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。     

神经网络分数阶PID在网络控制系统中的应用

文章针对网络控制系统(NCS)存在的网络延时问题,设计了一种基于RBF神经网络的分数阶PID控制器,并将该控制器应用在网络控制系统中,减小网络延时对控制系统的影响。该控制器利用RBF神经网络具有任意精度逼近非线性函数及训练速度快的优点,在线整定分数阶PID控制器,并采用分数阶PID控制器直接控制被控对象;选取Ethernet控制的弹簧-阻尼控制系统作为实验对象。实验结果表明:该控制系统具有响应速度快、控制精度高、鲁棒性强的特点,有效地减少了网络延时对NCS的影响。     

基于多模型在线辨识的滑模变结构控制

为了改善复杂非线性系统中传统滑模变结构控制系统的控制效果,提出了一种将多模型在线建模与滑模变结构控制结合的方案.首先,根据输入输出数据利用在线数据聚类的方法建立多个局部模型,实时对局部模型进行更新,并通过加权综合获得非线性系统的在线辨识模型;然后,针对系统的辨识模型设计基于趋近律的滑模变结构控制器.仿真结果表明,控制方案对系统模型的不确定性具有良好的鲁棒性.     

基于粒子群优化算法的模糊神经分数阶PID电子节气门控制器设计

针对汽车电子节气门的精确跟踪控制问题, 建立了面向控制器设计的非线性模型,分析了摩擦非线性以及LH 非线性对电子节气门位置的影响.采用模糊神经分数阶PID 控制方法设计了电子节气门非线性控制器,并利用粒子群优化算法对控制器参数进行优化.最后将扰动考虑在内进行了仿真实验,仿真实验表明基于模糊神经分数阶PID的控制方法能够很好地实现电子节气门控制.     

基于改进型RBF神经网络多变量系统的PID控制

针对工业控制中多输入多输出非线性时变系统,提出了基于改进型RBF神经网络的智能PID控制方法.采用最近邻聚类算法在线构造RBF神经网络辨识器并在线辨识被控对象,对PID控制器参数进行在线调整,实现了多变量非线性时变系统的解耦控制.仿真结果表明,控制器能根据系统运行状态获得对应于某种最优控制规律下的PID参数,解耦后的系统具有较好的动态和静态性能,与常规RBF神经网络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.     

制导弹箭分数阶控制系统

针对制导弹箭控制系统中系统参数出现较大的非线性和时变性等问题,整数阶PID控制难以获得满意的控制效果.根据分数阶微积分的定义和性质,构造了分数阶控制器的结构,分析了其控制器参数对系统性能的影响,将分数阶控制器应用到制导弹箭的控制系统设计中,并对制导弹箭的分数阶控制系统进行了研究.结果表明,分数阶控制器较PID控制器有更强的鲁棒性和抗干扰能力,可以应用于制导弹箭的控制系统中,设计的分数阶控制器的频域和时域响应特性较PID控制器要好.研究结果为分数阶控制器在制导弹箭控制系统中的应用提供了理论基础.     

基于IPMC的分数阶控制及参数整定

离子聚合物-金属复合物材料(ionic polymer-metal composite,IPMC)是一种人工肌肉材料,作为一种新型执行器非常适用于仿生机器人的开发.使用分数阶控制器可以提高对动态系统的控制能力.为了说明分数阶控制的优越性,并对拟合精度高的IPMC分数阶模型设计最优分数阶控制器.首先针对IPMC驱动器的分数阶模型分别设计了整数阶PID控制器和最优分数阶PI1Dm控制器.然后,比较分析控制效果可见分数阶控制的上升时间更快,超调量更小,证明了应用分数阶控制方法可以使得被控系统的性能得到明显改善.最后,针对分数阶控制器的各个参数的变化对系统的影响做了详细的分析,故而可以选择最优参数实现分数阶最优控制.     

MIMO系统的H∞PID控制器的参数设计

本文应用先进的H∞控制理论,提出一种用LMI方法设计多输入-多输出系统的PID控制器参数的方法.用该方法设计出的控制器是由多个单输入-单输出的PID控制器组成,而不是多变量耦合的PID控制器.试验证明,用该方法设计出的H∞PID控制器控制效果较好,鲁棒性较强.     

闭环系统的虚拟参考反馈校正控制设计

在线性框架下,研究基于输入-输出观测数据对未知系统模型中反馈控制器的设计问题.采用虚拟参考反馈校正控制方法,通过最小化由一簇采集数据组成的L2范数控制代价函数,直接对控制器进行设计,而无需对系统模型建模辨识.针对控制设计中的优化问题,借助分离性原理,推导了一个迭代的可分离的非线性最小二乘辨识方法.该辨识方法可以降低收敛于局部最小的可能性,得到设计准则中参数矢量估计的全局最优解.给出在应用前利用概率统计对控制器进行检验的方法,以保证闭环系统的稳定性.仿真算例验证了方法的有效性.     

基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的"扰动",然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明:这种基于神经模糊系统的自适应前馈-反馈控制器和PID控制器相比,能得到更快、更好的控制效果。     

基于模糊神经模型的自适应单神经元控制系统设计

提出一种基于模糊神经模型的自适应单神经元控制系统.该控制系统首先根据采集到的输入输出数据建立被控过程模型,并在此基础上引入单神经元控制器.通过李亚普诺夫方法对控制器参数进行在线调节,从而使得系统输出值能够较快跟踪设定值.理论分析和仿真结果表明:本文提出的单神经元控制器和传统的PID控制器具有极其相似的结构,因此,具有结构简单、易于操作的特点,具有较快的跟踪速度,并且控制参数可以在线调节.     

