基于OS-ELM与模糊PID的自适应打磨头控制系统

针对风电叶片自适应打磨装置需求，提出了一种基于OS-ELM的模糊PID控制的自适应恒力打磨装置，通过结合OS-ELM来更快速的整定模糊PID控制器的控制参数输入，然后通过模糊规则得到合适KP、KI、KD输入初值，实现在线整定PID控制参数。通过MATLAB\\Simulink仿真软件对打磨头控制系统的仿真模型进行控制系统验证优化，最后通过装置样机实验，对系统控制效率，稳定性，打磨效果进行检测。实验得出该装置能够满足风电叶片进行恒力亮面打磨，打磨效率显著提高，打磨后产品粗糙度10~12 μm之间，满足企业打磨后叶片粗糙度要求。     

基于微粒群算法的模糊控制在BLDCM中的应用

为了提高永磁无刷直流电机伺服系统的控制性能,提出了基于微粒群优化(PSO)算法的无刷直流电机模糊控制设计方法,即应用PSO算法全局优化模糊控制器的Ka、Kb、Ku参数和控制规则,提高模糊控制器的控制性能和效果.仿真实验结果表明,优化后的模糊控制器动态和静态性能均优于常规PID控制,具有较高的鲁棒性和控制精度.     

基于PSO的模糊自适应锅炉主蒸汽温度优化控制研究

通过二维模糊控制器的实际输出,对PID控制器的参数进行在线修正,在此基础上,进一步设计出基于PSO的模糊自适应PID控制系统,同时在MATLAB环境下建立了主蒸汽温度-给煤量优化系统的仿真模型。从而在模糊自适应PID控制器的基础上具备更加优越的动态性、抗干扰性和鲁棒性。最后采用MATLAB软件中的simulink工具建立了锅炉主蒸汽控制器仿真模型,仿真结果表明:基于PSO的模糊自适应PID控制方法具有较好的动态性能及稳态性能。     

改进PSO-BPNN供水泵站变频恒压PID控制

供水泵站是变频恒压系统，要求保障水压稳定，且在干扰情况下能快速响应并恢复稳定。为提升系统稳定性、高效性，提出一种改进PSO BPNN的PID控制方法。首先构建供水泵站变频恒压控制模型，再基于BPNN实现PID非线性控制，提出一种PSO惯性权重改进策略，以提升PID参数的计算效率，从而更好地满足供水泵站控制需求。实验表明，本文算法响应快速、无超调，且具有稳定的非线性信号跟踪性能。相比BPNN、PSO BPNN的两种PID控制算法，本文算法在恒压实验的调节时间缩短了296%和28%；在干扰实验中，超调量减少了346%和199%，稳定时间缩短了73%和16%。本文算法可提升供水泵站系统的稳定性和高效性。     

感应型无轴承电机的模糊-PID控制

从运行原理出发，建立了感应型无轴承电机磁悬浮力的解析模型。设计了一个模糊控制器，进而构建了一个基于模糊控制的自适应PID控制器；利用模糊控制器的模糊推理能力来实现PID控制器参数在线调整，以达到优化控制的目的。仿真结果表明，这种控制器与常规PID控制器相比可以取得较好的控制效果，有效地提高了感应型无轴承电机稳定悬浮运行的动、静态性能。     

电动钢轨打磨车恒力磨削控制方法的研究

电气驱动的钢轨打磨装置在磨削过程中钢轨不平顺、振动等强干扰因素的影响下会产生磨削力的波动，导致打磨精度的下降。为了有效抑制打磨压力的波动，本文基于矢量控制原理设计了用于稳定打磨电机转速的电机调速系统；基于干扰估计器（负载转矩估计器）和系统在线逼近模型（小波神经网络“无延迟负载——电流”模型）设计了控制磨削力稳定的Smith预估控制器。仿真结果表明：相比PID控制，本文设计的控制器能够实现阶跃输入的无超调、无振荡的快速跟踪响应；另外，控制器对外界强干扰的抑制作用明显，整个控制过程中反映磨削力波动情况的打磨电机主轴电流的波动幅度很小。     

神经网络和模糊算法相结合的永磁同步电机的鲁棒控制

提出一种神经网络和模糊理论相结合的控制算法，用于永磁同步电机的控制。该算法用基于BP神经网络的PID算法作为速度控制器，实现控制系统的在线自适应调整；同时用模糊理论算法作为神经网络控制器输出的限制，实现了良好的控制动态性能。在与传统的PI控制仿真比较中，该算法显示出了较好的控制性能，对负载和电机参数的变化不再敏感，且控制器可以在误差较大的时候快速跟踪指令，而在误差较小的时候实现稳定运行。     

