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。     

一种基于神经网络算法的非线性PID控制器

针对非线性、不确定时滞对象,提出一种基于神经网络算法的非线性PID控制器。该控制器将传统PID的比例、积分和微分参数分别构造成关于误差信号的非线性函数,并将非线性比例运算单元、非线性积分运算单元和非线性微分运算单元分别作为隐层神经元的激励函数,从而构造将PID控制与神经网络控制融为一体的智能控制器。研究结果表明:采用此智能控制器有效解决了传统PID难以控制非线性对象的问题以及传统神经网络控制器隐层神经元节点数难以确定的问题,仿真结果验证了该智能控制器的有效性。     

多指手自主抓取控制的研究

研究了时间-事件混合驱动的多指手自主抓取控制.在预抓取阶段,采用具有摩擦力补偿的比例-积分-微分(PID)位置控制算法实现手指的精确轨迹跟踪,该算法在传统比例-微分(PD)控制器的基础上,引入变速积分(RVI)提高系统的轨迹跟踪能力,引入平滑非线性反馈(SRNF)进行摩擦力补偿.在抓取阶段,采用基于事件的并行位置/力矩控制算法实现自由运动和约束运动之间的稳定过渡以及约束空间中的力矩控制.该算法采用基于事件的切换器实现控制模式的可靠切换,基于改进的纯积分力控制算法实现系统的稳定过渡和力控制.实验验证了该抓取控制方法的有效性.     

基于单神经元神经网络的无刷直流电机控制系统仿真

无刷直流电机是一种多变量、非线性、参数时变以及强耦合的复杂系统,利用传统比例积分微分(proportional integral differential,PID)算法控制无刷直流电机存在参数调整困难、自适应能力差、控制精度低以及抗干扰能力弱等问题.为实现无刷直流电机的高精度控制,在转速环中引入了基于单神经元神经网络PID控制算法,研究了无刷直流电机的数学模型及运行特性,提出了单神经元神经网络PID算法,最后比较分析了在电机双闭环控制系统中转速环采用不同控制算法下的转速阶跃函数响应,以及三相电流、反电动势和电磁转矩的运行状态.结果表明:单神经元神经网络PID算法控制下的无刷直流电机其转速的阶跃函数响应具有更快的上升时间、更小的超调量以及更加稳定的运行状态.     

一种改进的动态设定值PID控制算法

PID控制器是一种调节控制器,具有良好的稳定性和可靠性,是工业控制的主要技术之一.它根据系统的误差,利用比例、积分、微分计算出控制量.传统P ID控制算法的微分项抗干扰能力较弱,经常出现输出值和反馈值突变的现象,对动态控制环境适应不足,尤其在多设定值时无法满足控制要求.为了减少设定值改变时微分项引起的输出值和反馈值的震荡,在增量式和微分先行式算法的基础上,对PID控制算法做出进一步改进,并与传统PID控制方法进行比较.理论值及测试结果均显示改进的PID控制算法在改变设定值附近的输出和反馈震荡减小,全变分模型比较的结果表明改进的PID算法输出值曲线最平滑,此种方法能够提高动态设定值控制系统的稳定性和精准性.     

主动油气悬架反馈线性化及PID控制

从油气弹簧建模与试验验证出发,建立了特种车辆主动油气悬架的非线性模型.为满足特种车辆的工况要求,应用微分几何理论,通过微分同胚变换与非线性状态反馈将原非线性系统进行全局精确线性化,并对其设计线性PID控制算法.仿真结果表明,该非线性系统的控制策略具有算法设计简单、控制效果良好等特点.     

两种新型pH值的控制方法研究

根据酸碱滴定曲线本身非线性的特点 ,提出了三区段非线性变增益PID控制算法和积分模糊控制 (IFC)算法 ,通过对带有时滞的pH值中和反应过程进行数字仿真研究 ,控制结果表明新型算法具有鲁棒性强、响应速度快和控制精度高的优点 ,尤其是IFC控制方法能克服pH值中和过程中的较大时滞 .     

基于PID规律的Fuzzy逼近方法研究

经典PID算式是以一个常系数微分方程表示的，它在静态控制中具有良好的控制品质，动态控制品质欠佳．从物理学的角度分析，PID算是应是一个变系数的微分方程，其比例项(P)、积分项(I)、微分项(D)的系数是随过程变化而变化的．本文用FUZZY方法逐段逼近实现这一非线性控制过程，获得较好效果．     

非线性类PID神经元网络控制器

研究了基于比例、积分和微分控制分量非线性方法合成的非线性PID智能控制器.该PID控制器将比例、积分和微分控制分量分别用三角函数表示为误差信号的非线性函数,并通过三个独立的非线性函数构造合成PID控制器.通过在线调整三个独立非线性函数的权值系数,使该控制器实现不依赖于非线性对象模型的智能控制.仿真结果表明该控制器具有优异的非线性控制性能.     

改进PID算法在气动位置伺服控制系统中的应用

本文采用传统的PID控制方法对气动位置控制系统进行了研究. 该方法不要求对被控对象建立数学模型,而是通过调整比例、积分、微分三个参数对系统进行控制. 针对传统PID算法中存在的不足,对传统PID控制器加以改进,提出变速积分PID控制算法,并采用变速积分PID控制算法对位置定位控制进行了实验研究.     

