无刷直流电机自适应模糊PID控制及仿真

针对iECar永磁无刷直流电机转速PID控制精度低、控制不稳定和响应滞后等缺点,介绍了一种具有智能性质的自适应模糊PID控制器设计思路,提出了一种模糊控制器量化因子与比例因子整定的新方法。通过模糊推理方法实时调整PID控制器的比例、积分、微分3个参数,以实现电机转速输出的有效控制。最后,在Matlab/Simulink环境下构建了iECar无刷直流电机转速自适应模糊PID控制模型。仿真结果表明,自适应模糊PID控制效果较传统PID控制有明显的改善,显示了该控制器良好的鲁棒性、稳定性和动态响应特性。     

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.     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

运动控制系统的PID参数模糊自整定

讨论了模糊自适应PID控制器原理及参数的模糊调整,利用模糊推理方法实现对运动控制系统的PID参数在线自整定,并在Matlab/Simulink环境下将该控制器在运动控制中的应用进行了仿真.结果表明,参数自适应模糊PID控制能使运动控制系统达到满意的效果.     

一种基于模糊神经网络的智能PID控制器

本文设计了一种基于模糊神经网络的PID控制器,利用模糊神经网络对被控制象进行模糊辨识,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,实现PID控制的智能化。通过仿真实验表明,该控制器具有较高的控制品质。     

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。     

自适应模糊PID控制方法在温度控制中的研究

介绍了自适应模糊PID控制器的构成和原理,利用模糊控制规则在线对PID参数进行修改,便构成了自适应模糊PID控制器,并利用MATLAB/SIMULINK和模糊逻辑工具箱对其进行仿真分析,得出其能改善控制系统的控制性能的结论.     

基于模糊自适应PID的无人驾驶车辆路径跟踪控制

在无人驾驶车辆路径跟踪控制过程中,针对控制对象发生变化时传统PID控制器难以对其控制参数进行实时调整的问题,提出一种以预瞄理论为基础的模糊自适应PID控制方法.以前轮转角作为控制系统的输入,设计基于横向偏差和航向偏差的模糊自适应PID路径跟踪控制器.分析量化因子和比例因子的选取原则,利用模糊理论对PID参数进行自适应调整;基于Carsim与Simulink对所提算法进行联合仿真实验.仿真结果表明:模糊自适应PID较传统PID改善了控制器的动态性能且具有较好的自适应能力.     

参数自适应模糊PID控制器在自动励磁调节系统中的应用

在参数自适应模糊PID控制器的基础上，利用模糊推理的方法实现了对PID参数的在线自动整定，并且在MATLAB软件下将该控制器在自动励磁调节系统中的应用进行了研究，仿真结果表明，参数自适应模糊PID控制能使系统达到满意的控制效果，对进一步应用研究具有较大的参考价值。     

风力发电机组最佳功率追踪自适应模糊PID控制

针对变速恒频风力发电系统,以额定风速以下风能的最大利用率为目标,设计了基于自适应模糊PID控制的风能最佳利用追踪控制器.该控制器对叶尖速比进行控制,运行时根据实际输出的叶尖速比与其最优值间的误差及误差变化率在线实时调整PID参数,实现自整定,达到风能利用系数最佳的功率追踪目标.通过仿真对几种控制方法进行对比分析,结果表明,自适应模糊PID控制能够将风能利用系数和叶尖速比均控制在最优值附近,系统的稳态性能和动态性能都较好,控制效果优于PID控制和模糊控制.