汽车ABS模糊参数自整定PID控制方法的仿真研究

防抱死制动系统(ABS)是汽车安全系统的重要组成部分,对行驶路面状况进行实时准确的自动识别和提高ABS控制算法的鲁棒性具有重大意义。通过仿真分析,提出了一种简单有效的路面识别算法,并设计了以最优滑移率为控制目标的模糊PID控制器。结合车辆模型,对该系统在变附着系数路面的运行情况进行了仿真。结果表明,该系统能够及时判断出路面状况的变化,自动调节控制器参数,使车辆获得最大地面制动力。     

基于SSA-模糊PID的AUV姿态控制研究

针对AUV高精度、高稳定性姿态控制的提升需求,提出一种结合麻雀算法(SSA)和模糊PID控制的姿态控制器。采用麻雀算法对模糊PID控制器参数进行优化,并将寻优后模型用于算法的反馈补偿,有效解决了模糊PID控制过度依赖经验,难以应对水下复杂工况的问题。仿真结果表明,SSA-模糊PID控制器在AUV姿态调节中表现出较传统模糊PID控制器更好的响应速度和抗干扰能力,有效改善了AUV姿态控制性能。经实际应用验证,控制器在复杂工况下可快速收敛至期望姿态并维持稳定。     

深度确定性策略梯度与模糊PID的协同温度控制

针对现有温度控制系统控温时间长、误差大的问题, 本文提出了一种基于深度确定性策略梯度(DDPG)和模糊自整定PID的协同温度控制. 首先, 模糊PID在控制大滞后系统时, 控制器不能立刻对产生的干扰起抑制作用, 且无法保证大滞后系统的稳定性等问题, 本文建立了模糊PID和DDPG算法相结合的温度控制模型, 该模型将模糊PID作为主控制器, DDPG算法作为辅助控制, 利用双控制器模型实现温度协同控制. 接着, 利用遗传算法对模糊PID的隶属函数和模糊规则进行寻优, 获得模型参数最优解. 最后, 在仿真实验中验证所提方法的有效性. 仿真实验结果表明, 本文提出的算法可有效减少噪声干扰, 减小控制系统的响应时间、误差和超调量.     

时延MPC自主车辆协同控制算法与仿真

协同自适应巡航控制（CACC）系统中车辆纵向运动的上下位分层控制器结构,上位控制器采用状态空间模型预测控制算法,利用期望距离以及车辆与环境的实时信息决策出被控车辆运动的期望加速度。下位控制器根据期望加速度,求解发动机节气门开度或制动压力。车辆的执行器时延会对系统的稳定性产生很大的影响。根据动态矩阵控制算法对纯滞后对象的补偿作用,提出一种改进的模型预测控制算法,并与PID控制算法（下位控制器）相结合形成自主车辆纵向运动的上下位分层控制器,以补偿车辆的执行器时延带来的影响。通过SIMULINK/CARSIM联合仿真平台对所设计的算法进行了仿真研究,仿真结果表明所设计算法减小了CACC系统车辆在跟随过程中的速度跟踪误差以及间距误差,提高了系统的稳定性法。     

基于合作粒子群算法的PID神经网络非线性控制系统

PID神经元网络 (PIDNN)模型为一种新型的神经网络模型,兼有PID与神经网络的共同优点,应用于复杂的控制系统.取得优良控制性能,但其后向传播算法 (BP)限制了该模型的应用范围.为实现对非线性多变量系统的有效控制,扩展神经网络的应有范围,本文采用PIDNN神经网络设计了多变量PIDNN神经网络 (MPIDNN)控制器,并用本文作者提出的合作粒子群算法 (CPSO)取代了传统BP后向传播算法,通过比较MPIDNN_CPSO、MPIDNNCRPSO、MPIDNN_PSO和MPIDNN_BP4种控制器的控制性能,仿真结果表明,基于CPSO算法的MPIDNN控制器实现了对非线性多变量不对称系统的有效控制.与传统的BP算法相比,CPSO算法提高了控制系统的稳定性、精确性与鲁棒性.     

