基于GA与CSA-RBF神经网络辨识的自适应PID控制器

提出了一种基于遗传算法(GA)、克隆选择算法(csA)和神经网络的自适应PID控制器的设计方法.该控制器主要由四部分组成:一是利用遗传算法优化PID参数初始值;二是用克隆选择算法对径向基函数(RBF)神经网络参数初始值优化;三是RBF神经网络完成对被控对象Jacobian信息辨识;四是单神经元PID控制器,学习并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能.仿真结果表明,该控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程.     

灰色预测模糊PID控制在汽温控制系统中的应用

将灰色预测、模糊控制与常规PID控制三者的设计思想融合起来，提出了一种灰色预测模糊PID控制算法。该算法首先通过建立模糊规则和进行模糊推理来确定PID控制器的参数，然后由PID控制律直接确定控制作用，再将灰色预测在线应用，用其预测结果代替被控对象测量值进行控制运算。仿真结果表明，利用该算法设计的汽温控制系统比应用模糊PID控制设计的汽温控制系统具有更加优良的性能。     

基于遗传神经网络的自整定PID控制器

提出了一种基于遗传算法和神经网络的自整定PID控制器的设计方法。该控制器主要由三个部分组成。第一部分利用遗传算法搜索出一组准优的PID参数，作为PID控制器参数的初值，第二部分利用神经网络具有逼近任意非线形函数的能力，在线调整PID参数，以确保系统的响应具有最优的动态和稳态性能，第三部分是传统的PID控制器，直接对被控对象闭环控制。计算机仿真结果表明，这种控制算法鲁棒性强，响应速度快，可用于控制不同的对象和过程。     

大型轮式工程车辆转向系统的神经网络PID控制

根据大型轮式工程车辆转向系统的对象特点和操纵方式，提出采用基于RBF神经网络控制器来改进常规PID控制器实现系统控制性能。该控制系统结构中，RBF神经网络辨识器(RBFNNI)实现对被控对象的Jacobian矩阵信息的辨识，神经网络控制器(NNC)是基于RBF神经网络实现的单神经元的PID控制器。在对算法进行改进的基础上设计了神经网络结构，并进行了被控对象的仿真分析。实际结果表明该控制方法具有较好的实用性和鲁棒性，可以用于多操纵模式工程车辆转向系统的控制。     

欠阻尼对象的最优PID控制器参数整定方法

研究了带有纯延迟的欠阻尼对象最优PID控制器的参数整定及性能鲁棒性评价问题。首先依据频域判据，确定保证闭环系统稳定的PID控制器参数域，然后采用全局寻优的遗传算法，获得ITAE指标最优的PID控制器参数。采用蒙特卡罗随机实验方法，对模型参数在有界范围内摄动时的性能鲁棒性进行了定量的比较和评价。仿真结果表明，本文方法具有良好的动态性能，在对象参数摄动时与极点配置方法和幅值相位裕量方法相比具有较好的性能鲁棒性。     

基于MBDE和参数稳定域的PI/PID控制器参数整定

提出了一种应用改进二进制差分进化算法(MBDE,modified binary differential evolution algorithm)对PI/PID控制器参数进行优化整定的方法。基于参数稳定域理论,预先确定保证闭环系统稳定的PI/PID控制器参数的约束范围。根据实际问题的需要,结合相应的性能指标,设计恰当的复合性能准则作为优化算法的优化目标,并采用MBDE智能优化算法对优化目标进行优化,从而得到PI/PID控制器的最优参数。将该方法分别应用于针对某循环流化床床温和一个非最小相位系统的PI/PID控制器的参数整定。仿真结果表明,通过上述方法设计的PI/PID控制器,跟传统方法相比,实现方式简单灵活,可以满足闭环系统动态性能的特殊需求。     

热力系统串级控制PID参数优化研究

提出一种稳定域约束的串级PID控制器的参数优化方法。首先根据广义H—B定理得到串级PID控制器参数的稳定域约束条件，然后利用遗传寻优算法获得ITAE性能指标最优的串级PID控制器参数，最后通过对锅炉过热汽温和火电厂主汽压力的串级控制系统的研究，表明该方法有效且易于实现，设定值跟踪和扰动响应曲线输出平缓、超调量小、调节时间短。     

基于混沌的白适应模糊PID参数寻优研究

针对自适应模糊PID控制器提出了一种基于混沌变量的优化算法.首先,利用混沌运动的遍历性特性,基于混沌优化方法进行PID控制器设计.在系统稳定的条件下,通过粗调和精确搜索可以找到具有最小参数的最佳控制器.这些参数被用来作为自适应模糊PID控制器的最佳参数.然后,按照自适应模糊控制方法,控制律及其参数可以被确定.仿真实验结果显示,该方法能够达到所要求的指标,其有效性得到了证明.     

