矢量控制永磁同步电动机的MATLAB仿真

分析了永磁同步电机(PMSM)的数学模型,在此基础上提出了PMSM矢量控制系统仿真建模方法,在matlab6.5/simulink环境下,建立了速度控制模块、坐标变换模块、SPWM控制模块,把这些模块与mattab6.5自身提供的PMSM本体模块和电压逆变模块有机组合,建立了PMSM控制系统的速度和电流双环仿真模型.仿真实验结果表明模型的有效性,验证了其控制算法,为实际PMSM控制系统的设计和调试提供了仿真参照.     

模糊自适应PID在水工模型中的应用

水工模型水位控制系统是一个典型的非线性、大时滞控制系统,针对用普通PID对高阶大惯性环节对象的控制参数难以整定的问题,设计了一种基于模糊控制原理的PID参数自适应控制器,根据偏差和偏差变化率来实时调整Kp,Ti,Td参数。试验结果表明,这种模糊自适应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稳态性能。     

基于BP神经网络的PID控制研究

PID控制算法是工业控制领域中应用广泛的控制算法,但在实际应用中其参数整定问题一直是一个尚未很好解决的难点.为了解决控制参数整定,改善系统性能,利用BP神经网络技术应用到PID控制器中.通过建立三层神经网络模型,在控制过程中按照梯度下降法修正神经网络的权系数,实现PID神经网络的自学习和逼近任意函数的功能,在控制过程中根据变化实时调整PID的三个控制参数,从而进行PID控制参数的在线整定.仿真结果表明,引入了BP神经网络的PID控制系统,提高了动态性能,增强系统稳定性和快速性,并获得更好的控制效果.     

主动磁悬浮轴承的神经网络自适应稳定性控制

针对主动磁悬浮轴承本质非线性和开环不稳定的系统特征,设计了一种BP神经网络自适应PID控制器。该控制器采用改进的BP神经网络PID控制算法,通过BP神经网络的自学习和权值调整寻找最优的PID参数,克服了常规PID控制参数整定困难的缺陷,实现了系统的自适应控制。通过MATLAB/Simulink环境和S-Function模块建立了主动磁悬浮轴承控制系统模型,并进行了系统仿真实验,结果表明,BP神经网络自适应PID控制系统响应速度更快,具有更好的动态性能和稳态性能。     

变参数PID在焦炉煤气主管压力控制中的应用

为使焦炉煤气主管压力的控制质量进一步提高,在分析PID控制基本原理的基础上,提出了一种改进的PID控制器——变参数PID控制器,该控制器根据现场不同的工况实时调整PID三个控制参数的大小,以获得满意的控制效果。现场运行结果表明:该压力控制系统明显优于传统的PID控制系统,控制效果得到了很大的提高。     

基于遗传算法的PID控制器参数优化研究

研究自动控制器参数优化问题,PID参数优化是自动控制领域研究的重要内容,系统参数选择决定控制的稳定性和快速性,也可保证系统的可靠性.传统的PID参数多采用试验加试凑的方式由人工进行优化,往往费时而且难以满足控制的实时要求.为了解决控制参数优化,改善系统性能,提出一种遗传算法的PID参数优化策略.通过建立遗传算法优化的PID控制器参数模型,在控制过程中将PID参数作为遗传算法中的个体,采用控制误差绝对值时间积分函数作为优化目标,动态调整PID的三个控制参数,进行PID控制参数的在线优化,将优化方案应用于农业温室温度控制系统进行了仿真.仿真表明,引入遗传算法的PID控制系统,提高了动态性能,增强系统稳定性和快速性,保证实现了控制效果.     

神经元PID控制器在两轮机器人控制中的应用

针对两轮机器人传统PID控制器参数整定困难的问题,设计了一种神经元PID控制器.该控制器利用神经元的自学习和自适应能力,在线实时调整控制器各项参数.建立了两轮机器人的非线性模型,讨论了神经元PID控制系统的结构及其控制算法和各项控制器参数的学习算法.将设计的控制器其应用于两轮机器人的平衡控制中,并且与传统PID控制器进...     

