制浆废水厌氧处理过程中pH的控制算法研究

以山东某纸厂的制浆废水厌氧处理过程为背景,建立了pH调节系统的数学模型,组建了模糊PID控制系统,并用Matlab仿真软件对其进行了仿真;研究比较了PID控制、模糊控制和模糊PID控制的阶跃响应、抗干扰响应,对比分析了模型参数摄动时这3种控制算法的鲁棒性能;从仿真结果看,模糊PID的阶跃响应既具有模糊控制的快速性又具有PID控制的稳态无误差,在受到干扰后可以很快恢复到稳态值,达到比较好的控制效果;模型参数发生摄动后,模糊PID控制超调量相对较少,稳态误差为零,但要在200s时才基本稳定;实验证明模糊PID控制算法的综合性能最好。     

基于区间二型模糊PID的四旋翼无人机姿态控制

针对传统PID控制与一型模糊控制在四旋翼无人机姿态控制中响应速度慢、超调量大等问题,提出了一种区间二型模糊控制与传统PID控制相结合的控制算法。首先,在一型模糊系统的基础上对系统的单值前件和后件进一步模糊化形成区间前件和后件,更适于处理模糊信息。其次,利用具有停止条件的改进迭代算法(enhanced iterative algorithm with stop condition,EIASC)进行降型过程中开关点的计算,减少了计算时间,并将求解出的参数变化量作为初始PID控制参数值的补偿。最后,在建立的四旋翼无人机动力学模型上对所提算法进行仿真验证,仿真结果表明,所提算法比传统PID控制算法和一型模糊PID控制算法具有更快的响应速度、更高的稳态精度和更小的超调量。     

模糊PID控制在中央空调系统中的应用研究

将模糊控制和普通PID控制相结合，提出了一种基于模糊控制规则的模糊PID控制器的设计方法并将其应用于中央空调系统的控制。实验表明，这种方法比普通的PID控制方法精度高、超调量减少，具有较强的鲁棒性。     

基于遗传算法优化的模糊PID控制在粮食干燥中的应用

针对传统控制算法在粮食干燥机的控制系统中控制效果不理想的问题,本论文提出了一种遗传优化的模糊PID控制算法,实现了粮食干燥机的自动控制。该算法结合了模糊控制和PID控制的优点,并且利用遗传算法的全局优化能力和并行能力优化模糊PID控制器的量化因子及其PID参数的修正系数,实现了最优控制。以控制系统的动态性能指标与稳态性能指标作为综合评价指标,建立了包含控制系统的调节时间、超调量和稳态误差三项指标的目标函数,基于该目标函数,利用遗传算法进行了模糊PID控制器的参数优化,改进了常规PID控制、常规模糊PID控制器的控制效果。最后,在MATLAB中,进行了控制性能的仿真与比较,仿真结果表明:粮食干燥机采用基于遗传算法优化的模糊PID控制后,其控制性能优于无优化的模糊PID控制以及常规的PID控制。该算法可为粮食干燥的实际控制策略提供有效的参考。     

柴油机的模糊PID调速控制策略研究

研究了一种基于模糊PID算法的柴油机调速控制策略。提出了一种模糊控制改进算法,对电子调速器PID参数按调速系统过渡过程进行在线实时模糊自整定。Matlab/Simulink仿真结果表明,该系统超调量控制效果明显得到改善,动、静态控制效果要好于常规PID控制,具有控制灵活、响应速度快和适应性强等优点。     

一种智能PID复合控制器的设计

提出一种新型PID复合控制算法，将模糊控制和混沌PID控制结合起来，既具有模糊控制快速、鲁棒性强的优点，又具有PID稳态精度高的优点。仿真表明该算法使用可靠、精度高，而且具有较强的抗干扰能力和较好的鲁棒性，优于常规的PID控制与模糊控制。     

基于变论域模糊PID算法的张力控制

张力控制在工业中应用十分广泛,其核心是保持张力的恒定。目前恒张力控制主要采用的算法有分段PID和模糊PID,但是这两种方法控制稳定性差。在常规模糊控制的基础上,引入了变论域的思想并设计了伸缩因子基于函数类型的变论域模糊控制器,以此对执行机构为磁粉制动器的张力系统进行控制。通过建立系统模型对常规模糊控制PID算法和变论域模糊控制PID算法进行了仿真对比,仿真结果表明采用变论域模糊PID算法进行系统控制时具有超调小,响应速度快的优点。     

