Smith-模糊PID在过程控制中的应用

针对过程控制中被控对象数学模型难以建立,以及经常存在滞后、时变等现象,提出了将传统的Smith预估器与模糊PID控制相结合的方法。把Smith补偿原理与模糊控制结合起来,利用Smith预估器对模糊控制进行有效补偿,从而达到二者的优势互补。仿真实验表明：Smith-模糊PID控制器较单纯的PID控制和Smith-PID控制在控制跟踪曲线、鲁棒性方面有很大改善。     

非线性系统PID控制器的优化设计

借助MATLAB中非线性控制设计模块(Nonlinear Control Design Blockset)，实现了非线性控制系统的PID控制器的优化设计。仿真结果表明，该方法简单、有效。     

非线性PID控制器研究

叙述了传统非线性PID模型的常见缺陷,通过分析PID各环节在不同响应曲线时应有的变化趋势,以偏差e作为参数修正量,生成了各环节的系数.建立了一种通用的非线性PID控制器模型.经过仿真验证,所建模型设计合理,效果明显.     

单神经元自适应PID在水下拖曳控制系统中的应用

基于多参数拖曳式剖面测量系统的物理参数,从运动物体六自由度方程出发建立了深度控制模型。利用单神经元自适应PID,对拖体深度控制进行了仿真,并与常规PID控制方法进行了对比。结果表明:在3种不同的拖曳速度下,两种方法的响应时间随输入深度的变化曲线都存在一个阈值深度。大于阈值深度时,单神经元自适应PID比常规PID响应快得多,即对于大深度输入,前者的响应时间能够满足控制要求,而后者明显过长。说明单神经元自适应PID控制方法对于大深度输入响应快,不同拖曳速度下深度控制自适应性好。     

线性时变系统闭环PID型迭代学习算法的仿真分析

对闭环PID型迭代学习算法进行了收敛分析,并针对一类线性时变系统,分别运用开环和闭环PID型迭代学习算法进行了仿真研究。仿真结果表明,闭环比开环PID型迭代学习算法更能较快地跟踪期望轨迹,而且很少出现不稳定的现象,在收敛速度方面显示了该算法的优越性。     

模糊PID控制在磁悬浮系统中的应用

基于模糊控制的思想,建立以悬浮系统为对象的数学模型,根据悬浮系统自身特点并结合实际经验,找出输入变量误差E和误差变化率EC与PID的3个参数之间的模糊关系,制定模糊控制规则,设计了一种模糊自整定PID控制器。该控制策略的优点是能在悬浮系统工作时,对PID参数进行在线调节,以适应轨道不平顺的变化,使控制器跟踪精度高,响应速度快,鲁棒性好。利用Matlab中Fuzzy和M函数的有机结合,通过仿真验证了模糊自整定PID控制系统的可行性。结果表明:与传统的PID控制器相比,该方法能够对轨道的正弦波扰动和方波扰动实现更有效的跟踪,对外加干扰具有更强的抑制能力。为解决轨道不平顺问题提供了一种思路。     

非线性时变系统的控制

针对变质量水下航行体提出了一种采用两级ＰＩＤ调节，控制参数随水下航行体质量和速度变化而进行优化处理的参数自适应控制方法，旨在解决水下航行体非线性参数时变问题，以便进一步提高水下航行体的航行性能。     

神经元PID控制器及其应用

本文分析了加热炉炉温、油压的ＤＤＺ－Ⅱ型仪表控制系统存在的问题，在常规ＰＩＤ控制器中引入了神经元的学习功能，实现了智能控制，得到了较好地控制效果。     

非线性PID控制在倒立摆控制系统中的仿真研究

针对直线一级倒立摆的单输入双输出、强非线性、强耦合的不稳定系统,提出了双回路非线性PID控制方案,即分别采用一个控制器去控制小车的位移和摆杆的偏角,以同时实现小车位移和摆杆偏角的闭环控制.仿真结果表明,该控制方案是可行的、有效的,并且具有很强的抗干扰能力.     

