自修正量化因子和比例因子的复合模糊控制器设计

针对基本模糊控制器存在不能消除稳态误差及其变化率以及无法同时得到较好的动态特性和稳态性能的缺点,提出了一种复合模糊控制器的设计方案e,Kc和比例因子Ku,从而改善基本模糊控制器的性能,并以工业过程普遍存在的带滞后的二阶对象为例,设计了复合模糊控制器,仿真结果表明：提出的复合模糊控制器具有较好的控制效果。     

改进型自适应模糊PID 复合控制器在某转台中的应用

针对某转台系统中非线性不确定性因素对动态响应和稳定精度的影响,设计一种改进型自适应模糊PID复合控制器。对AF/PID控制器进行分析,设计融合函数将模糊控制器和变型PID控制器的输出量合理融合,提出一种控制规则在线学习调整的算法,达到自适应平稳调整模糊控制规则,并以某转台方位位置控制系统进行试验验证。结果表明：该方法结构简单、计算效率高,能实现无缝变化输出,避免输出振动,扩大模糊控制器的使用范围。     

基于视觉的智能车模糊PID控制算法

基于freescale公司的16位HCS12单片机设计一种智能车系统。系统摄像头采集路径信息,通过单片机的模糊推理机在线整定PID参数,使小车能按照任意给定的黑色引导线平稳地寻迹。实验证明：系统能很好地满足智能车对路径识别性能和抗干扰能力的要求,舵机调节响应时间快,稳态误差小,具有较好的动态性能和良好的鲁棒性。     

压力仿真系统模糊自适应PID控制

针对压力仿真系统实时、高精度的要求,提出了将模糊控制理论和PID控制结合起来构成模糊自适应PID控制器的方法。利用模糊控制规则在线对该控制器PID参数进行了整定,增强了PID控制器的调节控制能力。并在基于MATLAB/Simulink的仿真环境下,对模糊自适应PID控制器进行了验证。结果表明,与传统PID控制器相比,该控制器可有效提高系统的动态响应性能,具有很好的稳定性。     

模糊控制器设计中量化因子、比例因子的选择

以一个具体的电机系统为控制对象，通过Matlab编程，设计了模糊控制系统的仿真模型通过修改量化因子和比例因子，得到不同的阶跃响应曲线，在此基础上，详细地分析了量化因子和比例因子取不同值时对模糊控制系统性能的影响，并由此分析得出了选择量化因子、比例因子的基本原则．     

雷达伺服系统的模糊自适应PID控制器设计

针对雷达伺服系统数学模型复杂以及非线性的特点,设计了一种模糊自适应PID控制器,该控制器将工作人员的经验结合其中,利用模糊控制理论能够在线实时整定PID参数,克服了传统PID控制器的一些缺点．通过Simulink仿真表明,该控制器可使雷达伺服系统性能得到明显改善．     

基于改进型BP神经网络的PID控制算法

针对传统的PID控制算法很难获得比较理想的控制效果的问题,提出一种基于BP神经网络的自适应PID控制算法。根据BP神经网络的结构和特点,介绍了改进型BP神经网络算法描述及PID控制器的结构,并通过实例进行仿真分析。结果表明,改进型BP神经网络PID控制器具有良好的控制效果,降低超调量,抗干扰性强和增强系统的鲁棒性,优于常规PID控制器。     

基于加速遗传算法的自适应PID模糊控制器设计

提出了一种基于加速遗传算法的自适应PID模糊控制器设计方法,该模糊控制器的参数自调整以系统响应的最大超调量,调整时间,及稳态误差为性能指标,利用加速遗传算法搜索模糊控制器量化因子ke1、ke2,及相应的最优初值和微调参数,进而优化PID控制器参数.该控制器用于直线一级倒立摆.结果表明该控制器与固定参数的模糊控制器相比,具有良好的动态和稳态性能.     

