一种自校正PID控制器的直接算法

本文通过对目标函数的优化，给出了一种最优自适应PID控制器的算法，该控制器的参数可以在线递推求得，由于采用了直接方法，避免了在线辩识过程的参数，文中给出了这种算法的仿真结果，并与另一种自适应PID算法进行了比较。     

模型参考模糊神经网络控制器的开发

给出一种用模糊神经网络控制器作调节器，用模糊逻辑和BP算法的结合作自适应机构的模型参考自适应模糊神经网络控制器。为一类缺乏精确数学模型的被控对象提供了一种有效的自适应控制方法。仿真验证了该方法的合理性。     

一种用于过程控制的神经网络自适应控制器的研究

针对复杂工业过程对象可能存在结构和参数变化的特点，提出了一种基于神经网络控制器，利用改进的算法在线修正权值。该控制器不依赖于对象的数学模型，可适用于变阶、变结构参数、多变量等场合。仿真结果显示，该控制器具有良好的控制特性和鲁棒性，并且可对多变量系统进行有效的解耦和控制，且控制器结构简单，易于实现，具有明显的工程应用价值。     

鲁棒自适应控制器的一种实现方法

针对线性离散系统,建立了一种鲁棒直接自适应控制器,并通过对乘积摄动项△(q^-1)的实时辨识,实现了在线修改模型结构的算法。从而实现了一种自适应与鲁棒控制器真正结合的控制器设计方法。给出了在无需持续激励(PE)的条件下控制器的鲁棒稳定△(q^-1)辨识算法的稳定性的定理;讨论了摄动项△(q^-1)的取法和对模型修正方法。仿真结果表明了该方法的可行性。     

大滞后大惯性对象的模糊人工神经网络控制器

本文给出一种模糊人工神经网络控制器（FANNC）作控制机构，用参考模型输出作理想训练目标以及此为基础而建立的广义BP算法作出自适应机构的模型参考自适应模糊人工神经网络控制系统（MRAFANNCS）。真正为一类缺乏精确数学模型的大滞后大惯性对象提供实现自适应控制的有效方法，弥补了一般设计方法的不足，仿真验证了该方法的合理性。     

基于自适应模糊算法的单片机同步控制器

介绍了一种基于参考模型自适应模糊算法的80C196KB单片机同步控制器。简述了该算法原理，给出了系统硬件和软件设计。实验表明控制器具有较好的跟随性和抗干扰性。     

基于遗传算法的神经网络自适应控制器的研究

提出了一种基于遗传算法的神经网络自适应控制方法。该方法是针对ＢＰ算法训练神经网络控制系统时收敛速度慢、动态特性不够理想等不足，用改进的遗传算法来优化神经网络辨识器与控制器的参数，以提高控制系统的性能，仿真实验表明该控制器对于非线性、时变、滞后等对象都具有很好的控制精度、鲁棒性和动态特性。     

基于分片线性化方法的非系统性系统多模型自适应控制

基于分片线性化方法辨识一类非线性系统，给出了非线性系统的多线性模型表示。基于线性模型建立多个控制器，基于最大最小指标切换函数构成多模型自适应控制器。给出了非线性系统多模型自适应控制算法的优化模型集建立方法，解决了多模型自适应控制模型多、计算最大的问题。仿真结果证明了算法的有效性。     

非完整约束移动机器人的轨迹跟踪控制

针对非完整约束移动机器人运动学与动力学模型,根据轨迹跟踪控制目标的需要,设计了一种简单的控制器,该控制器结合了运动学控制器设和动力学控制器两部分;针对运动学模型,采用自适应算法对其未知参数进行估计,针对系统动力学模型,采用单层神经网络算法克服未知扰动对系统稳定性的影响,使速度误差尽可能地缩小;在Lyapunov稳定性理论的基础上证明了系统的收敛性和稳定性,该控制算法简单有效,易于实现;仿真结果表明:该控制策略可以实现对移动机器人期望轨迹的稳定跟踪,验证了算法的有效性。     

基于强化学习的模型参考自适应控制

提出了一种基于强化学习的模型参考自适应控制方法,控制器采用自适应启发评价算法,它由两部分组成:自适应评价单元及联想搜索单元.由参考模型给出系统的性能指标,利用系统反馈的强化信号在线更新控制器的参数.仿真结果表明:基于强化学习的模型参考自适应控制方法可以实现对一类复杂的非线性系统的稳定控制和鲁棒控制,该控制方法不仅响应速度快,而且具有较高的学习速率,实时性较强.     

基于遗传算法的生物芯片反应仪温控箱PID控制系统

为了改进原有的常规PID控制器,从传热学原理出发,针对生物芯片反应仪温控箱的数字式温度控制系统,建立了该温控箱的传递函数模型,并通过大量实验确定了模型的系数;由此提出了一种较实用的遗传算法PID方案;仿真结果表明,改进的温控器较原控制器,有更小的振荡幅度和更短的调整时间;将所得结果应用到生物芯片反应仪温控箱表明,改进的PID控制器提高了系统动态性能,增强了系统稳定性和快速性;此算法以实际工程为基础,因此具有一定的理论价值和较大的实际意义.     

Direct adaptive neural control of nonlinear systems with extreme learning machine

A direct adaptive neural control scheme for a class of nonlinear systems is presented in the paper. The proposed control scheme incorporates a neural controller and a sliding mode controller. The neural controller is constructed based on the approximation capability of the single-hidden layer feedforward network (SLFN). The sliding mode controller is built to compensate for the modeling error of SLFN and system uncertainties. In the designed neural controller, its hidden node parameters are modified using the recently proposed neural algorithm named extreme learning machine (ELM), where they are assigned random values. However, different from the original ELM algorithm, the output weight is updated based on the Lyapunov synthesis approach to guarantee the stability of the overall control system. The proposed adaptive neural controller is finally applied to control the inverted pendulum system with two different reference trajectories. The simulation results demonstrate good tracking performance of the proposed control scheme.     

