基于uCOS-II的模糊自适应温度控制系统设计

针对车间温度控制系统具有非线性、滞后性和时变性等特点,提出了一种改进型的模糊自适应PID控制器。该控制器通过在线调整学习速率因子和PID参数增量,并结合积分分离思路,实现PID参数的自适应调节。仿真结果表明该控制器优于传统PID控制和传统模糊自适应PID控制。控制系统采用PIC24F作为主控芯片,结合操作系统uCOS-II的实时性、可靠性以及模糊自适应控制的非线性、时变性等特点,通过实验成功的实现对温度准确控制。     

基于模糊自适应PID的无人驾驶车辆路径跟踪控制

在无人驾驶车辆路径跟踪控制过程中,针对控制对象发生变化时传统PID控制器难以对其控制参数进行实时调整的问题,提出一种以预瞄理论为基础的模糊自适应PID控制方法.以前轮转角作为控制系统的输入,设计基于横向偏差和航向偏差的模糊自适应PID路径跟踪控制器.分析量化因子和比例因子的选取原则,利用模糊理论对PID参数进行自适应调整;基于Carsim与Simulink对所提算法进行联合仿真实验.仿真结果表明:模糊自适应PID较传统PID改善了控制器的动态性能且具有较好的自适应能力.     

基于神经网络的PID参数自整定与实时控制

将Bang-Bang控制与神经网络自适应控制相结合，利用神经元的学习功能构成了一种自适应PID控制器，控制器在Bang-Bang控制阶段进行系统辨识，利用系统参数整定PID控制参数，作为神经网络权系数的初值，其结构简单，工作稳定，鲁棒性强，实时控制结果表明，这类神经网络自适应控制器可有效地用于一类电加热炉系统的温度控制，使得系统具有快速响应性和良好的抗干扰性。     

神经网络PID控制器在高大空间恒温空调系统中的应用

针对暖通空调领域中高大空间恒温空调系统大滞后、慢时变、非线性的特点以及不确定干扰因素多的实际情况，将具有自学习、自适应功能的神经网络PID控制器应用于空调系统中，并利用非线性辩识算法对控制过程进行预测输出，最后在空调房间数学模型的基础上通过Matlab环境下的计算机仿真和对某电视台大型演播室进行温度控制实验相结合，发现在高大空间恒温空调系统中神经网络PID控制响应快、超调小，验证了神经网络PID控制器的实用性和有效性．     

模糊自适应PID控制在阳极焙烧中的应用

阳极焙烧是铝工业的重要工序,温度是焙烧过程中最重要的控制参数,温度的控制系统是一个典型的非线性、时变、大滞后系统。应用模糊自适应PID控制器对其进行控制,既利用了模糊控制适应能力强、动态特性好、抗干扰能力强的特点,又利用PID控制消除了系统静差,使控制系统的动态和静态品质都得到极大的提高,取得了较理想的控制效果。     

钢厂废水处理中pH的控制

给出钢厂废水处理的流程和原理，针对钢厂废水处理具有量大、时变、非线性、大滞后等特点，提出采用模糊自适应PID控制的方法，进行废水处理中关键环节pH的控制．常规PID控制中整定比例、积分、微分3个控制参数是难点，为此在常规PID算法基础上引入模糊推理，根据pH的偏差值和偏差变化率实时调整3个控制参数．经比较可以看出，该方法在pH控制中具有较理想的控制效果．     

一种在线模糊参数自适应PID控制器设计

根据经典PID控制器依赖对象性强的缺点,本文提出了模糊自适应PID控制器。该控制器具有模糊控制和PID控制的优点。在常规PID的基础上增加模糊自适应控制策略,可以进行在线调整。实验结果表明,所提出的模糊自适应PID控制器具有较好的动态性能和稳态性能。     

一种改进的自适应PID控制器

提出了一种新型的PID控制器，其基本思想是把神经元非线性映射和权值的自适应修正功能引入到PID控制器中，利用神经元收敛和权值在线修正，动态改变对偏差、偏差变化率、变化率之变化率的不同加权，从而获得较好控制性能。实验表明该算法使用可靠、精度高，而具有较强的抗干性能和鲁棒性。     

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．     

单神经元自适应PID控制器的实现与仿真研究

给出了单神经元自适应PID控制器的算法与控制系统仿真模型.利用单神经元PID控制器的自学习、自适应能力实现PID控制参数的自整定.并对被控对象进行了仿真研究,仿真结果表明,该控制方法与常规PID控制方法相比,具有更好的自适应性和更强的鲁棒性.     

