参数自调节模糊PID控制在胎面联动线直流调速系统的应用研究

在胎面联动线中,应用模糊智能控制与常规PID控制相结合的方法,通过对基于参数自调节模糊PID控制的双闭环直流调速系统进行模拟仿真,证明了其响应速度相对于常规PID控制系统有明显的改善,并克服了常规PID控制自适应、自调节能力差的缺点。     

基于改进PSO的智能车辆转向自适应PID控制

针对智能车辆转向系统的复杂,非线性和时变性,提出了基于改进粒子群算法的自适应PID控制,在该控制系统结构中,采用改进粒子群算法获得PID参数在线调整的信息,完成PID控制器参数的在线自整定,实现智能车辆转向的智能控制.实验结果表明,与常规的PID控制方法相比,该方法具有较高控制精度,较强的自适应性和鲁棒性,完全可适用于智能车辆转向系统的控制.     

基于系统辨识的滑油试验台油温智能控制

针对航空发动机滑油试验台油温控制系统时变、时滞、非线性和难在线实时控制等问题,提出应用带遗忘因子的递推最小二乘法对系统参数在线辨识和遗传算法整定模糊PID初始参数的组合控制方案。通过matlab编程仿真,和常规方法整定的PID控制及模糊PID控制对比,结果表明,这种基于系统辨识的智能控制算法在系统的稳定性、抗干扰性及鲁棒性方面,明显优于常规控制算法。     

RBF神经网络在盘式制动器控制系统中的应用

针对盘式制动器控制系统存在的非线性特性,提出了一种基于R BF神经网络的智能控制方法.在常规PID控制器的基础上,利用神经网络对控制器参数进行在线自适应整定,从而实现系统的智能控制.该系统利用可编程序控制器S7-200作为主控制器,配合液压站实现了对带式输送机制动器的控制.仿真结果表明,该系统比传统的PID控制具有更快的响应速度和更高的稳定性及控制精度.     

永磁同步电机的神经网络模型参考自适应控制研究

本文介绍了一种基于BP神经网络的正弦波永磁同步电机(PMSM)智能控制方法。同传统的PID控制相比较,基于神经网络的智能控制具有自学习、适应环境变化等优点。将BP神经网络模型参考自适应控制应用于PMSM,其仿真结果表明这种智能控制具有很强的鲁棒性、良好的动态和稳态特性。     

人工神经网络智能控制系统稳定性分析

从经典控制理论的稳定性问题出发 ,分析了现代控制理论和智能控制理论的稳定性判别方法 ,重点讨论了人工神经网络 ( ANN)智能控制系统的稳定性判别方法 ,并对基于神经元的自适应 PID控制器稳定性进行了分析。     

提高精密丝杠磨削加工精度的控制算法研究

分析了精密丝杠磨削过程中螺距误差的变化规律;提出了一种改进算法的智能PID补偿控制方法,采用“四点中心差分法”对数据进行平滑处理;给出了一种能跟踪误差变化规律,实时修正PID参数的智能控制规则以及这种改进算法的程序实现框图。     

S7-200PLC实现的智能玻璃磨边机研究

将智能控制技术应用到玻璃磨边机的交流伺服系统中去,采用模糊推理实现PID参数在线自整定的模糊PID控制方法,并应用S7-200PLC和人机界面PWS1760实现了对玻璃磨边机的控制,对系统的控制思想进行了分析,给出了系统的软硬件设计。该智能磨边机使玻璃的磨削精度和磨削速度均得到显著提高。     

一类基于PID控制的新型模糊控制方法

研究了一类基于模糊规则的变参数 PID控制方法 .对于模型未知对象 ,常规 PID控制器参数的调节一般要基于一些语言信息的经验知识 ,这对 PID参数的调节带来一定的困难 .模糊控制在处理语言信息方面具有一定的优势 ,因此将模糊控制和 PID控制方法相结合组成一种复合控制器的设计是可行的 .采用 TS模糊模型 ,给出了一类给予模糊规则的变参数 PID控制器的设计 .这种控制方法兼备模糊控制与 PID控制优点 ,具有广泛的应用价值     

自适应遗传算法在PID控制参数优化中的应用

针对传统的PID控制中参数整定的难题，采用智能控制技术优化PID参数，利用神经网络进行系统辨识，建立对象模型；在此模型基础上，运用遗传算法寻优PID控制参数，采用变交叉概率和变异概率自适应遗传算法寻优得到PID控制参数，与传统的整定结果相比较，遗传算法优化效果更好，最终达到最优的控制效果．     

PID在轴承模拟试验加载系统中的应用

将小二元回归数学模型与PID控制算法相结合，对轴承模拟试验加载系统的智能控制进行了试验研究。由于微机控制系统的计算机程序具有很高的灵活性，可以方便地修改PID控制算式，使得这种控制方式有很高的控制精度。实践也表明PID参数的调整使力加载过程更加准确，经实际运行得到了理想的控制效果。     

ZVS移相全桥变换器BP神经网络控制策略

搭建电压电流双闭环PWM控制电路,将智能控制策略应用到移相全桥变换器中.使用传统PID控制策略作为控制方法,在其基础上引入BP神经网络智能控制策略.将两者组合成BP神经网络PID控制器,利用Matlab进行对比仿真试验,并与传统PID控制对比输出波形.结果表明:BP神经网络比传统PID响应速度快、超调量小、进入稳态时间短、抗扰性强,控制效果明显优于传统PID.     

