基于改进型模糊神经网络PID阀位控制研究

针对调节阀控制系统在实际生产中存在的大滞后、非线性等问题,提出一种改进粒子群算法优化的模糊神经网络比例积分微分(PID)控制模型用于阀位控制,该模型利用模糊神经网络的自学习能力,实现对PID控制参数的实时在线整定,并且通过将改进粒子群算法与BP算法相结合的方式,实现对模糊神经网络参数的粗调和细调,克服了模糊神经网络收敛缓慢、易陷入局部最优的缺点;最后,利用MATLAB和AMESim软件进行联合仿真,仿真结果表明,该模型相比于其他两种算法在调节时间、超调量等性能方面都有很大的提升,并且表现出更强的鲁棒性和抗扰动能力,能够使阀位控制更加稳定可靠。     

气动调节阀最优分数阶PID控制器设计EI北大核心CSCD

针对工业控制过程气动调节阀阀位控制中非线性,模型不精确等问题,提出一种基于分数阶PID控制器(fractional order PID controller, PI~λD~μ)的阀位控制方法。分析气动调节阀工作原理并建立其数学模型,为提高模型准确性,针对分数阶PID控制器参数整定范围广、复杂性高等问题,提出一种改进量子粒子群算法(improved quantum particle swarm optimization, IQPSO)整定分数阶PID控制器参数,引入混沌映射和非均匀高斯变异增强算法寻优能力,将改进算法用于调节阀控制系统模型辨识。仿真与试验结果表明,相比于整数阶PID控制器,所设计的分数阶PID具有更快的响应速度和控制精度,能更好地满足气动调节阀阀位控制要求。