基于神经网络Smith预估器的预测控制

针对非线性系统时滞问题,给出了一种新型的单神经元Smith预测控制算法.神经网络的预测控制器由不完全微分的单神经元自适应PID控制器和神经网络的Smith预估器组成.预估器对输出进行多步预测,控制器超前动作以消除时滞对系统的影响.不完全微分的单神经元自适应PID控制器通过改进的Hebb学习规则实现其权值调节,通过权系数的在线调整实现自适应控制.仿真实验证明了该方法具有较快的响应速度和较好的响应性能.     

基于复合正交神经网络的灰色PID控制

结合传统反馈控制方法和灰色预测控制的预测控制器已在控制系统中获得了成功的应用。由于复合正交神经网络具有学习算法简单、收敛速度快,有逼近线性或非线性函数的优良特性。与灰色预测方法相比,神经网络预测精度高,且误差可控,如果把神经网络作为灰色预测器,建立一种灰色预测控制,那么就会在控制系统中获得良好的控制性能。为此,提出一种结合传统的PID控制和神经网络灰色预测补偿的灰色PID控制器,可对系统进行在线灰色估计和控制,由复合正交神经网络对不确定部分建立的灰色预测模型,可根据系统的参数变化来自动调节预测补偿值,使系统响应具有适应性。仿真结果表明,与传统的PID控制方法相比,该控制器可获得更为优良的动态性能和鲁棒性。     

基于改进跟踪微分器与前馈的模糊自适应PID控制

经典PID控制器在工程领域应用广泛,但其快速性和超调量之间不能很好地实现协调控制,且误差信号在经典意义上不可微,导致微分难以被有效利用。基于此,在典型跟踪微分器研究的基础上,采用一种具有良好的动态响应和滤波功能的改进非线性跟踪微分器对输入信号进行快速、无超调跟踪。并结合前馈控制和模糊自适应PID控制提升系统的稳定性和快速性,设计了一种基于改进跟踪微分器与前馈的模糊自适应PID控制器。以移相全桥变换器为控制对象,用经典PID与其进行对比分析。仿真与实验波形分析发现,所提控制器的鲁棒性更高,同时可将调节时间缩短至40%,响应速度也更快。     

一种新型自调节灰色预测控制器

提出一种结合传统反馈控制方法和灰色预测控制的新型自调节灰色预测控制器，可对系统当前输出误差和预测系统输出误差进行合成形成一个综合误差，并用综合误差代替传统反馈控制方法中的实际误差项，这样控制器可根据系统当前和将来的响应来计算控制律．该控制器可根据预测精度来自动调整控制器参数，使控制器对系统响应具有适应性．仿真结果表明，与传统反馈控制方法相比，该控制器可获得更为优良的动态性能和鲁棒性．     

基于滤波反演法的参数不确定自动引导车的运动控制

针对参数不确定的自动引导车的运动控制问题,应用Backstepping方法设计自适应控制器,并运用Lyapunov稳定性理论与Barbalat定理证明了系统的稳定性;同时利用进化规划算法优化控制器参数,通过跟踪微分器对输入信号与虚拟控制信号进行滤波处理并提取微分信号,避免了对虚拟控制信号的解析求导,简化了控制器的设计过程。与传统PID控制的对比仿真结果表明,所提出的自适应控制策略能较好地补偿系统参数摄动的影响,提高了自动引导车的轨迹跟踪性能和鲁棒性。     

基于灰色预测PID球磨机负荷控制

为改善球磨机的负荷PID控制系统,提出了基于灰色预测PID控制的球磨机负荷控制方案。方案融合了灰色预测、常规PID控制这两者的设计思想;并将灰色预测在线应用,用其预测结果代替被控对象测量值进行控制运算。仿真结果表明,与传统的反馈方法相比,使用灰色预测PID控制器可得到更为优良的动态性能,具有鲁棒性好、跟踪快速等优点。     

基于GSAGA的模糊PID控制在自动油门系统中的应用研究

针对现代民用飞机非线性和时变的特点,设计了一种用于民机自动油门控制系统的模糊PID控制器;模糊控制器以速度跟踪误差及其微分信号作为输入调节PID控制器的比例、积分及微分参数,进而控制油门开度以调节发动机推力,最终实现对速度的控制;文中进一步采用广义自适应遗传算法(GSAGA)对模糊PID控制器的输出因子进行优化,在着陆模态下采用所设计的优化控制策略与传统模糊PID控制进行了对比仿真,仿真结果显示,在民机自动油门控制系统中基于GSAGA的模糊PID控制器的控制效果优于传统模糊控制方法,仿真结果符合飞行品质指标,控制效果良好。     

二阶自抗扰控制器的参数简化

为了克服PID控制器自身具有的缺陷，在PID的基础上提出了自抗扰控制器（ADRC）。该控制器由跟踪微分器、扩张状态观测器和非线性状态误差反馈三部分组成，其控制效果优于经典PID控制器，但是参数众多、调节复杂。通过线性简化和参数整合建立简化的线性自抗扰控制器。MATLAB仿真表明，简化的线性自抗扰控制器参数调节过程大大简化，而控制性能并未受到明显影响。     

