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。     

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.     

基于自适应灰色预测的虚速率算法

虚速率(VRC)算法是近年来新兴的一种基于速率的主动队列管理算法,本文将灰色预测、自适应控制与虚速率算法三者的设计思想融合起来,提出一种新的基于自适应灰色预测的虚速率算法。将二次型性能指标引入到VRC算法中PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了PID的自适应最优控制。同时将自适应PID与灰色预测器相结合,用预测结果代替被控对象测量值,克服了网络时滞和干扰给系统带来的负面影响,并进行了稳定性分析。仿真结果表明,该算法具有优良的性能。     

一种自校正PID控制器设计与仿真研究

介绍了一种基于改进Ziegler-Nichols参数整定方法的自校正PID控制器。给出系统的ARX模型,引入带遗忘因子的最小二乘实时参数估计算法和增量式PID控制算法;给出改进的Ziegler-Nichols整定方法,建立临界增益和临界振荡周期与系统参数之间的关系式。以其在变风量空调系统的变频风机—管道静压控制回路中的应用为例,进行MATLAB仿真。仿真结果显示,自校正PID控制系统能够实时估计被控对象的参数,实时整定控制器参数,适应被控过程的变化,具有较强的实时参数估计和自校正能力。     

一类多输入多输出系统的预测PID控制算法仿真

研究了一类参教未知的多变量系统的广义预测PID参数整定问题。基于广义预测控制(GPC)的思想和γGPC与PID的相互关系，提出了一种新的离散多变量系统PID参数整定方法，其中性能指标包含了稳态误差加权项。PID参数通过γGPC与PID的相互关系递推计算得到。仿真例子说明了该方法的有效性和可行性。     

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.     

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。     

分数阶PID控制器参数的自适应设计

分数阶比例-积分-微分(proportional-integral-derivative,PID)控制器是整数阶PID控制器在复数域的推广,通过引入两个可调参数λ和μ使得控制器参数整定范围变大,但使得参数设计变得更加复杂。针对分数阶PID控制器的特点,提出了一种参数自适应的改进型差分进化算法整定方法,在目标函数的选取上,针对传统时间与绝对误差乘积准则对超调量控制不足,引入误差与控制信号加权,分别对整数阶和分数阶被控模型进行理论分析和数值仿真,仿真结果证明了该控制器参数设计方法的有效性和准确性。     

弹性高超声速飞行器智能控制系统设计

针对气动舵受限下的弹性高超声速飞行器控制问题, 提出一种基于神经自适应的智能控制方案。在速度子系统的设计过程中, 为了降低对模型参数的依赖程度, 应用强化学习算法在线调整比例积分微分(proportional integral derivative, PID)控制参数, 给出智能PID控制策略。对于高度子系统, 考虑气动舵的动态特性, 利用神经自适应方法对模型未知函数及不确定项进行逼近。为了处理气动舵的约束问题, 以非线性模型预测控制为优化分配模板生成大量样本数据集, 经离线训练得到深度神经网络代替求解复杂优化问题和控制分配的过程。此外, 通过引入自适应超螺旋微分器处理外部扰动, 增强了系统的鲁棒性。利用Lyapunov方法证明了所设计控制器的稳定性, 并通过仿真验证了所设计控制方案能够快速计算控制指令, 实现高精度跟踪控制。     

量子定位中精跟踪系统状态滤波及控制器设计

量子定位系统中精跟踪系统的跟踪精度是高精度定位的前提。针对卫星平台抖动以及工作环境噪声对量子定位系统跟踪精度的影响,建立了带有卫星平台振动信号模型以及有色噪声信号的精跟踪系统模型;设计了自适应强跟踪卡尔曼滤波器(adaptive strong tracking Kalman filter,ASTKF)算法,对状态扰动和输出噪声进行在线估计;并设计ASTKF对精跟踪系统进行闭环跟踪控制。在系统仿真实验中,对ASTKF进行了数值设计;对带有滤波器和比例积分微分(proportion integration differentiation,PID)控制器的精跟踪系统的控制性能,与仅采用PID控制方法以及采用自抗扰控制方法进行了性能对比实验。结果表明:采用带有所提出的ASTKF的PID控制的跟踪精度相较PID及自抗扰控制精度均有明显提高,可以达到量子定位的精跟踪系统对跟踪精度±2 μrad的要求。     

