基于遗传算法的多项式监督PID控制仿真

针对实时控制过程提出一种基于遗传算法的多项式函数监督PID控制。在离线学习过程中,遗传算法生成表示PID三个参数(Kp, Ki, Kd)与评价被控对象的评价指标关系的多项式监督函数。在线控制过程中,监督函数监督被控对象的状态,并在其评价指标超标时对PID控制器的参数进行及时调整。以1/4汽车半主动悬架系统为控制对象的仿真实验表明这种离线学习与在线调整相结合的PID控制方法能够有效改善悬架系统的平顺性。     

基于Simulink的半主动悬架多项式监督PID控制研究

针对汽车半主动悬架实时控制过程提出一种基于遗传算法的离线学习和在线学习相结合的多项式函数监督PID控制方法.在离线学习过程中,遗传算法生成表示PID三个参数(Kp, Ki, Kd)与评价被控对象的评价指标关系的多项式监督函数.在线控制过程中,监督函数监督被控对象的状态,并在其评价指标超标时对PID控制器的参数进行及时调整.以1/4汽车半主动悬架系统为控制对象,使用MATLAB/Simulink进行的仿真实验结果表明这种离线学习与在线调整相结合的PID控制方法能够有效改善悬架系统的平顺性.     

基于遗传算法寻优的PID控制技术及应用

以电液比例机械手为研究对象,提出一种基于遗传算法寻优的PID控制算法,并进行了计算机仿真和试验研究.结果表明,根据遗传算法寻优设计的PID控制器具有较强的鲁棒性,即使在外部环境恶劣的条件下,系统的控制性能仍具有较好的动态品质和稳态精度.     

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。     

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。     

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.     

基于自适应遗传算法的多目标PID优化设计

提出一种基于自适应遗传算法的多目标PID优化设计方法。采用染色体实数编码和具有自适应交叉概率和变异概率的遗传算法对PID参数寻优,有效地提高了遗传算法的全局搜索能力和收敛速度。通过在适应度函数中引入表示超调量、上升时间和稳态误差的指标项,并对指标项适当加权,可使优化后的PID调节器的综合性能达到满意程度。仿真结果表明,该PID调节器的性能优于常规方法获得的PID调节器。     

基于分层遗传算法的模糊控制器在线优化设计

针对模糊控制器的优化问题,提出了一种基于改进的分层遗传算法在线优化设计方法。该算法在分层遗传算法的基础上修改了信息交换方式,采用自适应交叉算子和变异算子,并改进了变异算子的变异方式,使其能在现有最优解基础上进行更精确的局部搜索,提高了搜索速度和精度;同时,使用了具有约束的时间与绝对误差乘积积分(ITAE)型性能指标函数,能够对系统的稳态误差、超调量和上升时间进行有侧重的优化;并结合最小二乘参数在线辨识技术,实现了时滞时变系统模糊控制器的参数和结构在线同步快速优化。仿真实验证明了该方法的有效性。     

汽车电子ABS控制参数混合逻辑动态自标定研究

采用软硬件协同设计方法,提出基于汽车电子子系统模块化统一建模的动态仿真测试方法.参照汽车电子电控单元参数的匹配方法,提出了基于CCP协议在线调整ABS参数的匹配方法,并从理论上研究了基于MLD(Mixed Logical Dynamical)系统的ABS控制参数自动标定算法.并通过求解MIQP问题为ECU-ABS控制解出一个优化的控制序列.以ABS开发为例进行了说明和测试,对监控标定系统进行了试验,建立了完整的电控参数标定仿真、实验流程.提出的方法对其它汽车电子嵌入式实时软件开发,缩短调试、路试周期具有重要的意义.     

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。     

防抱制动系统模糊模型参考学习控制的研究

在保持可操纵性的前提下，提高车辆制动效能是设计防抱制动系统的主要目的，为此，设计了防抱制动系统的模糊模型参考学习控制器，由于该控制器引入了模糊学习机制，通过观察被控对象和代表理想动态性能的参考模型的输出差，从而调整模糊控制器的规则集，以使对象输出跟踪参考模型的输出，而后建立了直线制动车辆系统的数学模型，基于MATLAB/SIMULINK工具箱，并对所设计的模糊模型参考学习控制系统在不同的路面状态下进行了模拟，仿真结果表明，该控制方案是合理可行的。     

基于GA的城市交叉口信号控制模糊规则优化

根据城市交通系统中单交叉口信号控制的具体情况，对遗传算法进行了改进，并利用改进的遗传算法对交叉口信号模糊控制器的模糊规则进行优化，建立新的优化算法．计算机仿真结果表明，采用改进的遗传算法方法优化模糊控制规则，可以减少因人的经验的局限性而导致的模糊规则的不完备性，使得控制器实用性更强，控制效果更好．     

