双旋翼系统的PID参数模糊自整定控制器

双旋翼多输入多输出系统TRMS由于非线性和强耦合,难以建立数学模型和控制,故提出PID参数模糊自整定的控制方法.利用MATLAB设计PID参数模糊自整定控制器,并进行了仿真和实际应用.与常规PID控制相比,PID参数模糊自整定控制不需要建立精确的数学模型,还可及时在线调整PID参数,获得了较好的控制效果.     

基于差分进化算法的自行高炮随动系统PID参数整定

针对传统PID参数整定效率低且无法考虑构件间力元等因素对参数整定的影响问题,建立随动系统机电联合仿真模型,利用智能优化算法整定PID参数.建立了考虑行进间车体姿态扰动的随动控制系统模型,并结合上装虚拟样机建立随动系统的机电联合仿真模型,采用实车试验方法验证联合仿真模型的正确性.在此基础上,以时间乘以误差绝对值积分为优化...     

基于内模控制的分数阶PID算法的稳瞄控制器

研究了分数阶PID在稳瞄系统的控制效果.为了简化分数阶PID的设计,提出一种基于内模控制的分数阶PID设计方法：利用内模原理构造一个仅含整定参数的内模PID,然后通过增加积分阶次λ与微分阶次μ,从而获得分数阶PID控制器;这3个参数可由截止频率、相位裕度和增益鲁棒性约束确定.Matlab仿真与硬件平台试验证明,该控制器相较利用同样约束条件设计的其他控制器,可以使稳瞄系统取得更好的控制性能.     

基于PSO算法的二自由度PID控制器参数优化

根据粒子群优化算法具有在参数空间寻优的特点 ,提出了一种利用粒子群优化算法对二自由度PID控制器参数优化整定的方法.通过对工业被控对象的仿真表明了该方法优于常规参数整定方法,且所设计的控制器具有一定的优越性.     

基于RBF网络的微分先行PID控制器

将微分先行PID控制算法和径向基函数(RBF)神经网络结合,提出基于RBF神经网络的微分先行PID控制器.其微分先行PID控制器直接对被控对象进行闭环控制,实现参数在线自调整.RBF结构神经网络则根据系统的运行状态,利用神经网络的自学习自适应能力调节PID控制器参数的在线自整定,达到误差性能指标最优化.Matlab仿真表明,该控制方案不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好.     

基于RBF神经网络整定的PID控制器设计

对工业控制领域中非线性系统,采用传统PID控制不能获得满意的控制效果。采用基于梯度下降算法优化RBF神经网络,构建其模型,进而编写M语言程序。以整定PID控制器的参数,使系统输出近似跟踪输入。该方法只需给出粗略的PID控制参数,系统的性能依靠神经网络寻优调整,从而可有效地解决经典PID控制方法中控制参数整定困难的问题,且可克服由PID控制参数整定不准给系统带来的不良影响。     

大时滞过程的自整定PID控制器

大时滞过程的自整定PID控制器,采用基于内模控制策略的继电型PID自整定.通过继电反馈辨识方法获得被控对象模型参数.该控制器由等效扰动信号、被控对象、对象模型、内模控制器、反馈滤波器及参考输入滤波器组成.其仿真结果表明:该方法不仅具有良好的鲁棒性,而且调节快速,参数整定方法简单,适合工程应用.     

基于MATLAB的自整定模糊PID控制系统

针对常规PID控制器参数整定不良、适应性差、控制精度不理想的现状,提出了动态过程中参数自动整定的模糊PID控制系统。并利用MATLAB的SUMLINK工具箱,对系统进行仿真,仿真试验结果表明模糊PID控制鲁棒性好、控制精度提高。     

基于遗传算法的舰炮随动系统PID参数整定

传统舰炮随动控制系统设计通常采用试凑法获取PID控制器参数。这类方法耗时长,需要调试人员具有较高实际工作经验,且依赖于经验公式或统计数据,很难获取很好的控制性能。针对该问题,根据遗传算法的原理,以广义Hermite-Biehler定理确定寻优范围;以误差泛函积分评价指标设计了目标函数。通过Matlab仿真结果表明:与传统方法比较,该整定方法简单、实用,并可获得更好的控制特性。     

基于模糊自适应的连续整定PID舵机控制器

针对现有的二维弹道修正弹电动舵机系统响应速度慢、适应能力差等缺点,提出了基于模糊自适应的连续整定PID舵机控制器。该控制器在模糊自适应控制的基础上,通过对模糊控制曲面的3次曲面拟合得到连续的控制函数,并以此控制函数连续的调解整定PID参数,输出对应连续变化的控制信号,调节舵机的转角进而控制弹道偏向。通过Matlab仿真证明,基于模糊自适应的连续整定PID舵机控制器与现有的模糊自适应PID及经典PID舵机控制器相比,具有更好的动态响应和适应能力,且其计算量相对于连续论域的模糊自适应PID控制器来讲更少,更适合在高实时性要求的二维弹道修正弹上应用。     