基于PSO的恒力执行器PID型模糊控制器

针对打磨机器人在打磨过程中对恒力控制精度和响应速度的要求,提出了一种基于粒子群优化算法的恒力执行器PID型模糊控制器。设计新型PID型模糊控制器,减少设计规则库数量;提出变权重综合型适应度函数,结合误差积分绝对值和控制信号积分绝对值优化PID型模糊控制器的综合性能,同时减小超调量与稳态误差;采用自适应惯性权重策略加快粒子群迭代速度,使用粒子群算法对PID型模糊控制的比例因子进行优化。仿真结果表明,经过粒子群优化的PID型模糊控制实现了打磨力的平稳输出,响应速度提升10%,调节时间缩短14%,系统无超调、无振荡,提高了打磨力的控制精度。     

基于参数自调整的增量式模糊控制器在微波炉温度控制系统中的应用

针对微波炉这种大滞后系统的控制，本文提出了带智能积分的基于参数自调整的增量式模糊控制算法，改变了一般模糊控制算法的缺陷。实验表明该算法能较好地兼顾系统的动、静态特性，超调小，响应快，稳态精度高。在工业控制系统中很有实用价值。     

基于MATLAB的微气压传感器测试系统的气压控制仿真

针对微热板式微气压传感器的静态和动态性能测试,对传感器的真空测试环境进行了实时控制仿真.运用模糊控制算法与模糊PID控制算法,对实验进行了建模及MATLAB仿真,并比较了两种算法的控制效果.结果显示,调整系统控制量的模糊PID控制稳态误差小,控制效果明显优于模糊控制算法.本仿真结果为实现传感器所需真空测试环境1kPa～100kPa的实时气压控制提供了依据.     

基于模糊PID的整平机姿态控制算法设计与实现

针对目前国内的整平机整平精度低、抗干扰能力弱、动态响应时间长等问题,对整平机姿态控制算法进行了研究,比较并分析了PID控制和模糊控制的优缺点,设计了基于模糊PID的整平机姿态控制算法。在Matlab/Simulink仿真环境下,选定了合适的隶属度函数、模糊推理法和解模糊法,调试得出了使系统达到最优控制效果的模糊规则库。以STM32F407为处理器实现了该算法,在整平机实验平台上进行了姿态控制实验。结果表明模糊PID控制算法能够使整平机平地铲在扰动下保持良好的控制效果,控制精度和响应速度较常规PID有了大幅提升,在农业和建筑业平地系统中具有很强的应用价值。     

深度确定性策略梯度与模糊PID的协同温度控制

针对现有温度控制系统控温时间长、误差大的问题, 本文提出了一种基于深度确定性策略梯度(DDPG)和模糊自整定PID的协同温度控制. 首先, 模糊PID在控制大滞后系统时, 控制器不能立刻对产生的干扰起抑制作用, 且无法保证大滞后系统的稳定性等问题, 本文建立了模糊PID和DDPG算法相结合的温度控制模型, 该模型将模糊PID作为主控制器, DDPG算法作为辅助控制, 利用双控制器模型实现温度协同控制. 接着, 利用遗传算法对模糊PID的隶属函数和模糊规则进行寻优, 获得模型参数最优解. 最后, 在仿真实验中验证所提方法的有效性. 仿真实验结果表明, 本文提出的算法可有效减少噪声干扰, 减小控制系统的响应时间、误差和超调量.     

基于模糊与PID混合算法的制浆蒸煮过程控制

本文在分析蒸球蒸煮过程数学模型的基础上，提出了基于模糊与PID的混合算法， 在小偏差时使用改进的PID算法，在大偏差时使用模糊控制算法．该算法用于某造纸厂六个 蒸球的工业曲线跟踪控制后，在系统存在较大干扰的情况下，跟踪精度大为提高．     

采用遗传优化自适应模糊PID控制球杆系统

为解决球杆系统动态、静态性能不高的问题,提出了遗传算法优化自适应模糊PID控制器的控制方法.该模型在拉格朗日方程建立球杆系统数学模型的基础上,采用遗传算法优化模糊控制规则、隶属函数和自适应PID参数.在GBB1004系统中建立了遗传算法优化后的自适应模糊PID控制器以及控制模型,并对该控制器进行实验验证.实验结果证明了遗传算法优化后的模糊控制器有效地减小了系统的超调量,缩短了系统的调节时间,能够较好地控制球杆系统.     