基于PSO算法的无刷直流电机自适应PID控制研究

无刷直流电机(BLDCM)是一种多变量、非线性系统,传统PID控制器的参数具有难以整定的缺点,导致其难以满足BLDCM系统的控制要求。针对这一现状,提出了一种基于微粒群优化算法(PSO)的BLDCM自适应PID速度控制算法,该算法利用PSO具有的灵活、均衡的全局和局部寻优能力,对PID控制器的参数进行在线整定,提高了PID控制器的自适应能力。仿真实验表明,系统超调量小、转速响应快、转速波动小,比传统PID速度控制具有更好的动态特性和鲁棒性。     

水下焊缝跟踪单神经元自适应PID控制与参数优化

水下焊缝跟踪过程复杂,不确定因素多,并且焊接过程具有非线性特点,传统PID控制效果不理想.本文提出了单神经元自适应PID控制器,通过神经元的自学习能力,能够在线自适应调整PID参数,同时利用差分进化算法对单神经元自适应控制器的参数进行优化.经仿真结果可知,该单神经元自适应PID控制器响应速度快,精度高,控制效果好.     

建筑电气设备自适应模糊PID节能控制研究

针对建筑电气设备自适应模糊PID一直存在能耗过大的问题。提出基于自适应模糊PID节能控制方法,将建筑电气设备系统的温度波动和温度波动率,作为自适应模糊PID控制系统的输入项,将PID控制系统的三个参数波动量作为输出项,构成双输入三输出控制结构。依据自适应模糊PID调节规律表中的信息,调整电气设备模糊逻辑系统的参数。通过运算自适应模糊PID节能控制函数,获取最佳温度值,实现节能目标。实验结果表明:自适应模糊PID节能控制系统起动电流低、噪声小、控制精度高;在一般扰动和大扰动下系统响应波动较小、适应能力更强、动态性能高;该算法下建筑电气设备单耗节能率为88.69%,节能效果显著。     

电阻炉单神经元PID自适应控制

选用单神经元自适应控制结构,采有监督Hebb学习算法实现了对电阻炉大时滞控制系统的单神经元PID控制,探讨了参数对系统性能的影响,同时,使用Matlab分别对常规PID算法、自适应单神经元PID算法进行了仿真研究与比较并对参数选择进行了仿真研究.仿真结果表明,自适应神经元结构的PID控制动态控制效果良好,具有较高的工业实用价值.     

基于神经网络的开关磁阻电机自适应控制

针对开关磁阻电机显著的非线性特性，将具有非线性映射能力及自适应能力的误差反向传播（BP）神经网络应用于开关磁阻电机驱动系统（SRD），并结合传统比例、积分和微分（PID）控制的优点，提出一种基于BP神经网络的开关磁阻电机在线辨识与自适应PID控制方法．该方法利用BP神经网络实时观测系统输出，优化PID控制参数，对于解决开关磁阻电机由于非线性严重而导致控制困难的问题具有较强的针对性．实验结果证明了该方法的有效性，且系统适应性强，稳定性好，响应速度和控制精度均令人满意。     

PID控制器参数的ITAE最佳设定公式

针对一类可以由带有纯时间延迟的一阶模型来近似描述的被控对象,运用参数寻优及曲线拟合等方法得到了一组基于被控对象特征参数的PID控制器最佳设定公式.仿真结果表明:应用该方法所设计的PID控制系统具有超调小、调整时间短、稳态误差小等特点,系统的动态特性较以往的经验公式有了大幅度提高.即使当对象纯滞后时间与时间常数的比值较大时仍然具有较好的控制效果.该方法简洁实用,不仅解决了常规PID控制系统参数整定不良的难题,同时也为进一步构造基于过程特征参数的自适应PID控制系统提供了有力的依据.     

基于BP神经网络的船舶航向智能PID控制研究

针对船舶航向控制非线性的特性,以船舶航向运动一阶KT模型为研究对象,设计了基于BP神经网络的自整定PID算法航向控制器。将传统PID与BP神经网络结合,对被控对象由BP神经网络进行辨识,给出PID控制参数,由PID控制算法进行控制并优化收敛速度。根据真实渡轮船舶特征参数,利用MATLAB/Simulink仿真软件建立船舶航向运动控制系统模型。仿真结果表明,基于BP神经网络的PID控制系统超调小、鲁棒性好,可长时间稳定工作,几乎无稳态误差,控制算法的实用性以及动态控制系统的优越性得到验证。     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

废水处理中PH值的在线监控系统

根据酸碱滴定曲线本身非线性的特点，提出了分段式非线性变增益PID控制算法，在C Builder中用软件设计了该PID控制器，通过组态软件(King View)和该PID控制器的动态数据交换(DDE)以及可编程控制器(PLC)建立了PH值在线监控系统。通过对带有时滞的PH值中和反应过程进行数字仿真研究，控制结果表明该控制系统具有鲁棒性强、响应速度快和控制精度高的优点。