基于强化缓冲算子的灰色预测PID控制仿真研究

灰色预测PID控制系统的核心是其反馈回路上的灰色预测器,其建模精度与控制系统行为数据的变化速率有关.对于惯性较大的被控对象或采样周期较短的控制系统,控制系统的行为数据变化缓慢,基于这些数据直接进行灰色建模预测的精度不高.针对这个问题,本文提出了基于强化缓冲算子的灰色预测PID控制新方法.通过对控制系统的行为数据序列进行强化缓冲算子作用,获得控制系统行为数据的强化缓冲算子作用序列,对其进行灰色建模和预测,实现灰色预测PID控制.仿真研究结果表明,在相同的PID控制参数下,本文提出的控制方法的控制精度明显优于传统的灰色预测PID控制和经典PID控制,获得了理想的控制效果.     

交流伺服系统的一种PIλDμ控制器设计方法

针对交流伺服系统,建立了数学模型,并设计了一种分数阶PIλDμ控制器设计.在利用传统PID参数整定方法确定比例增益kp、积分增益k1和微分增益kd的基础上,结合相位裕度定义,在相位裕度和截止频率给定的情况下完成积分阶次λ和微分阶次μ的设计.在求解积分阶次成λ和微分阶次μ时,采用一种简单易行的图解方法,巧妙地将求解一组非线性方程的问题转化为绘制两曲线求交点的问题.仿真结果表明,相对于传统PID控制器,本文设计的PIλDμ控制器,跟踪响应快,抗干扰能力强,鲁棒性好.     

Temperature modeling and control of Direct Methanol Fuel Cell based on adaptive neural fuzzy technology

Aiming at on-line controlling of Direct Methanol Fuel Cell （DMFC） stack, an adaptive neural fuzzy inference technology is adopted in the modeling and control of DMFC temperature system. In the modeling process, an Adaptive Neural Fuzzy Inference System （ANFIS） identification model of DMFC stack temperature is developed based on the input-output sampled data, which can avoid the internal complexity of DMFC stack. In the controlling process, with the network model trained well as the reference model of the DMFC control system, a novel fuzzy genetic algorithm is used to regulate the parameters and fuzzy rules of a neural fuzzy controller. In the simulation, compared with the nonlinear Proportional Integral Derivative （PID） and traditional fuzzy algorithm, the improved neural fuzzy controller designed in this paper gets better performance, as demonstrated by the simulation results.     

四旋翼飞行器PID优化控制

针对四旋翼飞行器具有非线性,强耦合性,多输入的欠驱动系统的特点,研制出既能精确控制飞行器姿态,又具有较强抗干扰和环境自适应能力的控制器。为了达到更好的飞行效果,采用了传统的PID控制算法,但实际应用中需要对PID参数进行优化,提出改进的PSO算法和遗传算法相结合的优化控制方法。为了优化PID参数,首先对飞行器进行动力性建模,再利用改进的PSO算法和遗传算法作PID参数优化。仿真和飞行实践的数据表明,相对于标准的PSO算法,飞行器有更好的鲁棒性和控制效果。     

固体氧化物燃料电池系统仿真分析与控制

固体氧化物燃料电池（SOFC）系统是一个非线性、多变量和强耦合的系统,很难用传统的建模方法来建立。本文基于BP神经网络的方法,利用MATLAB/Simulink平台构建SOFC系统模型,并在该模型的基础上增加PID控制,实现了闭环控制系统的分析。实验结果表明,该模型预测精度高,由预测模型得出的温度数据与实际数据的绝对误差为0.011%,增加的PID控制算法具有很强的抗干扰能力。     

一类非线性系统的模糊推理建模与控制仿真

针对一类非线性系统,首先使用模糊推理建模法由输入输出数据对得到该系统的数学模型,然后直接对所得的模型进行变论域自适应模糊控制,最后在不同参考输入情况下进行了仿真实验,并与常规模糊控制进行了比较。结果表明,基于模糊推理模型基础上的变论域自适应模糊控制具有相当的普适性和非常好的跟踪性、实时性。     

基于自适应神经模糊推理系统的连续搅拌反应釜系统的改进广义预测控制

连续搅拌反应釜(continuously stirred tank reactor,CSTR)是典型的非线性、大滞后的化工对象。为克服传统控制方法难以建立其机理模型的难点,基于对实际工业现场采集得到的大量输入输出数据,提出采用自适应神经模糊推理系统(adaptive-network-based fuzzy inference system, ANFIS)的方法,得到CSTR系统较理想的输入输出关系规则库,即CSTR系统的T-S模糊模型。最后,通过改进的广义预测控制(Jin’s generalized predictive control, JGPC)算法对CSTR系统的浓度进行控制,并与常规的广义预测控制(generalized predictive control,GPC)算法、比例-积分-微分(proportion integral differential,PID)控制算法进行对比,仿真结果显示,JGPC算法的控制效果优于GPC算法和PID控制算法,证明了方法的有效性。     

基于BP神经网络的分数阶PIαDβ控制器参数整定研究

对于分数阶控制系统,因分数阶控制器较传统PID控制器具有更好的适应性,这就为得到更加细腻的控制品质提供了可能。然而,分数阶PI^αD^β控制器的参数整定则相对复杂。针对这一问题,提出了基于BP神经网络的分数阶控制器参数整定方法,有效地克服了分数阶控制器参数整定复杂问题。采用文章所提方法,分别设计了整数阶PID、分数阶PI^αD^β控制器,并进行仿真对比。结果表明,采用分数阶PI^αD^β控制器的系统控制品质优于整数阶PID控制器。