基于改进PSO和BP混合优化算法的炉温控制系统研究

针对工业生产中电阻炉温度控制系统所存在的大惯性、大滞后等问题,提出一种应用于电阻炉炉温的基于改进粒子群(PSO,particle swarm optimization)算法的模糊RBF-PID控制策略.在该控制系统中,采用引入惯性权重因子和遗传变异算子的改进粒子群算法对模糊RBF(径向基函数)隶属度函数的初始值进行优化,再用BP(误差反向传播)算法进行细调,并结合模糊推理和RBF学习能力在线调整PID控制参数,从而达到最优的PID控制效果.仿真结果表明,该算法跟踪快、超调小、不易陷入局部极小值,同时鲁棒性和抗干扰性优于传统PID控制.     

一种基于模糊 PID 的 3TPS/TP 型并联机器人的控制算法

3TPS/TP型并联机器人本身所具有的强耦合性、非线性和多变量等特点导致其无法建立精确的数学模型,进而使得传统的比例积分微分(Proportion Integration Differentiation,PID)控制算法难以得到较好的应用。文章将模糊控制算法和传统的PID控制算法相结合,得到模糊PID控制算法并应用于3TPS/TP型并联机器人控制系统的伺服电机中。仿真结果表明,模糊PID控制算法在控制精度、稳定性以及适应性方面都优于PID算法,控制效果符合预期要求。     

进化规划模糊算法在PID控制中的应用

针对非线性控制系统,利用进化规划模糊算法,对PID控制器规则基的参数进行离线优化,优化后的模糊控制规则可对系统实现实时控制。该控制算法无需任何先验知识和量化因子,具有很强的数据挖掘能力,且模糊规则基的寻优速度较快。通过对非线性系统进行仿真,验证了该算法的有效性,与传统固定参数PID控制方法及遗传算法整定参数PID控制方法相比,明显地提高了系统的稳定性和动态性能。     

遗传算法模糊PID测控系统在环控试验台中的应用

飞机环控试验台须模拟流量0～14000kg/h、压力0～2.5MPa和常温～500℃的空气环境;项目要求测控范围广、精度±1%且不超调;空气状态具有非线性、时变等特点,且控制参数之间存在复杂耦合;针对以上难点,设计了分布式测控系统,提出了改进的智能PID控制方案;通过遗传算法分段整定PID参数,离线建立PID数据库,使系统能够根据控制目标值选择最优PID初值;在此基础上,结合模糊推理在线调整PID参数,使系统具有了自适应性,能在具体工况和干扰下达到很好的控制效果;实际应用中完全满足了指标要求,解决了传统PID的控制难点,对类似的复杂系统有一定借鉴意义。     

模糊控制器的实时精确算法与优化设计

将T-S型模糊控制器与PID控制器相结合,提出了TS-PID模糊控制器模型。推导出了输入采用正规模糊集、三角形全交迭隶属度函数的典型TS-PID模糊控制器的插值解析表达式,揭示了TS-PID模糊控制器本质上是一种非线性PID控制器,为实际应用提供了一种快速精确的控制算法。基于该插值表达式,进一步探讨了利用遗传算法对TS-PID模糊控制器进行优化设计的方法。     

基于改进模糊神经网络的PID参数自整定

针对传统PID整定控制效果差且单纯神经网络整定存在参数学习和调整困难等问题,提出了一种基于改进模糊神经网络的PID参数整定方法。在该方法中,PID控制器的控制参数采用基于Mamdani模型的模糊神经网络进行自适应整定,模糊神经网络参数采用混沌遗传算法离线粗调和BP算法在线细调的方式进行学习和调整,仿真结果表明该整定策略动态响应快、误差控制精度高且网络中各节点及参数物理意义明确。最后分别从模糊规则数的变化及适应度函数的选取两方面提出两种优化方案,仿真结果表明增加模糊规则数或采用不同的适应度函数都有利于进一步减小控制误差。