的准确性,以及在所设定的参数下,fuzzy PID控制器对飞行器的控制较好,能够有效控制飞行器的稳定飞行。     

一种基于FPGA的I~2C总线控制器的设计

设计了一种I2C总线接口控制器,该控制器具备协议层处理功能,可以实现对基于I2C总线协议的AT24系列存储器的控制。在FPGA平台下利用VHDL硬件编程技术实现了该设计,进行了功能仿真,并在实验板上完成了验证。     

基于遗传算法寻优的模糊PID调速算法

智能车采用数字摄像头进行路径识别,通过合适的控制方法对车体的运动进行控制,智能车的起停,加减速等就更加合理。通过试验对比查表PID控制策略和模糊PID控制策略,最终选择了模糊PID控制策略,实现了对直道路,弯曲道路的识别和优化处理,运行效果得到了改进,特别是在弯道处在保证了车体平稳的情况下车速有了提高。模糊控制中隶属度函数的中心点的选取也是一个重要的环节,中心点选取的不同直接影响着后面档位的判断,而档位直接联系着电机的转速,所以隶属度函数的中心点的选择的不同所产生的控制效果也是完全不一样的。遗传算法有较强的自学习能力和全局搜索能力,不需要用确定的规则来控制,编码简单容易实现,故系统用遗传算法将高斯隶属度函数中心值寻优调整到合适范围内。     

基于模糊PID的无刷直流电机调速系统的建模与仿真

无刷直流电机控制系统是一种多变量、强耦合、非线性、时变的复杂控制系统,传统的PID控制很难实现无静差控制。基于模糊PID的电机控制,利用无刷直流电机的电压、转矩和转速方程,通过模糊原理对PID参数进行模糊化,实时调节PID的参数,从而实现对电机转速的高精度控制。仿真结果表明,采用模糊PID控制方法控制无刷直流电机,系统响应速度快、无超调、控制精度高。     

蚁群算法在变风量空调控制系统中的应用研究及仿真

变风量空调系统是一个具有大惯性、大滞后的复杂系统。通常对于变风量空调系统采用常规的PID控制,但是常规PID控制具有系统超调量大、动态响应速度慢等问题。将基于蚁群算法的PID控制应用到变风量空调控制系统中。通过MATLAB仿真,得到基于蚁群算法的PID控制具有响应速度快,超调量小的结论。     

基于粒子群算法–反向传播神经网络自适应的氧调器控制系统

氧气面罩中的核心部件是氧气调节器(氧调器).针对当前氧气调节器的大流量、低吸气阻力、快速响应的性能需求,本文在分析了电子氧气调节器工作原理的基础上,介绍了氧气调节器的数学模型,采用了反向传播(BP)神经网络自适应控制算法,并使用粒子群算法(PSO)对BP神经网络自适应控制算法的初值进行筛选.最后,对算法的性能进行了仿真.仿真结果表明,系统具有鲁棒性,且与传统的比例–积分–微分(PID)控制方法和自抗扰控制(ADRC)方法相比, PSO–BP神经网络自适应控制方法实现了更精确的吸气阻力调节、更快的响应速度.此外,当呼吸频率变化或者外界干扰变化时,相比于常规PID算法和ADRC算法则需要人工调整控制参数, PSO–BP神经网络自适应算法则可以自动在线学习训练并调整控制参数,应用前景广阔.     

基于Matlab-Simulink-SISO及SRO的电磁轴承PID控制参数整定

介绍了电磁轴承PID控制系统, 采用Matlab SISO SRO开发电磁轴承控制仿真系统,研究PID控制参数对电磁轴承控制的影响,给出在不同的PID控制参数下的仿真结果,为电磁轴承控制系统的设计提供了一种简洁高效的方法。     

基于Fuzzy-PI的BLDCM控制系统设计与仿真

提出了一种无刷直流电机的Fuzzy-PI转速调节器的设计方法。在无刷直流电机的高性能速度跟踪中,采用传统的PI调节器,则难以克服系统超调和短时振荡问题。采用复合Fuzzy-PI的控制方法,并且采用自适应的权值修正方法来修正Fuzzy回路与PI回路的连接权值。最后,在Matlab与Simulink下进行了仿真,结果表明,运用这种设计方法很好地抑制了超调和振荡。     

基于BP网络的PID控制在滑油压力气动控制中的应用

根据实验室现场对控制的要求,提出了一种将常规PID控制与BP神经网络相结合的自适应PID控制器,该控制器运用神经网络和BP算法实现了对PID参数的在线调整。把该控制器应用于某航空发动机燃油泵调节器滑油压力控制中,实验结果表明,与传统数字PID控制器相比,该控制器具有更好的控制效果和更好的鲁棒性。