PID-GPC算法在高速列车横向半主动悬挂控制系统中的应用

针对列车悬挂控制系统中控制器设计的复杂性,利用SIMULINK建立了17自由度的列车整车横向振动模型,引入了PID型广义预测(PID-GPC)半主动控制原理和控制策略,将半主动悬挂与被动悬挂在横向加速度、横向位移、横向振动速度以及平稳性上进行比较分析,结果表明,采用PID-GPC半主动悬挂装置能有效抑制车体的横向振动,提高列车的运行平稳性和舒适度。     

基于动态优化的多模型广义预测控制器设计

针对工业控制过程中广泛存在系统参数突变的问题,将多模型切换的广义预测控制器引至动态优化策略下的分层式控制系统中,设计了基于动态优化的多模型广义预测控制器.该模型预测控制结构以获取最大经济效益为目标,上层结构对经济目标函数进行动态优化,得到使经济利益最大的关键变量设定值;下层结构中MPC层采用多模型广义预测控制器代替传统单模型广义预测控制器追踪上层得到的设定值,即采用多个固定模型和自适应模型并行辨识系统的动态特性,提高系统暂态性能和模型参数跳变时系统的调节能力;底层为PID控制器用于抑制过程中的扰动.通过仿真验证了该方法的可行性和有效性.     

基于RBF-ARX模型的高速列车预测控制器设计

针对高速列车在复杂环境运行时,传统预测控制器出现的动力学模型失配、在线辨识实时性不强等问题,提出一种基于RBF-ARX模型的列车预测控制方法.首先,构建RBF-ARX模型作为列车控制器的预测模型,使用SNPOM算法处理列车运行中的大量历史数据,得到预测模型的模型阶次及优化参数,并验证了模型的准确性.然后使用该模型构造预测控制器对列车目标曲线进行在线跟踪仿真.结果表明:基于RBF-ARX模型的高速列车预测控制器不仅解决了动力学模型失配的问题,并且在控制精度及舒适度等方面都优于传统预测控制器.     

热障涂层加热系统的自适应模糊预测控制

针对航空发动机热障涂层加热过程中的时变、大惯性、滞后以及高度非线性等问题,提出了一种基于T-S模糊模型的广义预测控制策略来控制涂层的温度。首先,针对模糊C均值(FCM)算法容易陷入局部最优的问题,采用自适应遗传粒子群优化(GA-APSO)算法来优化模糊C均值(FCM)算法的全局寻优能力,并对T-S模糊模型的前件参数进行辨识;其次,采用自适应遗忘因子的递推最小二乘法来估计T-S模糊模型的后件参数。 最后,根据得到的T-S模糊模型设计模糊预测控制器并进行仿真实验。仿真结果表明,在利用自适应遗传粒子群算法对FCM算法进行优化后,算法的初始适应度值、收敛适应度值以及辨识模型的均方误差都有较大程度的降低,说明改良后算法的全局寻优能力得到了很大提升,对样本的模糊聚类效果也更好。在有干扰的情况下利用PID控制器和模糊预测控制器分别跟踪期望温度,相比传统的PID控制,模糊预测控制的控温精度更高,达到稳定期望温度所需时间更短,仿真结果验证了控制方法的有效性。     

基于CPSO的PID算法在LLC变换器控制中的应用

在LLC谐振变换器控制系统中,由于PID控制器参数的整定直接影响控制系统的性能,本文利用混沌粒子群优化算法对变换器的数字PID控制器参数进行了整定。并利用MATLAB软件进行建模仿真实验,最后通过分析几种算法整定PID参数的结果,结果表明该算法操作简单,响应速度快,调节时间短,无超调,其控制品质明显优于遗传算法和标准粒子群算法,具有更好的优化效果。     

基于灰狼算法的桥式吊车PID控制参数优化

针对桥式吊车在运行过程中存在的货物摆动幅度较大和反应迟钝不能快速到达指定位置等问题,提出一种利用灰狼算法优化PID控制参数的桥式吊车PID控制系统。通过建立桥式吊车动力学模型;并对其位置和角度实行双PID控制,设计出相应的Simulink模型;进而将优化得出的PID参数与经验值得到的PID参数带入Simulink模型中进行仿真。结果表明,经灰狼算法优化的PID控制器具有良好的控制效果,验证了控制系统的有效性。     

一种新的预测PID控制器

提出了一种新的预测PID控制器 ,通过将广义预测控制的控制律写成PID的形式 ,使PID控制器具有预测的功能。同时 ,在广义预测控制的性能指标中引入稳态误差加权项 ,用较小的预测时域和稳态条件代替较大的预测时域 ,从而减小了在线计算量。在连续搅拌反应釜 (CSTR)上进行的仿真试验验证了该技术的可行性 ,新控制器的控制性能优于普通的预测PID控制器。     

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。     

带修正因子模糊PID控制的PMSM交流伺服系统

为了克服永磁同步电机(PM SM)伺服系统的非线性和不确定性因素的影响,提高伺服系统的控制精度和性能特性,提出了带修正因子的模糊比例、积分和微分(PID)控制。它是集PID控制和模糊控制的优点于一体的控制系统,根据转速偏差来决定速度控制器采用模糊控制算法还是PID控制算法,并且根据控制系统的转速偏差和速度误差率,利用修正因子对模糊控制器的参数进行在线修改。仿真结果表明:带修正因子的模糊-PID控制优化了系统的动静态特性,满足系统的高性能要求,验证了该控制策略的优越性和可靠性。     

基于遗传算法优化因子的灰色PI预测控制

针对灰色PI预测控制比例因子和积分因子参数整定困难,提出了基于遗传算法参数优化整定的PI型灰色广义预测控制(GPIPC)。灰色PI预测控制(GPIGPC)采用灰色预测控制技术克服时变时滞,用PI(PID)控制技术加强系统的鲁棒性,运用遗传算法在线优化整定灰色PI预测控制的比例因子和积分因子,增强了系统的跟踪特性和抗恒值扰动特性,极大程度地减少了模型时延失配和模型增益失配的影响。仿真实例表明,该算法具有较好的鲁棒性和抗干扰性。