基于粒子群算法的PID控制器参数优化研究

PID参数优化一直是自动控制领域研究的重要问题,PID的控制效果取决于比例、积分和微分三个参数取值.传统的PID参数多采用试验加试凑的方式由人工进行优化,难以满足控制的实时要求.为了解决控制参数优化选择问题,改善系统性能,提出一种基于粒子群算法的PID参数优化策略.通过建立粒子群优化的PID控制器参数模型,在控制过程中将PID参数(比例、积分、微分)作为粒子群中的粒子,采用控制误差绝对值时间积分函数作为优化目标,在控制过程中动态调整PID的三个控制参数,从而进行PID控制参数的实时优化,最后将优化方案应用于中央空调温度控制系统.仿真应用研究表明,PID参数优化策略具有很强的灵活性、适应性和鲁棒性,进而验证了优化方案的可行性和有效性.     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

基于模糊自适应串级PID控制器的仿生机器鱼位姿控制

为提高仿生机器鱼位姿的控制精度,针对串级PID控制器中固定的内环比例、积分、微分系数不能较好地适用于仿生机器鱼所面临的复杂水环境,且控制参数整定难度大等问题进行了研究。首先,在串级PID控制器的仿生机器鱼位姿控制的基础上,利用模糊控制实时调整串级PID控制器中内环的控制参数,提出基于模糊自适应串级PID控制器的仿生机器鱼位姿控制算法。然后,在多水下机器人协作控制系统平台下进行对比实验。实验结果表明,与串级PID控制器相比,模糊自适应串级PID控制器减少了仿生机器鱼到达目标位姿的时间,降低了位姿误差,验证了算法的有效性。     

支持向量机在PID控制器参数整定中的仿真研究

PID控制是应用最为广泛的控制方法,由于系统中存在非线性和时变性,影响建立精确的模型,系统性能.为了解决控制参数整定,改善系统性能,提出一种基于支持向量机的PID控制器参数整定方法.通过将支持向量机和PID控制器相结合建立支持向量机的参数整定模型,在控制过程中将PID控制的参数作为支持向量机的输入,构造参数自适应学习的PID控制器,在控制过程中动态调整PID的三个控制参数,进行仿真的在线整定.仿真结果表明,支持向量机的PID控制方法在处理非线性和时变系统时,提高了实时性能,增强系统稳定性,并获得更好的控制效果,为通用非线性PID控制器设计提供了依据.     

BP神经网络在PID控制器参数整定中的应用

研究工业控制过程,针对控制器优化问题,PID控制是迄今为止在过程控制中应用最为广泛的控制方法.但在实际应用中,对有非线性、时变性系统,无法建立精确模型.为了解决控制参数整定,达到精确控制,改善系统性能,提出一种基于BP神经网络的PID控制器参数整定方法.通过建立三层神经网络模型,在控制过程中将神经网络的隐含层单元分别作为PID的比例(P)、积分(I)、微分(D)单元,从而构造参数自学习的PID控制器,在控制过程中动态调整PID的三个控制参数,从而进行PID控制参数的在线整定.仿真结果表明,基于BP神经网络的PID控制方法在处理非线性和时变系统时,提高了实时性能,增强系统稳定性,并获得更好的控制效果.     

基于粒子群优化的PID控制器设计与应用

研究优化控制器设计问题,工业过程控制中广泛使用的PID控制器,参数的选取可等效为优化问题.针对PID控制器应用于实际的自动电压调节器(AVR)系统,为了有效地寻找AVR系统的最佳PID控制器参数,提出一种基于粒子群算法的PID参数优化策略.通过建立粒子群优化的PID控制器参数模型,在控制过程中将PID参数(比例、积分、微分)作为粒子群中的粒子,采用控制误差绝对值时间积分函数作为优化目标,在控制过程中动态调整PID的三个控制参数,从而进行PID控制参数的实时优化.仿真结果表明PID控制器可以获得较好的控制性能指标,进而改善AVR系统的瞬时响应特性,具有一定的实用价值.     

