三容水箱的模糊自整定PID控制

针对常规PID对非线性、时延对象控制参数难以整定的问题,根据偏差和偏差变化率来实时调整PID参数,设计了基于模糊控制原理的PID参数自整定控制器。仿真结果表明,模糊自整定PID控制器比常规PID控制器有更好的控制效果,大大改善了系统的动态和静态性能。     

基于智能PID移动机器人电机转矩控制研究

针对移动机器人电机模型参数非线性、不确定性、时变性强等特点,采用常规的按照典型工况整定的固定参数PID控制器无法取得满意的效果.提出了用RBF网络来整定PID参数的控制方案,将RBF神经网络和经典PID控制相结合构成智能PID控制器.它具有较强的自适应能力,适于实时控制,控制品质优于经典PID控制器.     

基于遗传算法PID参数寻优的电加热炉温度控制系统

针对工业过程中常见的一阶大滞后对象的PID参数整定问题,提出自适应遗传算法对PID控制进行参数寻优。应用自适应遗传算法对电加热炉温度控制器参数进行优化,并将结果与常规的PID控制方法进行比较,仿真与实际结果表明,当被控对象存在较大纯滞后特性时,采用本方法优化PID控制器参数可获得比较满意的调节效果。     

火电厂自动电压控制系统的优化研究

针对火电厂自动电压控制(Automatic voltage control,AVC)在实际运行过程中会出现电压振荡、不调、过调和不能快速跟踪偏差等问题,以及考虑到系统阻抗的影响,为提高其控制品质,本文提出了自适应遗传算法在线整定PID控制的优化策略。该方法利用自适应遗传算法对PID控制器参数实现在线寻优与整定,选择种群中自适应度大的个体所对应的PID控制器参数,作为当前仿真时间下的PID控制最优参数。利用已建立的云南某火电厂AVC系统模型进行仿真,结果表明该算法大大提高了响应速度,有效抑制了超调,使得控制过程更加平稳,控制效果更好。     

用继电自整定实现神经元PID智能控制

当前工业过程对控制品质要求越来越高,需要更先进的PID控制器参数整定方法来满足过程控制的要求。该文提出了神经元自适应PID控制器PID继电自整定相结合构成PID智能控制系统的方法,即利用PID继电自整定算法获取神经元自适应PID控制器权系数的初值,然后将得到的初值送到神经元自适应PID控制器,并且切换到自适应控制模式,从而实现神经元PID智能控制。同时分析了神经元自适应控制系统的稳定性,用Matlab中的Simulink进行了仿真模拟,得到了满意的结果。     

模糊自适应整定PID-FS在整流电源中的应用

针对整流电源控制系统被控对象的时变性和多样性,将模糊自适应控制与常规PID控制算法相结合,设计了一种模糊自适应整定PID控制器.在控制算法上,提出了基于模糊自适应整定PID控制器,它很好地解决了传统控制原理中系统控制精度与稳定性之间的矛盾.仿真和实验结果表明,采用模糊自适应整定PID随动系统(Following System,简称FS)的大功率整流电源控制系统能够适应被控对象在较大范围内的变化,具有较强的自适应能力,其控制品质优于常规的PID控制器.     

模糊自适应PID控制在逆变电源中的应用

逆变电源控制系统具有非线性、时变性等性质,运用常规的模糊PID控制难以达到满意的控制效果。将专家经验用于模糊PID参数的在线自适应整定,设计了基于专家经验的自适应模糊PID控制器。这种控制器既具有模糊PID控制器的精度高、稳定性好、鲁棒性强的优点,又具有专家控制器进入稳定状态快的特点。仿真实验结果表明：基于专家经验的自适应模糊PID控制器在逆变电源控制系统的控制中,控制性能优于单独模糊PID控制的性能,表现出了良好的自适应性、稳定性、鲁棒性,能够用来实现对逆变电源控制系统的有效控制。     

基于神经网络的自适应PID控制器及其应用

介绍一种基于神经网络的自适应PID控制器,运用神经网络和BP算法在线调整PID参数,PID参数的初值采用继电器自整定法整定。仿真分析和实际应用结果表明,与传统的数字PID控制器相比,该控制器具有更好的控制效果和更好的鲁捧性。     

基于模糊控制的自动发电控制技术研究

将模糊推理和自适应整定技术结合起来,提出了AGC系统设计的新方法。在对两区域AGC系统仿真 的基础上,分析常规PID控制器的不足,采用自整定模糊PID控制器进行控制,并分析了模糊控制器参数对系 统控制效果的影响。仿真结果表明,采用该方法设计的AGC系统与常规方法设计的系统相比,它具有更强的适 应能力和良好的控制效果。     

基于RBF神经网络的智能车速度控制系统研究

针对传统PID控制算法在电磁导航智能车速度偏差处理中存在比例、积分、微分参数一经确定,不能在线调整、不具有自适应能力的缺点,提出了将RBF神经元网络控制器及其算法应用到智能车的调速系统中,对传统PID参数整定进行改进。RBF神经网络能够辨识智能车电机的数学模型,可以根据控制效果在线训练和学习,调整网络连接权重值,最终自适应地整定PID三个参数来实现智能车的速度控制。MATLAB仿真测试表明,与传统PID控制算法相比,RBF神经网络PID整定算法在智能车速度控制中具有响应快,超调量小、鲁棒性和适应性强的优点,大大提高了智能车电机控制系统的性能。     

模糊自适应PID楼宇变频恒压供水控制系统设计

针对楼宇变频恒压供水控制系统工作时被控对象参数会发生变化,同时整个系统是一个复杂、大滞后时延系统.传统的控制方法大多采用PID进行控制,但是其控制效果差.为了对楼宇中供水系统中的水压进行有效的控制,采用模糊自适应PID控制器根据楼宇中供水管网的水压偏差和偏差变化率对PID参数进行自动调整,并经过MATLAB仿真.结果表明,模糊自适应PID与PID相比,具有更好的稳态精度和动态响应,满足楼宇变频恒压供水系统的控制要求.     

