基于模糊PID皮革收缩温度测定仪控制系统设计

针对皮革收缩温度测定仪的温度控制系统的控制效果不甚理想的问题,提出一种参数模糊自整定PID控制方法,该方法集中了模糊控制和常规PID控制两种控制的优点.在重点介绍模糊PID控制器设计方法的基础上,利用Matlab软件分别进行了参数模糊自整定PID控制系统和常规PID控制系统的仿真实验.仿真实验结果比较表明,参数模糊自整定PID控制方法使该仪器的温控系统的性能得到很大改善.     

电烤箱温度系统的模糊自整定PID控制方法的研究

提出利用模糊自整定PID控制器实现对电烤箱温度控制的方法,将模糊控制器和PID控制器结合在一起,利用模糊逻辑控制实现了控制器参数在线自调整,完善了传统PID控制器的性能,提高了系统的控制精度.并把MATLAB中的Fuzzy Toolbox和Simulink结合起来,方便实现了自整定模糊PID控制系统的计算机仿真.     

一种基于李亚普诺夫方法的非线性自整定PID控制系统的研究

应用李亚普诺夫方法与自适应控制原理针对一类非线性PID控制系统提出了一种自整定方法,运用有监督控制和在线调整自适应控制律对PID控制系统的3个控制参数进行在线调整及更新,保证了非线性PID控制系统的闭环稳定性.最后利用该方法控制倒摆系统的运动轨迹问题,仿真结果表明该方法可以获得令人满意的控制性能.     

光电稳定平台神经网络自抗扰控制方法

提出了一种采用BP神经网络对自抗扰控制器中的非线性扩张状态观测器进行参数整定的方法,简化了非线性扩张状态观测器繁琐的参数整定过程,并对这种结合了BP神经网络的自抗扰控制系统进行了仿真分析。仿真结果表明,加入BP神经网络的自抗扰控制系统可以显著地提高机载光电稳定平台的扰动隔离度,控制效果明显比传统自抗扰控制方法好,对提高机载光电稳定平台的视轴稳定精度具有重要意义。     

基于PID参数自整定的液位控制系统设计及其实现

针对现有液位调控系统中双回路PID参数调节困难的问题,通过将继电反馈作为支撑PID参数自整定方法,设计了一套基于MCGS和PLC的液位调控系统用串级PID参数自整定控制策略。通过分析储油罐阶跃响应得到传递函数,在此基础上对控制对象进行离散化并建立了PID参数自整定控制系统,在MCGS平台成功实验了实时监控。比较自整定前后的控制性能,得到PID参数自整定具有较快的响应速度,较小的超调量、更快达到稳态、更强的抗干扰能力等优点,可以实现对储油罐系统液位的最佳控制。仿真结果表明PID参数自整定控制技术能够有效地调节储油罐系统的液位控制,极大地保证输油系统的安全。     

控制器参数的自适应调整

简述了常规PID控制中存在的问题,针对工业工程控制中存在的控制器参数整定问题,采用无辨识、自适应控制解决了控制器参数的整定问题,实现了控制器参数的自适应调整。该方法在电加热炉炉温控制系统中得到了应用,获得了良好的效果。     

基于参数自整定的沥青洒布量控制

根据比例因子与系统性能的关系和整定原则,得到可行的整定规则表,对沥青撒布控制系统采用了参数自整定模糊控制算法控制喷洒的压力,实现了洒布量的稳定精确控制,提高了洒布质量和生产效率。     

基于模糊规则参数自整定PID的三容水箱液位控制

本文针对存在大滞后、时变、非线性特点的液位控制,基于模糊规则参数自整定PID方法,设计了一种基于模糊规则参数自整定PID控制器。该控制方法可以在线实现PID参数的调整,并运用MATLAB进行了仿真研究,与传统控制方法如PID控制相比,使控制系统的响应速度快,超调量减少,过渡过程时间大大缩短,振荡次数少,具有较强的鲁棒性和稳定性。文中利用数据采集卡PCI-9118DG进行数据的采集和输出控制,保证了数据传输可靠和速度。     

一种智能PID参数整定控制系统设计与实现

在对多参量输入的嵌入式多模控制系统设计中,受到的参量扰动较大,控制精度不好,传统控制算法采用模糊PID控制算法,随着神经元输入的扰动向量不确定因素的增多,控制的收敛性受到限制。提出一种基于智能变结构模糊PID控制的多参量输入参数整定控制算法,并进行控制系统优化设计。结合滑膜积分控制和PID控制思想,首先进行多参量输入控制系统的被控对象描述,构建多模控制约束参量模型,采用变结构模糊PID神经网络进行控制约束参量的自适应训练,实现自适应控制加权,提高参数的自整定性,实现控制系统优化。仿真实验结果表明,该智能PID参数整定控制系统的控制精度较高,控制稳定性较好,参数自整定性的品质优于传统方法。     