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。     

基于动态神经网络的PID参数整定与实时控制

提出了一种基于对角回归神经网络的PID控制器结构,给出了PID参数在线自整定的学习控制算法。为检验控制效果同时还使用了静态BP网络来整定PID参数,并在Matlab环境下,分别建立了基于对角回归神经网络和BP网络的液位实时控制系统。实际的控制效果说明,基于动态网络的PID控制器工作稳定,具有较好的鲁棒性。     

基于迭代学习控制的PID控制器设计

针对传统的经验PID整定方法,提出了一种新的PID参数整定算法。该算法首先利用PD型迭代学习控制来进行期望轨迹的跟踪控制,然后根据迭代学习控制的输入输出数据序列,通过强跟踪滤波器来进行参数辨识,可获得对应于期望轨迹的优化的PID控制参数。给出了迭代学习控制的收敛条件,以及如何利用强跟踪滤波器来进行参数辨识。仿真和实验结果表明,采用该算法设计PID控制器,被控系统可以获得较佳的动态性能和较强的鲁棒性。     

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。     

基于动态RBF神经网络在线辨识的单神经元PID控制

针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法。采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制。仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性。     

基于模糊PID的直/气复合再入控制方法研究

升力式高超声速再入飞行器气动力、气动热耦合环境复杂,不确定性和干扰较大,一般采用直接力/气动力的复合控制方式。针对飞行环境特点和不同控制机理构成的复合控制模式,提出了一种基于模糊PID的直接力/气动力复合控制方法,该方法通过对气动力控制与直接力控制两个子系统分别设计模糊PID控制器,并设计了一种复合控制方案。最后针对某型升力式高超声速再入飞行器的纵向姿态复合控制进行了仿真验证,仿真中综合考虑了气动参数的误差、测量误差、大气干扰与大气环境的不确定性。仿真结果表明,所设计的模糊PID控制器较传统的PID控制器具有更好的控制性能,更强的鲁棒性和自适应能力。     

基于改进粒子群算法的USV航向分数阶控制

针对欠驱动水面船舶（underactuated surface vessel,USV）航向保持稳定性问题,对船舶自动舵控制系统设计了分数阶PIλDμ控制器。积分阶次λ和微分阶次μ的引入使得分数阶比例积分微分（proportion integration differentiation, PID）PIλDμ控制器具有更好的鲁棒性和抗扰动能力,但同时也加大了算法设计的难度。使用改进粒子群算法对分数阶PIλDμ控制器参数进行整定,即解决了粒子群算法容易使粒子陷入局部最优问题,又解决了分数阶PIλDμ控制器整定参数多、设计复杂问题。通过仿真对比实验,结果表明,该控制器能很好地根据船舶动态特性变化,自动进行适应性参数优化,具有跟踪速度快、航向控制超调小以及抗扰性强等优点。     

基于特异性免疫策略的遗传算法及应用

针对标准遗传算法在进化后期收敛速度慢,易陷入未成熟收敛的问题,借鉴免疫应答机理,提出一种基于特异性免疫策略的遗传算法.算法的核心在于保持种群的多样性和执行特异性免疫策略,即引入小生境技术维持种群的多样性,对遗传参数自适应调节以适应种群的实际变化;利用高亲和度抗体搜寻更优秀的抗体,并发掘低亲和度抗体寻优的潜力;通过优良记忆库实现精英保留策略,保证算法搜索的快速性及有效性.理论上证明了算法的收敛性.仿真结果表明,算法能有效地改善种群多样性,具有较强的全局收敛能力.以二级倒立摆为被控对象,将该算法应用于Takagi- Sugeno模糊神经网络控制器的优化,实物控制结果表明该方法具有良好的动稳态性能和抗干扰能力.