基于阶跃辨识的PID自整定研究及软件开发

工业过程控制中,一般通过实验试凑法整定控制器参数,这种方法不免带有一定盲目性且瞬态性能指标不够理想;为了让控制器更高效、实用,需要对被控对象模型有精准的辨识,整定出与系统被控对象相吻合的PID控制器参数;以工程应用为出发点,通过深入研究PID自整定技术原理和实际的工程应用,实现了基于阶跃辨识的PID自整定的软件开发,并通过改变对象模型PID参数,验证了该软件系统的稳定性及准确性。     

基于在线自调整参数模糊控制器的研究与应用

提出了一种模糊自整定PID参数的方法,运用MATLAB进行仿真研究表明,该模糊自整定PID控制器既具有PID控制器高精度的优点,又具有模糊控制器快速,适应性强的特点,使被控对象具有良好的动、稳态特性.     

一种实用的自校正PID控制器设计与仿真研究

针对多功能除湿机的温度控制问题,设计了一种极点配置自校正PID控制器,给出了系统的CARMA模型,引入带遗忘因子的最小二乘实时参数估计算法和带数字滤波器的增量式PID控制器算法,同时给出了极点配置自校正PID的整定方法过程,建立PID参数与系统参数及控制性能指标之间的关系式,并进行了MATLAB仿真.仿真结果表明,自校正PID控制系统能够实时估计被控对象的参数,实时整定控制器参数,自适应被控过程的变化,具有较强的实时参数估计和自校正能力,该PID控制器在多功能除湿机的温度控制中得到成功应用.     

模糊自适应PID控制的研究及应用仿真

传统PID控制器参数的整定是在获取对象数学模型的基础上,根据某一整定规则来确定的,难以适应复杂多变的控制系统。针对其参数整定不良、性能欠佳,对被控过程的适应性差等缺点采用模糊控制与自适应PID控制结合起来,设计了模糊自适应PID控制器。利用模糊推理方法实现对PID参数的在线自整定,进一步完善PID控制器的性能,提高系统的控制精度。仿真结果表明该模糊自适应PID控制器既具有PID控制器高精度的优点,又具有模糊控制器快速、适应性强的特点,使被控对象具有良好的动、稳态特性,有较好的工程应用前景。     

S7-200PLC的PID自整定算法剖析

经典PID控制器的设计根据被控对象的数学模型,选择调节器的形式,如模型为确知的传递函数,用根轨迹法或频率响应法来确定PID参数,如对象模型不确知,往往用试凑法来整定控制器参数.对复杂多变的现场,这费时费力,且整定的控制器性能有限.S7-200 PLC已经支持PID自整定功能,对其所用继电反馈算法予以剖析,讨论其特点.     

模糊自整定PID控制在聚合反应中的研究

针对工业生产中常用的反应釜,提出利用模糊自整定PID控制器实现聚合反应温度控制的方法,实现PID控制器参数在线自调整,提高PID控制器的性能和系统的精度.仿真结果表明,该模糊自整定PID对被控系统的适应性强、鲁棒性好、超调小、反应时间快,能很好地适应现实生产过程中的控制要求.     

一类非自衡对象的典型反馈型PID控制

针对一类非自衡对象,提出了一种基于典型反馈模型的PID控制器(TF-PID);采用全极点型逼近方法对被控对象的时滞环节做近似处理,并在内模控制原理的基础之上导出一种基于典型反馈模型的PID控制器参数整定策略,从而得到PID控制器的整定参数;仿真结果表明,所设计的控制方法具有更优的设定值跟踪性能和干扰抑制性能,并且实现二者分离控制。     

模糊自整定PID控制器的设计与仿真

常规PID控制器因结构简单、鲁棒性好、参数调整方便等,常被用于工业过程控制.但其参数整定是在获取被控对象数学模型的基础上根据一定的规则来确定的,难以适应复杂多变的控制系统.针对其参数整定效果不良、调试时间长、对被控对象适应性差等缺点,将模糊控制与PID控制相结合,设计了模糊自整定PID控制器.在常规PID控制器基础上,根据相应的模糊规则进行模糊推理,实现PID参数的在线自整定.仿真结果表明,模糊自整定PID控制器,不仅具有模糊控制快速、适应性强等优点,又有PID控制精确度高的特点,使系统有较好的控制作用,因此具有较好的工业应用前景.     

基于智能自动化复合PID控制技术的研究

针对具有时滞一阶非最小相位系统的被控对象,提出了一种基于智能复合PID控制方法,推导出复合PID控制器控制参数的整定方法.考虑到被控对象的不确定性、慢时变等特点,以神经网络元构造基于智能自动化复合PID控制器,解决了基于智能自动化复合PID控制参数在线调整的问题,使复合PID控制器适用范围更广泛.对闭环控制系统模拟结果表明,该系统控制参数整定方法简单,具有非常好的控制效果.     

基于脉冲响应的自整定PID控制器设计及应用

本文介绍一种基于被控对象脉冲响应的模型辨识方法及PID参数自整定控制器的设计原理，并给出应用实例。     

非线性不对称系统的模型预测控制

针对基于正反方向上的两个线性模型分别设计 PID 控制器的缺陷,提出根据正反方向上的线性模型分别设计相应的状态反馈预测控制器.采用输入输出约束策略保证模型准确,并通过可行性分析确定最终的控制作用. pH 值控制的仿真实验表明,其对不对称非线性系统的控制效果明显优于传统的基于单一线性模型的预测控制及正反方向分别采用 PID 控制的控制效果.     

