一种实用的自校正PID控制器设计与仿真研究

针对多功能除湿机的温度控制问题,设计了一种极点配置自校正PID控制器,给出了系统的CARMA模型,引入带遗忘因子的最小二乘实时参数估计算法和带数字滤波器的增量式PID控制器算法,同时给出了极点配置自校正PID的整定方法过程,建立PID参数与系统参数及控制性能指标之间的关系式,并进行了MATLAB仿真.仿真结果表明,自校正PID控制系统能够实时估计被控对象的参数,实时整定控制器参数,自适应被控过程的变化,具有较强的实时参数估计和自校正能力,该PID控制器在多功能除湿机的温度控制中得到成功应用.     

动态定量称重系统神经网络预测PID控制器研究

采用神经网络预测与PID控制理论相结合,为动态定量称重系统设计了一种神经网络预测PID控制器。该控制器算法简单,通过自学习、记忆功能在线调整PID控制参数KP、Kl、KD。建立了动态定量称重系统的仿真模型,将神经网络预测的PID控制与常规PID进行对比分析,神经网络预测PID控制器具有很好的控制效果。     

一种自校正PID控制器的建模与仿真

把自校正控制原理与传统PID控制算法相结合,以传统PID控制器为基础,推导出了一种用递推最小二乘法的算式对PID参数进行整定的方法。仿真结果表明,该方法法能较好地对PID控制系统进行参数估计,克服了传统算法需处理较大数据量,不利于参数实时在线估计等问题,增强了控制系统对被控对象的自适应能力。该算法兼有传统PID控制和自校正控制的优点,是一种原理简明,收敛较快的控制器。     

轧钢加热炉燃烧过程的双模糊控制策略

针对轧钢加热炉燃烧过程的非线性、慢时变、大滞后的系统特点,提出了带有比例积分校正环节的双模糊控制器来实现轧钢加热炉燃烧过程的温度控制策略,并通过调整因子来优化控制规则。实际应用表明,该控制策略具有响应快、鲁棒性强的特点,达到了较好的控制性能。控制效果优于常规控制器（PID）和传统的单模糊控制器。     

参数自校正模糊PID在管道风速控制中的应用研究

针对气流炸药生产线管道风速控制过程具有非线性、大滞后、大惯性等特点,在精确模型难以建立的情况下,提出一种参数自校正模糊PID控制器。本文详细地阐述参数自校正模糊PID控制器的设计,将模糊控制器与PID控制器相结合,利用模糊控制器的输出来修正PID控制器的参数。在气流炸药生产线的应用表明本文提出的控制策略具有反应速度快、稳定性强和控制精度高等特点,达到了较好的控制性能。     

单神经元预测控制器在大时滞对象控制中的仿真研究

本文提出了一种单神经元预测控制器,该控制器利用增益自调整的优点,较好地解决了控制系统响应的快速性和鲁棒性的问题,并且能较好地克服过程大时滞的不利影响。本文给出了该控制器的算法,并和常规PID控制器等进行了仿真比较,取得了较好的效果。     

带模糊防滑控制的深海机器人速度预测跟踪

面向深海“稀软底”作业机器人提出一种基于模糊控制的防滑控制方法，并采用带参数自校正模块的变维灰色预测控制器进行速度跟踪控制。防滑控制器能增强深海机器人的行驶速度与沉积物特性匹配，有效抑制作业机器人两侧履带的打滑，保证机器人在极限海底沉积物上安全行走作业。带自校正模块的变维预测速度跟踪算法，与单纯的PID速度跟踪、不带自校正模块的预测速度跟踪、不变维带自校正模块的预测速度跟踪相比，具有更好的速度跟踪性能和自适应性。仿真结果表明了算法的有效性。     

迟延惯性系统的一种自校正增量型PID控制

对于具有大迟延、大惯性特性的被控对象,常规PID控制往往难以取得满意的控制效果。在对常规PID控制算法及迟延和惯性系统的动态特性进行定性分析的基础上,提出了一种新的自校正增量型PID控制方法。首先采用带最小损失函数的递推最小二乘算法通过离线辨识获得被控对象初始的迟延和惯性特性,并据此整定PID控制器参数;控制过程中,通过在线辨识实时获取被控对象的动态特性,并利用历史控制信息,根据在线辨识结果获得一种具有自调整功能的校正基准量,从而形成一种自校正增量型PID控制器。最后,将其应用于电站锅炉过热汽温串级控制系统中。仿真试验表明,该方法能够有效地控制具有时变特性的大迟延、大惯性对象,表现出了良好的自适应能力。     

极点配置自校正PID控制器

本文提出极点配置自校正PID控制器的三种典型结构。通常称为常规PID数字控制器结构、增广型自校正PID控制器结构和广义最小方差自校正PID控制器结构。带前馈补偿的极点配置自校正控制器设计方法和增广型结构相同。本文根据典型二阶系统闭环特征方程所对应的期望特征多项式进行闭环极点配置。具有工程意义直观、设计方法简单和鲁棒性较好等优点。自校正算法用短字长的单板机就可实现。它克服了常规PID控制器的弱点。常规PID控制器的参数是在一定的工况条件下用实验或试凑方法找出的。对于大滞后慢时变及出现随机干扰时,很难进行在线参数整定。本文     

自校正PID控制器

自适应控制理论和微处理器技术是自校正PID控制器实现产品化的基础。本文通过分析有代表性的几种自校正PID控制器,说明现有自校正PID控制器的特点和存在问题。     

大时滞系统自适应模糊Smith控制

针对大时滞对象,把史密斯（Smith）预估控制原理和模糊控制器参数的自适应调整方法结合起来,即在Smith预估控制系统中,利用自适应机制在线整定模糊控制器的参数,即根据控制系统在各个阶段呈现出的不同特点来适时调节模糊控制器的量化和比例因子,以适应对象特性的变化。仿真研究表明,所提方法能有效克服普通模糊控制算法不适应大时滞系统控制和常规Smith算法过于依赖模型精度的缺陷,提高了普通模糊控制器对大滞后系统的控制能力。同时该算法还具有很强的鲁棒性和良好的控制品质。     