软质管线收卷机构PI D控制研究

为使软质管线收卷机构在受到负载力矩扰动的情况下收卷机构的控制系统拥有良好的瞬态与稳态性能,采用PID控制器对控制系统进行调整。用传递函数的方法建立控制系统的模型并采用根轨迹法对PID控制器参数进行分析优化。同时用Simulink建模的方法建立控制系统的模型并采用正交试验法则对PID控制器参数进行优化;计算结果表明：传递函数建模根轨迹法分析的优化结果与Simulink建模正交试验法分析的优化结果比较吻合,传递函数模型与Simulink模型得到相互印证。根轨迹分析法的结果为正交试验法的分析提供了初始的水平数取值范围。正交试验法的分析结果为进一步试验分析指明了方向。两种优化方法的综合运用使PID控制器参数的优化效果得到提高。     

一种基于广义最小方差自校正PID的导弹时变模型控制律设计

针对传统PID控制难以保证导弹在大空域飞行中保持良好动态性能的问题,提出一种基于广义最小方差自校正控制律的PID控制算法(GMVST-PID)。该算法在递推估计被控对象参数的基础上,将自校正思想用于PID控制参数的实时在线自整定,提高了导弹时变模型控制系统的稳定性、适应性和鲁棒性。仿真结果表明,GMVST-PID控制器具有较强的抗干扰能力和快速的响应能力。     

航空发动机全包线最优PID控制器设计

研究了一种基于神经网络的航空发动机全包线PID控制器设计方法。首先在全包线内选定若干典型工况点,并通过遗传算法离线优化PID控制器参数。然后通过BP神经网络训练建立飞行高度和马赫数与PID参数的非线性映射关系,亦即建立起基于神经网络的航空发动机全包线最优PID控制器。最后,将该控制器应用于某型涡扇发动机稳态控制和飞行过程控制仿真,与原控制器比较,控制效果获得有效改善。     

模糊控制在存在总线延时的导弹控制系统中的应用

数据总线传输方案能够有效克服传统通信的弊端,改善导弹控制系统性能,但由于信息传输分时复用通信总线,系统延时不可避免．在对延时影响进行简要分析的基础上,提出了利用模糊调节来解决导弹控制系统中总线传输延时问题．该方法通过模糊控制调节PID控制器输出,实现对延时影响的补偿,并引入最速下降优化算法,对模糊控制器参数进行在线调整,进一步改善系缔性能．通过仿真实验,验证了上述方法的有效性．     

高速动能导弹初始段控制系统的方案分析与设计

对高速动能导弹初始段控制系统进行了初步分析与设计.对弹上脉冲矢量控制器在弹上的空间分布及其控制力和控制力矩的模型进行了细化.数字仿真结果表明, 只要基准弹道模型和控制器的参数选取合理, 同时对导弹离轨时的俯仰和偏航角速度扰动加以限制, 高速动能导弹在初始段采用PID控制可以得到比较理想的结果.     

用模糊控制法改善飞机舵回路性能的研究

针对飞机舵回路的工作性能受到非线性特性影响和负载力矩反影响,提出了一种将模糊控制和传统PID控制相结合的方法,分区间对PID控制器参数进行模糊整定,使得飞机舵回路在每个工作区间都具有较好的响应特性,从而改善舵回路的全局性能.文中给出了分析设计过程和仿真结果,证明了该方法的有效性.     

遗传算法优化BP神经网络在转速PID控制中的应用

提出一种基于遗传算法优化的BP神经网络PID控制算法,并将其应用于永磁无刷直流电动机的转速控制系统而设计出优化的转速PID控制器。该算法首先利用遗传算法对BP神经网络的初始权值进行优化,再利用BP神经网络算法对PID参数进行在线调节,解决网络的初始权值对控制效果的不利影响,仿真证明该算法可行。     

基于BP网络的PID整定控制

基于三层BP网络的PID的整定控制器,将输出层神经元输出状态对应于PID控制器的比例、积分、微分参数.先确定输入层和隐含层节点数、给出各层权值初值、选定学习速率和动量因子、学习参数等,再计算采样时刻误差、各层神经元的输入输出、PID控制器输出.通过神经网络的自学习、实现PID控制参数的自适应调整.仿真表明该神经PID控制器在三参数自调整、控制量变化、减小误差等方面具有优势.     

基于粒子群优化的伺服系统比例积分微分控制器设计方法

给出了 一种基于粒子群优化（PSO)算法的火炮伺服系统比例积分微分（PID)控制器优 化设计方法。定义了 ー个综合考虑火炮调转时间、上升时间、超调量、系统静态误差、等速跟踪误差 和正弦跟踪误差等动静态性能的指标函数,在给定的控制器参数空间进行组合优化搜索,可迅速求 得使性能指标优化函数极小化的ー组PID控制器参数。仿真結果表明该方法有效。