车辆空气悬架PID控制优化仿真

考虑到空气弹簧的非线性特性,建立了2自由度车辆空气悬架系统的振动模型.为了提高车辆行驶平顺性和乘坐舒适性,设计将粒子群优化(Particle Swarm Optimization,PSO)算法与PID控制策略相结合后应用于车辆空气悬架系统控制,并在Matlab/Simulink环境下,对不同车速和行驶路况下的车辆空气悬架进行了仿真分析.仿真结果表明:与传统的PID控制比较,基于粒子群优化的PID控制器使得车辆空气悬架系统的车身垂向加速度(BA),悬架动行程(sws)和轮胎动位移(DTD)的均方根值都有所减少,改善了车辆的平顺性和操纵稳定性.     

基于精确模型的网络拥塞控制算法

针对基于流体流理论提出的网络模型在推导过程中的一些近似使得该模型对网络行为描述的不精确问题，提出了网络流量的精确模型，并且基于该模型把一种新的PID及类PID设计方法用于主动队列管理(AQM)控制器的设计，利用约束化的数值优化方法寻找控制器参数。理论分析和仿真实验表明，该控制算法的综合性能优于PI算法。     

一种改进的双转式永磁无刷直流电动机PSO优化控制方法

研究了使用改进的PSO(Particle swarm optimization,粒子群优化)算法与PID控制器相结合实现对双转式永磁无刷直流电动机(PMBLDCM)进行控制的方法;针对传统PID调节器控制精度不高和鲁棒性差的缺点,提出了一种结合PSO优化算法和传统PID控制的新控制器;首先建立PMBLDCM的动力学模型,通过引入改进的PSO优化算法,提出了一种使用PSO优化PID控制器参数的模型,并定义了使用PSO优化PID控制器3个比例参数的具体算法;最后,使用Matlab/Simulink对PMBLDCM控制实例进行了仿真;空载和负载两种情况下的仿真结果表明:新的控制方法克服了PID控制器的不足,具有控制精度高、响应速度快、速度跟随准确等优点。     

从PID到无模型控制器

分析了各种新型PID控制方法控制原理及其存在的问题,介绍了无模型控制器(非建模自适应控制器)的基本理论和基本设计方法,比较了PID与无模型控制器的控制效果,说明无模型控制器冲破了经典PID的概念和控制器设计的线性框架,是一种结构自适应、建模与控制一体化途径的全新的控制器。实践表明,无模型器克服了PID无法对非线性强耦合系统实现稳定控制的弱点,取得了良好的控制效果。     

主动队列管理中PID控制器的解析设计方法

主动队列管理(active queue management,简称AQM)是一个非常活跃的研究领域.作为对终端系统上拥塞控制的一种补充,中间节点的AQM策略在保证较高吞吐量的基础上可以有效地控制队列长度.基于TCP/AQM控制论模型,使用H(最优控制理论,以解析的方法设计了新型PID控制器.该控制器的特点是:控制器由单参数调节,可以方便地实现系统标称性能和鲁棒性能的折衷.通过NS仿真并与其他算法相比较,验证了所设计的控制器的性能.结果显示,所设计的PID控制器性能优于其他算法.     

遗传算法和模糊控制的融合研究与设计

将遗传算法与模糊控制相结合，能达到取长补短的作用，一方面，模糊控制能够表达非线性和模糊性的系统知识；另一方面，通过遗传算法所拥有的高度并行，随机、全局搜索能力，使控制系统具有了学习能力，提出了先使用模糊逻辑的思想进行交叉概率和变异概率的整定，再利用模糊遗传算法对模糊子集进行了划分，可获得一个基于一定性能指标的次优或最优模糊控制器，又以二阶系统为例进行了计算机仿真，研究结果表明这种方法是有效的。     

PEMFC的模糊辨识和非线性预测控制

质子交换膜燃料电池(PEMFC)是21世纪最有前景的发电技术之一。该文针对PEMFC等一类具有严重非线性的复杂被控对象,提出一种基于模糊模型的非线性预测控制算法对PEMFC系统进行建模与控制。在建模与控制过程中,采用模糊聚类和线性辨识方法在线建立PEMFC控制系统的T-S模糊预测模型,然后基于分支定界法的基本原理对控制量进行离散寻优,从而实现PEMFC的非线性预测控制。仿真和实验结果证明了该算法的有效性和优越性。     

模糊智能决策树模型与应用研究

决策问题是计算智能最核心的问题之一.基于模糊数学理论建立了一个普适的模糊决策树模型;用节点刻画决策前提和控制信息,用树上的边形式化推理规则;并在节点和边上定义合理的模糊决策算子,进行多级综合决策.工程决策考虑不同方案的成本、可行性和收益,将这些信息进行融合作为决策方案优劣的测度;建立加权模糊智能决策模型,并给出了基于该...     