神经元自适应预测PID控制器及实现

采用单神经元构成PID控制器,并和预测控制 结合克服时滞对控制系统的影响．对大时滞大惯性的电加热炉的实时控制结果表明,这种自 适应控制算法切实可行,且具有较强的鲁棒性,适合于控制大时滞被控过程．     

基于ARM的模糊自适应PID温度控制系统设计

为了解决传统PID控制器控制电冰箱温度所存在的响应速度慢、控制精度不高等问题,本文采用自整定模糊PID控制算法设计了模糊PID控制器,并在MATLAB环境中进行了仿真,与常规PID控制器的性能进行了对比,结果表明模糊自适应PID控制器的响应特性优于传统的PID控制器,响应速度更快,稳态精度更高,超调量更小,提高了电冰箱温度控制系统的性能.最后在ARM芯片上实现模糊控制算法,模糊控制表采用新方法二维矩阵存储,以便方便查询和管理,更好地满足温度调节的实时性.     

非线性系统的蚁群优化预测PID控制

针对非线性、时变及大惯性系统的控制问题,提出了一种基于蚁群算法的预测PID控制算法。该算法以神经网络作为预测模型,将预测控制和PID控制相结合,并用蚁群算法在线优化控制器参数,其中以常规的Ziegler-N ichols方法整定的控制器参数为基础,选取蚁群优化变量的动态搜索区间。该算法考虑了控制能量受限情况下,非线性系统的预测控制问题。计算机仿真结果表明,该非线性控制方案具有较好的鲁棒性,相对传统PID控制策略还表现出了良好的动态性能,能够满足对再热汽温对象的控制要求。     

基于BP神经网络的多变量PID解耦控制

基于神经网络的智能PID控制策略，以经典的PID控制理论为基础，并通过具有多变量解耦控制自学习功能的神经网络参数整定来实现。本文给出了网络的结构和算法，示出了一组二元变量强耦合时变系统的实时仿真结果。通过计算机仿真证明，基于神经网络的PID控制具有良好的自学习和自适应解耦控制能力。该系统融解耦器和控制器于一体，易于实现，适用于非线性多变量系统的解耦控制。它使解耦后的系统具有较好的动态和静态性能，特别是当根据BP控制规律确定了网络连接权系数的初值时，还能使系统参数快速收敛。     

一种具有PI结构的时滞系统APFC控制

提出了一种具有PI结构的时滞系统自适应预测函数控制（APFC）,该算法通过在性能指标函数中引入预测输出误差和预测输出增量误差,使最终形成的控制器具有比例-积分（PI）结构。结合了预测控制具有较好的处理时滞、快速跟踪和PID调节器抗干扰性强、鲁棒性强的优点,并且模型参数是通过带遗忘因子的递推最小二乘算法在线辨识得到。在具有时滞的工业过程数学模型上进行仿真研究,结果表明,该算法具有较好的跟踪效果、抗干扰能力和鲁棒性。     

模糊自适应PID控制器参数整定的研究

主要研究了模糊自适应PID控制器参数整定方法,给出了预估计PID参数值的经验公式和方法。用MATLAB软件对PID控制、模糊自适应PID控制的控制性能分别进行了仿真研究,结果表明参数模糊自整定PID控制具有良好的稳态精度和自适应能力。     

网络控制系统的自整定PID 控制器设计

结合广义预测控制（GPC）方法和PID反馈结构,设计了一种具有预测功能的PID控制器,PID参数根据未来时刻的预计输出误差进行整定.控制器导出多步控制序列,置于执行器端的延迟补偿器根据网络时延从控制序列中选择控制信息并作用于控制对象,从而对时延进行补偿,使控制性能得到极大改善.控制器结合了PID控制和预测控制的优点,具有较强的鲁棒性和工程意义.最后通过构造Lyapunov函数对闭环系统的稳定性进行了分析,并通过仿真验证了该算法的有效性.     

基于变结构径向基函数网络的船舶运动预测PID控制

针对船舶在海上运动的大时滞和动态时变等特点,提出基于一种变结构径向基函数(RBF)神经网络的预测PID控制器.通过建立反映系统动态变化的滑动数据窗口,在线序贯学习窗口内的数据,动态调整隐层节点与隐层至输出层的连接权值,得到结构可自适应变化的RBF网络.将该变结构RBF网络用于预测PID控制器中系统状态的在线多步预测,通过得到的预测模型灵敏度信息在线调整PID控制器参数以控制系统的输出.将该控制器用于船舶航向跟踪控制的仿真实验,结果表明该控制器具有良好的的适应性和鲁棒性.     

单神经元PID在陀螺温控系统中的仿真研究

陀螺仪是惯性导航系统核心部件,其温控系统的性能直接影响着惯导系统的精度和准备时间。通常所采用的传统PID控制算法虽然简单,但系统调节时间较长,控制效果不理想。该文针对陀螺温控系统要求调整时间短控制精度高的特点,提出一种单神经元自适应PID控制算法。该算法利用单神经元结构简单、自学习、自适应能力强的特性并与传统PID相结合,对相应的比例、积分、微分系数进行在线调整,实现对陀螺温控系统的实时在线控制。仿真结果表明该方法与传统PID控制方法相比,具有调节时间短、超调量小等优点,说明其具有可行性。