遗传算法在PID自整定控制中的应用

提出了一种基于遗传算法和单神经元的自整定PID控制器的设计方法，该控制器首先利用遗传算法对PID的3个参数作离线优化，搜索到一组准最优的PID参数，作为PID控制器参数的初始值，然后利用改进后的单神经元梯度下降法在线调节PID参数，以使系统获得最优的动态性能和稳态性能．仿真结果表明：与传统PID控制算法比较，该控制方法响应速度快，具有更好的控制效果．     

基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制

提出一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,利用具有自适应能力的单神经元PID调节器和RBF神经网络相结合,实现了参数在线辨识,转速在线控制.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.     

Smith自适应模糊PID控制算法的研究及仿真

针对常规PID控制器在控制具有时变、大滞后等特性的实际被控对象效果不理想的问题,综合Smith预估控制和自适应模糊PID控制的优点,提出了一种新的控制器-Smith自适应模糊PID控制器．介绍了组成原理,分析了在控制时变、大滞后对象时的优点,给出了该控制器的具体设计方法．仿真结果表明,所设计的控制系统超调量小、调节时间短、响应速度快、动、稳态性能好,适用于参数变化的大时滞工业过程．     

基于免疫机制的模糊PID控制器设计

针对惯性、迟滞系统,本文结合PID、模糊控制和生物免疫原理,设计了一种基于免疫机制的模糊PID控制器。该控制器既具有PID控制的广泛性,也具有模糊控制的非线性逼近作用,还具有免疫控制的自适应调节能力。借助MATLAB的模糊控制工具箱和simulink仿真工具进行验证,结果表明基于免疫机制的模糊PID控制的动态性能和稳态性能都优于PID控制和模糊PID控制。     

基于免疫机制的模糊PID控制器设计

针对惯性、迟滞系统,本文结合PID、模糊控制和生物免疫原理,设计了一种基于免疫机制的模糊PID控制器。该控制器既具有PID控制的广泛性,也具有模糊控制的非线性逼近作用,还具有免疫控制的自适应调节能力。借助MATLAB的模糊控制工具箱和simulink仿真工具进行验证,结果表明基于免疫机制的模糊PID控制的动态性能和稳态性能都优于PID控制和模糊PID控制。     

鲁棒自适应PID控制器

提出一种基于灵敏度鲁棒性指标的自适应PID控制器. 通过对控制回路正常运行操作中产生的输入和输出信号的分解和拉普拉斯变换,辨识出过程对象在重要频率范围内的频率响应特性. 在此基础上用最小二乘法从幅值和相位两方面去拟合一个二阶加纯滞后传递函数,获得过程对象模型,计算出满足灵敏度指标的PID控制器参数. PID控制器的自适应过程既不需要过程对象和控制器的任何先验知识,也不用中断控制回路的正常运行. 仿真实验表明了自适应控 制器的有效性和可行性.     

基于改进型BP神经网络的四旋翼控制系统

为了实现对四旋翼无人机的自稳定控制,首先对四旋翼无人机进行了动力学建模,提出了一种改变学习率的BP神经网络算法与PID控制相结合的姿态控制方法,并在相同环境下与常规PID控制器进行了仿真试验对比。仿真试验结果表明:基于改进型BP神经网络的PID控制器能够有效地实现无人机的自稳定控制,相比于常规PID控制器,基于改进型BP神经网络的PID控制器具有响应速度快\,超调量低\,鲁棒性强等优点。     

电弧喷涂自适应控制系统研究

研究建立了微机控制电弧喷涂系统模型，为实现最优控制提供了理论依据。设计了弧压反馈控制器和电流反馈控制器，增加了PC机采集喷涂过程参数并同单片机串行通讯，实现PC机在线修改PID调节器参数。采用遗传算法对PID调节器控制参数进行寻优，实现了电弧喷涂过程自适应控制，获得了满意的喷涂效果。     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

基于BP神经网络的机械臂模糊自适应PID控制

机械臂属于强耦合多变量的典型非线性系统,常规的控制策略难以取得满意的控制效果.采用基于BP神经网络的模糊自适应PID控制策略,解决了原有PID控制的参数自适应能力弱、鲁棒性较差的问题.该方法采用BP神经网络动态调整PID控制器参数,使之能够随时满足控制精度的需要,改善系统的控制性能.仿真实验结果表明:所提的控制策策略实现简单,同时具有较高的控制精度.     

基于T-S模型的智能PID控制

提出一种基于分段线性模糊模型的T-S模型,并与传统PID控制器相结合设计了一种模糊神经网络PID控制器,它具有模糊系统非线性、可解释性的特点,神经网络的自学习和自组织功能.对其进行非线性时变系统仿真,仿真结果表明该控制器较常规PID控制器的调整时间可明显缩短.     

基于RBF神经网络重构模糊PID控制器的研究

尽管模糊PID控制器具有良好的控制品质,但存在计算复杂和实时性差的问题,为了解决这个问题.利用1LBF神经网络逼近能力重构模糊PID控制器,由于重构的RBF神经网络的并行计算能力,这简化了计算复杂性并提高实时性.通过选择不同的给定信号,比较模糊PID控制器和重构的RBF神经网络的控制性能.得到两者的控制效果是相当的.说明重构的RBF神经网络可以取代模糊PID控制器,从而减少了计算复杂性.避免维度灾难并改善控制实时性.     

模糊自适应整定PID控制及其仿真

将模糊控制器与PID控制器结合在一起，利用模糊控制推理方法实现对PID参数的在线自整定，进行MATLAB／SIMULINK仿真，仿真结果表明，该控制器明显地改善了控制系统的动态性能，易于实现，便于工程应用。     

两种非线性鲁棒PID控制器

针对非线性船舶航向保持系统,给出一种基于精确反馈线性化和闭环增益成形算法的非线性鲁棒PID控制器,该非线性PID控制器由非线性函数项和鲁棒PID控制器组成。另外,还给出一种完全基于闭环增益成形算法的非线性鲁棒PID控制器,其包含了具有定时功能的开关元件,两种非线性PID控制器在提高系统鲁棒性能的基础上,简化了控制器设计,从仿真结果可以看出,航向保持效果良好。     

用模糊控制实现PID参数自整定的研究

研究并提出了一种Ｆｕｚｚｙ－ＰＩＤ控制器的设计，该控制器把Ｆｕｚｚｙ控制和ＰＩＤ控制有机地结合起来，实现对控制系统的参数自整定。仿真结果表明，这种Ｆｕｚｚｙ－ＰＩＤ控制效果将明显优越于单纯ＰＩＤ控制方式。