基于Smith-模糊控制算法的橡胶挤出机料筒温度控制系统研究北大核心

为提高橡胶挤出机料筒温度控制系统输出响应的动态与稳态性能,并在干扰作用下使系统输出稳定在目标值,采用智能算法结合PID控制原理,设计一种Smith预估算法结合模糊控制算法与PID控制的控制器,用于橡胶挤出机料筒温度控制。利用MATLAB软件建立控制器仿真模型,与增量式PID和模糊PID控制器的控制效果进行对比。结果表明:在干扰作用下,Smith-模糊PID控制使得料筒温度控制系统输出稳定在目标值;采用Smith-模糊PID控制器的料筒温度控制系统鲁棒性强,将该控制器应用于橡胶挤出机料筒温度控制,可以在一定程度上提升挤出半成品质量和挤出机械的智能化水平。     

二次调节转速系统的自适应神经模糊PID控制

阐述二次调节转速系统的原理并建立其数学模型.针对系统参数时变、非线性的特点,设计一种自适应神经模糊PID控制器,该控制器利用PID算法实现准确控制,通过神经模糊控制提高控制的自适应性.利用MATLAB模糊逻辑工具箱对系统进行仿真,并与传统PID控制进行比较.结果表明:采用自适应神经模糊PID控制,系统响应快、超调小、过渡时间短、能够较好地抑制干扰,具有良好的动态特性和稳定性.     

基于MATLAB-AMESim的挖掘机铲斗电液比例系统模糊PID控制仿真分析

以某一型号液压挖掘机的铲斗电液比例系统为研究对象,针对电液比例系统存在的非线性、时变性等问题,利用AMESim建立该系统的基本物理模型;利用MATLAB中的模糊工具箱设计适用于该系统的模糊PID控制器;结合MATLAB、AMESim软件各自的长处,完成联合仿真,比较PID与模糊PID两种算法的控制性能。仿真结果表明:与PID控制相比,铲斗电液比例系统在模糊PID控制下具有更好的轨迹跟踪性能。     

基于模糊PID的自动配料系统控制研究

针对工业系统自动配料过程中配料精度难以控制的问题，提出了一种模糊结合PID的复合型预测控制算法。算法将模糊控制宽范围快速调节和PID精确调节的特点有机结合起来，当系统的偏差大于某一设定值时采用结合了人的经验的模糊规则控制，当系统偏差小于设定值时采用PID控制。模糊控制器的两个输入分别为系统期望值和偏差，通过不同的期望值预测不同的空中落差。实际应用表明该算法比单纯的PID控制在系统精度和速度上均有所提高。     

自适应模糊PID在压铸机控制系统中的应用

为改善压铸机在生产现场的抗干扰性,提高系统的稳定性,采用自适应模糊PID控制技术,进行了模糊算法设计及压射系统数学模型的分析。利用模糊控制器的智能非线性特征弥补PID控制器不足,更好地控制电液比例阀,使系统达到更优的控制状态。通过实验仿真可知,该算法可以减少系统的稳态误差,提高系统抗干扰性。     

主动防翻装置控制系统设计

针对主动防翻装置液压回路和控制参量特点,设计了基于模糊PID算法的液压控制系统。并应用Simulink对常规PID算法和模糊PID算法进行仿真,通过对比发现采用模糊PID算法时,控制系统的调节时间缩短了0．025s、最大超调量减小了17．9％,表明模糊PID控制算法在此系统中具有更好的适应性,满足主动防翻装置的整体性能要求,为进一步控制系统的硬件设计提供了依据。     

流量反馈型电液比例阀的模糊PID控制特性

流量反馈型电液比例阀是一种较为复杂的高阶非线性系统,传统PID对其控制效果不佳。为提高该阀的控制性能,提出一套基于模糊控制理论的参数自整定PID算法。分析电液比例阀工作原理,设计一种两输入三输出的模糊自整定PID控制器;采用Simulink和SimulationX软件,分别建立模糊PID模型和电液比例阀模型,对电液比例阀的控制特性进行仿真分析。结果表明：采用所设计的模糊PID控制器,可有效改善新型电液比例流量方向阀稳定性和动态性能。     

基于模糊变系数PID算法的注塑机料筒温度控制

注塑机料筒温度是注塑工艺的重要参数,对料筒温度进行有效地控制是保证塑料制品成型质量的重要环节.料筒温度系统是一个多变量、离散、间歇工作、大滞后、非线性、强耦合且需要人工参与的复杂系统.本文采用模糊变系数PID控制,用模糊规则对模糊变系数PID算法中的系数进行在线修正.结果表明该算法提高了温度控制系统的鲁棒性,超调减小,...     