基于PSO的模糊PID汽车空调控制策略优化

以人体热舒适性为目标,综合考虑汽车空调控制系统的复杂性,对某SUV6双蒸发器汽车空调系统的控制策略进行优化。在联合仿真的基础上,建立了基于模糊PID调节的汽车空调闭环控制系统,引入粒子群优化算法(PSO)优化PID控制器的参数,对风机风速和压缩机开度进行调控。对比PID、模糊PID和PSO模糊PID调节,分析得出：PSO模糊PID控制调节没有超调的缺陷,可以使乘客舱温度更快、更平稳地趋向目标舒适温度,有效降低汽车能耗,满足节能减耗要求。     

基于秃鹰算法的PID参数自整定

基于PID参数整定是一种优化问题的本质上,尝试使用一种新的智能优化算法（秃鹰算法）进行PID参数整定。以常见的控制系统的开环传递函数,输入信号为单位阶跃来对比PSO算法和秃鹰算法的控制性能。实验结果表示,秃鹰算法进行PID参数具有较好的可行性,且性能优于PSO算法。     

基于改进粒子群算法的水轮发电机组PID调速器参数优化

文中提出一种改进的PSO优化算法,并将该算法应用于水轮发电机组PID调速器参数的优化设计,以水轮发电机组转速偏差的ITAE指标作为改进PSO优化算法的适应度函数.以我国某水电站的真实数据对经过优化后的PID控制规律进行计算机仿真.仿真结果表明利用改进PSO优化算法优化的PID控制规律能有效改善孤网运行条件下水轮机调节系统过渡过程的动态性能.     

基于改进粒子群算法的水轮机调速系统参数优化研究

水轮机调速系统控制效果对于提高水轮发电机组工作效率以及提升电能质量具有非常重要的作用,因此,对其进行有效控制具有非常重要的应用价值,为了能够弥补传统水轮机调速系统控制的缺陷,将改进粒子群算法应用于水轮机调速系统地参数优化。首先,分析了水轮机调速系统的基本原理;其次,分析了水轮发电机组调速系统的模糊PID控制算法;然后,讨论了改进粒子群算法的基本理论,设计了相应的数学模型和算法流程;最后,进行了基于改进粒子群算法的水轮机调速系统的参数优化仿真,仿真结果表明,改进粒子群算法能够有效地提高水轮机调速系统的可靠性。     

基于粒子群优化的串级模糊PID无人机飞行控制系统

为了解决无人机飞行控制系统存在的平稳控制响应慢、自适应能力差,抗干扰能力弱的问题,本文分析了无人机飞行控制系统的原理,建立了无人机飞行控制模型,在串级模糊PID控制的条件下,利用粒子群优化算法的迭代寻优能力,实时确定模糊控制中的量化因子、比例因子以及初始PID参数,通过模糊控制在线调整PID参数,使平稳控制中的参数时刻保持最优化,设计了一种基于粒子群优化的串级模糊PID的飞行控制系统。实验结果表明：当量化因子e、ec的值分别为3、0.75,比例因子k1、k2、k3的值分别为0.5、2、0.5时,系统稳定性达到最优。相比于串级PID控制与串级模糊PID控制,通过粒子群优化后的控制系统具有更优的控制精度和稳定性,能较好地提高系统的性能指标,满足快速高效调平的飞行要求。     

基于模糊PID迭代学习的隧道通风控制算法研究

针对隧道施工中通风系统的时变性、不确定性和难以建模的问题,提出一种控制算法,实现隧道通风的智能化.首先,利用迭代学习算法来对模糊PID控制的3个参数kp、ki、kd进行自动寻优,实现对模糊PID参数的在线调整.其次,把寻优后的PID控制器的3个参数代入系统中,通过改变输入量和利用计算机强大的存储能力,使输出量不断逼近期望轨迹直到与期望轨迹重合.最后,通过仿真,与模糊PID仿真曲线进行比较.结果表明,模糊PID迭代学习算法的控制曲线收敛速度快,超调量小,控制性能好,能够满足隧道通风的要求,能够应用于隧道通风中,实现智能化.     