非线性类PID神经元网络控制器

研究了基于比例、积分和微分控制分量非线性方法合成的非线性PID智能控制器.该PID控制器将比例、积分和微分控制分量分别用三角函数表示为误差信号的非线性函数,并通过三个独立的非线性函数构造合成PID控制器.通过在线调整三个独立非线性函数的权值系数,使该控制器实现不依赖于非线性对象模型的智能控制.仿真结果表明该控制器具有优异的非线性控制性能.     

风力机叶片失速非线性颤振伺服气弹智能控制

针对风力机叶片失速非线性颤振断裂失效问题,阐述其伺服气弹智能控制的数值模拟过程。结构模型基于弹簧-质量-阻尼器的对称典型叶型截面,基于纯变桨运动的气动力适合于研究失速非线性颤振的大攻角非线性气动力模型。非线性气弹方程组基于状态变量的泰勒级数展开后,利用低阶近似,进行线性化处理。二阶变桨激励器的伺服气弹智能控制系统基于平衡点状态和线性化模型的反馈系统。系统阐述基于线性化时域响应不稳定性的伺服控制方法,包括最优模糊PID控制方法和径向基函数神经网络PID控制方法,通过对比,论证这2种方法的有效性和适用性。研究结果表明:在不同的硬件基础、控制精度、及控制过程要求条件下,这2种方法可以折中选择,为风力机叶片失速非线性气弹变桨控制提供新的思路。     

基于模糊免疫神经网络PID算法的全向底盘控制方法

针对全向底盘控制的实际需求,提出了基于模糊免疫神经网络PID算法的智能控制方法。首先根据神经网络算法和模糊算法的结构特点建立了模糊神经网络模型,并使用误差反向传播的方法对模型进行训练;然后使用免疫算法确定学习率,实现了对PID参数的动态整定,并对底盘路径跟踪控制器参数进行整定,以实现对底盘的精确运动控制;最后建立了底盘的运动学模型,基于Matlab平台进行了相关算法的仿真,并基于Linux Ubuntu系统下Tensorflow框架搭建并训练了神经网络模型,进而实现了整体算法。轨迹跟踪试验表明:当底盘沿不同方向以5 m/s的速度进行轨迹跟踪时,最大误差为4.88cm,平均误差为0.25cm,该算法能够有效地对底盘进行控制,满足全向底盘控制的要求。     

污水处理中基于仿人智能的DO参数控制策略

污水处理是一个复杂的生化反应过程,难以数学建模．针对其曝气控制过程中参数的不确定性,采用传统PID控制策略难以实现优化控制的问题,文章以DO参数控制为例,提出了基于仿人智能的控制策略对其实施控制．仿人智能控制策略很好地解决了DO参数值波动的控制问题,有效地保证了出水水质和曝气风量的合理控制．文中给出了控制策略、系统结构和控制规则．仿真结果表明了该控制策略的可行性和有效性,系统动、静态品质好．     

水轮机调节系统智能控制研究

针对常规PID调节的不足,本文分别阐述了自适应控制,预测控锏、专家控制,模糊控制,神经网络控制．遗传算法和柱子群优化算法等智能控制方法,并简要分析了他们的特点,指出水轮机调速器控制策略将朝着智能控制方向发展。     

均质机复合温度控制系统的设计

温度控制作为均质机控制系统的关键环节,其控制质量的好坏直接影响均质产品的乳化程度;均质机温度控制过程是一个具有大时滞、非线性、强干扰的复杂控制对象,采用常规的PID控制技术对温度进行精密控制难以取得理想效果.针对这一问题进行研究分析,提出了一种基于复合模糊PID 算法的智能控制方法.研究结果表明,新的控制方法能够有效地提高控制精度,具有较好的动态性能和较强的鲁棒性.     

基于PLC和WinCC的PID压力控制

针对大型油膜轴承综合试验台的技术要求,介绍了一种基于S7-300 PLC和Win CC的PID压力控制方法,以提高试验轴承载荷的控制精度和稳定性。利用STEP7中FB41功能模块进行PID控制,使用Win CC监控界面在线监测实际载荷并设定PID控制器参数进行参数整定。该方法基于软件实现PID控制,程序设计简单,界面显示直观,便于参数设定和数据采集,控制效果良好,满足试验要求。     

基于模糊与PID控制的选矿生产过程研究

以实现选矿生产过程的智能控制,提高产品产量和质量为目的,针对选矿过程中的关键环节——磨矿生产过程中的给矿量控制和给水量控制,采用模糊智能控制技术来实现。分析了模糊智能控制的原理,采用模糊控制器和PID控制器并联的方法对给矿量进行控制,采用模糊控制器作为主控制回路,PID控制器作为反馈回路的方法对给水量进行控制。从系统运行的结果可以看出,与其它控制方法相比较,该方法使得磨矿的产量增加,产品的质量有一定的提高。