高速热气流试验系统燃油流量控制实验研究

介绍了高速热气流试验系统的供油原理,针对燃油供给系统存在的纯滞后、多扰动、参数时变等问题,分别采用模糊PID预测(LevFuzzyPID)和滑膜预测(SDMC)两种控制策略对燃油流量的精确控制进行实验研究。实验结果表明:在燃油流量控制性能方面,设计的模糊PID预测算法和滑膜预测算法最好,动态矩阵算法(DMC)次之,FuzzyPID算法再次之,PID控制效果最差。     

单叶片吊具鲸鱼优化算法模糊PID控制研究

针对某单叶片吊具摆臂角度控制缸组同步控制精度较低的问题，提出了一种基于鲸鱼优化变论域模糊PID控制器。建立了单个液压缸的数学模型和双液压缸同步控制的模型，并针对模糊控制器利用鲸鱼优化算法对模糊基本论域伸缩因子表达式中的变量系数k₁与k₂优化处理，输出ΔK_P、ΔK_I、ΔK_D实时调节PID参数。通过对模糊PID控制、PID控制、鲸鱼优化算法模糊PID控制的仿真分析，验证了与PID控制和模糊PID控制相比，鲸鱼优化算法模糊PID的同步控制精度更高，同步误差消减的更快速且误差峰值较低；阶跃响应性能更优秀。     

基于改进粒子群算法的恒力输出器的力控制优化

针对恒力输出器模糊控制中的量化和比例因子均为固定值,造成力控制系统自适应能力差问题,提出一种基于改进粒子群算法来不断迭代寻优出最佳的量化和比例因子对模糊PID控制进行优化。对恒力输出器建模并确定传递函数,构建出模糊PID控制系统与改进粒子群模糊PID控制系统,并对这两种控制系统进行MATLAB对比仿真分析。搭建基于六自由度TA6-R10机械臂的实验平台,对恒力输出器的输出力实验验证。结果表明：经过改进粒子群算法优化的模糊PID控制系统比模糊控制PID系统更快达到目标值,且更快收敛,整体超调量为8.91%,在1.3 s达到稳定。改进粒子群算法模糊PID控制优化恒力输出器的力控制,具有更快的动态响应和更好的力跟随效果。     

基于模糊控制的轧机APC系统

模糊技术与PID调节相结合的模糊PID控制方法的动态响应能力和抗干扰能力优于PID 控制。仿真实验证明将模糊PID控制用于轧机电动APC系统的控制是可行的。     

伺服系统中PID控制器参数整定的研究

针对伺服系统中常用的比例-积分-微分(PID)控制器的参数手动整定不方便的问题,对机器学习算法和模糊控制进行研究,重点分析反向传播(BP)算法和模糊控制器的设计方法,提出一种基于机器学习和模糊控制的PID参数整定方法。利用BP神经网络的学习能力得到系统模型,结合模糊控制进行预测得到PID参数,并在实验平台上进行验证。研究结果表明:通过机器学习和模糊控制得到的PID参数具有较好的控制效果,该方法能够避免手动整定PID参数,节省大量时间。     

基于模糊单神经元PID的比例同步控制研究北大核心

针对传统PID算法在液压同步系统中整定困难、稳定性不佳、同步效果不理想的问题,提出一种基于模糊单神经元PID复合算法的双缸耦合同步控制策略,提高同步系统的性能。建立比例阀控非对称缸双缸同步系统数学模型;利用Simulink软件,对比分析传统PID算法、单神经元PID算法和模糊单神经元PID算法的控制效果;最后通过试验验证3种控制策略下的系统同步性能。试验结果表明:使用模糊单神经元PID的耦合控制策略,系统同步误差明显减小,响应速度更快,设计的控制策略有效。     

