模糊调节器参数的在线自整定

本文分析了模糊调节器各参数与控制系统输出特性的关系,提出了模糊调节器参数的自整定算法,并对常规模糊调节器及本文提出的参数自整定算法的模糊调节器进行了仿真。结果表明参数自整定模糊调节器的动态、稳态及抗扰动性能远优于常规模糊调节器。     

内埋式PMSM模糊PI超前角弱磁控制算法研究

内埋式永磁同步电机运行过程中,由于电流变化导致的参数变化使得转矩和速度波动加大;模糊控制有利于提高系统的稳定性,且不依赖系统参数,将模糊控制引入到内埋式电机的超前角弱磁控制中,电流环采用模糊PI调节器代替传统PI调节器,构建了模糊PI超前角弱磁算法;仿真结果表明,模糊PI超前角弱磁算法补偿了从电流相角偏移,提高了超前角弱磁控制过渡时相角稳定性;与传统PI比较,电机输出转矩波动减小7%,速度波动减小1%,鲁棒性增强。     

1200热连轧地下卷取机张力辊电流调节系统研究

研究了模糊控制控制理论在张力辊电动机电流调节系统中的应用。介绍了传统PI调节器、参数自调整模糊控制器的设计,并用MATLAB（SIMULINK）语言进行了计算机仿真。仿真结果表明,参数自调整模糊控制器具有良好的控制性能,对进一步应用研究具有较大的参考价值。     

基于模糊控制的双闭环直流可逆调速系统的设计

对于双闭环直流可逆调速系统,提出了一种将模糊控制与常规PI控制相结合应用在转速环调节器设计的方法。根据工程经验与专家知识所确定的模糊控制规则,进行模糊推理,实现转速环调节器参数的动态整定。应用Matlab软件构建了双闭环直流可逆调速系统的仿真模型,并对转速环分别采用模糊PI控制器和常规PI控制器的直流可逆调速系统分别进行仿真实验并对比结果。从仿真结果可以得出采用模糊控制可以对直流可逆调速系统的动态与静态特性、抗扰性能、恢复性能以及跟踪性能有比较明显的改善与提高。     

基于ICAS算法的原动机仿真系统PI参数整定

原动机仿真系统是模拟原动机调速系统对电力系统机电暂态影响的重要装置,其速度电流调节器的参数设定长久以来主要依靠工程经验和反复修正得到,不仅耗时费力、准确度差,而且对装置的运行造成很大影响。新引入的遗传算法又存在早熟、收敛性差且不易于工程人员理解和参数辨识等问题。本文在分析得出速度电流综合调节器的本质为PI调节器的基础上,提出一种改进的混沌蚁群算法,以ITAE指标为目标函数对其比例系数K_p和时间常数τ_L进行整定。针对原动机仿真系统装置运用MATLAB编程比较传统算法、遗传算法和ICAS算法的控制效果,验证了该算法对PI参数整定的优越性。     

基于模糊自适应的无轴承异步电机运行控制

无轴承异步电机具有多变量、非线性、强耦合的特点.针对传统SVM-DTC系统中采用双PI控制器来生成参考电压矢量存在着PI参数难以随着系统的动态运行而实时变化的问题,提出了一种基于模糊自适应控制(FAC)的无轴承异步电机的SVM-DTC控制策略.通过模糊控制算法得到磁链和转矩的控制电压分量,实现了两个电压矢量的实时调整.文中给出了产生磁链和转矩参考电压矢量的模糊自适应控制器的设计过程.利用Matlab/Simulink仿真软件,分别建立基于模糊自适应控制的SVM-DTC和传统SVM-DTC控制系统模型.仿真结果表明,改进后的算法可以更好地抑制转矩、磁链的脉动及转速超调,提高系统的动态性能.最后用TI公司的DSP2812为控制器进行试验,试验结果表明基于模糊自适应方法的无轴承异步电机的SVM-DTC控制系统可以实现稳定悬浮.     

基于Fuzzy-PI的BLDCM控制系统设计与仿真

提出了一种无刷直流电机的Fuzzy-PI转速调节器的设计方法。在无刷直流电机的高性能速度跟踪中,采用传统的PI调节器,则难以克服系统超调和短时振荡问题。采用复合Fuzzy-PI的控制方法,并且采用自适应的权值修正方法来修正Fuzzy回路与PI回路的连接权值。最后,在Matlab与Simulink下进行了仿真,结果表明,运用这种设计方法很好地抑制了超调和振荡。     

一种参数自调整模糊调节器

本文提出了一种参数自调整模型调节器的控制算法，这种模糊调节器可同时修整控制规则和比例因子，本算法计量并不大，数字仿真的结果表明本方法的有效性。     

自适应控制技术在煤系针状焦制备试验中的应用

本文论述了自校正调节器在煤系针状焦制备试验中的应用。首先为了满足工艺试验的需要和特点,对采用自校正调节器,比例、积分、微分调节器的两种控制方法进行了计算机仿真比较试验。根据仿真结果分析及工艺过程参数慢变化的特点,采用了自适应控制技术——自校正调节器。在试验前进行了多次的调试确定了 β_0,λ,T 等参数,同时在相同的工艺试验条件下对两种控制方法做了工艺对比试验。产品质量指标分析的结果表明,采用自校正调节器的方法提高了针状焦产品质量,为煤系针状焦扩大工艺生产提供了可靠的控制方法。     