强迫风冷封闭母线温度控制系统设计

针对强迫风冷封闭母线温控系统的非线性、时变性和不确定性,设计了一种基于模糊控制和PID算法的温度控制系统,通过对强迫风冷封闭母线温度控制回路的应用仿真,结果表明:此系统既可以发挥模糊控制灵活而适应性强的优点,同时又具有PID控制精度高的特点,因此采用模糊PID控制算法的母线温度控制系统可提高对母线温度的跟踪能力,系统具有更优的动态性能。     

一种基于免疫遗传算法的CSTR跟踪控制新方法

对连续搅拌反应釜的跟踪控制问题进行了研究。通过模拟生物体的实际免疫行为设计出了实用化的免疫遗传算法 ,利用此算法对PID控制参数进行在线调整。仿真结果表明 ,该方法能够对连续搅拌反应釜进行有效地跟踪控制     

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。     

模糊神经网络在电阻炉温度控制系统中应用

针对电阻炉具有时变,分布参数的非线性特性,将模糊神经网络控制应用于电阻炉温度控制系统.该控制器自适应能力强,利用系统偏差和神经网络辨识模型的输出对模糊神经网络控制器的参数通过一种改进的BP算法进行在线调节,达到对电阻炉温度的实时控制.仿真结果表明模糊神经网络控制器具有良好的控制效果,优于一般PID控制.     

基于自适应免疫遗传算法的真空退火炉变参数PID温度控制系统

真空退火炉退火温度的精确控制是一个典型的非线性、大时滞、大惯性、存在强交叉耦合、时变的复杂的控制问题,常规的PID控制器很难实现对退火温度的精确控制.本文以神经网络建立的真空退火炉模型为控制模型,利用自适应免疫遗传算法全局搜索获取最优的可变PID参数的方法,解决了真空退火炉退火温度精确控制的问题;应用结果表明,该温度控制系统优于传统的PID控制系统,并具有良好的可靠性、自适应性和鲁棒性.     

基于改进型神经动态规划算法的单容液位优化控制

单容液位控制系统是一个强非线性、多约束、时滞的复杂系统,传统的PID控制算法很难对其进行精确自适应优化控制。介绍了一种改进型的神经动态规划(NDP)算法,其中模型网络用小波神经网络来替代,并针对单容液位控制系统的液位进行自适应优化控制。仿真结果表明,基于神经网络的NDP算法在鲁棒性、控制精度和控制效果都优于传统的PID算法。     

模糊PID双层参数整定及其在固化炉中的应用

提出了一种模糊PID(proportion integration differentiation)控制器的双层参数整定方法。将模糊PID控制器的参数整定分为比例因子的整定与模糊隶属度函数参数整定2部分。推导出模糊PID控制器的解析模型,该解析模型包括线性部分和非线性补偿2个部分。整定的过程中,把模糊PID控制器解析模型的非线性补偿看作过程扰动,由线性部分和被控对象的二阶纯时滞模型,基于系统的增益裕度关系,导出模糊PID控制器的比例因子。再基于粒子群优化算法(PSO,particle swarm optimization)对三角隶属度函数进行优化,使控制器进一步适应被控对象的动态特性。仿真结果表明了研究方法的有效性以及应用在芯片固化炉的温度控制过程中,提升温度控制的效果。     

基于PSO算法的无刷直流电机自适应PID控制研究

无刷直流电机(BLDCM)是一种多变量、非线性系统,传统PID控制器的参数具有难以整定的缺点,导致其难以满足BLDCM系统的控制要求。针对这一现状,提出了一种基于微粒群优化算法(PSO)的BLDCM自适应PID速度控制算法,该算法利用PSO具有的灵活、均衡的全局和局部寻优能力,对PID控制器的参数进行在线整定,提高了PID控制器的自适应能力。仿真实验表明,系统超调量小、转速响应快、转速波动小,比传统PID速度控制具有更好的动态特性和鲁棒性。     

增量式PID控制在温控系统中的应用

温度的控制在科学实验和工业过程中极为普遍,具有典型的意义,而温控系统通常是时变的、非线性的、具有纯滞后的复杂大惯性系统,控制效果与采用的控制算法有很大的关系.针对这一问题,在温度控制实验系统中,设计了一种增量式PID控制算法实现了对温度的控制.通过实验表明,该算法的控制效果要优于传统的PID控制算法,对于工程实际应用具有较强的借鉴作用.     

医院大型电梯电力系统的PLC控制方法优化

医院大型电梯电力系统在实际运行的过程中具有很高的非线性和时变性,使大型电梯电力系统PLC控制效果不佳,当前方法采用线性学习法,无法适应运行环境的不确定性,造成电力系统控制的不稳定性。提出一种基于BP神经网络PID控制算法的医院大型电梯电力系统的PLC控制优化方法,将PID算法作为PLC的软件设计部分,通过比例、积分与微分这三种控制作用的合理调配,形成相互关系。鉴于PID控制算法调节时间长、超调量大等弊端,采用BP神经网络对其进行优化。利用BP神经网络的自学习和加权系数的调整,使BP神经网络输出最优大型电梯电力系统控制规律下的PID控制算法的参数,实现医院大型电梯电力系统的稳定控制。实验结果表明,所提方法具有很高的控制稳定性和鲁邦性,综合性能较强。