一种非线性PID控制算法的仿真研究

研究PID控制系统优化问题,工业控制被控对象均具有非线性、时变和大时滞性,引起系统的品质性能差,传统的线性控制难以达到所要求精度。为了提高系统控制精度,利用PID控制器各增益参数与偏差信号间的非线性关系,提出一种非线性PID控制算法。首先将PID参数转化为优化问题,然后采用粒子群算法的全局、并行搜索能力对非线性控制参数进行求解,得到一组最优的PID控制参数。仿真结果表明,相对于传统线性PID控制,非线性PID控制器超调小,调节时间短,并提高了控制精度,有效解决了传统PID难以准确控制非线性对象的难题。     

并联机器人的非线性 P I D 控制

采用分散控制策略和非线性PID控制算法，实现6自由度并联机器人的商精度轨迹最踪控制。该非线性PID控制器由两个二阶非线性微分最踪器提供高质量的微分信号，并采用非线性组合形成控制作用，从而确保了高控制性能的实现。实验结果验证了非线性控制方案的有效性。     

灰色预测模糊自适应PID控制的城轨列车智能驾驶系统研究

为提高城轨列车驾驶系统的智能化程度，将灰色预测控制与模糊自适应PID控制技术相结合，应用到城轨列车驾驶系统中。在对城轨列车驾驶系统进行需求分析的基础上，针对其对各种性能指标的要求，提出了基于灰色预测模糊自适应PID控制的城轨列车智能驾驶系统的设计方案。将灰色预测控制与模糊自适应控制应用到经典PID控制中，设计出了系统的智能控制器，有效满足了城轨列车在运行时对跟踪误差、准点率、停车误差、舒适度和节能性等多个性能指标的要求。仿真结果表明：采用灰色预测模糊自适应PID算法的控制系统具有良好的控制精度且系统的智能化程度得到了相应的提升。     

基于非线性PID的调距桨控制系统仿真研究

船舶调距桨控制系统中采用一般PID控制器往往难以达到最佳控制效果。针对调距桨控制系统过程模型的特点，设计了相应的非线性PID控制器，该非线性PID控制器各增益参数与偏差信号之间呈现非线性关系，调节控制器的各参数可根据对相应参数的非线性函数进行调整来实现，并采用遗传算法来优化此控制器各部分参数。仿真结果表明，该控制器能根据实际情况快速地调整和完善PID参数，具有响应速度快，稳态精度高等优点，控制效果优于传统的PID控制器。     

基于灰色预测模糊PID算法的空调房间温度控制

针对中央空调系统房间温度控制系统的大惯性、纯滞后和时变性特点,设计了将等维新息灰色预测控制与模糊自整定PID相结合的新型控制器,建立中央空调房间温度控制系统的数学模型,介绍灰色预测模糊PID控制器结构,并对该控制方案进行了数字仿真。仿真结果表明,该控制器比PID控制器、模糊PID控制器有更多优越性,调节迅速,超调小,有更好的动、静态性能,具有一定的可行性。     

基于粒子群算法的一种非线性PID控制器

基于PID控制器各增益参数与偏差信号之间非线性关系,分析了一种P/I/D各部分参数关于误差的理想变化过程,根据控制与误差之间的调节规律,给定一组增益参数的连续非线性函数,构造出一种非线性PID控制器。粒子群算法具有对整个参数空间进行高效并行搜索的特点,采用该算法寻优整定该非线性PID控制器的各增益参数。仿真结果表明了所提算法的有效性和所设计控制器的优越性能。     

基于小波变换的非线性广义预测控制

提出了基于小波变换的非线性广义预测控制算法。预测模型采用Hammerstein模型,对于其静态非线性部分采用小波网络来辨识,动态线性部分用最小二乘法来辨识。这种辨识方法比传统的多项式拟合的模型误差要小得多。基于这种预测模型广义预测控制器弥补了传统广义预测控制的模型失配问题。以CSTR为例对所设计的控制器进行仿真研究,结果表明控制器能够取得良好的控制效果。     

SOPDT对象的预测PID控制及稳定性分析

提出了基于二阶非振荡及振荡加纯滞后的预测PID控制器的结构形式。这种控制器既具有PID控制器的优点;简单的结构形式、良好的鲁棒性和可靠性,又具有预测的功能;即可以根据以前的控制作用来预测以后的控制作用。通过仿真表明：在干扰、噪音存在和模型失配的情况下,预测PID控制器具有良好的控制性能,特别适合大纯滞后系统的控制。同时运用Monte-Carlo方法分析了其鲁棒稳定性,结果表明：它是一种值得在实际工程中推广应用的新型控制器。     

网络控制系统的自整定PID 控制器设计

结合广义预测控制（GPC）方法和PID反馈结构,设计了一种具有预测功能的PID控制器,PID参数根据未来时刻的预计输出误差进行整定.控制器导出多步控制序列,置于执行器端的延迟补偿器根据网络时延从控制序列中选择控制信息并作用于控制对象,从而对时延进行补偿,使控制性能得到极大改善.控制器结合了PID控制和预测控制的优点,具有较强的鲁棒性和工程意义.最后通过构造Lyapunov函数对闭环系统的稳定性进行了分析,并通过仿真验证了该算法的有效性.