参数自整定2自由度PID全神经元实现的仿真研究

2自由度PID控制器参数整定是一个复杂而又困难的问题，本文采用全神经元方法实现了2自由度PID控制。通过权值自学习解决了参数自动整定这一难题，只要选择适当的神经元权值系数，就可以是系统的抗干扰能力和跟踪给定的能力同时达到最佳，并使系统具有自适应能力和较强的 鲁棒性。     

双级矩阵变换器的神经元PID闭环控制研究

为了提高双级矩阵变换器(TSMC)对电网电压突变以及负载扰动的鲁棒性,引入了神经元PID控制器.建立了基于d-q坐标系的TSMC闭环控制系统,利用神经元PID控制器对输出给定电压d,q分量进行跟踪控制.通过MATLAB/SIMULINK仿真将其分别与TSMC开环系统响应和采用PI控制器的TSMC闭环系统响应进行比较,仿真结果表明采用神经元PID控制器能使系统取得较好的动、稳态性能并具有较强的鲁棒性.     

神经网络在转台控制系统设计中的应用

针对三轴飞行仿真转台中环电液伺服系统的非线性、参数时变性以及转台的快速性要求，给出了一种具有并行结构的单个神经元PID模型参考自适应控制方法。其中环利用神经网络逼近被控对象，控制器采用单个神经元PID。仿真结果表明该方法满足系统快速性的要求，并具有较好的鲁棒性。     

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。     

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。     

飞轮电池磁悬浮控制系统的仿真和实验研究

提出了一种用于飞轮电池的电磁和永磁混合磁悬浮轴承设计方案，其轴向位移由电磁铁主动控制，其余自由度由永磁铁以吸力方式给以约束，同时由永磁铁提供电磁控制的偏置磁场。对电磁力和永磁力进行了有限元计算和线性化，建立了磁悬浮控制系统的模型。对系统在不同的PID控制器参数下。受到阶跃扰动力的位移响应进行了仿真。采用上述磁悬浮方案和PID控制器，完成了一个单自由度磁悬浮实验，洲试了飞轮转子轴向脉冲力位移响应．实验结果证实上述磁悬浮方案和控制器能够实现飞轮转子的稳定悬浮。     

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。     

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.     

一类新型飞行器复合控制研究

首次推导了基于质量控制和推力矢量控制的一类无尾无舵翼碟形飞行器的空间六自由度运动动力学方程。以纵向运动为例，对模型进行了合理的简化，进行了稳定性分析和控制器设计，给出了不同控制的仿真曲线。最后进行了飞行仿真研究，给出了六自由度飞行轨迹仿真曲线，证明了控制器设计的有效性，为深入探讨质量，推力矢量复合控制奠定了基础。     

基于鲁棒整定的球磨机系统多变量PID控制

基于内模控制原理，导出一种多变量系统的PID控制器参数整定新方法，可直接获得控制器的比例项、积分项、微分项系数以及考虑到微分项可实现性的实际微分环节的时间常数。该整定方法应用于严重多变量耦合的电厂制粉系统球磨机控制的仿真研究，结果表明：所整定的PID控制系统具有良好的调节品质，在系统特性变化的情况下具有很强的鲁棒性。     

一种混合PID控制器的设计

传统PID方法的在数难以精确整定，故其控制精度也难以得到保证.本文提出了一种混合PID控制器的设计方法，它是采用神经网络作为补偿器，与传统的PID一起来对被控对象进行综合控制。仿真研究结果表明该方法较传统PID有更好的控制效果。     

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。     

改进单神经元PID控制器在伺服系统中的应用

单神经元PID以其计算量小,结构简单的优点被广泛应用。对基于单个神经元的直接PID控制算法进行改进,改进算法中采用不同的学习速率和权值调整方法,更好的体现了PID控制器中比例、积分、微分环节的作用。通过对典型的转台动态伺服系统仿真表明,改进算法比一般的单神经元PID算法控制效果好,抗干扰性好。     

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.     

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。     

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。     

分数阶PIλDμ控制器的仿真研究

PID控制是过程控制中应用最为广泛的一种控制方法，分数阶PI^λD^μ控制是常规的整数阶PID控制的推广与发展。本文对通过在复平面映射后的根轨迹对分数阶PI^λD^μ控制器的控制特性、参数的整定等进行了研究，研究表明PI^λD^μ控制器控制参数和阶次的改变都能改变控制质量，而且控制器对其本身参数和系统参数的变化并不敏感，PI^λD^μ控制器具有更灵活的结构和更强的鲁棒性。