时滞系统的智能控制方法

介绍了基于Smith预估结构的时滞系统自适应模糊PID控制方法，该方法根据偏差e和偏差变化ec与PID控制器三个参数之间的关系，利用模糊控制原理对PID参数进行在线修正，使被控系统具有良好的动静态特性和抗干扰能力。仿真研究和实验表明了该控制方法的有效性。     

智能PID控制在电石炉电极调节系统中的应用

针对三相电极电流耦合的电石炉系统,设计出一种智能PID控制器。该控制器首先采用实数编码的遗传算法优化PID控制器的参数,得到一组参数的最优值。然后以此最优值作为PID参数的初始值,结合积分分离的原则设计出一种模糊解耦推理规则对PID参数进行实时整定,以确保系统的响应具有最优的动态和稳态性能。对比仿真试验的结果表明,与常规的PID控制器相比,这种智能PID控制器用于电石炉控制系统可达到良好的动、静态性能和鲁棒性。     

基于神经网络再建模的模糊PID控制器精简化研究

针对模糊控制算法的计算复杂性和实时性能差的问题,以模糊PID控制器为研究对象,利用神经网络的万能函数逼近能力,通过神经网络二次建模,精确的逼近已知的模糊PID控制器,从而减少运算量,实现实时控制.然后,给定不同的输入信号,分别用模糊控制器和等效神经网络模型控制同一个被控对象.结果表明,控制效果非常相似.因此,用精简的神经网络模型来代替模糊控制器,可减少计算的复杂性,避免维度灾难,提高实时性能.     

MATTER-ELEMENT MODELING OF PARALLEL STRUCTURE AND APPLICATION ABOUT EXTENSION PID CONTROL SYSTEM

This article describes in detail a new method via the extension predictable algorithm of the matter-element model of parallel structure tuning the parameters of the extension PID controller. In comparison with fuzzy and extension PID controllers, the proposed extension PID predictable controller shows higher control gains when system states are away from equilibrium, and retains a lower profile of control signals at the same time. Consequently, better control performance is achieved. Through the proposed tuning formula, the weighting factors of an extension-logic predictable controller can be systematically selected according to the control plant. An experimental example through industrial field data and site engineers＇ experience demonstrates the superior performance of the proposed controller over the fuzzy controller.     

TS-PID模糊控制器的IO稳定性分析

推导出了单输入TS PID模糊控制器的插值解析表达式,为实际应用提供了一种快速精确的控制算法。该类模糊控制器的输入变量采用正规模糊集、三角形全交迭隶属度函数,规则后件采用PID表达式,其本质为一种非线性PID控制器。针对几种典型被控对象,应用钝性定理研究获得了TS PID模糊控制器闭环系统IO稳定的充分条件,为这类模糊控制器的系统化设计和稳定性分析提供了一种简便有效的新方法。     

船舶减摇鳍模糊控制器的系统化设计与仿真

建立了船舶减摇鳍控制系统数学模型,提出了一种模糊规则后件采用PID表达式的TS-PID模糊控制器模型,并推导出了输入采用正规模糊集、三角形全交迭隶属度函数时该模糊控制器的插值表达式,为实际应用提供了一种快速精确的控制算法。在此基础上,应用钝性定理研究获得了减摇鳍TS-PID模糊控制器闭环系统IO稳定的充分条件,并探讨了利用遗传算法进行优化设计的方法。最后通过计算机仿真,验证了减摇鳍TS-PID模糊控制器的优越性。     

基于自组织调整因子的模糊PID控制器设计

实际工业过程往往是非线性、时变性、其结构参数不确定的系统。提出一种基于自组织调整因子的模糊PID控制器：采用归一化加速度参量来反映系统响应的快慢,引入变论域思想,构建模糊PID控制器的自组织调整机构。该机构根据系统输入输出误差,以归一化加速度参量在线辨识系统运行的不同阶段,动态调整模糊PID控制器的量化因子和比例因子,以改变模糊PID控制器输入输出变量与模糊子集的映射关系,使论域产生伸缩变化,以调节控制器的微分、积分控制作用。仿真结果表明：该自适应模糊PID控制器具有较大的动态调节范围,其动静态性能、鲁棒性、抗干扰能力均优于PID和常规模糊PID控制器。     

基于Sugeno推理自调整模糊Smith-PID控制器仿真研究

针对工业控制中大惯性、纯滞后、参数时变非线性受控对象难于控制问题,提出一种新型控制器,利用Smith预估器补偿受控过程纯滞后作用,基于Sugeno推理模糊控制器自调整PID参数.给出控制器结构及其控制策略,并将其应用于加热炉温度控制系统中,与常规PID控制器和Smith预估补偿PID控制器比较.仿真结果表明,该控制器各项性能均好于其它两种控制器,具有动态调节性能好、稳态精度高、抗干扰性强和鲁棒巨好的特点.     

AN INTELLIGENT CONTROL SYSTEM BASED ONRECURRENT NEURAL FUZZY NETWORK AND ITS APPLICATION TO CSTR

In this paper, an intelligent control system based on recurrent neural fuzzy network is presented for complex, uncertain and nonlinear processes, in which a recurrent neural fuzzy network is used as controller (RNFNC) to control a process adaptively and a recurrent neural network based on recursive predictive error algorithm (RNNM) is utilized to estimate the gradient information ρy/ρu for optimizing the parameters of controller.Compared with many neural fuzzy control systems, it uses recurrent neural network to realize the fuzzy controller. Moreover, recursive predictive error algorithm (RPE) is im-plemented to construct RNNM on line. Lastly, in order to evaluate the performance of the proposed control system, the presented control system is applied to continuously stirred tank reactor (CSTR). Simulation comparisons, based on control effect and output error,with general fuzzy controller and feed-forward neural fuzzy network controller (FNFNC),are conducted. In addition, the rates of convergence of RNNM respectively using RPE algorithm and gradient learning algorithm are also compared. The results show that the proposed control system is better for controlling uncertain and nonlinear processes.