多变量耦合系统PID神经网络控制方法研究

多变量系统内部的耦合性以及对象参数的复杂性,给控制系统的设计带来了一系列的问题。传统控制方法无法对其进行精确解耦,导致系统控制精度较低。本文构建一种基于遗传算法优化的PID神经网络解耦控制器。该方法利用PID优良的动态控制特性和神经元网络非线性表达能力对多变量耦合系统进行解耦,在神经网络权值修正算法中增加动量项,提高网络学习效率,并采用遗传算法优化初始权值,克服了PID神经网络权值学习过程中易陷入局部最优值的缺点,提高了控制精度。仿真结果表明:优化后的PID神经网络具有较高的稳态精度和较快的响应速度,能够实现解耦控制。     

基于PID的制造业多智能体系统一致性分析

以往使用频域法和Lyapunov函数法受到系统时滞影响,曲线收敛速度慢,导致系统多智能体无法达到一致性效果.面对该问题,提出了基于PID的制造业多智能体系统一致性分析.通过构建多智能体系统模型,从工场调度、工作分配、工场资源、拍卖智能体角度出发,研究制造业多智能体系统调度任务,确定各项任务的调度结果.结合PID法对网络...     

基于RBF网络的多变量系统自适应预测PID控制器

针对非线性、多变量、大滞后耦合系统使用常规PID控制难以达到理想效果,提出了一种基于RBF网络的自适应预测PID控制器.该控制器利用递推多步预测克服时滞,并采用基于RBF网络整定的PID控制器在线调整控制器参数,从而克服了系统的耦合作用,提高了控制系统的输出跟踪精度.仿真结果表明,该方法控制效果良好,具有较快的系统响应、较强的自适应性和鲁棒性.     

基于DSP气动伺服系统的智能模糊PID控制

针对气动伺服系统的位置控制,提出一种高性能的气动伺服系统的设计方案,以TMs320LF2407DSP为平台,描述了气动伺服系统的基本结构和工作原理,对控制器进行了分析设计,软件则采用智能模糊PID控制理论,对其控制算法进行了重点分析.试验表明,该系统具有体积小、输出大、响应快和稳定性强的优点,从而拓宽了气动伺服技术的应用领域.     

基于BP神经网络的多变量PID解耦控制

基于神经网络实现智能PID控制的策略,它以经典的PID控制为基础,通过神经网络参数整定实现,进而进行自学,用于多变量系统的解耦控制。本文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真。通过计算机仿真证明了基于神经网络的PID控制器网络结构简单规范具有良好的自学习和自适应解耦控制能力。系统易于实现,融解耦器与控制器于一体,适用于非线性多变量系统的解耦控制。能够使解耦后的系统具有良好的动态和静态性能,特别是依据BP控制规律来确定网络连接权的初值,还具有参数快速收敛的优点。     

基于LMI的压电智能板的H∞振动控制

研究了压电智能板结构的H∞振动控制问题,推导出其有限元运动微分方程并对其进行解耦,在状态空间中利用最小实现和平衡降阶法对其进行降阶处理.基于线性矩阵不等式(LMI)方法,针对压电智能板结构设计了次优H∞状态反馈控制器和最优H∞状态反馈控制器.以智能悬臂板结构为例,设计了相应的控制器.仿真结果表明,此方法成功地实现了压电智能板结构对干扰的抑制.     

基于数字PID控制的智能纠偏系统设计

构建了控制布带跑偏量的智能纠偏系统,分析了布带跑偏的原因。针对缠绕工艺对布带跑偏量的要求,提出了布带纠偏方案及一套完整的布带纠偏系统,在此基础上建立了该系统的数学模型。对布带跑偏量检测系统及纠偏驱动机构的关键部件及结构形式进行了详细的探讨,采用数字PID增量型算法对布带跑偏量进行了控制仿真,结果表明,该系统实现了布带的自动纠偏功能,提高了自动化水平。     

智能板结构动力有限元模型的建立及仿真

基于智能板结构中压电材料均匀分布和单元的压电层上镀电极之间彼此绝缘的假设,从Hamilton原理出发,详细推导了一类压电弹性智能板结构的有限元动力微分方程,并通过编程对一压电智能悬臂板结构的动力响应进行了计算机数字仿真。结果表明模型与处理方法是合理可行的。     

基于灰色预测的多变量自适应PID控制器

针对汽轮发电机组具有多变量、强耦合、大时滞等特点,提出一种基于灰色预测的多变量自适应PSD控制算法。该方案通过一组灰色系统预测模型GM（1,N）对多变量系统的输出预测实现对角解耦。采用无辨识智能自适应PSD控制算法优化PID控制器的参数,用优化后的PID控制器对每个子系统进行控制。该方案不需要精确的数学模型,在线估计参数少,计算简单。仿真结果表明,与其他方法相比,这种控制方法响应速度更快,而且具有更好的自适应性和鲁棒性。     