神经网络参数自整定PID控制在供热过程控制中的应用

目的 使供热控制技术适应大滞后、大惯性、时变对象的控制要求,提高供热控制性能以及抗干扰性.方法 采用神经网络理论与增量式PID控制相结合的智能控制方法 ,利用神经网络的自学习能力,在线整定PID三个控制参数,使系统具有更好的鲁棒性和自适应性.结果 仿真实验表明,与常规增量式PID控制效果相比,提出的控制方案使热力站二次网回水温度控制过程很快进入稳态,超调量减小3.57%,通过在线学习及自动更新Kp,Ki,Kd参数,控制系统响应速度加快,且能有效抑制扰动.结论 神经网络参数自整定PID控制算法优于常规的控制方法 ,提高了供热过程的动态和稳态性能,抗干扰能力增强,取得了良好的控制效果.     

三容系统的解耦神经网络PID控制

三容水箱是常见的非线性强耦合系统,利用一种非线性动态解耦的方法对其进行解耦(其特点是能利用非线性补偿的方式将该类系统各回路输入与输出之间完全解耦),然后采用基于BP神经网络的PID控制策略对其进行控制,并利用MATLAB进行仿真。仿真结果证明解耦的有效性,表明了BP神经网络的PID算法比传统的数字PID具有更强的抗扰动性。     

多输入多输出系统的神经网络PID解耦控制器

基于神经网络的ＰＩＤ控制,提出了一种可用于有耦合的多输入多输出系统的比例、积分和微分参数在线自整定的神经网络ＰＩＤ解耦控制器,可以实现对多变量系统的角耦控制,仿真结果表明系统具有很好的动态及稳态性能。     

神经网络PID控制在倒立摆系统中的应用

PID控制是工业过程控制中最常用的一种控制方法 ,但当被控对象具有复杂的非线性特性 ,难以建立精确的数学模型 ,且由于对象和环境的不确定性 ,往往难以达到满意的控制效果。作者用神经PID控制方法应用于倒立摆系统 ,克服了常规PID控制的不足 ,取得了很好的控制效果     

基于神经网络PID炉温控制系统设计

将BP神经网络控制策略引入炉温控制系统,通过神经网络模拟实现PID控制器参数在线调整。在电阻炉炉温控制系统模型的基础上,详细介绍了神经网络PID控制器的算法,并对经典PID参数选取进行了分析。最后将神经网络PID与经典PID控制效果进行了仿真比较。     

CMAC神经网络与PID复合控制在温度控制中的应用

介绍了小脑模型神经网络原理,提出了神经网络与PID的复合控制算法.将该算法应用于温度控制中,对各个控制器的输出进行了仿真跟踪,并研究了其抗干扰性能,以及改变被控对象参数时的系统响应特性.仿真结果表明,神经网络CMAC与PID复合控制的输出误差小、实时性好、鲁棒性强,抗干扰能力较好.     

Control of Hydraulic Power System by Mixed Neural Network PID in Unmanned Walking Platform

To speedily regulate and precisely control a hydraulic power system in a unmanned walking platform(UWP),based on the brief analysis of digital PID and its shortcomings,dual control parameters in a hydraulic power system are given for the precision requirement,and a control strategy for dual relative control parameters in the dual loop PID is put forward,a load and throttle rotation-speed response model for variable pump and gasoline engine is provided according to a physical process,a simplified...     

多变量PID型神经元网络控制系统及在除氧器水位解耦控制中的仿真研究

介绍了多变量PID型神经元网络控制系统.给出了网络的结构和学习算法,说明了系统参数选取方法,分析了除氧器水位控制的特点.仿真结果表明,该控制系统对多变量强耦合的除氧器水位控制对象具有良好的解耦性能和自学习控制特性.     

基于神经网络的非线性预测自整定PID控制

提出在利用前馈神经网络对非线性系统建模的基础上，对系统输出实现递推多步预测，并且结合自整定PID方法，实现非线性系统控制，神经网络在线辨识时采用学习速度较快的扩展Kalman滤波方法，仿真实验表明了该方法的有效性．     

基于PID神经元的温度控制系统研究

应用神经网络控制理论和方法，对传统温度控制系统进行控制，可以得到无静差，无超调的优良性能，这对于传统工业改造具有实际意义。