滞后削弱器控制系统的设计

将大滞后的对象演变成小滞后的对象,按平方误差积分准则设定点最优整定算法整定比例积分微分(PID)控制器参数.采用Simulink对不同Lm时的滞后削弱器控制系统的阶跃响应进行仿真,结果表明,系统加入滞后削弱器后,只能把等效对象的纯滞后时间变小,但不能消除纯滞后时间.滞后削弱器对大滞后系统的控制效果很好,且优于经典PID控制系统,利用滞后削弱器可以用PID控制器来控制大滞后系统.     

基于次最优模型降阶的自整定PID控制器

针对过程工业中含有振荡环节和大滞后环节较难控制的被控对象,设计了一种基于频域辨识的自整定PID控制器.该控制器采用次最优模型降阶算法,辨识出二阶加纯滞后的模型;然后基于给定的相位裕度和幅值裕度,整定出PID参数.并通过仿真实验表明对于不同的被控对象,自整定得到的PID参数均能取得较好的控制效果.     

加入滞后时间削弱器的大滞后系统的最优模糊PID控制

首先给大滞后系统加入滞后时间削弱器,将大滞后的对象演变成小滞后的对象,然后基于模糊控制原理、极小值原理和PID控制理论,设计一种最优模糊PID控制器对小滞后对象进行自适应控制.仿真结果表明,加入滞后时间削弱器能使大滞后系统更容易控制;最优模糊PID控制器比模糊PID控制器具有更好的抗干扰性和鲁棒性,且系统响应的上升时间和调节时间明显缩短.     

时变大纯滞后系统的单神经元预测控制

为对时变大纯滞后系统实现快速有效的实时控制 ,将单神经元与 L evinson预测器相结合采用比例积分微分调节器 (PID)控制方式 ,设计了单神经元预测控制器 ,其权值和可整定参数能够在线自适应调整 ,克服了大滞后对象控制结果不能及时反馈的不足。应用该控制策略对大滞后一阶和二阶对象的仿真研究表明 ,对大滞后时变系统具有很强的适应性和鲁棒性 ,各种控制性能明显优于常规 PID等其它控制     

一种参数自整定模糊预估控制器

基于史密斯预估理论和模糊控制，提出了一种参数自整定模糊预估控制器。通过在线调整PID参数，并对模糊规则进行改造，实现纯滞后系统的自适应控制。仿真结果表明：该控制器比常规预估控制和常规模糊控制对纯滞后对象有较好的适应性，明显改善了控制系统的动态性能。     

PID参数自整定模糊控制器的应用

针对电加热炉大惯性、纯滞后、参数时变的非线性对象的控制的特点,以及常规PID控制参数不易调节的特点,提出了一种PID参数自整定模糊控制方法,设计了PID参数自整定模糊控制器,并在炉温控制系统中应用。实验结果表明:PID参数自整定模糊控制消除了系统的稳态误差,没有超调和振荡,鲁棒性较强,而且简单易行,具有一定的实用价值。     

基于参数自整定模糊PID算法的平地机行走速度优化控制系统设计

针对平地机作业时行进速度精度的滞后问题及控制参数,提出了基于参数自整定模糊PID算法的平地机行走速度优化控制系统,协调解决行进速度的滞后问题,并完成了将该算法应用在平地机的控制系统中.系统采用单片机作为行走速度的控制中心,为验证参数自整定模糊PID算法的有效性和可靠性,对平地机的行进速度控制进行了设定干扰信号的测试.通过Matlab软件的Simulink仿真,分析了不加PID的常规控制、PID控制、参数自整定模糊PID控制进行速度稳定控制的效果,测试显示响应时间短、响应速度较快,能够满足设计的要求.     

直流电动机人工智能控制器研究

将PID控制和模糊控制相结合,控制直流电动机.首先对直流电动机的PID控制进行仿真,鉴于其参数变化范围大,整定过程繁锁,所以采取遗传算法对PID参数进行整定.通过仿真发现,整定过程大大简化,然后又采用模糊自整定方法对直流电动机进行控制.最后,将各种控制方案进行仿真,结果进行对比分析,表明模糊自整定控制器不仅具有良好的动、静品质,且具有较强的抗干扰能力以及参数时变的适应能力.     

基于改进灰色预测模型的自适应PID控制算法

针对大滞后系统提出一种基于改进灰色预测模型的自适应PID控制,采用优化背景值和初始条件的改进GM(1,1)模型作为预测模型,用预测结果代替被控对象测量值,克服了大滞后系统控制效果不能及时反馈的不足,并将二次型性能指标引入到PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了自适应PID的最优控制。仿真结果证明,该方法对大滞后系统具有较好的适应性和鲁棒性。     

基于继电器反馈的一种建模法

基于继电反馈的PID参数自整定技术有效地克服了人工整定的缺陷, 具有算法简单、控制温度范围大等优点。本文在继电型自整定PID控制策略基本思想基础上,通过分析一阶惯性加纯滞后控制对象在继电特性作用下的输入输出特性,提出一种基于继电器反馈的建模方法。该方法为被控对象的自整定参数设置提供了重要依据。选定被控对象,通过仿真验证了该方法的有效性。     