基于模糊PID的径向柱塞变量泵电液恒功率控制

该文就一种径向柱塞变量泵的电液恒功率控制方案提出了采用模糊PID调节器来改善系统的控制特性,并用Simulink仿真库进行了仿真研究。     

一种不确定对象的自适应智能PID控制系统

针对不确定非线性、时滞对象,提出了一种自适应智能PID控制系统.将模糊神经网络和PID神经网络相结合,构成一种智能型PID控制器;控制器参数采用混沌策略与粒子群算法结合的混沌粒子群离线优化和误差反传算法在线调整相结合的方法获得;通过引入最小二乘支持向量机用作辩识器,使控制系统能处理具有未知特性的不确定对象的控制问题.仿真结果表明:通过辩识器的良好非线性映射能力和控制器及其优化算法的有效结合,系统响应速度快、平稳、超调小,且具有一定的鲁棒性,验证了该系统的可行性和有效性.     

智能PID控制综述

传统的PID控制应用于复杂的实际系统时存在一定的局限性，而融合了先进智能控制思想和传统PID构成的智能PID控制器则具有良好的特性。文中介绍几种常见的智能PID控制器的构成方式，包括模糊PID，神经网络PID，专家PID控制及基于遗传算法的PID控制等，并分析了各自的特点。     

超精密隔振平台主动振动控制系统设计

建立了超精密隔振平台的结构及动力学模型，设计了一种新型的双向电磁作动器，并采用PID控制算法建立了主动振动控制系统模型，经Matlab软件仿真分析表明，该系统具有良好的隔振效果。     

基于免疫算法的多变量控制系统PID参数优化方法研究

提出一种基于免疫算法的多变量控制系统PID参数优化方法。首先对免疫算法的步骤和实现过程进行了介绍;接着采用了一种新的、适合多变量系统特点的控制系统性能指标,即用阶跃响应曲线超出期望变化区域的面积的大小来衡量控制系统的优劣。该指标被用于构造免疫算法的适应度函数。论文最后将上述方法用于火电机组负荷控制系统优化,取得了良好的效果。     

基于RBFNN的非线性多变量大时滞系统的PID控制

针对非线性多变量大时滞系统，研究了一种基于神经网络的智能控制策略。该文给出了网络的结构和算法，对一组二变量强耦合时变系统进行了仿真。仿真结果表明，控制器能根据系统的运行状态获得对应于某种最优控制律下的PID参数，解耦后的系统具有较好的动态和静态性能。该方法具有控制精度高、响应速度快的优点，并具有较强的自适应性和鲁棒性。     

基于模糊RBF神经网络的智能PID控制

针对常规PID控制参数变化系统效果不佳的缺点,设计一种利用智能控制理论RBF神经网络与模糊控制技术相融合的新型智能PID控制方法[1]。该控制方法将系统的输入误差及其变化率进行模糊化后,再利用RBF神经网络算法对PID控制参数进行在线学习、运算和整定[2]。MATLAB仿真结果表明,基于上述的PID控制方法能够克服传统PID控制器的局限性,具有较高的控制精度,较好的动态品质及较强的鲁棒性。     

基于多变量耦合反馈的电动助力转向模糊PID控制策略研究

采用动力学分析方法建立了电动助力转向系统的数学模型,基于数学模型建立了电动助力转向系统的离线仿真模型。在分析经典PID控制方法基础上,提出了一种基于多变量耦合反馈的电动助力转向模糊PID控制方法。利用离线仿真和台架实验对所提出的控制方法进行分析,实验结果表明:与传统PID控制方法相比,所提出的多变量耦合反馈模糊PID控制方法可有效提高电动助力转向系统转向操纵的轻便性和稳定性。     

电液伺服扭振试验机模糊PID控制仿真研究

为提高电液伺服扭振试验机控制系统抗参数变化和干扰的能力,保证控制精度,提出了应用于本试验机控制系统的模糊PID控制。首先根据控制系统结构原理建立了控制对象的数学模型。然后设计了模糊PID控制器,使用正交试验法对PID控制参数进行整定,以获得较优的PID控制参数,同时使用模糊控制器对PID的控制效果加以修正。最后利用MATLAB／Simulink对控制系统进行了仿真。仿真结果表明：模糊PID控制对于参数的变化和干扰,能实现控制参数的自调整．具有较好的控制效果。     

基于神经网络的主动隔振控制技术

针对主动隔振系统存在的非线性,提出一种基于BP网络控制器的主动控制方法.由于系统次通道使得网络权值无法直接利用振动误差信号调整,提出一种改进的同时扰动自适应算法,并证明该算法在数学期望上是一种随机梯度法.试验研究结果表明与传统的自适应前馈控制方法相比,所提出的方法对于存在非线性的周期性振动的隔振效果更明显.     

小波变换自适应算法的主动振动控制

将小波分析理论和最小均方(least mean square,简称LMS)算法相结合,用分解LMS算法对薄板进行自适应振动控制,并采用了Mallat快速算法,以提高小波自适应算法的实时性。仿真分析和试验结果表明,该方法与传统的LMS算法相比,有效地减小了输入信号自相关矩阵的相关性,且收敛速度和稳定性能均有显著提高。