多模态模糊PID 控制算法在转台伺服系统中的应用

由于结构简单,可靠和安全,PID控制广泛用于伺服控制系统。但其固有的缺陷导致对复杂系统控制效果变差。为解决某些问题,设计一种多模态模糊PID控制器,应用模糊控制理论在线调节控制器参数和结构。通过控制实际转台伺服系统验证其具有良好的控制效果。     

基于自适应模糊神经网络的反舰导弹非线性控制算法

提出了一种综合运用动态逆、模糊神经网络和滑模控制的非线性控制方法.首先运用动态逆理论对非线性系统进行近似线性化,利用具有在线学习能力的模糊神经网络来抵消系统的误差,建立了基于自适应模糊神经网络的控制结构,根据李雅普洛夫稳定理论导出了网络权值的自适应调整规则,用滑模控制和鲁棒控制分量保证了系统的鲁棒性.并将该非线性控制算法用于某型侧滑转弯导弹的控制系统设计.仿真结果表明,这种方法能有效消除扰动的影响,提高导弹过载控制系统响应的精度.     

基于模糊PID控制的AGV控制

为提高自动导引小车(automatic guided vehicle,AGV)运动控制效率,建立了AGV的3维模型和运动模型,通过Matlab/Simulink对AGV的运动模型进行仿真分析.分别使用PID控制、模糊控制和模糊PID控制方法对AGV的运动进行仿真,得到3种控制方式的响应时间和控制效果,并从行走距离和响应时间进行分析.仿真结果表明:建立的Simulink模型真实可靠,模糊PID控制效果比模糊控制和常规PID控制效果更好,可为AGV的控制研究提供参考.     

基于模糊自适应PID控制的弹药公路运输模拟系统的仿真

建立了弹药运输不同路况下车厢多点振动信号的数据库,作为模拟系统的输入信号,针对模拟实验设备磨损和老化后重新设定PID参数的问题,设计了模糊自适应PID控制器,运用AMESim仿真软件对弹药公路运输模拟系统的液压伺服系统进行了建模,利用AMESim/Simulink联合仿真对该控制器与PID控制器的控制效果进行了对比。仿真结果表明,模糊自适应PID控制器对非线性和时变系统的自适应能力强,能够通过自我调整参数设定获得较好的控制效果。     

基于模糊PID 的铝空气电源双向DC-DC 变换器

针对双向DC-DC变换器在铝空气电源工作模式切换时的非线性问题,设计一种用于铝空气电源储能系统的双向DC-DC变换器。在传统PID控制的基础上,引入模糊控制,构成模糊PID电压环和PI电流环双闭环控制。并在Matlab/Simulink中,对比分析了双向DC-DC变换器模型、传统PID双闭环模型和模糊PID双闭环模型。实验仿真结果表明:与传统PID控制方法相比,该控制方法能够有效解决双向DC-DC变换器的非线性问题,提高升降压速度,减小输出电压和电流的波动。     

基于永磁调速直流电机模糊PID 伺服控制系统

为改善永磁调速直流电机调速系统的性能,提出一种模糊PID控制策略.根据模糊理论的基本规则,使用Matlab生成模糊控制器,选取电机的实际参数,依据伺服控制策略,将模糊理论与PID控制技术相结合,使用重心法解模糊化,得到PID的控制参数,并通过Matlab仿真对比模糊PID控制与单独PID控制对信号的影响.仿真结果表明:模糊PID控制性能要优于单独PID控制,可满足直流电机的高精度平稳运行.     

基于模糊PID 的电磁循迹小车控制系统

为达到速度和转角协调控制的目的,提出自适应模糊 PID 控制算法。电磁循迹小车系统以MK60N512VMD100微控制器为核心控制单元,通过LC谐振电路检测赛道中心线感应电动势来判断车身姿态,实现舵机转动角度的控制,并通过光电编码器实时检测车速来控制电机的转速。结果表明：该算法能保证小车在路径最优、速度最快的状态下跑完全程,使小车电机速度和舵机转角达到最佳配合。     

基于模糊神经网络PID的串级温度控制系统研究

为解决传统PID 控制存在控制效果不够理想、性能欠佳和很难满足系统精度要求的问题,提出基于模糊 神经网络的自适应PID 控制算法对系统进行控制。采用Labview 构建模糊神经PID 控制器,对环控引气系统温度进 行动态控制,进行仿真研究,并将此控制策略与经典PID 控制进行仿真比较。结果表明：基于模糊神经网络的PID 控制算法在系统的超调量和调节时间上都小于经典PID,能提高系统的快速性和准确性,改善系统特性。