电动汽车无刷直流电机驱动系统实时仿真

在设计开发电动汽车的过程中，采用实时数字仿真可实现并行工程，缩短开发时间，节约开发费用。基于方框图建模工具Simulink建立无刷直流电机驱动系统模型，采用dSPACE实时仿真环境自动生成控制器及被控对象模型实时代码。实时仿真系统具有与实际系统的硬件接口，可以与实际控制器或电机系统直接相连，构成硬件在回路仿真测试或快速控制原型系统。实时仿真与真实系统实验结果表明，实时仿真器与实际系统的响应特性无明显差别，在开发和测试阶段可以代替实际电机系统进行实时闭环测试。     

神经网络非线性预测优化控制及仿真研究

针对暖通空调等一类时变多输入多输出非线性过程控制系统，采用神经网络作为优化反馈控制器求解优化反馈解，并利用预测控制滚动优化能够克服干扰和不确定性影响的优势，采用基于Hamilton-Lagrange方法和预测滚动优化算法训练多层前向神经网络，同时对系统中某些不能直接测量且受到多种因素影响、计算复杂的时变参数也利用神经网络进行预测，以实现对象特性的实时预测。利用该控制方法对某变风量暖通空调模型进行了仿真，优化指标取舒适性指标和耗能量之和。仿真结果表明，采用此方法，在模型不确定和存在外在干扰的情况下可以得到较好的控制效果。     

基于GA的非线性电机自适应模糊滑模控制器设计

提出一种基于GA的自适应模糊积分型滑模控制策略,并将其用于具有非线性动态摩擦力的单轴运动控制系统中.控制器由自适应模糊控制项和补偿控制项组成,自适应模糊控制项用来逼近理想滑模控制律,补偿控制项用来补偿逼近偏差,利用李亚普诺夫稳定性理论推导出模糊规则和补偿控制项中逼近偏差边界在线自适应律,采用遗传算法优化自适应律中参数.仿真和实验结果表明了该控制策略的有效性.     

交叉口交通信号灯的模糊控制及优化研究

针对城市单交叉口的交通信号控制问题,提出一种交通灯信号的模糊控制方法。该方法基于四相位定相序对单交叉口交通灯进行控制,模糊控制系统输入为车辆排队数和车辆到达率,输出为当前绿灯相位的绿灯延长时间。利用遗传算法(Genetic Algorithm,GA)优化模糊控制系统的模糊规则和隶属度函数,提升模糊控制系统性能。利用Sumo(Simulation of Urban Mobility)仿真软件,实现了该模糊控制方法。将Sumo自带的控制方法、模糊控制方法、以及基于GA的模糊控制方法进行仿真对比。结果表明,基于GA的模糊控制方法能有效减少车辆的平均延误时间,提高了交叉口的通行能力。     

动态伺服系统改进对角回归网络跟踪控制

将对角回归神经网络(DRNN)和径向基函数网络(RBF)相结合,提出一种改进对角回归神经网络结构(IDRNN),使其既有局部逼近的优点,又具有动态网络的特性.推导了权值更新算法.针对转台动态伺服系统,设计了基于该网络的复合跟踪控制器,该控制器由辨识器、前馈控制器和反馈控制器组成,直接将辨识器的拷贝作为前馈控制器.对两种典型动态伺服系统的仿真结果表明,改进DRNN控制器能够进一步提高系统的动态跟踪能力,且敛速度快,计算量小,更适合实时控制.     

带有资格迹的模糊CMAC控制仿真研究

提出一种带有资格迹的模糊CMAC控制器(FCE),资格迹的引入可以对控制系统进行超前预测,提高系统的稳定性。研究了FCE系统的构成,并推导其学习算法。为适用于在线控制,给出了高效的FCE算法实现方案。应用于船舶航向控制的仿真结果表明,当存在风浪干扰海况下,船舶航向的控制仍能取得令人满意的效果。     

滑翔制导炮弹自抗扰姿态解耦控制器设计

针对滑翔制导炮弹姿态控制系统设计时存在的交叉耦合、执行机构响应延迟、控制能力约束以及不确定内外扰动等问题,基于自抗扰控制技术,设计了自抗扰姿态解耦控制器。该控制器结构简单、计算量小、需调控制参数少且不依赖精确的数学模型。通过数值仿真验证了该控制器的可行性和有效性。结果表明设计的姿态控制器能有效地实现俯仰/偏航解耦,并具有快速精确的跟踪性能以及良好的抗干扰能力。此外,控制参数对较大范围内的模型参数摄动不敏感,具备较强的适应性和鲁棒性,可为该类制导炮弹的控制系统设计提供一定的参考依据。