位置伺服系统的单神经元PID/CMAC控制研究

在分析了位置伺服控制系统基本原理和数学模型的基础上,提出了一种单神经元PID/CMAC复合控制算法和控制器的设计方法。用单神经元PID替代常规PID控制,由神经元来在线调整PID控制参数,利用CMAC神经网络的自学习和自适应能力,来完成系统的实时控制。该算法直接应用于位置伺服控制系统,仿真结果表明,与传统PID控制算法相比较,该复合控制算法增强了系统的控制精度,提高了系统的响应速度,具有较强的鲁棒性和抗干扰能力。     

BP神经网络在导弹控制系统参数整定中的应用研究

PID控制是目前广泛应用的导弹姿态控制方法,对其相应的Kp、K,、KD三个控制参数的整定多采用经验方法完成,而常规PID控制器难以实现在线实时自适应参数整定;而将神经网络技术与常规PID控制相结合,则可以在一定程度上解决常规PID控制器不易进行实时自适应参数调整等方面的缺陷,充分发挥PID控制的优点;论文以某型导弹的纵向通道姿态控制系统为例,采用BP神经网络实现了控制系统参数的自适应整定.     

基于RBF神经网络PID控制的无线网络时延控制研究

针对不确定时延影响无线网络控制系统的控制性能、常规PID控制策略无法满足网络控制要求的问题,提出了一种基于RBF神经网络PID控制的无线网络时延控制方案。采用Matlab/Simulink的TrueTime工具箱建立了无线网络时延控制系统仿真模型,介绍了模型中网络模块、执行器模块、控制器模块的设计及RBF神经网络整定PID控制器参数的实现原理。仿真结果表明,与常规PID控制策略相比,RBF神经网络PID控制策略能够在一定程度上降低不确定时延对无线网络控制系统的影响,从而提高无线网络控制系统的稳定性。     

模糊自整定PID的航空发动机转速控制研究

航空发动机具有强非线性和强时变性的特点,使用定参数PID方法的转速控制系统的性能在全飞行包线内难以保证.针对上述问题,提出设计模糊自整定PID控制器,利用输入误差及变化率建立一组PID参数在线调整规则,运用模糊推理方法实时进行参数自整定.结合某型航空发动机核心机非线性实时模型,进行转速串级控制硬件在回路仿真.结果表明,提出的模糊自整定PID控制方法实现了控制器参数在线调整,参数切换扰动小,满足全包线内转速控制的指标要求.     

射电望远镜PID控制系统仿真

射电望远镜控制系统是射电望远镜设计中的重点,控制系统的控制精度直接影响到射电望远镜的测量精度和灵敏度.通过对射电望远镜系统建模分析,发现传统的PID算法存在积分饱和缺陷问题,会造成系统超调,调节时间延长等不利结果.将积分分离PID控制算法引入到射电望远镜控制器设计中,利用LabVIEW实时仿真模块的功能,搭建了半实物仿真模型,分别采用传统PID和积分分离PID控制,对系统进行半实物仿真实验,提高控制器的控制性能,实验结果表明,积分分离PID控制效果良好.     

基于RBF的倒立摆摆起角度控制研究

针对小车一级倒立摆的起摆控制,利用径向基函数神经网络的自适应能力,微调系统的控制参数,构造一个具有自调整能力的控制器来增大倒立摆摆起角度范围。结果表明,基于RBF网络的PID控制器较常规PID控制器具有更强的自适应能力、更高控制精度和更好的鲁棒性,能满足控制系统的实时性要求。     

神经元自适应PID控制器在机组控制中应用

针对机组控制系统动态范围宽、要求响应速度快、超调量小及参数时变的特性,研究了一种基于神经元的自适应PID控制器。利用神经网络的在线调整功能,自动调整PID控制参数,以适应被控过程的参数变化和克服扰动的影响。仿真和实验结果表明,该算法简洁实用,控制效果优于传统的PID控制。