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 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。     

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。     

基于模糊神经网络的遥控武器站伺服系统PID控制器

针对遥控武器站伺服系统具有间隙、摩擦等非线性、不确定性特征,将PID控制与模糊神经网络进行有机结合。利用多层神经网络提取模糊控制规则,构建模糊神经网络控制器,根据偏差E和偏差变化EC在线调整PID控制器的三个参数。仿真试验表明,该控制器具有PID控制器精度高,以及模糊神经网络控制器响应速度快、超调小、稳定性高的特点,具有良好的动、稳态特性。     

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.     

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.     

大时滞过程的自整定PID控制器

大时滞过程的自整定PID控制器,采用基于内模控制策略的继电型PID自整定.通过继电反馈辨识方法获得被控对象模型参数.该控制器由等效扰动信号、被控对象、对象模型、内模控制器、反馈滤波器及参考输入滤波器组成.其仿真结果表明:该方法不仅具有良好的鲁棒性,而且调节快速,参数整定方法简单,适合工程应用.     

专家整定PID控制系统

专家系统对PID控制参数的整定过程包括系统控制性能判别、过程相应曲线特征识别、控制参数调整量确定及PID参数修改等.先启动特征识别程序,获得控制系统当前控制状态的描述.据状态描述,确定PID控制参数的调整方向和调整量.最后是整定,推理求解后的参数经认可后,改变PID控制参数,获得期望的效果.     

基于RBF神经网络的空空导弹控制器设计

应用倾斜转弯（Bank to Turn，BTT）及推力矢量控（Thrust Vector Control．TVC）技术设计并建立了空空导弹六自由度模型。在此基础上考虑气动参数变化和建模不确定性引起的误差对导弹控制系统的影响，为消除误差影响，引入RBF神经网络分别对快慢回路进行补偿，利用李亚普诺夫（Lyapunov）稳定性定理推导了神经网络权值、中心及带宽的自适应规律，并证明了闭环系统的稳定性。通过对某型空空导弹大机动仿真研究，结果表明RBF神经网络自适应控制方法补偿作用显著，不仅改善了控制系统的动态性能，而且使系统具有良好的抗干扰和容错能力。     

一种自动整定参数的PID调节器设计

在过程控制中，一个既定的调节系统要实现预定的调节过程，必须通过选择对应的调节器参数来实现，整定调节器参数是保证和提高调节质量的主要途径。在目前，过程调节绝大部分采用PID调节器，参数整定一般均采用在线实验法。本文在总结工程实验法的基础上，提出一种由单片机来实现调节器在线自动整定参数的方法，具有一定的理论价值和巨大的实用价值。     

基于BP遗传算法的PID控制器参数设计

传统的PID控制器在控制系统中应用广泛，它的参数设计是一个广泛研究的课题。基于遗传算法的控制器虽能求取全局解，但是收敛速度慢，而基于神经网络的控制器结构简单、可塑性强，但是容易陷入局部解。文中结合两者优点，提出采用遗传算法的BP神经网络PID参数设计的方法，以达到整体优化的目的。     

神经网络PID飞行控制算法的VHDL设计

针对空空导弹自动驾驶仪的神经网络PID控制算法原理,用VHDL语言设计,并用QUARTUS Ⅱ软件平台对神经网络PID控制算法的硬件实现进行综合、仿真,所得结果符合制导系统实时性的要求.最后指出该控制器可作为IP核嵌入到SOPC系统中,从而极大地提高系统的灵活性.     

基于神经网络自适应调整PID控制器的设计

对神经网络自适应调整PID控制器的设计方法进行了探讨，采用神经网络在线辨识系统的输出，再对PID控制的参数进行在线调节，达到良好的控制效果。     

基于RBF算法的前馈惯性稳定平台PID控制回路的设计

在数字惯性稳定平台系统中,由于无法实现前馈惯性稳定平台控制回路的全补偿条件,控制回路的稳定精度和跟踪能力仍提高有限.针对这一问题,采用以RBF单神经网络自动校正比例、微分、积分3个参数的算法来提高控制回路性能,研究结果表明:采用该算法的控制回路在跟踪能力上明显优于传统PID控制回路,该算法在阶跃响应时不仅超调量满意,而且上升时间与调节时间非常理想,跟踪误差小于千分之一,同时对于惯性稳定平台控制回路参数的摄动以及输出扭矩的干扰都有很强的自适应能力.     

基于模糊PID的无人机姿态控制器的设计?

针对某型无人机控制器在非线性条件下动态性能欠佳的问题,把容易实现、鲁棒性好的PID控制法与智能模糊控制算法结合,设计出自适应模糊PID无人机姿态控制器。针对隶属度函数过度依赖专家经验的问题,运用遗传算法来优化隶属度函数,使控制效果达到优化。经过仿真验证,所设计的控制器不但有PID控制精度高、易于实现的优点,还有模糊控制器超调小、动态响应快等优点,并且提高了跟踪和抗干扰性能,可以完成准确快速的姿态控制。     

基于Smith预估补偿与RBF神经网络的PID控制在工业平缝机脚踏板调速模块中的应用

针对工业缝纫机调速模块的伺服系统普遍存在耦合,大滞后的现象,提出了一种将Smith预估补偿和RBF神经网络算法与PID控制器相结合的Smith-RBF-PID控制算法。该方法利用了Smith预估补偿能克服纯滞后和RBF能处理非线性问题、在线自学习整定PID参数的优点,在调速模块的伺服控制系统中更加有效。     

舰炮随动系统满意PID控制器设计

传统的舰炮随动系统PID控制器设计依赖于经验公式或统计数据,并用试验加试凑的方法调试参数以获得预期的控制性能.这种方法耗时长,且难以满足舰炮随动系统的高性能和多指标要求.通过分析舰炮随动系统PID控制器的特点和设计要求,依据满意控制理论,建立了包含稳定性、动态稳定误差和动态响应性能在内的多性能指标约束体系.研究了在此指标约束体系下的舰炮随动系统PID控制器设计问题,给出了与给定指标相容的满意PID控制器参数的求解方法,并验证了其有效性.