基于MVO算法与改进目标函数的电力系统负荷频率控制

针对风电并网时的随机波动功率、负荷频率控制(load frequency control, LFC)系统参数变化所引起的电力系统频率稳定问题,提出了一种基于智能优化算法与改进目标函数的互联电网LFC系统最优PID控制器设计方法。首先,分析了基于PID控制的含风电互联电力系统LFC闭环模型。其次,在时间乘误差绝对值积分(integral of time multiplied absolute error, ITAE)性能指标的目标函数中考虑了区域控制器的输出信号偏差,对优化目标函数进行改进。采用性能优良的多元宇宙优化(multi-verse optimizer, MVO)算法先计算后验证的思路,寻优获得最优PID控制器参数。最后,以两区域4机组互联电力LFC系统为例,仿真验证了基于MVO算法结合改进目标函数所获得的PID控制器,比基于MVO算法所获得的PID控制器,对阶跃负荷扰动、随机负荷扰动、风电功率偏差扰动以及系统的参数变化,具有相对较好的鲁棒性能。并且,对控制器参数也具有相对较好的非脆弱性指标。     

轧钢加热炉燃烧过程的模糊自适应控制策略

针对加热炉燃烧过程的非线-陛系统的不确定性、多干扰、大滞后等特点,提出了基于模糊参数自校正PID算法实现轧钢加热炉燃烧过程的温度控制策略,该方法采用模糊参数自校正比例、积分、微分（PID）控制,结果表明这种控制策略比传统PID控制器更具有较快的响应速度,抗干扰能力强,提高加热炉燃烧过程的效率和质量。     

中央空调冷温水系统的变流量预估模糊自适应控制研究

设计了Smith预估的模糊自适应PID控制器。结合Smith预估控制、模糊控制和传统PID控制的优点,利用模糊推理实现对PID参数的在线自动调整。最后将它应用到中央空调冷温水二次泵变流量的系统中。仿真试验表明,基于模糊自适应PID控制的冷温水变流量二次泵的自适应能力有所提高。响应速度和动态性能也有所改善。     

基于单神经元PID的异步电动机转速的自适应控制

针对异步电动机矢量控制中转速调节器参数整定困难、自适应性差和稳态精度低的问题,设计单神经元PID控制器.将神经元学习规则与PID控制相结合,采用在线学习的方式,在电动机运行过程中实时调整控制器参数,实现转速的自适应控制.在恒速变负载和恒负载变速的仿真实验中,结果表明基于单神经元PID的转速调节器具有较好的动态性能和较高的稳态精度.     

开关磁阻电机的模糊分数阶PID控制算法研究

开关磁阻电机(SRM)的双凸极机械结构和开关工作特性,导致常规控制算法在其调速控制时,存在转矩脉动大、动态性能一般等问题。论文应用分数阶PID控制算法鲁棒性强和模糊控制不依赖于精确数学模型的优点,提出了一种基于模糊分数阶PID转矩控制算法。在适应SRM转矩控制模糊规则表的基础上,以转速偏差和偏差变化率为输入,通过模糊推理自适应调整分数阶PID控制器的比例系数、积分阶次、微分阶次,使SRM的转矩脉动较小。仿真结果表明该算法使开关磁阻电机的转矩脉动较小,动态响应好。     

无刷直流电动机单神经元自适应PID控制及改进

研制的无刷直流电动机单神经元自适应PID控制器，实现了在线调整PID参数的目的，克服了电动机非线性、参数易变的影响；同时引进变速控制算法对神经元比例参数K的给定进行了在线改进。仿真结果表明，单神经元自适应PID控制器自适应能力好，响应快．鲁棒性强．系统静态和动态特性良好，而且采用变速控制改进算法后，速度的调节器品质有所提高。     

基于PSO算法的多变量PID型神经元网络在球磨机控制上应用

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,基于PID控制的简单结构和良好性能优势以及神经元网络的自调节和自适应的特长,设计了具有PID结构的多变量自适应的PID型神经元网络控制器。给出了这种控制系统的结构和算式,其为一种3层前向神经网络,其隐层单元分别为比例(P)、积分(I)和微分单元(D),各层神经元个数、连接方式、连接权值的初值是按PID控制规律确定的。神经元网络参数采用了粒子群优化(PSO)学习算法,并给出了相关算式。分析了球磨机制粉控制系统的特点,并应用提出的控制方法对其进行了仿真研究,比较了文中控制方法与传统的PID控制方法的控制效果。仿真结果表明了所提方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。     

基于模糊-遗传算法的智能自适应PID控制系统参数优化

基于模糊控制和遗传算法的优化方法,提出了智能自适应PID控制器参数优化的设计方法,以种群多样性为标准进行阶段的划分,并在优化进入到微调阶段进行模糊变异,通过算法的改进使得在PID控制中,PID参数的整定不依赖于对象的数学模型,且能在线调整,算例结果表明了该算法的有效性。