采用遗传优化自适应模糊PID控制球杆系统

为解决球杆系统动态、静态性能不高的问题,提出了遗传算法优化自适应模糊PID控制器的控制方法.该模型在拉格朗日方程建立球杆系统数学模型的基础上,采用遗传算法优化模糊控制规则、隶属函数和自适应PID参数.在GBB1004系统中建立了遗传算法优化后的自适应模糊PID控制器以及控制模型,并对该控制器进行实验验证.实验结果证明了遗传算法优化后的模糊控制器有效地减小了系统的超调量,缩短了系统的调节时间,能够较好地控制球杆系统.     

基于强化学习的参数自整定及优化算法

传统PID控制算法在非线性时滞系统的应用中,存在参数整定及性能优化过程繁琐、控制效果不理想的问题。针对该问题,提出了一种基于强化学习的控制器参数自整定及优化算法。该算法引入系统动态性能指标计算奖励函数,通过学习周期性阶跃响应的经验数据,无需辨识被控对象模型的具体数据,即可实现控制器参数的在线自整定及优化。以水箱液位控制系统为实验对象,对不同类型的PID控制器使用该算法进行参数整定及优化的对比实验。实验结果表明,相比于传统的参数整定方法,所提出的算法能省去繁琐的人工调参过程,有效优化控制器参数,减少被控量的超调量,提升控制器动态响应性能。     

Multi-model predictive control of an industrial C3/C4 splitter

In this paper, the application of a linear predictive controller to an industrial distillation column that presents a nonlinear behavior is described. The system is represented by a set of linear approximating models, where each model corresponds to a possible operating point of the system. The control sequence computed by the control algorithm is based on a min–max optimization problem where the controller cost is minimized for the worst process model. The control algorithm makes use of a particular form of the state-space model, which preserves the structure of conventional model predictive control controllers that are based on the step response model. The performance of the proposed controller applied to an industrial system is illustrated with results of the real system at typical plant conditions with the controller performing as a regulator and as an output reference tracker.     

一种基于组合型模糊控制的主动队列管理算法

计算机网络具有的复杂性和动态特性使传统控制理论难以进行主动队列管理（Active Queue Management, AQM）算法的设计和分析．本文在模糊集合和模糊系统理论的基础上设计了一个主动队列管理算法CF（Combination Fuzzy control）．其中模糊控制器I根据瞬时队列的长度和变化值计算控制量；模糊控制器II根据系统负载因子计算控制增益．通过选择模糊控制器参数，模糊控制系统与使用PI（Proportional Integral）控制器的系统具有相同的局部稳定性．最后通过仿真对CF、PI和单模糊控制器的性能进行了比较．     

转塔伺服系统的控制及仿真

介绍了一种实用的基于PC/104计算机控制系统,针对转塔伺服系统参数整定麻烦,要求精度高的问题,对其进行建模,提出了一种寻找控制器参数的方法。利用非线性PID 控制器来实现对转塔伺服系统的高精度伺服跟踪控制,其中非线性控制器中的参数由遗传算法寻优获得,它既可快速地跟踪目标,又没有太大超调。仿真结果证明,该方法寻到的参数, 可使系统运行平稳、响应迅速、精度高。     

基于遗传算法和模糊逻辑的智能飞控技术研究

设计了基于遗传算法和模糊逻辑控制的智能飞行控制系统及采用论域自调整的模糊控制器，控制器以角度跟踪误差及其微分信号为输入来控制相应的气动舵面偏转，实现对该姿态的跟踪控制。文中给出了控制器输入输出的隶属函数，设计了相应的规则库。并在此基础上进一步利用遗传算法对模糊控制器进行优化设计，给出了遗传算法各个参数的选择原则。仿真结果表明，基于遗传算法和模糊逻辑的智能飞控系统具有良好的控制效果。     

基于积分反步法的轧机速度系统控制器设计

本文给出了基于积分反步法的控制器设计方法，该方法通过逐步修正算法设计镇定控制器，实现系统的全局调节或跟踪。每一步把状态坐标变换、一个给定的李雅普诺夫函数和虚拟控制联系起来，最终得到一个控制李雅普诺夫函数(clf)。基于上述方法，对直流电机驱动的轧机速度系统进行了反馈控制器设计。仿真研究结果表明，本文所设计的反馈控制器使闭环系统稳定，系统具有良好的跟踪性能。     

具有H_∞跟踪性能的机器人自适应PID控制

针对非线性不确定机器人系统的轨迹跟踪控制问题,提出一种鲁棒自适应PID控制算法.该控制器由主控制器和监督控制器组成.主控制器以常规PID控制为基础,基于滑模控制思想设计PID参数的自适应律,根据误差实时修正PID参数.基于Lyapunov函数设计的监督控制器补偿自适应PID控制器与理想控制器之间的差异,使系统具有设定的H_∞的跟踪性能.最后,两关节机器人的仿真实验结果表明了算法的有效性.

Abstract：

A robust adaptive PID control algorithm is proposed for trajectory tracking of robot manipulators with nonlinear uncertainties.The controller is composed of a main controller and a supervisory controller.The main controller is designed based on the traditional PID controller.The parameters of the PID controller are updated online according to the system running errors with the adaptation law based on the sliding mode control.The supervisory controller is proposed to compensate the error between the adaptive PID controller and the ideal controller in the sense of the Lyapunov function with the specified H_∞ tracking performance.Finally, the simulation results based on a two-joint robot manipulator show the effectiveness of the presented controller.