间隙度量与跟踪系统中的鲁棒控制器设计

为定量研究鲁棒控制器允许对象有尽可能大的不确定性.在引入间隙度量的基础上,定义了跟踪系统鲁棒控制器的鲁棒边界,并对某跟踪系统设计了基于间隙度量的鲁棒控制器.该控制器能兼顾对象的不确定性与控制器的不确定性.由仿真结果可以看出,与普通的PID控制器相比,具有较大鲁棒边界的鲁棒控制器不仅具有较强的干扰抑制能力.而且能够在模型加性不确定性存在的情况下具有很好的跟踪性能.     

Fault tolerant control of multivariable processes using auto-tuning PID controller.

Fault tolerant control of dynamic processes is investigated in this paper using an auto-tuning PID controller. A fault tolerant control scheme is proposed composing an auto-tuning PID controller based on an adaptive neural network model. The model is trained online using the extended Kalman filter (EKF) algorithm to learn system post-fault dynamics. Based on this model, the PID controller adjusts its parameters to compensate the effects of the faults, so that the control performance is recovered from degradation. The auto-tuning algorithm for the PID controller is derived with the Lyapunov method and therefore, the model predicted tracking error is guaranteed to converge asymptotically. The method is applied to a simulated two-input two-output continuous stirred tank reactor (CSTR) with various faults, which demonstrate the applicability of the developed scheme to industrial processes.     

基于交叉熵算法的PID 控制器设计

交叉熵优化方法是一种新型高效的随机优化算法,算法控制参数简单,鲁棒性强.将交叉熵优化算法用于PID控制器的参数设计,并与基于遗传算法的PID控制器设计进行对比,结果表明,交叉熵优化算法不仅所获结果较优,而且计算复杂度也明显小于遗传算法.     

机器人系统输出反馈重复学习轨迹跟踪控制

针对高度非线性多关节机器人的轨迹跟踪问题,提出一类输出反馈重复学习控制算法,使得在只有位置信息可测以及模型信息不确定的条件下即能获得良好的控制品质.非线性滤波器的引入解决了现实中速度信号较难获得的问题,重复学习控制策略实现了对周期性参考输入的渐近稳定跟踪.应用Lyapunov直接稳定性理论证明了闭环系统的全局渐近稳定性.三自由度机器人系统数值仿真结果表明了所提出的输出反馈重复学习控制的有效性.     

基于鲁棒开环解耦的系统逆二自由度控制

针对MIMO系统的轨迹跟踪,提出一种基于鲁棒开环解耦的系统逆二自由度（2DOF）控制方法．该方法通过鲁棒开环解耦解决MIMO系统的耦合问题,利用系统逆2DOF控制保证轨迹跟踪性能．首先提出一种保证预补偿器阶数最小和解耦系统鲁棒性的鲁棒开环解耦方法;然后结合鲁棒开环解耦和系统逆2DOF控制,给出系统逆前馈控制和H∞混合灵敏度鲁棒反馈控制器的设计方法;最后通过设计实例及仿真结果验证了该控制方法的有效性．     

转移概率未知下具有双Markov 链的网络控制系统控制器设计

研究一类基于Markov模型的网络控制系统的稳定性和镇定控制器设计问题.针对网络控制系统中受控对象模型的随机切换和通信过程中的丢包问题,利用具有两个独立Markov链的离散时间Markov跳跃系统进行建模.在该Markov跳跃系统模态转移概率矩阵部分元素未知的情况下,充分考虑转移概率的约束条件,给出系统可镇定的充要条件和状态反馈控制器的设计方法.最后通过仿真示例验证了所提出方法的有效性.     

轮子纵向打滑条件下的移动机器人自适应跟踪控制

针对纵向滑动参数未知的轮式移动机器人的轨迹跟踪问题,提出一种自适应跟踪控制策略.利用两个未知参数来描述移动机器人左右轮的纵向打滑程度,建立了产生纵向滑动的差分驱动轮式移动机器人的运动学模型;设计了补偿纵向滑动的自适应非线性反馈控制律;应用 Lyapunov 稳定性理论与 Barbalat 定理证明了闭环系统的稳定性;同时,提出了一种由极点配置方法在线调整控制器增益的方法.仿真结果验证了所提出控制方法的有效性.     

基于神经网络的非线性系统轨迹线性化自适应容错控制

针对一类仿射非线性系统,首先采用轨迹线性化方法将其等价表示为线性时变系统;然后利用神经网络构建伪逆模型以及动态故障模型：最后基于模型参数变化,应用李亚普诺夫稳定性理论构建标称系统控制器及故障补偿控制律,从而实现系统故障下的稳定有界容错控制．仿真结果表明了所提出算法的有效性．     

基于滑模控制的单域电力系统负荷频率控制

针对一类包含非匹配参数不确定和负荷干扰的电力系统,提出一种负荷频率滑模控制器的设计方法.所设计的积分型切换面有效地改善了系统到达阶段的动态性能,提高了系统的鲁棒性;基于趋近律方法设计了滑模控制器,以保证系统运动轨线在有限时间内到达滑动模态;给出了单区域电力系统仿真模型,分别考虑了不同参数不确定条件下的仿真问题.仿真结果表明了所设计的控制器的有效性和鲁棒性.