车辆轨迹的预瞄与模糊分数阶比例-积分-微分控制

为提高无人车辆轨迹控制的精度,提出了一种基于预瞄误差建模和优化模糊分数阶PID控制的车辆路径跟踪方法。根据车辆动力学特性,引入预瞄横向误差模型,以预瞄横向误差为输入,车辆前轮转角为输出,调整转角角度减小偏差实现轨迹跟踪,设计模糊分数阶PID跟踪控制器。该控制器在PID的基础上结合分数阶理论,同时利用粒子群算法优化的模糊控制器对参数进行在线调整。在CarSim/Simulink联合仿真平台进行仿真研究。研究结果表明,本文所设计的控制器可行有效,为轨迹控制的研究提供了参考。     

磁悬浮系统的模糊PID控制器设计

基于GML1001磁悬浮实验装置设计了一个模糊PID控制器.该控制器利用传统的PID控制器和模糊控制器相结合形成,能根据系统偏差的大小、方向以及变化趋势等特征,依据模糊规则库做出模糊推理,能自动调整PID参数,可达到更加满意的控制效果.利用设计的模糊自适应PID控制器,对磁悬浮控制系统中钢球的悬浮位置实现了精确的控制.实验结果表明,模糊自适应PID控制器可以使磁悬浮控制系统拥有较好的稳态和动态性能.     

模糊神经免疫自适应PID在恒张力控制系统中的应用

应用免疫反馈系统原理和模糊神经网络控制理论,在传统PID控制基础上设计出一种模糊神经免疫自适应PID控制器,阐述了该控制器的特点、控制规律和整定方法.控制器参数P、I和D分别由模糊神经免疫反馈系统和模糊神经网络控制器在线修正.进行了恒张力控制系统的动态仿真,并与数字PID和模糊PID控制进行了比较.仿真结果表明,模糊神经免疫自适应PID控制器响应速度快、控制输出稳定、抗干扰能力强和鲁棒性好,较传统PID和模糊PID控制器具有更好的动、静态特性.     

一种基于自调整因子模糊-PID复合控制器的设计

提出一种基于自调整因子模糊—PID复合控制器,并利用Matlab仿真软件分别对PID控制、自调整因子模糊控制、基于自调整因子模糊—PID复合控制器进行了仿真研究。     

基于模糊自适应整定PID的水下焊缝跟踪

针对水下焊接过程中焊缝跟踪控制的难点问题,设计了一种用于水下焊缝跟踪的模糊自适应整定PID(比例-积分-微分)控制器,采用模糊控制器充当调节器,在线调整PID控制器的3个参数,利用PID作为控制器,实现控制量的输出;讨论了该控制器的设计方法,并在相应模型的基础上进行了带扰动的控制模拟.仿真结果表明,该模糊自适应整定PID控制器的动态响应快、超调量小、稳态精度高、抗干扰能力强,能够满足水下焊缝跟踪的要求.     

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。     

无刷直流电机转速智能混合控制器设计

提出一种传统PI(比例 积分)结合自适应模糊PID(比例 积分 微分)的智能混合控制器, 以提高无刷直流电机转速跟踪和动态适应能力. 该控制器通过开关函数根据转速误差在稳态的PI控制器和瞬态的自适应模糊PID控制器之间灵活切换. 自适应模糊PID包含两级模糊逻辑控制器: 一级模糊逻辑控制器自适应调节PID增益; 二级逻辑模糊控制器对一级模糊逻辑控制器的缩放因子自动调节. 在MATLAB/Simulink环境下进行仿真测试, 测试结果表明, 相比于传统PID和模糊PID控制器, 智能混合控制器在各种条件下的转速响应、 稳态误差和超/欠调量等均有较大改善, 表明其具有更好的鲁棒性、 抗干扰性和动态适应能力.     

模糊控制器在高阶水位控制中的设计及应用

在高阶大惯性环节对象的控制问题中 ,采用普通PID难以实现其良好的控制作用 .设计了一种基于模糊控制原理的模糊PID参数自适应控制器和模糊控制器 ,根据偏差和偏差变化率来实时调整参数 ,水位控制实验结果表明 ,这种模糊控制器比常规PID控制器有更好的控制效果 ,明显改善了系统的动态性能和稳态性能 .     

基于模糊免疫PID的驾驶机器人车辆路径及速度跟踪控制

为了实现装备驾驶机器人车辆的路径及速度跟踪控制,提出了1种基于模糊免疫比例积分微分(PID)的控制方法。通过比较车辆实际行驶路径与期望路径的侧向偏差,模糊免疫比例路径跟踪控制器控制转向机械手操纵方向盘。通过计算期望车速与实际车速的偏差,模糊免疫PID速度跟踪控制器控制制动/油门机械腿分别操纵制动/油门踏板。通过引入车速反馈不断更新汽车的侧向加速度增益,实现了车辆转向控制与纵向车速控制的解耦。Carsim/Simulink软件的联合仿真结果显示,车辆路径跟踪和车速跟踪的最大误差分别为0.28 m和1 km/h。     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。