基于粒子群优化算法的变论域模糊PID控制器在过热汽温控制中的应用

针对锅炉过热汽温大滞后和大惯性等难以建立精确的数学模型的问题,设计了模糊PID控制器。通过模糊推理对PID的参数在线调整,加入了变论域思想对控制系统进行改进,最后将粒子群优化算法应用于变论域模糊控制器中,对量化因子及PID的三个参数Kp、Ki和Kd进行优化。将模糊PID控制器应用于过热汽温度控制系统进行仿真。仿真结果表明:采用基于粒子群优化算法的变论域模糊PID控制比传统的PID控制具有较强的鲁棒性和抗干扰能力,具有明显的优越性。     

一种基于PSO-PID算法的分布式机器人实时控制

分析了粒子群优化(PSO)算法的原理、算法参数及其对算法性能的影响。以PSO算法为基础,提出了一种新的粒子群优化不完全微分PID算法。根据多关节机器人系统的特点,介绍了一种新的分布式机器人实时控制系统。系统采用双速率控制策略和分布式控制方式,机器人运动控制运用粒子群优化算法定时寻优PID参数,使其随着系统参数的变化而实时更新,实现最优不完全微分PID控制。实验结果表明,该系统设计科学、性能优越,新算法寻优能力强、控制效果好。     

基于遗传算法与模糊PID复合控制的电机调速研究

为了加强永磁同步电机调速系统的智能控制,提出了一种基于遗传算法与模糊PID智能控制的永磁同步电机调速控制策略。首先建立永磁同步电机的基本模型,利用遗传算法对模糊PID控制器进行改进,优化其参数选择和提高控制效率,并搭建Simulink仿真模型和实验验证模型。其结果得到:利用遗传算法能够迅速得到模糊PID控制器的最佳匹配初始参数,且在电机启动阶段和突加干扰阶段,遗传改进模糊PID控制系统相比于传统的PID控制系统其转速、转矩以及三相电流输出均表现出更加稳定以及波动更小。系统出现干扰后,在该组合智能控制作用下系统在极短时间内恢复稳定,其动态响应速度显著快于传统PID控制方法。结果表明该基于遗传算法与模糊PID控制系统能够对永磁同步调速系统进行有效控制,进而使系统具有较优异的启动特性和动态稳定。     

高频加热设备温度模糊控制的优化设计及仿真

提出一种模糊控制与PID控制相结合的优化算法,实现了对高频加热设备温度系统的良好控制。将其与常规PID算法的控制效果进行了仿真比较,结果表明模糊PID的优化算法具有更好的控制品质,可满足高频加热设备的温度控制要求。     

基于粒子群算法的控制器参数稳定域寻优

针对确定参数及带纯延迟模型,提出一种优化比例微分积分控制器参数设计方法。利用广义Hermite-Biehler定理获得使闭环系统控制器的稳定域,在该稳定域内,运用粒子群优化算法寻找基于指标函数的优化的控制器参数。仿真结果表明：该算法对高阶及带纯延迟对象具有良好的控制性能,且对模型的不确定因素有较好的适应性。     

基于模糊PID控制的望远镜伺服控制系统

为了满足某种望远镜传递函数时变、速度精度要求高、位置定点时间长的控制要求,在分析经典PID的基础上,提出了一种模糊控制方案。通过构造模糊控制规则,模糊PID控制器能够根据误差和误差变化对控制器的比例、积分增益进行实时的调整。针对某望远镜模型,仿真验证了模糊PID控制与经典PID的控制性能,并在该望远镜上实验验证了速度控制及位置定点实验,速度为138.8°/s时最大稳态误差为0.4°/s,位置定点最大误差为0.0002°。仿真结果和实验结果均表明:模糊PID控制能满足该望远镜的观测要求。     

基于深度确定性策略梯度与模糊PID的直流微电网VRB储能系统就地层功率控制

针对直流微电网全钒液流电池(vanadium redox flow battery, VRB)储能系统在实际运行时就地控制层中的功率控制器存在时滞、精度低及抗干扰能力差等问题,提出了一种基于深度确定性策略梯度与模糊PID的功率跟踪控制策略。首先,建立VRB的等效电路模型来描述功率传输特性,并设计了由模糊PID与深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法组成的复合控制器。将模糊PID作为主控制器对功率环进行控制,DDPG作为辅助控制器来补偿功率跟踪误差。然后,设计了VRB储能系统就地层功率跟踪控制器,采用麻雀搜索算法(sparrow search algorithm, SSA)对PID参数和模糊规则进行优化,并通过阶跃信号对优化后的系统输出响应进行测试。同时将分配指令功率与储能单元给定功率偏差作为数据集在DDPG中进行训练,以提高主控制器的响应速度和抗干扰能力。最后,通过在3种不同场景的算例下进行仿真,验证了控制策略的有效性及稳定性。结果表明：所提控制策略在电池充放电时,能够快速地跟踪到功率指令值;实时跟踪时,跟踪功率值与调度指令值偏差小于±2%;受到扰动时,能准确修正功率偏差,满足实际要求。