基于遗传模糊免疫算法的PID参数整定优化研究

针对工业过程中的PID参数整定较难的问题,在分析模糊免疫算法的基础上,提出了一种遗传模糊免疫算法,用于在线整定PID参数。该算法用免疫反馈机理在线调整比例系数,模糊算法在线整定积分系数和微分系数。同时,该算法引用具有全局寻优特性的遗传算法优化免疫参数,克服了免疫参数选取不当而导致系统超调量较大、响应速度过慢的问题。针对工业过程中的无时滞过程、一阶惯性加时滞过程、二阶惯性加时滞过程、高阶系统过程,将该算法用于PID参数整定优化,并与模糊免疫算法、免疫PID算法、常规PID算法整定结果进行对比分析。仿真实验结果表明,遗传模糊免疫算法整定出的PID参数具有超调量小、调节时间短、抗干扰性强、鲁棒性强等优点,取得了较好的控制效果。     

大型工业传输设备恒流输送PID模糊控制研究

为了有效实现大型工业传输设备恒流输送的控制,提出一种PID模糊控制方法,将其应用于设备恒流输送的控制中。给出了PID模糊控制器结构,分析了PID模糊控制器参数调整原则,制定了模糊控制规则,通过模糊推理方法对PID参数进行在线调整使大型工业传输设备实现恒流输送。搭建了大型工业传输设备实验系统,给出了相关参数,将神经网络控制方法作为对比进行实验。通过启动控制实验、负载突变控制实验和输送电流波形畸变度实验对PID模糊控制方法的恒流输送控制效果进行分析。分析结论如下:神经网络方法控制下的输送电流不稳定,方法能够有效实现系统的跟踪控制;方法的响应速度快,对负载扰动及突变较神经网络方法具有更好的抑制能力;方法能够保证设备的开关损耗和电磁干扰均保持在较低的水平。     

时滞系统增益自适应内模PID控制

为解决典型工业过程中大时滞系统难于控制的问题,提出一种增益自适应内模PID(Proportional Integral Differential)控制方法.对时滞系统纯滞后环节一阶Pade逼近后,由内模整定得到PID控制器的参数整定值,再应用Adaline人工神经网络动态获取被控对象的增益,从而自动调节控制器的比例系数.由仿真结果可见,当增益自适应控制方法投入跟踪后,超调从投入前的23%减为投入后的9%,该控制方法能克服增益变化对系统控制性能的影响,显著改善控制品质.     

一种基于模糊神经网络和遗传算法的智能PID控制器

常规的PID控制器参数整定方法需要被控对象的精确数学模型,且整定出的参数不能进行在线调整.而模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力;遗传算法则是一种新型的全局优化方法.鉴于此,提出将模糊控制、神经网络和遗传算法引入PID控制器的设计过程.首先,运用遗传算法优化隶属度函数的中心值和宽度,并借助模糊逻辑控制确定遗传算法中的交叉概率和变异概率.然后,再运用BP算法优化模糊神经网络的连接权系数.仿真结果表明,该方法提高了系统的自适应能力和抗干扰能力,增强了系统的鲁棒性.     

AGC板厚控制系统中对时滞非线性问题的有效控制方法

针对在AGC板厚控制系统中存在时滞、时变、大惯性、非线性等问题，提出了采用，自适应集中延时神经网络辨识、最优预报和模糊免疫PID控制相结合的控制方案，有效地提高了系统的控制精度和动态性能。经MATLAB仿真实验表明，各项指标均好于传统的控制方式，取得了令人满意的控制效果。     

基于H∞反馈控制的网络拥塞流速控制器设计

摘要：为了解决网络在现代高速通信网络拥塞控制问题,本文采用频域设计方法,将不确定时滞系统转化为带有未建模动态边界的多不确定系统;根据鲁棒镇定及系统性能指标要求,将流量控制的网络拥塞控制设计问题转化为共同的工程混合敏感的应用问题,然后分析设计出了理想的H∞控制器。该文证明,采用频域设计方法的拥塞控制的H∞反馈控制器,可以实现防止拥挤和提高网络应用效率的目标。实例已表明,该方法简单易用。     

基于模糊自适应整定PID的水下焊缝跟踪

针对水下焊接过程中焊缝跟踪控制的难点问题,设计了一种用于水下焊缝跟踪的模糊自适应整定PID(比例-积分-微分)控制器,采用模糊控制器充当调节器,在线调整PID控制器的3个参数,利用PID作为控制器,实现控制量的输出;讨论了该控制器的设计方法,并在相应模型的基础上进行了带扰动的控制模拟.仿真结果表明,该模糊自适应整定PID控制器的动态响应快、超调量小、稳态精度高、抗干扰能力强,能够满足水下焊缝跟踪的要求.     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。     

参数自调整的模糊二自由度PID控制的SIMULINK仿真

针对常规二自由度PID控制在过程参数时变系统中的不足之处,采用模糊控制理论改进常规二自由度PID控制方式,提出一种参数自调整的模糊控制方案.并建立参数自调整的模糊二自由度PID控制系统的SIMULINK仿真模型,进行计算机仿真,仿真结果表明参数自调整的模糊二自由度PID控制较之常规二自由度PID控制更加能够满足对不确定复杂工况的高指标控制要求.