金属带式无级变速器速比控制的改进算法

针对常规PID算法在无级变速器(CVT)速比控制中产生积分饱和与对干扰敏感的问题,分析了CVT速比控制及其常规PID控制算法原理,在对遇限削弱积分与不完全微分两种算法分析的基础上,提出了CVT速比控制改进PID算法。采用改进PID算法和常规PID算法,分别进行了发动机节气门开度6%～55%的汽车起步加速、55%～80%急加速、80%～25%减速等工况的MatlabSimulink对比仿真试验。试验结果表明,改进PID算法有效的减少了CVT速比控制系统的超调量、缩短了滞后时间、提高了系统的控制性能。     

改进粒子群算法应用于挖掘机铲斗位置控制

挖掘机工作装置精确的位置控制是实现其轨迹自动控制的基础。提出一种改进粒子群优化算法,应用于液压系统PID参数的优化整定中,把遗传算法中的选择和交叉两种操作方式添加到标准的粒子群算法中形成的混合优化算法,提高了算法的搜索能力。建立具有整定PID控制器功能的仿真平台,使用改进粒子群算法、标准粒子群算法和相位裕度方法对PID控制器进行整定仿真,根据仿真结果,进行了模拟铲斗平地运动试验。仿真和试验结果表明改进粒子群算法整定的PID控制器参数,在电液伺服系统的动态响应和精确的轨迹控制方面有良好效果。     

基于模糊内核的改进非线性PID调速系统

为提高无刷直流电机伺服系统在瞬态和稳态环境下的控制性能,提出一种基于模糊内核的改进非线性PID(improved non-linear PID,INLPID)算法.验证改进非线性PID算法能消除非线性PID算法的缺陷,分析基于模糊内核的改进非线性PID算法在无刷直流电机调速系统中的调速性能,仿真实验证明该算法能完全消除...     

基于RBF的改进单神经元PID控制

提出一种基于RBF辨识神经网络算法的改进神经网络PID控制,应用最优控制理论中的二次型性能指标加入到控制算法中的加权系数学习修正部分,将RBF与单神经元相结合构成PID控制器,通过Matlab对指定对象仿真控制,得到了良好的效果.比起以往的神经网络PID控制,改进的算法在学习速度和实时性都得到了提高.     

新型连续变速积分控制算法研究及应用

提出一种新的改进PID控制算法--连续变速积分控制算法.对其进行了仿真,与常规PID算法进行了比较,并将其应用于小型电加热炉的控制中.仿真及实际应用结果表明,该算法可提高控制质量,克服了常规PID算法容易造成超调与积分饱和的问题,且易于进行参数整定,特别适用于间歇生产过程及程序温度控制.     

抑制光束抖动的快速反射镜复合控制

提出了改进的抑制光束抖动的快速反射镜控制算法,用于提高卫星平台捕获跟瞄(ATP)系统的瞄准精度.根据自适应前馈控制和经典PID控制算法的特点,分析了两种算法复合控制的优势.探讨了现有直接复合控制算法中自适应算法不收敛的原因,并依据解耦理论引入了解耦的复合控制算法,解决了现有直接复合算法不收敛的问题.最后,对经典PID控...     

全液压矫直机的数学建模与仿真

介绍了全液压矫直机数学模型的分析、推导和建立，对力反馈伺服控制系统的一般PID算法提出改进，提出带死区的PID控制算法，并对两种算法做了比较、分析，指出带死区PID控制算法的优势。     

基于扰动观测器的内模控制在工业过程中的应用研究

介绍了一种工业生产过程中的复合控制方法.该方法结合了内模控制算法和改进的扰动观测器算法,解决了工业生产过程中因扰动导致常规PID控制效果欠佳的问题.理论分析和仿真实验表明,该方法控制效果明显优于常规PID控制,并能有效抑制各种扰动.     

采用改进模糊神经网络PID控制的移动机器人运动误差研究

移动机器人在复杂环境中运动,容易受到各种波形的干扰,导致移动机器人跟踪误差较大.对此,创建了移动机器人平面简图模型,建立移动机器人动力学方程式.在传统PID控制方法的基础上,设计了模糊神经网络PID控制方法.采用改进粒子群算法优化模糊神经网络PID控制参数,输出最优PID控制参数.采用Matlab软件对移动机器人跟踪误差进行仿真,并与传统PID控制方法进行比较和分析.仿真结果显示:在正弦波的干扰环境中运动,传统PID控制方法不能抑制外界环境的干扰,实际运动轨迹与理论运动轨迹偏差较大;而改进模糊神经网络PID控制方法能够抑制外界环境的干扰,实际运动轨迹与理论运动轨迹偏差较小.移动机器人控制系统采用改进模糊神经网络PID控制方法,能够在线调整PID控制器参数,控制精度较高.     

一种用于优化PID参数的改进蚁群算法

PID控制由于算法简单,鲁棒性好在工业的过程控制中应用很广泛,但是传统的Z-N算法整定的PID参数却并不是最佳的。蚁群算法作为一种新型的仿生优化算法。该算法具有很多优良的性质,近年来在优化领域中得到了广泛应用。本文提出了一种改进的蚁群算法。通过增加高斯变异这一环节来增强算法的智能性。最后通过仿真实验获得了较好的控制效果。