基才PSO—BP神经网络的PID控制器参数优化方法

针对传统PID控制系统参数整定过程存在的在线整定困难和控制品质不理想等问题,结合BP神经网络自学习和自适应能力强等特点,提出采用BP神经网络优化PID控制器参数。其次,为了加快BP神经网络学习收敛速度,防止其陷入局部极小点,提出采用粒子群优化算法来优化BP神经网络的连接权值矩阵。最后,给出了PSO—BP算法整定优化PID控制器参数的详细步骤和流程图。并通过一个PID控制系统的仿真实例来验证本文所提算法的有效性。仿真结果证明了本文所提方法在控制品质方面优于其它三种常规整定方法。     

基于模糊PID参数自整定的温度控制系统的研究

工业温度控制系统具有非线性、时变性和滞后性等特性,严重影响温度控制的快速性和准确性,为了解决常规PID参数调节在温度控制中适应性差,调节效果不理想的问题,这里采用了模糊PID参数自整定控制方法,用模糊控制规则对PID参数进行修改,利用Matlab的Simulink仿真工具箱做了常规PID与模糊PID的仿真对比试验。仿真结果表明,模糊PID参数自整定控制效果在超调量和调节时间上都小于常规PID,提高系统快速性和准确性,改善了温度系统动态性能。     

基于自整定PID的烘干炉温度控制软件设计与仿真

传统的烘干炉温度控制系统在烘干过程中,烘干炉温度保持恒温,并不利于产品整体的烘干,而为了达到更好的效果,其温度应由低到高逐渐升高,以利于溶剂的充分挥发.本文分析了PID控制和模糊控制的优缺点,将PID控制和模糊控制的优点结合起来,采用模糊规则在线整定PID的PK、IK、DK三个参数的模糊自整定PID控制方法.基于模糊自整定PID控制算法的控制系统有相当好的灵活性,能进行数据实时采集、利用模糊PID算法进行处理及控制结果显示等功能,可以获得较高的控制精度.     

基于模糊自整定PID控制方法的雷达伺服系统

传统PID控制器因结构简单、易于实现而在控制系统中得到了广泛运用,但往往因实际系统中的非线性因素影响而不得不采用变结构、变参数等手段来提高实际控制效果,而模糊控制对非线性因素的影响却能明显改善系统控制品质.文中主要研究了模糊自整定PID控制方法在雷达伺服系统中的应用,并在实际系统中进行了实验验证.仿真结果表明该方法能明显提高系统控制品质,具有一定的工程推广价值.     

变频恒压供水系统新型控制方法

鉴于恒压供水系统存在PID参数整定困难以及多数没有定时强迫切泵功能的问题,设计了基于OPLC的新型变频恒压控制系统,优化了多泵循环切换的控制算法,实现了系统PID参数在线自整定、多泵自动循环和定时强迫切换的控制功能。实际运行结果表明,该系统功能完善,性能可靠。     

转阀式直接驱动伺服阀的参数自调整模糊PID控制

转阀式直接驱动电液伺服阀具有很大的优越性,但必须对其进行有效的控制.针对摩擦非线性比较严重,建立精确数学模型困难的情况,采用自整定模糊PID控制.介绍了设计过程,研制出针对转阀的模糊规则和合适的PID参数调整规律,最后通过数字仿真验证了该控制方法较强的抗干扰能力.     

烘干炉温度控制的研究与分析

SPL-1200太阳能印刷线中的烘干炉是印刷线中的重要组成部分,而精准的温度控制又是烘干炉的关键之所在。介绍了经典PID控制器的原理以及继电反馈参数自整定原理,设计了温度控制系统并对该参数整定方法给以实验验证,得到了较好的控制效果。     

基于神经网络的增量PID算法及仿真研究

为了解决传统PID控制器对时变系统控制能力不强的弱点。利用神经网络理论与传统PID控制理论相结合。设计了一种基于神经网络的增量PID控制器,实现PID参数的在线自整定。通过实例仿真试验比较,这种控制器比传统的PID具有较强的适应性,可以获得满意的控制效果。     

Passivity-based reinforcement learning control of a 2-DOF manipulator arm

Passivity-based control (PBC) is commonly used for the stabilization of port-Hamiltonian (PH) systems. The PH framework is suitable for multi-domain systems, for example mechatronic devices or micro-electro-mechanical systems. Passivity-based control synthesis for PH systems involves solving partial differential equations, which can be cumbersome. Rather than explicitly solving these equations, in our approach the control law is parameterized and the unknown parameter vector is learned using an actor–critic reinforcement learning algorithm. The key advantages of combining learning with PBC are: (i) the complexity of the control design procedure is reduced, (ii) prior knowledge about the system, given in the form of a PH model, speeds up the learning process, (iii) physical meaning can be attributed to the learned control law. In this paper we extended the learning-based PBC method to a regulation problem and present the experimental results for a two-degree-of-freedom manipulator. We show that the learning algorithm is capable of achieving feedback regulation in the presence of model uncertainties.