多工位油缸试验台抓手定位精度的模糊PID控制

为解决液压油缸出厂试验过程中由于油缸抓手抓放定位误差导致抓放失败，进而导致试验台损坏和影响工作效率的问题，实现油缸抓手快速准确抓放油缸，采取模糊PID控制算法实现多工位油缸试验台油缸抓手的步进定位控制，多工位油缸试验台测试对象为两相混合式步进电机。通过对固定参数PID的模拟分析，得出系统最优PID参数为K_p=22、K_i=0.26、K_d=1.40。在此参数下，通过模糊PID控制与固定参数PID控制对比分析，得出模糊PID控制系统达到稳态所需的时间和响应速度均优于固定参数PID控制系统。加入扰动后，对比分析模糊PID控制与固定参数PID的控制效果得出，在车间扰动环境下，步进电机控制系统响应迅速、控制稳定，模糊PID控制效果明显优于固定参数PID控制。最后通过线下车间试验台实践验证得出模糊PID优化控制算法满足油缸抓手定位精度的要求。     

基于遗传模糊PID的液压AGC控制系统研究

液压AGC系统是一个多变量、非线性、强耦合、时变的复杂控制系统,常规的控制方法很难达到较好的控制效果,而采用将现代控制方法和智能算法相结合的控制策略已经成为一种趋势。PID控制是被证实行之有效的控制方法,针对其3个参数不能自调整问题,提出了模糊PID控制策略;针对模糊控制存在人为确定隶属度且不能动态调整参数的弊端,提出了用改进的遗传算法进行参数寻优的办法。仿真结果表明:基于改进遗传算法的模糊PID控制器性能更优。     

模糊PID算法的水下机器人控制系统优化

为应对复杂的水下工作环境,提高水下机器人工作时的稳定性、灵敏度和抗干扰能力,提出一种模糊PID算法对水下机器人原控制系统进行优化。优化后的水下机器人机械结构、控制系统硬件架构不变,仅通过改变软件程序对水下机器人进行模糊PID控制。水下机器人工作时,各类传感器把现场的环境参数转化为电信号,经预设的模糊库进行模糊化处理后发送给STM32控制器;STM32控制器按预设的程序对模糊化信号进行处理,处理完去模糊化后的电信号后发送给执行元件,从而实现水下机器人的模糊PID控制。MATLAB/Simulink仿真和水下测试结果显示：与经典PID算法比较,经模糊PID算法优化后的水下机器人反应更灵敏、系统更稳定、抗干扰能力更强,达到了预期的效果。     

模糊PID在智能调节阀控制系统中的应用

为了优化智能调节阀控制系统的控制性能,对其控制算法进行深入研究。针对阀控缸气动系统时变、非线性的特性,利用模糊控制调整PID的参数。同时为了实现模糊PID的仿真验证,利用AMESim物理图形建模软件进行了被控对象的建模处理。通过分析特定情况下被控对象特性,求出符合特定情况下的某种传递函数,再应用MATLAB中的Signal Constraint模块对常规PID参数进行优化,获取了符合控制系统的PID 3个初始值。最后联合MATLAB和AMESim实现了对模糊PID控制算法的仿真分析,结果表明:智能模糊PID控制算法响应速度快、超调小、调节精度高、抗干扰能力强、稳态性能好,其调控性能明显优于常规PID控制,特别适用于具备时变、非线性等特性的控制系统。     

飞机起落架自适应模糊神经PID控制方法的研究

针对传统PID控制与模糊PID控制的飞机起落架控制系统存在达不到理想控制精度以及控制速度的问题,提出一种基于模糊控制和神经网络的模糊神经PID控制算法。通过对起落架运动特点以及动力学相关的理论分析建立飞机起落架的运动模型,将此智能PID控制方法应用到飞机起落架的姿态控制系统中。利用MATLAB/Simulink软件进行仿真,并基于树莓派装置进行了起落架单腿实验。仿真和实验结果表明：模糊神经网络PID控制系统的响应速度和抗干扰能力相较于传统PID和模糊PID都有了较大的提升,系统稳定性更强。在飞机起落架控制系统中,应用模糊神经PID控制可进一步提升系统的响应速度,降低系统运动的惯性冲击,提高整体机构的稳定性。