一种改进的基于规则的带权模糊推理算法

给出了一种基于带权模糊Petri网的模糊推理算法,这种算法可以适用于一类基于规则的系统,即可以对该类系统的带权模糊Petri网模型进行相应的处理。对系统建立了知识表示的带权模糊Petri网模型,使用该算法可以确定用户给定的库所之间是否存在联系,即相应的命题之间是否存在因果关系,可以计算出命题的模糊真值。对具体的算例进行了分析并与已有的算法进行了比较,得出该算法的优点。     

基于图像处理和模糊控制的飞机泊位模拟系统研究

为了解决民航类专业学生及航司员工的教学及培训中无法明确了解飞机泊位系统原理和关键技术的问题,基于图像处理算法和模糊控制对飞机泊位模拟系统进行了研究,其中基于颜色识别的算法进行泊位线的提取,针对不同的颜色识别结果基于模糊控制决策表做出相应的飞机模型运动控制,在室外和室内环境下进行了实验,实验证明算法具备较高的可靠性,系统能够较好的完成飞机泊位引导过程的模拟。     

一种新的预测控制算法：模糊预测控制算法*

将模糊控制与预测控制相结合，提出了一种基于被控对象一般形式的时间离散模型的模糊预测控制算法，并对控制算法的有效性进行了分析，仿真研究结果表明，该模糊预测控制算法既适用于线性对象，也可用于非线性对象的控制。     

Hierarchical Fuzzy Control for C-Axis of CNC Turning Centers Using Genetic Algorithms

A combined PD and hierarchical fuzzy control is proposed for the low-speed control of the C-axis of CNC turning centers considering the effects of transmission flexibility and complex nonlinear friction. Learning of the hierarchical structure and parameters of the suggested control strategy is carried out by using the genetic algorithms. The proposed algorithm consists of two phases: the first one is to search the best hierarchy, and the second to tune the consequent center values of the constituent fuzzy logic systems into the hierarchy. For the least total control rule number, the hierarchical fuzzy controller is chosen to include only the simple two-input/one-output fuzzy systems, and both binary and decimal genes are used for the selection, crossover and mutation of the genetic algorithm. The proposed approach is validated by the computer simulation. Each generation consists of 30 individuals: ten reproduced from its parent generation, ten generated by crossover, and the other ten by mutation. In the simulations, the C-axis is assumed to be driven by a vector-controlled AC induction motor, and the dynamic friction model suggested by Canudas de Wit et al. in 1995 is used.     

Self-tuning of 2 DOF control based on evolving fuzzy model

In this paper we present a self-tuning of two degrees-of-freedom control algorithm that is designed for use on a non-linear single-input single-output system. The control algorithm is developed based on the Takagi-Sugeno fuzzy model, and it consists of two loops: a feedforward loop and feedback loop. The feedforward part of the controller should drive the system output to the vicinity of the reference signal. It is developed from the inversion of the T-S fuzzy model. To achieve accurate error-free reference tracking a feedback part of the controller is added. A time-varying error-model predictive controller is used in the feedback loop. The error-model is obtained from the T-S fuzzy model. The T-S fuzzy model of the system, required in the controller, is obtained with evolving fuzzy modelling, which is based on recursive Gustafson-Kessel clustering algorithm and recursive fuzzy least squares. It employs evolving mechanisms for adding, removing, merging and splitting the clusters.The presented control approach was experimentally validated on a non-linear second-order SISO system helio-crane in simulation and real environment. Several criteria functions were defined to evaluate the reference-tracking and disturbance rejection performance of the control algorithm. The presented control approach was compared to another fuzzy control algorithm. The experimental results confirm the applicability of the approach.     

基于模糊模型的非线性内模控制策略研究

针对一类非线性动态过程提出了基于模糊模型的非线性内模控制算法(NFIMC)。NFIMC控制器包括逆模糊模型控制器和滤波器。过程的模糊模型和逆模糊模型均可由模糊辨识获得。CSTR的仿真结果表明:该算法可以对强非线性过程实现有效控制,并且具有结构简单、计算效率高等优点,有利于在线应用。