基于模糊自适应PID的无轴传动控制系统研究

研究模糊自适应PID控制算法对无轴传动控制系统的影响,并对控制电机转速同步精度应用不同PID算法进行比较。采用主从电机同步控制策略,并利用Matlab开发了完整的以永磁伺服电机为执行机构的仿真系统。调节控制环参数,得出控制系统的仿真曲线。通过对仿真曲线的分析,比较传统PID和模糊自适应PID算法对转速同步精度的影响,最后指出模糊自适应PID控制算法的控制效果及优越性。     

大滞后系统模糊自适应PI-Smith控制

工业过程中普遍存在大时滞对象,为了解决大时滞系统控制中超调量大和调节时间长等问题,将史密斯(Smith)预估控制原理和模糊PI控制器参数的自适应调整方法结合起来,在Smith预估控制系统中,用模糊PI控制器代替传统的PID控制器,根据模糊控制原理对PI的2个参数进行在线整定,提出一种大时滞系统的模糊自适应PI-Smith控制方法.通过对电加热炉的仿真研究,结果表明该方法具有调节时间短、无超调量、控制精度高、无稳态偏差的优点,同时对系统模型变化具有良好的适应性.     

卡尔曼滤波器结合模糊PID的控制系统

根据控制对象的特性,把卡尔曼滤波器和采用参数自适应的模糊PID算法相结合,在具有控制干扰和测量噪声的恶劣环境下,实现对PID参数在线调整的同时,基本消除干扰和噪声影响.应用MATLAB软件编程进行仿真,结果表明相对于传统PID和模糊PID控制,本控制系统对被控对象的时变性和非线性具有良好的适应能力,对控制干扰和测量噪声...     

基于模糊组合变量的自适应加权控制

针对多变量非线性系统,提出一种基于模糊组合变量的自就加权控制方法,首先利用模糊逻辑系统构造模糊组合变量,通过赋予各个模糊组合变量不同的权重来形成多变量非线性系统的加权控制;然后利用反向传播算法对量化系数和加权系数进行学习,从而有效地解决了多变量模糊控制系统难以设计和实现多维控制器的问题,最后通过仿真实验证明了该方法的有效性。     

基于模糊自适应PI控制的有源电力滤波器

分析了有源电力滤波器的结构及其工作原理,提出了模糊自适应PI控制策略并应用到有源电力滤波器直流侧母线电压的控制中。仿真实验表明,该控制算法提高了系统的动态性能和抗干扰性。     

汽车智能防撞自适应控制研究与仿真

针对汽车防撞模糊控制模型不能自动调整参数的缺点,建立汽车防撞自适应模糊推理模型。采用混合学习算法对自适应模糊推理模型的前提参数和结论参数进行辨识,以加速收敛。经模拟训练和仿真输出结果证明,该模型能够对汽车防撞模糊控制器隶属函数和模糊规则进行优化,较好地实现紧急报警情况下的汽车防撞自适应控制。     

克服阀粘滞特性的控制方法研究

控制阀粘滞特性在工业过程中非常普遍,本文针对控制阀粘滞特性而引起的回路振荡现象,提出了1种改进的PI控制方法,在一定的误差范围内只用比例控制从而消除振荡,而在误差比较大时采用了自适应PI控制来提高系统性能。同时将改进的PI控制方法转换成模糊控制经验,采用模糊控制克服回路中控制阀粘滞特性,同样达到消除误差的目的。最后在Matlab Simulink平台上,通过设计S函数,实现了控制阀粘滞特性模块和改进的PI控制器,使用模糊控制工具箱实现了模糊控制器的设计,在此基础上分析了在扰动存在的情况下2种控制方法的有效性。     

无刷直流电机模糊PI系统的建模及仿真

针对无刷直流电机的传统PI控制策略存在的局限性,即PI控制器控制参数不能随环境变化而调整,不具有整体优化功能,给出了一种模糊PI控制建模方法。利用模糊集合的隶属度函数,模糊控制规则以及清晰化方法,基于Matlab/Simulink平台并结合电机转子位置信号,建立无刷直流电机模糊PI控制系统的仿真模型。仿真结果表明,模糊PI控制加快了系统响应时间、减小了超调,具有较强的鲁棒性和自适应能力,使系统获得了较好的控制性能,具有较好的应用价值。     

模糊核聚类的自适应算法

针对模糊聚类算法在样本特征不明显时不能取得很好的聚类效果，以及现有的模糊聚类算法需要事先确定聚类数，随机性强、容易陷入局部最优等弱点，将核函数和有效性函数引入到模糊聚类中，提出了模糊核聚类的自适应算法,此方法在性能上比经典的聚类算法有了较大的改进,取得了更好的聚类效果,实验结果证实了该方法的有效性和可行性.     

基于DeviceNet现场总线变频器自适应模糊控制系统

本文以实现变频器智能启动为控制目标，尝试如何把现场总线和模糊控制技术密切结合，为此建立了基于DeviceNet现场总线变频器自适应模糊控制系统。提出了一种参数自适应模糊控制器设计方法，并经MATLAB仿真验证了其有效性。该系统经实际应用获得了良好效果。     

基于自适应权重的模糊C-均值聚类算法

针对模糊C-均值聚类算法过度依赖初始聚类中心的选取,从而易受孤立点和样本分布不均衡的影响而陷入局部最优状态的不足,提出一种基于自适应权重的模糊C-均值聚类算法。该算法采用高斯距离比例表示权重,在每一次迭代过程中,根据当前数据的聚类划分情况,动态计算每个样本对于类的权重,降低了算法对初始聚类中心的依赖,减弱了孤立点和样本分布不均衡的影响。实验结果表明,该算法是一种较优的聚类算法,具有更好的健壮性和聚类效果。